- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
지능형 웹 알고리즘 지능형 웹 서비스 개발을 위한 머신러닝, 통계 분석, 신경망, 딥러닝 알고리즘과 추천엔진 구축
시리즈 : 위키북스 데이터 사이언스 시리즈 [23]
원제 : Algorithms of the Intelligent Web 2nd Edition
- 더글라스 매킬레이스, 하라람보스 마르마니스, 드미트리 바벤코 저
- 김광일 역
- 위키북스
- 2017년 11월 10일
-
정가25,000원
-
판매가22,500원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금1,250원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
품절된 상품입니다.
회원리뷰
ISBN: 9791158390815
296쪽
175 x 237 (㎜)
지금 이책은
- 판매지수 : 860
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
이 책과 함께 구매한 책
-
Node.js와 오픈소스를 활용한 안드로이드 서비스 개발 한동호 26,000원
-
인지 컴퓨팅 Judith s. Gurwitz, Marcia A. Kaufman, Adrian Bowles 22,500원
-
파이썬 데이터 사이언스 핸드북 제이크 밴더플래스 34,200원
이 책의 시리즈
전체 선택
쇼핑카트 담기
-
-
C#과 파이썬을 활용한 OpenCV 4 프로그래밍 [개정판] 32,400원 (10%↓+5%P)
-
실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전 25,200원 (10%↓+5%P)
-
데이터 분석을 떠받치는 수학 [개정판] 24,300원 (10%↓+5%P)
-
파이썬을 활용한 딥러닝 전이학습 27,000원 (10%↓+5%P)
-
텐서플로로 시작하는 딥러닝 입문 18,000원 (10%↓+5%P)
-
책 소개
출판사 리뷰
◎ 머신러닝 소개
◎ 데이터 구조 추출
◎ 딥러닝과 신경망
◎ 추천 엔진의 작동 원리
저자 소개
- 구분 : 저서
- 국적 : 기타
- 분류 : 과학/공학 저자
- 인기지수 : 6
더글라스 매킬레이스 박사는 캠브리지 대학에서 컴퓨터 과학을 전공했으며 왕립 런던 대학에서 박사 학위를 취득했다. 현재 런던 소재의 광고 네트워크 회사에서 데이터 과학자로 일하고 있는 머신러닝 전문가이다. 분산 시스템, 유비쿼터스 컴퓨팅, 퍼베이시브 센싱 그리고 로보틱스 및 보안 분야에 대한 연구에 기여했으며, 기술이 인간의 삶에 긍정적인 영향을 줄 때 열광하는 사람이다.
- 구분 : 저서
- 국적 : 기타
- 분류 : 과학/공학 저자
- 인기지수 : 6
하라람보스 마르마니스 박사는 산업 솔루션에 머신러닝 기술을 채택하는 데 있어 개척자이다. 소프트웨어 전문 개발자로서 25년간 일해 왔다.
- 구분 : 저서
- 국적 : 기타
- 분류 : 과학/공학 저자
- 인기지수 : 6
드미트리 바벤코는 은행, 보험, 공급사슬망 관리, 비즈니스 인텔리전스 회사들을 위해 다양한 애플리케이션과 인프라 프레임워크를 설계하고 구축했다. 벨라루스 국립 정보/무선전자 대학교에서 컴퓨터 과학 석사 학위를 받았다.
역자 소개
- 국적 : 대한민국
- 분류 : 과학/공학 저자 , 기타
- 인기지수 : 16
한국과학기술원 경영과학과에서 수학적 알고리즘을 경제학의 수리 모델에 적용한 논문으로 석사학위를 받았다. 졸업 후 금성사(지금의 LG전자)에 입사해 소프트웨어를 개발했다. 이후 몇몇 소프트웨어 개발 회사를 경영하기도 했으며, 경영 활동을 하는 동안 대학에서 강의를 하기도 했다. 수년 전 한 중소기업의 연구소에서 딥러닝을 연구하기 시작한 것을 계기로 딥러닝 연구에 몰두하면서, 현재는 경희대학교 대학원과 한국외국어대학교에서 머신러닝 및 딥러닝을 강의하고 있으며, 차세대 챗봇(Chatbot) 개발 프로젝트에 초청 전문가로 참여하고 있다..
