★ 이 책에서 다루는 내용 ★
■ 파이썬 머신 러닝 에코시스템에 대한 이해
■ 선형 회귀를 수행하는 방법
■ 머신 비전(machine vision) 개념에 대한 소개
■ 고급 데이터 시각화 기술
■ 서드파티 API를 이용한 머신 러닝 모델 배치
■ 시계열 모델링 기술
■ 비지도 학습 모델 구축 방법
★ 이 책의 대상 독자 ★
이 책은 파이썬 기반의 머신 러닝 시스템을 구축하길 원하면서 데이터 과학에 대한 기본 지식을 갖춘 파이썬 프로그래머와 데이터 과학자, 아키텍트를 대상으로 한다.
★ 이 책의 구성...
★ 이 책에서 다루는 내용 ★
■ 파이썬 머신 러닝 에코시스템에 대한 이해
■ 선형 회귀를 수행하는 방법
■ 머신 비전(machine vision) 개념에 대한 소개
■ 고급 데이터 시각화 기술
■ 서드파티 API를 이용한 머신 러닝 모델 배치
■ 시계열 모델링 기술
■ 비지도 학습 모델 구축 방법
★ 이 책의 대상 독자 ★
이 책은 파이썬 기반의 머신 러닝 시스템을 구축하길 원하면서 데이터 과학에 대한 기본 지식을 갖춘 파이썬 프로그래머와 데이터 과학자, 아키텍트를 대상으로 한다.
★ 이 책의 구성 ★
1장. '파이썬 머신 러닝 에코시스템'에서는 내용이 깊고 활성화된 개발자 커뮤니티를 가진 파이썬과 과학계 출신의 여러 개발자에 대해서도 탐구한다. 이 때문에 파이썬은 과학적인 계산을 위한 풍부한 라이브러리를 제공한다. 주요 라이브러리의 특징을 살펴보고 가장 잘 활용할 수 있는 환경을 준비하는 것에 대해 다룬다.
2장. '저렴한 아파트 찾기 앱 구축하기'에서는 작지만 실제적인 예제인 저렴한 아파트를 찾는 애플리케이션의 구축을 시작으로 첫 번째 머신 러닝 애플리케이션을 구축하는 과정을 안내한다. 끝에서는 좀 더 쉽게 적당한 아파트를 찾는 애플리케이션을 만들게 된다.
3장. '저렴한 항공료 찾기 앱 구축하기'에서는 가격을 지속적으로 모니터링하는 애플리케이션을 구축하는 방법을 설명한다. 변칙적인 가격이 나타나면, 빠르게 조치할 수 있도록 알려준다.
4장. '로지스틱 회귀를 이용해 IPO 시장 예측하기'에서는 머신 러닝을 이용해 어떤 IPO가 면밀히 관찰할 가치가 있는지 여부를 결정한다.
5장. '맞춤형 뉴스피드 만들기'에서는 뉴스 취향을 이해하고 매일 개인적으로 맞춤화된 뉴스레터를 보내주는 시스템의 구축 방법을 다룬다.
6장. '콘텐츠 입소문 예측하기'에서는 가장 많이 공유된 콘텐츠를 검토해 사람들이 적게 공유하는 콘텐츠와 차별화되는 공통된 요소를 찾아본다.
7장. '머신 러닝으로 주식 시장 예측하기'에서는 트레이딩 전략을 구축하고 테스트하는 방법을 다룬다. 자신만의 시스템을 고안하려고 할 때 피해야 할 위험은 셀 수 없을 정도로 많다. 하지만 상당한 재미를 느낄 수 있으며, 가끔은 수익도 가져다준다.
8장. '이미지 유사도 엔진 구축하기'에서는 이미지 기반의 고급 딥러닝 애플리케이션을 만든다. 또한 딥러닝 알고리즘이 중요한 이유를 설명하고 왜 그것에 대한 과장 광고들이 많은지 살펴본다.
9장. '챗봇 구축하기'에서는 밑바닥에서부터 챗봇(Chatbot)을 만드는 방법을 설명한다. 이것을 통해 해당 분야의 역사와 앞으로의 전망에 대해 파악할 수 있다.
10장. '추천 엔진 구축하기'에서는 다양한 종류의 추천 시스템을 알아보고, 상업적으로 어떻게 수행되고 작동하는지 살펴본다. 또한 깃허브(GitHub) 저장소를 찾아주는 추천 엔진을 실행해본다.
★ 옮긴이의 말 ★
알파고(AlphaGo)와 4차 산업 혁명으로 인해 빅데이터 분석과 머신 러닝이 더욱 중요해졌고 대중의 관심도 상당히 높아지고 있다. 데이터 분석이나 머신 러닝을 잘 모르는 일반 대중들도 딥러닝이라는 용어를 익숙하게 느낄 정도로 각종 매체를 통해 자주 접하고 있으며, 오히려 이러한 친숙함이 데이터 분석과 머신 러닝을 통해 실제 현장의 문제를 푸는 데이터 분석가들을 곤란하게 할 때가 많다. 머신 러닝이라는 ‘마법 열쇠’만 있으면 모여 있는 데이터를 통해 자율 주행차도 만들고 바둑 분야에서 세계 랭킹 1위도 꺾을 수 있다는 인식을 갖도록 느끼게 만들었기 때문이다.
하지만 실제 업무 현장에서 문제를 풀기 위해서는 이런 마법 열쇠가 아닌 데이터에 대한 충분한 이해와 통계적 분석에 기반한 머신 러닝 모델링이 필요하다. 우선, 풀어야 할 문제와 해당 분야에 대한 이해를 기반으로 목적에 맞는 데이터를 수집해야 한다. 수집 후에는 데이터 정합성 검증 과정과 데이터 정제를 거쳐 분석이 가능한 형태의 데이터로 변환한다. 이렇게 전처리를 거친 데이터를 탐색적이고 통계적인 분석을 통해 데이터를 심층적으로 이해하게 되고, 이를 기반으로 문제를 풀기 위한 머신 러닝 알고리즘을 선택하게 된다. 반복적인 학습/검증 과정을 통해 머신 러닝 모델링을 구현하고, 이를 지속적으로 평가하고 개선하는 작업이 지속돼야 한다.
이 책에는 저렴한 가격의 아파트 찾기나 저렴한 항공권 구하기와 같은 일상의 문제부터 챗봇 및 추천 엔진 구축과 같은 기술 중심의 문제까지 친숙하고 다양한 사례가 포함돼 있다. 그리고 이러한 사례들을 강력한 라이브러리를 가진 파이썬을 통해 실제 업무와 비슷한 단계를 거쳐 풀어가고 있다. 이 책을 통해 데이터 분석 분야에서 파이썬이 지닌 편리함과 강력함을 이해하고 머신 러닝으로 실제 문제를 푸는 방법을 배운다면, 실제 업무 현장에서 다양한 문제들을 풀어낼 기반이 될 것이라고 생각한다.

