Go를 활용한 머신 러닝
도서명:Go를 활용한 머신 러닝
저자/출판사:다니엘,화이트낵/에이콘출판
쪽수:384쪽
출판일:2019-01-31
ISBN:9791161752662
목차
1장. 데이터 수집 및 구성
__데이터 처리하기 - Gopher 스타일
__Go를 활용한 데이터 수집 및 구성의 모범 사례
__CSV 파일
____파일에서 CSV 데이터 읽기
____예상하지 못한 필드 처리하기
____예상하지 못한 타입 처리하기
____데이터 프레임을 활용해 CSV 데이터 조작하기
__JSON
____JSON 파싱하기
____JSON 출력
__SQL 유형 데이터베이스
____SQL 데이터베이스에 연결하기
____데이터베이스 쿼리하기
____데이터베이스 수정하기
__캐싱(Caching)
____메모리에 데이터 캐싱하기
____디스크에 로컬로 데이터 캐싱하기
__데이터 버전 관리
____Pachyderm jargon
____Pachyderm 설치
____데이터 버전 관리를 위한 데이터 저장소 생성하기
____데이터 저장소에 데이터 넣기
____버전 관리되는 데이터 저장소에서 데이터 가져오기
__참조
__요약
2장. 행렬, 확률 및 통계
__행렬 및 벡터
____벡터
____벡터 연산
____행렬
____행렬 연산
__통계
____분포(Distribution)
____통계적 측정 방법
____분포 시각화하기
__확률
____확률 변수(Random Variables)
____확률 측정방법
____독립 및 조건부 확률
____가설 검정(Hypothesis testing)
__참조
__요약
3장. 평가 및 검증
__평가(Evaluation)
____연속형 측정 방법
____범주형 측정 방법
__검증(Validation)
____훈련(학습) 및 테스트 데이터 집합
____홀드아웃(Holdout) 집합
____교차 검증(Cross Validation)
__참조
__요약
4장. 회귀분석
__회귀분석 모델 용어 이해하기
__선형 회귀분석
____선형 회귀분석 개요
____선형 회귀분석 가정 및 함정
____선형 회귀분석 예제
__다중 선형 회귀분석
__비선형 및 다른 유형의 회귀분석
__참조
__요약
5장. 분류
__분류 모델 용어 이해하기
__로지스틱 회귀분석
____로지스틱 회귀분석 개요
____로지스틱 회귀분석의 가정 및 함정(문제점)
____로지스틱 회귀분석 예제
__k-최근접 이웃 모델
____kNN의 개요
____kNN의 가정 및 함정(문제점)
____kNN 예제
__의사결정 트리와 랜덤 포레스트
____의사결정 트리와 랜덤 포레스트 개요
____의사결정 트리와 랜덤 프레스트의 가정 및 함정(문제점)
____의사결정 트리 예제
____랜덤 포레스트 예제
__나이브 베이즈
____나이브 베이즈와 가정에 대한 개요
____나이브 베이즈 예제
__참조
__요약
6장. 클러스터링
__클러스터링 모델 용어 이해하기
__거리 또는 유사도 측정하기
__클러스터링 기법 평가하기
____내부 클러스터링 평가 방법
____외부 클러스터링 평가
__k-평균 클러스터링
____k-평균 클러스터링 개요
____k-평균 클러스터링의 가정 및 함정(문제점)
____k-평균 클러스터링 예제
__기타 클러스터링 기법
__참조
__요약
7장. 시계열 분석 및 이상 감지
__Go에서 시계열 데이터 표현하기
__시계열 데이터 용어 이해하기
__시계열 관련 통계
____자기상관(Autocorrelation)
____편 자기상관(Partial autocorrelation)
__예측을 위한 자동 회귀 모델
____자동 회귀 모델 개요
____자동 회귀 모델의 가정 및 함정(문제점)
____자동 회귀 모델 예제
__자동 회귀 이동 평균 모델 및 기타 시계열 분석 모델
__이상 감지
__참조
__요약
8장. 신경망 및 딥러닝
__신경망에 대한 용어 이해하기
__간단한 신경망 구축하기
____신경망의 노드
____신경망 아키텍처
____이 아키텍처가 동작하는 이유
____신경망 훈련 및 학습 시키기
__간단한 신경망 활용하기
____실제 데이터를 사용해 신경망 훈련시키기
____신경망 평가하기
__딥러닝 소개
____딥러닝 모델이란?
____Go를 활용한 딥러닝
__참조
__요약
9장. 분석 결과 및 모델 배포하기
__원격 컴퓨터에서 안정적으로 머신 러닝 모델 실행하기
____Docker 및 Docker 용어에 대한 간단한 소개
____머신 러닝 응용 프로그램의 Docker-izing
__확장 가능하고 재현 가능한 머신 러닝 파이프라인 구축하기
____Pachyderm 및 Kubernetes 클러스터 설정하기
____Pachyderm 머신 러닝 파이프라인 구축하기
____파이프라인 업데이트 및 출처 검사
____파이프라인 단계 확장하기
__참조
__요약
부록. 머신 러닝과 관련된 알고리즘/기술
__경사 하강법
__역전파