책 속에서
목차
▣ 01장: 지능형 웹을 위한 애플리케이션 구축
1.1 실제 사용 중인 지능형 알고리즘: 구글 나우
1.2 지능형 알고리즘의 라이프 사이클
1.3 지능형 알고리즘의 다른 예들
1.4 지능형 애플리케이션이 아닌 것들
_1.4.1 지능형 알고리즘은 만능으로 생각할 수 있는 기계가 아니다
_1.4.2 지능형 알고리즘은 편리한 인간 대체품이 아니다
_1.4.3 지능형 알고리즘은 우연히 발견된 것이 아니다
1.5 지능형 알고리즘의 분류
_1.5.1 인공지능
_1.5.2 머신러닝
_1.5.3 예측분석
1.6 지능형 알고리즘의 성능 평가
_1.6.1 지능 평가
_1.6.2 예측 평가
1.7 지능형 알고리즘에 관한 중요 사항
_1.7.1 데이터는 신뢰할 수 없다
_1.7.2 추론은 즉시 생기지 않는다
_1.7.3 크기가 중요하다!
_1.7.4 알고리즘이 다르면 확장 방식이 달라진다
_1.7.5 모든 문제가 못은 아니다
_1.7.6 데이터가 전부는 아니다
_1.7.7 학습 시간은 변동적이다
_1.7.8 일반화하는 일을 목표로 삼는다
_1.7.9 인간의 직관에는 문제가 있다
_1.7.10 새로운 특징을 뽑아 낼 생각을 하라
_1.7.11 다양한 모델을 학습하라
_1.7.12 상관관계와 인과관계는 같지 않다
1.8 요약
▣ 02장: 군집화와 변환을 통한 데이터 구조 추출
2.1 데이터, 구조, 편향 및 잡음
2.2 차원의 저주
2.3 k 평균
_2.3.1 k 평균 실행
2.4 가우스 혼합모형
_2.4.1 가우스 분포란?
_2.4.2 기댓값 최대화와 가우스 분포
_2.4.3 가우스 혼합모형
_2.4.4 가우스 혼합모형을 이용한 학습의 예
2.5 k 평균과 가우스 혼합모형 간의 관계
2.6 데이터 축 변환
_2.6.1 고유벡터와 고윳값
_2.6.2 주성분 분석
_2.6.3 주성분 분석의 예
2.7 요약
▣ 03장: 콘텐츠 추천
3.1 장면 설정: 온라인 영화 사이트
3.2 거리 및 유사도
_3.2.1 거리와 유사도에 대한 심층 탐구
_3.2.2 최선의 유사도 공식은?
3.3 추천 엔진은 어떻게 동작하는가?
3.4 사용자 기반 협업 필터링
3.5 특잇값 분해를 이용한 모델 기반 추천
_3.5.1 특잇값 분해
_3.5.2 특잇값 분해를 이용한 추천: 사용자에 대한 영화 선택
_3.5.3 특잇값 분해를 이용한 추천: 주어진 영화에 대한 사용자 선정
3.6 넷플릭스 현상 공모
3.7 추천기 평가
3.8 요약
▣ 04장: 분류 - 사물을 속한 곳에 갖다 놓기
4.1 분류의 필요성
4.2 분류기의 개요
_4.2.1 구조적 분류 알고리즘
_4.2.2 통계적 분류 알고리즘
_4.2.3 분류기의 수명주기
4.3 로지스틱 회귀를 사용한 부정행위 탐지
_4.3.1 선형 회귀 입문
_4.3.2 선형 회귀에서 로지스틱 회귀로
_4.3.3 부정행위 탐지 구현
4.4 결과를 믿을 만한가?
4.5 대규모 데이터셋을 사용한 분류
4.6 요약
▣ 05장: 사례 연구 - 온라인 광고를 위한 클릭 예측
5.1 역사및 배경
5.2 광고거래소
_5.2.1 쿠키 일치
_5.2.2 입찰
_5.2.3 낙찰 또는 패찰 통지
_5.2.4 광고 지면
_5.2.5 광고 모니터링
5.3 입찰기는 무엇인가?
_5.3.1 입찰기 요건
5.4 의사결정 엔진이란?
