[중고] PYTHON MACHINE LEARNING BY EXAMPLE (예제로 배우는 머신 러닝 알고리즘)

일본어 입력기
	ㅇ	ㅋ	ㄱ	ㅅ	ㅈ	ㅌ	ㄷ	촉	ㄴ	ㅎ	ㅂ	ㅃ	ㅁ	야	ㄹ	와
ㅏ	あ	ぁ	か	が	さ	ざ	た	だ		な	は	ば	ぱ	ま	や	ゃ	ら	わ	ん
ア	ァ	カ	ガ	サ	ザ	タ	ダ		ナ	ハ	バ	パ	マ	ヤ	ャ	ラ	ワ	ン
ㅣ	い	ぃ	き	ぎ	し	じ	ち	ぢ		に	ひ	び	ぴ	み			り
イ	ィ	キ	ギ	シ	ジ	チ	ヂ		ニ	ヒ	ビ	ピ	ミ			リ
ㅜ	う	ぅ	く	ぐ	す	ず	つ	づ	っ	ぬ	ふ	ぶ	ぷ	む	ゆ	ゅ	る
ウ	ゥ	ク	グ	ス	ズ	ツ	ヅ	ッ	ヌ	フ	ブ	プ	ム	ユ	ュ	ル		ヴ
ㅔ	え	ぇ	け	げ	せ	ぜ	て	で		ね	へ	べ	ぺ	め			れ
エ	ェ	ケ	ヶ	セ	ゼ	テ	デ		ネ	へ	べ	ぺ	メ			レ
ㅗ	お	ぉ	こ	ご	そ	ぞ	と	ど		の	ほ	ぼ	ぽ	も	よ	ょ	ろ	を
オ	ォ	コ	ゴ	ソ	ゾ	ト	ド		ノ	ホ	ボ	ポ	モ	ヨ	ョ	ロ	ヲ	―

판매자 배송
[중고] PYTHON MACHINE LEARNING BY EXAMPLE (예제로 배우는 머신 러닝 알고리즘) - 예제로 배우는 머신 러닝 알고리즘 | 에이콘 데이터 과학 시리즈
요우시 리우 (지은이),남궁영환 (옮긴이)에이콘출판2018-09-07

[중고] PYTHON MACHINE LEARNING BY EXAMPLE (예제로 배우는 머신 러닝 알고리즘)

새상품
25,000원 22,500원 (1,250원)
판매가
18,500원 (정가대비 26% 할인)
카드최대혜택가

15,725원

알라딘 만권당 삼성카드, 알라딘 15% 청구 할인
최대 1만원 또는 2만원 할인(전월 30만원 또는 60만원 이용 시) / 카드 발급월 +1개월까지는 전월 실적이 없어도 최대 1만원 혜택 제공
상품 상태
상

배송료
택배 3,800원, 도서/산간 6,200원
판매자
hgbe0503

출고예상일
통상 48시간 이내

[중고] PYTHON MACHINE LEARNING BY EXAMPLE (예제로 배우는 머신 러닝 알고리즘) - 예제로 배우는 머신 러닝 알고리즘
18,500원 (정가대비 26% 할인) [중고-상]

바로구매

장바구니 담기

상품을 장바구니에 담았습니다.

장바구니 가기

보관함에 상품 담기

장바구니 담기

바로구매

보관함 +

US, 해외배송불가, 판매자 직접배송
중고샵 회원간 판매상품은 판매자가 직접 등록/판매하는 오픈마켓 상품으로, 중개 시스템만 제공하는 알라딘에서는 상품과 내용에 대해 일체 책임지지 않습니다.

새책	eBook	알라딘 직접배송 중고	이 광활한 우주점 (2)	판매자 중고 (16)
22,500원(절판)	출간알림 신청	-	11,500원	7,900원

중고모두보기

중고상품 구매 유의 사항

책 정보

· 제목 : Python Machine Learning by Example (예제로 배우는 머신 러닝 알고리즘)
· ISBN : 9791161752037
· 쪽수 : 320쪽
· 출판일 : 2018-09-07

책 소개

파이썬부터 머신 러닝에서 필요한 소프트웨어 설치, 다양한 머신 러닝 알고리즘 소개뿐 아니라 비즈니스 문제의 활용 방법까지 알기 쉽게 소개한다. 실행 결과를 바로 확인할 수 있는 소스 코드와 친절한 설명으로 머신 러닝의 기초를 확실히 다질 수 있을 것이다.

