목차
제 1장. 개발 환경 설정
제 2장. 지도학습과 비지도학습
제 3장. 교차검증
제 4장. 검증 메트릭
제 5장. 머신러닝 프로젝트 관리
제 6장. 범주형 변수 처리
제 7장. 피쳐 가공
제 8장. 피쳐 선택
제 9장. 하이퍼파라미터 최적화
제 10장. 이미지 분류 및 세그멘테이션
제 11장. 텍스트 분류 및 리그레션
제 12장. 앙상블 및 스택킹
제 13장. 재현 가능한 코드 및 모델 배포
제 2장. 지도학습과 비지도학습
제 3장. 교차검증
제 4장. 검증 메트릭
제 5장. 머신러닝 프로젝트 관리
제 6장. 범주형 변수 처리
제 7장. 피쳐 가공
제 8장. 피쳐 선택
제 9장. 하이퍼파라미터 최적화
제 10장. 이미지 분류 및 세그멘테이션
제 11장. 텍스트 분류 및 리그레션
제 12장. 앙상블 및 스택킹
제 13장. 재현 가능한 코드 및 모델 배포
도서 정보
이 책은 다양한 머신러닝 문제를 접근하는 방법을 소개한다. 기존의 이론 위주의 머신러닝 서적과 달리, 이 책은 어떤 경우에 어떤 모델을 사용하고, 어떻게 성능을 최적화 하는지에 중점을 두고 있다.
예를 들어, 이 책은 범주형 변수, 피쳐 가공/선택, 하이퍼파라미터 최적화, 이미지 모델링, 자연어 처리, 딥러닝 모델 배포의 내용을 심도있게 다룬다.
머신러닝 문제를 어떻게 접근할 것인가에 대한 가이드가 필요하다면, 이 책이 도움이 될 것이다. 하지만, 머신러닝 기본서를 원한다면, 이 책은 당신을 위한 책이 아니다.
이 책은 커피와 코드를 작성할 수 있는 컴퓨터와 함께 즐길 것을 추천한다.
예를 들어, 이 책은 범주형 변수, 피쳐 가공/선택, 하이퍼파라미터 최적화, 이미지 모델링, 자연어 처리, 딥러닝 모델 배포의 내용을 심도있게 다룬다.
머신러닝 문제를 어떻게 접근할 것인가에 대한 가이드가 필요하다면, 이 책이 도움이 될 것이다. 하지만, 머신러닝 기본서를 원한다면, 이 책은 당신을 위한 책이 아니다.
이 책은 커피와 코드를 작성할 수 있는 컴퓨터와 함께 즐길 것을 추천한다.