008241115s2022    ulka          001a  kor
 020  ▼a9791191905137▼g93000▼c\34000
 056  ▼a004.73▼25
 090  ▼a004.73▼b권59ㄷ
 1001 ▼a권시현
 24510▼a데싸노트의 실전에서 통하는 머신러닝▼b실무와 캐글에서 통하는 top 10 알고리즘으로 시작하라▼b피처 엔지니어링 + top 10 알고리즘 + 실무 노하우로 익히는 실무형 문제풀이 해법서▼d권시현 지음
 260  ▼a서울▼bGolden Rabbit(골든래빗)▼c2022
 300  ▼a463 p.▼b천연색 삽화▼c24 cm
 44000▼a#musthave
 504  ▼a색인 수록
 653  ▼a기계학습▼a인공지능
 9500 ▼b\34000

00장 실습 환경 안내(코랩)

 1단계 : 배경지식 익히기
  01장 한눈에 살펴보는 머신러닝
   __1.1 인공지능, 머신러닝, 딥러닝
   __1.2 머신러닝 기법 : 지도 학습, 비지도 학습, 강화 학습
   __1.3 머신러닝 프로세스
   __1.4 TOP 10 알고리즘의 성능 비교
   __1.5 머신러닝 핵심 라이브러리
   __1.6 데이터 시각화 그래프 종류
   __1.7 피처 엔지니어링 기법
   __1.8 변수란 무엇인가?
    학습 마무리
  02장 파이썬 기초 익히기
   __2.1 프로그래밍 기본 : 산술 연산, 변수, 출력
   __2.2 자료형과 자료구조
   __2.3 반복문 : for문, while문
   __2.4 조건문 : if문
   __2.5 파이썬 내장 함수
   __2.6 나만의 함수 만들기 : def
    학습 마무리
  03장 유용한 라이브러리 : 판다스와 넘파이
   __3.1 판다스
   __3.2 넘파이
    학습 마무리

 2단계 : 답을 알려줘야 학습하는 머신러닝 지도학습 알고리즘
  04장 선형 회귀 : 보험료 예측하기
   __4.1 문제 정의 : 한눈에 보는 예측 목표
   __4.2 라이브러리 및 데이터 불러오기
   __4.3 데이터 확인하기
   __4.4 전처리 : 학습셋과 시험셋 나누기
   __4.5 모델링
   __4.6 모델을 활용해 예측하기
   __4.7 예측 모델 평가하기
   __4.8 이해하기 : 선형 회귀
    학습 마무리
    연습 문제
  05장 로지스틱 회귀 : 타이타닉 생존자 예측하기
   __5.1 문제 정의 : 한눈에 보는 예측 목표
   __5.2 라이브러리 및 데이터 불러오기
   __5.3 데이터 확인하기
   __5.4 전처리 : 범주형 변수 변환하기(더미 변수와 원-핫 인코딩)
   __5.5 모델링 및 예측하기
   __5.6 예측 모델 평가하기
   __5.7 이해하기 : 피처 엔지니어링
   __5.8 이해하기 : 로지스틱 회귀
    학습 마무리
    연습 문제
  06장 K-최근접 이웃(KNN) : 와인 등급 예측하기
   __6.1 문제 정의 : 한눈에 보는 예측 목표
   __6.2 라이브러리 및 데이터 불러오기
   __6.3 데이터 확인하기
   __6.4 목푯값에서 고윳값 확인하기
   __6.5 전처리 : 결측치 처리하기
   __6.6 스케일링
   __6.7 모델링 및 예측/평가하기
   __6.8 하이퍼파라미터 튜닝하기
   __6.9 이해하기 : K-최근접 이웃
    학습 마무리
    연습 문제
  07장 나이브 베이즈 : 스팸 여부 판단하기
   __7.1 문제 정의 : 한눈에 보는 예측 목표
   __7.2 라이브러리 및 데이터 불러오기 & 데이터 확인
   __7.3 전처리 : 특수 기호 제거하기
   __7.4 전처리 : 불용어 제거하기
   __7.5 전처리 : 목표 컬럼 형태 변경하기
   __7.6 전처리 : 카운트 기반으로 벡터화하기
   __7.7 모델링 및 예측/평가하기
   __7.8 이해하기 : 나이브 베이즈 모델
    학습 마무리
    연습 문제
  08장 결정 트리 : 연봉 예측하기
   __8.1 문제 정의 : 한눈에 보는 예측 목표
   __8.2 라이브러리 및 데이터 불러오기, 데이터 확인하기
   __8.3 전처리 : 범주형 데이터
   __8.4 전처리 : 결측치 처리 및 더미 변수 변환
   __8.5 모델링 및 평가하기
   __8.6 이해하기 : 결정 트리
   __8.7 오버피팅 문제
   __8.8 매개변수 튜닝
   __8.9 트리 그래프
    학습 마무리
    연습 문제
  09장 랜덤 포레스트 : 중고차 가격 예측하기
   __9.1 문제 정의 : 한눈에 보는 예측 목표
   __9.2 라이브러리 및 데이터 불러오기, 데이터 확인하기
   __9.3 전처리 : 텍스트 데이터
   __9.4 전처리 : 결측치 처리와 더미 변수 변환
   __9.5 모델링 및 평가하기
   __9.6 이해하기 : K-폴드 교차검증
   __9.7 이해하기 : 랜덤 포레스트
   __9.8 하이퍼파라미터 튜닝
    학습 마무리
    연습 문제
  10장 XGBoost : 커플 성사 여부 예측하기
   __10.1 문제 정의 : 한눈에 보는 예측 목표
   __10.2 라이브러리 및 데이터 불러오기, 데이터 확인하기
   __10.3 전처리 : 결측치 처리
   __10.4 전처리 : 피처 엔지니어링
   __10.5 모델링 및 평가
   __10.6 이해하기 : 경사하강법
   __10.7 하이퍼파라미터 튜닝 : 그리드 서치
   __10.8 중요 변수 확인
   __10.9 이해하기 : XGBoost
    학습 마무리
    연습 문제
  11장 LightGBM : 이상거래 예측하기
   __11.1 문제 정의 : 한눈에 보는 예측 목표
   __11.2 라이브러리 및 데이터 불러오기, 데이터 확인하기
   __11.3 전처리 : 데이터 클리닝
   __11.4 전처리 : 피처 엔지니어링
   __11.5 모델링 및 평가하기
   __11.6 하이퍼파라미터 튜닝 : 랜덤 그리드 서치
   __11.7 LightGBM의 train( ) 함수 사용하기
   __11.8 이해하기 : LightGBM
    학습 마무리
    연습 문제

 3단계 : 답을 스스로 찾는 비지도학습 알고리즘
  12장 K-평균 군집화 : 비슷한 속성끼리 분류하기
   __12.1 문제 정의 : 한눈에 보는 예측 목표
   __12.2 K-평균 군집화 맛보기 : 인위적으로 만든 데이터셋
   __12.3 데이터 불러오기 및 데이터 확인하기 : 고객 데이터셋
   __12.4 전처리 : 피처 엔지니어링
   __12.5 고객 데이터 모델링 및 실루엣 계수
   __12.6 최종 예측 모델 및 결과 해석
   __12.7 이해하기 : K-평균 군집화
    학습 마무리
    연습 문제
  13장 주성분 분석(PCA) : 차원 축소 응용하기
   __13.1 차원을 축소해서 그래프 그리기 : 고객 데이터셋
   __13.2 속도와 예측력을 향상시키기 : 익명 데이터셋
   __13.3 이해하기 : 주성분 분석
    학습 마무리
    연습 문제