1장. 파이썬과 머신 러닝 시작하기
__머신 러닝은 무엇이고, 왜 필요한가
__머신 러닝의 개요
__머신 러닝 알고리즘의 역사
__데이터를 이용한 일반화
__오버피팅, 언더피팅, 바이어스 분산 트레이드오프
____교차 검증을 이용한 오버피팅 방지
__정규화를 이용한 오버피팅 방지
__피처 선택과 차원 축소화를 통한 오버피팅 방지
__전처리, 탐색 작업, 피처 엔지니어링
____결측값 처리
____레이블 인코딩
____원 핫 인코딩
____스케일링
____다항형 피처
____파워 변환
____비닝
__모델의 조합
____배깅
____부스팅
____스태킹
____블렌딩
____보팅과 평균화
__소프트웨어 설치와 설정
__문제 해결과 도움 요청 방법
__요약

2장. 텍스트 분석 알고리즘을 이용한 20 뉴스그룹 데이터세트 분석
__NLP란
__newsgroups 데이터
__데이터 확보
__피처에 대해 생각해보자
__시각화
__데이터 전처리
__클러스터링
__토픽 모델링
__요약

3장. 나이브 베이즈를 이용한 스팸 메일 탐지
__분류란 무엇인가
__분류의 유형
__텍스트 분류 애플리케이션
__나이브 베이즈란
__예제를 통한 베이즈 정리의 이해
__나이브 베이즈의 메커니즘
__나이브 베이즈의 구현
__분류기의 성능 평가
__모델 튜닝과 교차 검증
__요약

4장. SVM을 이용한 뉴스 토픽 분류
__3장 복습과 IDF
__SVM
____SVM의 원리
____SVM 구현
____SVM 커널 함수
____선형 커널 함수와 RBF 커널 함수의 비교
__SVM을 이용한 뉴스 토픽 분류
__추가 예제: SVM를 이용해 심전도 데이터로 태아 상태 분류
__요약

5장. 트리 기반 알고리즘을 이용한 클릭스루 예측
__광고 클릭스루 예측이란
__수치형 데이터와 범주형 데이터
__의사결정 트리 분류기
____의사결정 트리 생성
____트리 분할 측정 기준
____의사결정 트리 구현
__의사결정 트리를 이용한 클릭스루 예측
__랜덤 포레스트: 의사결정 트리의 피처 배깅
__요약

6장. 로지스틱 회귀를 이용한 클릭스루 예측
__원 핫 인코딩: 범주형 피처를 수치형 피처로 변환
__로지스틱 회귀 분류기
____로지스틱 회귀
____로지스틱 회귀의 동작 원리
____그래디언트 하강을 통한 로지스틱 회귀 모델 학습
__그래디언트 하강 기법과 로지스틱 회귀를 이용한 클릭스루 예측
____스토캐스틱 그래디언트 하강 기법을 이용한 로지스틱 회귀 모델 학습
____정규화 기법을 이용한 로지스틱 회귀 모델 학습
____온라인 러닝을 이용한 대규모 데이터세트 학습
____다중클래스 분류 처리
__피처 셀렉션과 랜덤 포레스트 비교
__요약

7장. 회귀 알고리즘을 이용한 주가 예측
__유가 증권 시장과 주가
__회귀의 기본 개념
__회귀 알고리즘을 이용한 주가 예측
____피처 엔지니어링
____데이터 확보와 피처 생성
____선형 회귀
____의사결정 트리 회귀
____서포트 벡터 회귀
____회귀 성능 평가
____회귀 알고리즘을 이용한 주가 예측
__요약

8장. 모범 사례
__머신 러닝 워크플로우
__데이터 준비 단계에서 참고할 모범 사례
____모범 사례 1: 프로젝트의 목표를 완전히 이해할 것
____모범 사례 2: 관련된 모든 필드를 수집할 것
____모범 사례 3: 필드 값에 대한 일관성을 유지할 것
____모범 사례 4: 결측 데이터 처리
__학습 데이터세트 생성 단계에서 참고할 모범 사례
____모범 사례 5: 수치형 값을 지닌 범주형 피처 판단
____모범 사례 6: 범주형 피처로 인코딩 여부 결정
____모범 사례 7: 피처 선택 여부를 결정하고 선택할 경우 어떻게 할지도 결정한다
____모범 사례 8: 차원 축소화 여부를 결정하고 선택할 경우 어떻게 할지도 결정한다
____모범 사례 9: 피처 스케일링 여부 결정
____모범 사례 10: 도메인 전문성을 이용한 피처 엔지니어링 수행
____모범 사례 11: 도메인 전문성 없이 피처 엔지니어링 수행
____모범 사례 12: 각 피처가 생성 과정 문서화하기
__모델 학습, 평가, 선정 단계에서 참고할 모범 사례
____모범 사례 13: 적절한 알고리즘 선택
____모범 사례 14: 오버피팅을 줄일 것
____모범 사례 15: 오버피팅과 언더피팅이 있는지 진단할 것
__모델 배포, 모니터링 단계에서 참고할 모범 사례
____모범 사례 16: 모델 저장, 로딩, 재사용
____모범 사례 17: 모델 성능 모니터링
____모범 사례 18: 정기적으로 모델 업데이트
__요약

