머신러닝 교과서 3판

2021년 3월 출간, 길벗 출판사

이 책은 세바스찬 라시카(Sebastian Raschka)와 바히드 미자리리(Vahid Mirjalili)이 쓴 아마존 베스트 셀러 "Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition"의 번역서입니다.

번역서에 관한 궁금한 점이나 오류가 있다면 깃허브에 이슈를 남겨 주시거나 블로그를 통해 알려 주세요.

머신러닝 교과서 1판의 깃허브 저장소는 다음과 같습니다(1판이 원서의 2판에 해당합니다).

• https://github.com/rickiepark/python-machine-learning-book-2nd-edition

목차와 주피터 노트북

설치와 설정에 대한 도움말은 1장의 README.md 파일을 참고하세요.

open_dir 링크를 클릭하면 각 장의 폴더로 이동합니다. 또는 ipynb 링크를 클릭해서 바로 주피터 노트북을 열어 볼 수 있습니다. nbviewer는 주피터의 노트북 뷰어로 볼 수 있는 링크입니다. colab은 구글 코랩(Colab)에서 노트북을 실행할 수 있는 링크입니다.

1. 컴퓨터는 데이터에서 배운다 [open dir] [ipynb] [nbviewer] [colab]
2. 간단한 분류 알고리즘 훈련 [open dir] [ipynb] [nbviewer] [colab]
3. 사이킷런을 타고 떠나는 머신 러닝 분류 모델 투어 [open dir] [ipynb] [nbviewer] [colab]
4. 좋은 훈련 세트 만들기: 데이터 전처리 [open dir] [ipynb] [nbviewer] [colab]
5. 차원 축소를 사용한 데이터 압축 [open dir] [ipynb] [nbviewer] [colab]
6. 모델 평가와 하이퍼파라미터 튜닝의 모범 사례 [open dir] [ipynb] [nbviewer] [colab]
7. 다양한 모델을 결합한 앙상블 학습 [open dir] [ipynb] [nbviewer] [colab]
8. 감성 분석에 머신 러닝 적용하기 [open dir] [ipynb] [nbviewer] [colab]
9. 웹 애플리케이션에 머신 러닝 모델 내장하기 [open dir] [ipynb] [nbviewer] [colab]
10. 회귀 분석으로 연속적 타깃 변수 예측하기 [open dir] [ipynb] [nbviewer] [colab]
11. 레이블되지 않은 데이터 다루기: 군집 분석 [open dir] [ipynb] [nbviewer] [colab]
12. 다층 인공 신경망을 밑바닥부터 구현 [open dir] [ipynb] [nbviewer] [colab]
13. 텐서플로를 사용한 신경망 훈련 [open dir] [ipynb part1, part2] [nbviewer part1, part2] [colab part1, part2]
14. 텐서플로의 구조 자세히 알아보기 [open dir] [ipynb part1, part2, part3] [nbviewer part1, part2, part3] [colab part1, part2, part3]
15. 심층 합성곱 신경망으로 이미지 분류 [open dir] [ipynb part1, part2] [nbviewer part1, part2] [colab part1, part2]
16. 순환 신경망으로 순차 데이터 모델링 [open dir] [ipynb part1, part2] [nbviewer part1, part2] [colab part1, part2]
17. 새로운 데이터 합성을 위한 생성적 적대 신경망 [open dir] [ipynb part1, part2] [nbviewer part1, part2] [colab part1, part2]
18. 강화 학습으로 복잡한 환경에서 의사 결정하기 [open dir] [ipynb] [nbviewer] [colab]