1장. 파이썬 머신 러닝 에코시스템
__데이터 과학/머신 러닝 워크플로우
____수집
____점검 및 탐색
____정제 및 준비
____모델링
____평가
____배치
__파이썬 라이브러리와 기능
____수집
____점검
____준비
____모델링과 평가
____배치
__머신 러닝 환경 설정하기
__요약
2장. 저렴한 아파트 찾기 앱 구축하기
__아파트 내역 데이터 구하기
____import.io를 사용해 내역 데이터 끌어오기
__데이터 점검 및 준비
____데이터 분석
____데이터 시각화
__데이터 모델링
____예측
____모델 확장
__요약
3장. 저렴한 항공료 찾기 앱구축하기
__항공료 데이터 구하기
__고급 웹 스크래핑 기술로 요금 데이터 가져오기
__DOM분석을 통한 가격 데이터 추출
____클러스터링 기술로 이상 금액 찾기
__IFTTT를 이용해 실시간 알림 보내기
__하나로 결합하기
__요약
4장. 로지스틱 회귀를 이용해 IPO 시장 예측하기
__IPO 시장
____IPO란?
____최근 IPO 시장 성과
____IPO 기초 전략
__피처 엔지니어링
__이진 분류
__피처 중요도
__요약
5장. 맞춤형 뉴스피드 만들기
__포켓 앱으로 지도 학습 셋 생성하기
____포켓 크롬 확장 프로그램 설치하기
____포켓 API를 사용해 기사 가져오기
__기사 내용을 다운로드하기 위해 embed.ly API 사용하기
__기본적인 자연어 처리
__서포트 벡터 머신
__피드와 구글 시트, 이메일과 IFTTT 통합
____IFTTT를 통해 뉴스피드와 구글 시트 설정하기
__개인화된 일간 뉴스레터 설정하기
__요약
6장. 콘텐츠 입소문 예측하기
__구전성에 대한 연구
__공유 건수와 콘텐츠 가져오기
__공유성의 피처 탐색
____이미지 데이터 탐색
____헤드라인 탐색
____기사 내용 탐색
__콘텐츠 예측 스코어링 모델 구축
__요약
7장. 머신 러닝으로 주식 시장 예측하기
__시장 분석의 유형
__주식 시장에 대한 연구
__거래 전략 개발하기
____분석 기간 확대
____서포트 벡터 회귀로 모델 만들기
____동적 시간 워핑 모델링
__요약
8장. 이미지 유사도 엔진 구축하기
__이미지 기반의 머신 러닝
__이미지 작업
__유사한 이미지 찾기
__딥러닝의 이해
__이미지 유사도 엔진 구축하기
__요약
9장. 챗봇 구축하기
__튜링 테스트
__챗봇의 역사
__챗봇 설계하기
__챗봇 구축하기
__요약
10장. 추천 엔진 구축하기
__협업 필터링
____사용자 기반 필터링
____아이템 기반 필터링
__콘텐츠 기반 필터링
__하이브리드 시스템
__추천 엔진 구축하기
__요약