_5.4.1 사용자 정보
_5.4.2 광고 지면 정보
_5.4.3 상황 정보
_5.4.4 데이터 준비
_5.4.5 의사결정 엔진 모델
_5.4.6 예측된 클릭률을 입찰 가격으로 매핑
_5.4.7 특징 공학
_5.4.8 모델 훈련
5.5 보우팔 왜빗을 사용한 클릭 예측
_5.5.1 보우팔 왜빗 데이터 형식
_5.5.2 데이터셋 준비
_5.5.3 모델 테스트
_5.5.4 모델 보정
5.6 의사결정 엔진 구축의 복잡성
5.7 실시간 예측의 미래
5.8 요약
▣ 06장: 딥러닝과 신경망
6.1 딥러닝에 대한 직관적 접근방법
6.2 신경망
6.3 퍼셉트론
_6.3.1 훈련
_6.3.2 사이킷런으로 퍼셉트론 훈련시키기
_6.3.3 두 개의 입력을 위한 퍼셉트론의 기하학적 해석
6.4 다층 퍼셉트론
_6.4.1 역전파를 이용한 학습
_6.4.2 활성화 함수
_6.4.3 역전파의 이면을 직관하기
_6.4.4 역전파 이론
_6.4.5 사이킷런에서 MLNN
_6.4.6 학습된 다층 퍼셉트론
6.5 더 깊은 곳으로: 다층 신경망에서 딥러닝으로
_6.5.1 제한 볼츠만 머신
_6.5.2 베르누이 제한 볼츠만 머신
_6.5.3 실제의 RBM류
6.6 요약
▣ 07장: 적절한 선택
7.1 A/B 테스트
_7.1.1 이론
_7.1.2 코드
_7.1.3 A/B의 적합성
7.2 MAB
_7.2.1 MAB 전략
7.3 실무에서의 베이즈 밴딧
7.4 A/B 대 베이즈 밴딧
7.5 MAB 확장
_7.5.1 상황적 밴딧
_7.5.2 적대적 밴딧
7.6 요약
▣ 08장: 지능형 웹의 미래
8.1 지능형 웹의 미래 응용
_8.1.1 사물 인터넷
_8.1.2 홈 헬스케어
_8.1.3 자율 주행 자동차
_8.1.4 개인화된 물리적 광고
_8.1.5 시맨틱 웹
8.2 지능형 웹의 사회적 함의
▣ 부록
_동기부여를 위한 예: 온라인 광고 노출
_데이터 수집: 나이브한 접근방법
_대규모 수집 데이터 관리
_카프카에 대한 평가: 대규모 데이터 수집
_카프카의 설계 유형
1.1 실제 사용 중인 지능형 알고리즘: 구글 나우
1.2 지능형 알고리즘의 라이프 사이클
1.3 지능형 알고리즘의 다른 예들
1.4 지능형 애플리케이션이 아닌 것들
_1.4.1 지능형 알고리즘은 만능으로 생각할 수 있는 기계가 아니다
_1.4.2 지능형 알고리즘은 편리한 인간 대체품이 아니다
_1.4.3 지능형 알고리즘은 우연히 발견된 것이 아니다
1.5 지능형 알고리즘의 분류
_1.5.1 인공지능
_1.5.2 머신러닝
_1.5.3 예측분석
1.6 지능형 알고리즘의 성능 평가
_1.6.1 지능 평가
_1.6.2 예측 평가
1.7 지능형 알고리즘에 관한 중요 사항
_1.7.1 데이터는 신뢰할 수 없다
_1.7.2 추론은 즉시 생기지 않는다
_1.7.3 크기가 중요하다!
_1.7.4 알고리즘이 다르면 확장 방식이 달라진다
_1.7.5 모든 문제가 못은 아니다
_1.7.6 데이터가 전부는 아니다
_1.7.7 학습 시간은 변동적이다
_1.7.8 일반화하는 일을 목표로 삼는다
_1.7.9 인간의 직관에는 문제가 있다
_1.7.10 새로운 특징을 뽑아 낼 생각을 하라
_1.7.11 다양한 모델을 학습하라
_1.7.12 상관관계와 인과관계는 같지 않다
1.8 요약
▣ 02장: 군집화와 변환을 통한 데이터 구조 추출
2.1 데이터, 구조, 편향 및 잡음
2.2 차원의 저주
2.3 k 평균
_2.3.1 k 평균 실행
2.4 가우스 혼합모형
_2.4.1 가우스 분포란?
_2.4.2 기댓값 최대화와 가우스 분포
_2.4.3 가우스 혼합모형
_2.4.4 가우스 혼합모형을 이용한 학습의 예
2.5 k 평균과 가우스 혼합모형 간의 관계
2.6 데이터 축 변환
_2.6.1 고유벡터와 고윳값
_2.6.2 주성분 분석
_2.6.3 주성분 분석의 예
2.7 요약
▣ 03장: 콘텐츠 추천
3.1 장면 설정: 온라인 영화 사이트
3.2 거리 및 유사도
_3.2.1 거리와 유사도에 대한 심층 탐구
_3.2.2 최선의 유사도 공식은?
