지금까지의 머신러닝 책들은
어려운 수학식들이 많았는데...

파이썬 개발자가
AI 알고리즘을 사용해서
실제 어플리케이션을 개발할 수 있도록 만든 책이어서인지
어려운 수학식들보다는
파이썬의 머신러닝 라이브러리 함수를
주로 사용하다보니
개발자가 읽기에 좋은 책이다.


지도 학습, 앙상블 학습, 비지도 학습
휴리스틱 검색, 유전 알고리즘,
음성 인식, 자연어, 이미지 처리에
영혼까지 끌어 모아놓은 것 처럼
머신러닝/딥러닝과 관련된 여러 신경망들까지
복잡한 개념들을 광범위하게 다뤄서인지
깊은 내용까지는 다루지 않는다.
(그러면 어려운 수학식이 나와야 하는건가? ^^;)

그래도 다양한 이미지, 텍스트, 음성데이터를 처리하는
파이썬 예제 코드를 통해서
머신러닝과 딥러닝을 쉽게 이해할 수 있게해주고

AI 알고리즘을 적용한 어플리케이션을
만들 수 있을 정도로 설명해주니
머신러닝과 딥러닝에 젖어들기에 충분한 듯 하다.



"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

 

 

머신러닝으로 데이터를 가지고 좀 놀아봤다면?
이제 넓은 세상에 나가 그 실력을 발휘할 때지.
어디서? 데이터 분석 경진 대회들!
그런 예측모델 분석 대회 플랫폼인 캐글!
Kaggle! www.kaggle.com!

그런데, 그냥 가면되나? 무작정?
그게 그렇지가 않다는군.
가벼운 마음으로 나갔다가
경진 대회에서 마음만 받을께~ 라는
당황스러운 마음의 스크레치를 선물로 받을 수 있다.

하지만 캐글에서의 경험을 바탕으로 주옥같은 노하우들을
집대성해놓은 이 책이 더해진다면
이미 기본적인 준비는 되었다고 봐도 과언이 아닐 듯 싶다.


실제 데이터들을 이용하고,
이론서들에서 찾아보기 어려운 기법들과
데이터셋들마다 다양한 테크닉이 필요한 경진 대회에서
상위 순위권에 진입하기 위해서는
문제를 정확히 이해하고 풀어내는 능력이 꼭 필요하다.

어떻게 하는데? 모든 경우에 대한 답이 들어있지는 않겠지만
예측 대상이나 모델의 평가지표가 명확할 때
어떻게 해야 성능이 높은 모델을 만들 수 있는지..

일반적으로 주의해야 할 내용들은 무엇인지..
모델의 성능을 개선할 때는 어떤 것들을 생각해야 하는지..
성능을 개선하는 기법들의 장단점과 특성은 어떠한지..

도구나 힌트가 될 수 있을 것 같은 것들을
수식은 최소화하면서 글이나 예제, 표를 사용해서
조금 더 이해를 쉽게 할 수 있도록 
쉽고 세세하게 설명해주고 있어서
대회를 준비하는 사람들에게 너무나 좋은 책이 아닌가 싶다.

단, 파이썬과 라이브러리의 사용법이나
머신러닝의 기본 개념이나 미분/행렬 연산등은
설명하지 않으니 미리 알아두면 좋을 듯 하다.

이제 랭커로 등록되러 가볼까?


"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

 

+ Recent posts