알라딘 중고
품질 판정 가이드

알라딘 중고 품질 판정 가이드

품질등급	헌 상태	표지	책등 / 책배	내부 / 제본상태
최상	새것에 가까움	변색 없음 찢어진 흔적 없음 닳은 흔적 없음 낙서 없음 얼룩 없음 도서 겉표지 있음	변색 없음 닳은 흔적 없음 낙서 없음 얼룩 없음	변색 없음 낙서 없음 변형 없음 얼룩 없음 제본 탈착 없음
상	약간의 사용감은 있으나 깨끗한 책	희미한 변색이나 작은 얼룩이 있음 찢어진 흔적 없음 약간의 모서리 해짐 낙서 없음 도서 겉표지 있음	희미한 변색이나 작은 얼룩이 있음 약간의 닳은 흔적 있음 낙서 없음	변색 없음 낙서 없음 변형 없음 아주 약간의 접힌 흔적 있음 얼룩 없음 제본 탈착 없음
중	사용감이 많으며 헌 느낌이 나는 책	전체적인 변색 모서리 해짐 있음 2cm 이하의 찢어짐 오염 있음 낙서 있음 도서 겉표지 없음 아웃케이스 없음	전체적인 변색 모서리 해짐 있음 오염 있음 낙서 있음 (이름 포함)	변색 없음 2cm 이하 찢어짐 있음 5쪽 이하의 필기 및 풀이 또는 밑줄 있음 얼룩 및 오염 있음 제본 탈착 없음 본문 읽기에 지장 없는 부록 없음

모든 등급의 품질 판정 가이드 보기

판매자

hgbe0503 (사업자)

전문셀러

판매자 상품 (615,207) 모두보기

문의하기

구매만족도 93.7%
최근 6개월, 51개 평가
평균 출고일 4일 이내

기본정보

320쪽
188*235mm
608g

주제 분류

기간	평점	평가수	만족	보통	불만족
최근 6개월	93.7%	51	44	5	2
전체 기간	93.7%	63	54	7	2

기간	취소율
최근 3개월	74.97%

국내도서

전자책

외국도서

영미도서

대학교재/전문서

기타 언어권

어린이

일본도서

알라딘굿즈

온라인중고

중고매장

서울

경기

광역시 등

음반

블루레이

블루레이

DVD

커피

일본어 입력기

이 책을 읽고 싶은 사람

공유하기

삼성카드가 쏜다!

무이자 할부 안내

상품을 장바구니에 담았습니다.

품절도서센터 장바구니에 담았습니다.

보관함에 상품 담기

책 정보

책 소개

목차

(주)알라딘커뮤니케이션

고객센터 1544-2514 (발신자 부담)

	ㅇ		ㅋ	ㄱ	ㅅ	ㅈ	ㅌ	ㄷ	촉	ㄴ	ㅎ	ㅂ	ㅃ	ㅁ	야		ㄹ	와
ㅏ	あ	ぁ	か	が	さ	ざ	た	だ		な	は	ば	ぱ	ま	や	ゃ	ら	わ	ん
ㅏ	ア	ァ	カ	ガ	サ	ザ	タ	ダ		ナ	ハ	バ	パ	マ	ヤ	ャ	ラ	ワ	ン
ㅣ	い	ぃ	き	ぎ	し	じ	ち	ぢ		に	ひ	び	ぴ	み			り
ㅣ	イ	ィ	キ	ギ	シ	ジ	チ	ヂ		ニ	ヒ	ビ	ピ	ミ			リ
ㅜ	う	ぅ	く	ぐ	す	ず	つ	づ	っ	ぬ	ふ	ぶ	ぷ	む	ゆ	ゅ	る
ㅜ	ウ	ゥ	ク	グ	ス	ズ	ツ	ヅ	ッ	ヌ	フ	ブ	プ	ム	ユ	ュ	ル		ヴ
ㅔ	え	ぇ	け	げ	せ	ぜ	て	で		ね	へ	べ	ぺ	め			れ
ㅔ	エ	ェ	ケ	ヶ	セ	ゼ	テ	デ		ネ	へ	べ	ぺ	メ			レ
ㅗ	お	ぉ	こ	ご	そ	ぞ	と	ど		の	ほ	ぼ	ぽ	も	よ	ょ	ろ	を
ㅗ	オ	ォ	コ	ゴ	ソ	ゾ	ト	ド		ノ	ホ	ボ	ポ	モ	ヨ	ョ	ロ	ヲ	―