3.3 추천 엔진은 어떻게 동작하는가?
3.4 사용자 기반 협업 필터링
3.5 특잇값 분해를 이용한 모델 기반 추천
_3.5.1 특잇값 분해
_3.5.2 특잇값 분해를 이용한 추천: 사용자에 대한 영화 선택
_3.5.3 특잇값 분해를 이용한 추천: 주어진 영화에 대한 사용자 선정
3.6 넷플릭스 현상 공모
3.7 추천기 평가
3.8 요약
▣ 04장: 분류 - 사물을 속한 곳에 갖다 놓기
4.1 분류의 필요성
4.2 분류기의 개요
_4.2.1 구조적 분류 알고리즘
_4.2.2 통계적 분류 알고리즘
_4.2.3 분류기의 수명주기
4.3 로지스틱 회귀를 사용한 부정행위 탐지
_4.3.1 선형 회귀 입문
_4.3.2 선형 회귀에서 로지스틱 회귀로
_4.3.3 부정행위 탐지 구현
4.4 결과를 믿을 만한가?
4.5 대규모 데이터셋을 사용한 분류
4.6 요약
▣ 05장: 사례 연구 - 온라인 광고를 위한 클릭 예측
5.1 역사및 배경
5.2 광고거래소
_5.2.1 쿠키 일치
_5.2.2 입찰
_5.2.3 낙찰 또는 패찰 통지
_5.2.4 광고 지면
_5.2.5 광고 모니터링
5.3 입찰기는 무엇인가?
_5.3.1 입찰기 요건
5.4 의사결정 엔진이란?
_5.4.1 사용자 정보
_5.4.2 광고 지면 정보
_5.4.3 상황 정보
_5.4.4 데이터 준비
_5.4.5 의사결정 엔진 모델
_5.4.6 예측된 클릭률을 입찰 가격으로 매핑
_5.4.7 특징 공학
_5.4.8 모델 훈련
5.5 보우팔 왜빗을 사용한 클릭 예측
_5.5.1 보우팔 왜빗 데이터 형식
_5.5.2 데이터셋 준비
_5.5.3 모델 테스트
_5.5.4 모델 보정
5.6 의사결정 엔진 구축의 복잡성
5.7 실시간 예측의 미래
5.8 요약
▣ 06장: 딥러닝과 신경망
6.1 딥러닝에 대한 직관적 접근방법
6.2 신경망
6.3 퍼셉트론
_6.3.1 훈련
_6.3.2 사이킷런으로 퍼셉트론 훈련시키기
_6.3.3 두 개의 입력을 위한 퍼셉트론의 기하학적 해석
6.4 다층 퍼셉트론
_6.4.1 역전파를 이용한 학습
_6.4.2 활성화 함수
_6.4.3 역전파의 이면을 직관하기
_6.4.4 역전파 이론
_6.4.5 사이킷런에서 MLNN
_6.4.6 학습된 다층 퍼셉트론
6.5 더 깊은 곳으로: 다층 신경망에서 딥러닝으로
_6.5.1 제한 볼츠만 머신
_6.5.2 베르누이 제한 볼츠만 머신
_6.5.3 실제의 RBM류
6.6 요약
▣ 07장: 적절한 선택
7.1 A/B 테스트
_7.1.1 이론
_7.1.2 코드
_7.1.3 A/B의 적합성
7.2 MAB
_7.2.1 MAB 전략
7.3 실무에서의 베이즈 밴딧
7.4 A/B 대 베이즈 밴딧
7.5 MAB 확장
_7.5.1 상황적 밴딧
_7.5.2 적대적 밴딧
7.6 요약
▣ 08장: 지능형 웹의 미래
8.1 지능형 웹의 미래 응용
_8.1.1 사물 인터넷
_8.1.2 홈 헬스케어
_8.1.3 자율 주행 자동차
_8.1.4 개인화된 물리적 광고
_8.1.5 시맨틱 웹
8.2 지능형 웹의 사회적 함의
▣ 부록
_동기부여를 위한 예: 온라인 광고 노출
_데이터 수집: 나이브한 접근방법
_대규모 수집 데이터 관리
_카프카에 대한 평가: 대규모 데이터 수집
_카프카의 설계 유형
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