	ㅇ		ㅋ	ㄱ	ㅅ	ㅈ	ㅌ	ㄷ	촉	ㄴ	ㅎ	ㅂ	ㅃ	ㅁ	야		ㄹ	와
ㅏ	あ	ぁ	か	が	さ	ざ	た	だ		な	は	ば	ぱ	ま	や	ゃ	ら	わ	ん
ㅏ	ア	ァ	カ	ガ	サ	ザ	タ	ダ		ナ	ハ	バ	パ	マ	ヤ	ャ	ラ	ワ	ン
ㅣ	い	ぃ	き	ぎ	し	じ	ち	ぢ		に	ひ	び	ぴ	み			り
ㅣ	イ	ィ	キ	ギ	シ	ジ	チ	ヂ		ニ	ヒ	ビ	ピ	ミ			リ
ㅜ	う	ぅ	く	ぐ	す	ず	つ	づ	っ	ぬ	ふ	ぶ	ぷ	む	ゆ	ゅ	る
ㅜ	ウ	ゥ	ク	グ	ス	ズ	ツ	ヅ	ッ	ヌ	フ	ブ	プ	ム	ユ	ュ	ル		ヴ
ㅔ	え	ぇ	け	げ	せ	ぜ	て	で		ね	へ	べ	ぺ	め			れ
ㅔ	エ	ェ	ケ	ヶ	セ	ゼ	テ	デ		ネ	へ	べ	ぺ	メ			レ
ㅗ	お	ぉ	こ	ご	そ	ぞ	と	ど		の	ほ	ぼ	ぽ	も	よ	ょ	ろ	を
ㅗ	オ	ォ	コ	ゴ	ソ	ゾ	ト	ド		ノ	ホ	ボ	ポ	モ	ヨ	ョ	ロ	ヲ	―

	ㅇ		ㅋ	ㄱ	ㅅ	ㅈ	ㅌ	ㄷ	촉	ㄴ	ㅎ	ㅂ	ㅃ	ㅁ	야		ㄹ	와
ㅏ	あ	ぁ	か	が	さ	ざ	た	だ		な	は	ば	ぱ	ま	や	ゃ	ら	わ	ん
ㅏ	ア	ァ	カ	ガ	サ	ザ	タ	ダ		ナ	ハ	バ	パ	マ	ヤ	ャ	ラ	ワ	ン
ㅣ	い	ぃ	き	ぎ	し	じ	ち	ぢ		に	ひ	び	ぴ	み			り
ㅣ	イ	ィ	キ	ギ	シ	ジ	チ	ヂ		ニ	ヒ	ビ	ピ	ミ			リ
ㅜ	う	ぅ	く	ぐ	す	ず	つ	づ	っ	ぬ	ふ	ぶ	ぷ	む	ゆ	ゅ	る
ㅜ	ウ	ゥ	ク	グ	ス	ズ	ツ	ヅ	ッ	ヌ	フ	ブ	プ	ム	ユ	ュ	ル		ヴ
ㅔ	え	ぇ	け	げ	せ	ぜ	て	で		ね	へ	べ	ぺ	め			れ
ㅔ	エ	ェ	ケ	ヶ	セ	ゼ	テ	デ		ネ	へ	べ	ぺ	メ			レ
ㅗ	お	ぉ	こ	ご	そ	ぞ	と	ど		の	ほ	ぼ	ぽ	も	よ	ょ	ろ	を
ㅗ	オ	ォ	コ	ゴ	ソ	ゾ	ト	ド		ノ	ホ	ボ	ポ	モ	ヨ	ョ	ロ	ヲ	―