★ 지은이의 말 ★

머신 러닝은 데이터 중심 세상에서 빠르게 영역을 확대하고 있으며 로봇 공학과 의학에서부터 소매와 출판에 이르기까지 다양한 분야에 적용되고 있다. 이 책에서는 실제적인 머신 러닝 애플리케이션을 구축하는 방법을 단계별로 배운다.
쉽게 이해할 수 있는 프로젝트를 통해 다양한 형태의 데이터를 처리하는 방법을 살펴보고 지도 학습과 비지도 학습 같은 다양한 머신 러닝 기술을 언제 적용해야 하는지 배운다.
이 책에 나오는 각각의 프로젝트는 실제적이며 교육적인 가치를 제공한다. 예를 들어, 항공료 세일을 찾기 위해 클러스터링 기술을 사용하는 방법을 배우고, 저렴한 아파트를 찾기 위해 선형 회귀를 사용하는 법을 배운다. 이 책은 이해하기 쉽고 현실적인 방식으로 머신 러닝을 이용해 방대한 양의 데이터를 수집, 분석, 처리하는 것을 알려준다.

★ 옮긴이의 말 ★

알파고(AlphaGo)와 4차 산업 혁명으로 인해 빅데이터 분석과 머신 러닝이 더욱 중요해졌고 대중의 관심도 상당히 높아지고 있다. 데이터 분석이나 머신 러닝을 잘 모르는 일반 대중들도 딥러닝이라는 용어를 익숙하게 느낄 정도로 각종 매체를 통해 자주 접하고 있으며, 오히려 이러한 친숙함이 데이터 분석과 머신 러닝을 통해 실제 현장의 문제를 푸는 데이터 분석가들을 곤란하게 할 때가 많다. 머신 러닝이라는 ‘마법 열쇠’만 있으면 모여 있는 데이터를 통해 자율 주행차도 만들고 바둑 분야에서 세계 랭킹 1위도 꺾을 수 있다는 인식을 갖도록 느끼게 만들었기 때문이다.
하지만 실제 업무 현장에서 문제를 풀기 위해서는 이런 마법 열쇠가 아닌 데이터에 대한 충분한 이해와 통계적 분석에 기반한 머신 러닝 모델링이 필요하다. 우선, 풀어야 할 문제와 해당 분야에 대한 이해를 기반으로 목적에 맞는 데이터를 수집해야 한다. 수집 후에는 데이터 정합성 검증 과정과 데이터 정제를 거쳐 분석이 가능한 형태의 데이터로 변환한다. 이렇게 전처리를 거친 데이터를 탐색적이고 통계적인 분석을 통해 데이터를 심층적으로 이해하게 되고, 이를 기반으로 문제를 풀기 위한 머신 러닝 알고리즘을 선택하게 된다. 반복적인 학습/검증 과정을 통해 머신 러닝 모델링을 구현하고, 이를 지속적으로 평가하고 개선하는 작업이 지속돼야 한다.
이 책에는 저렴한 가격의 아파트 찾기나 저렴한 항공권 구하기와 같은 일상의 문제부터 챗봇 및 추천 엔진 구축과 같은 기술 중심의 문제까지 친숙하고 다양한 사례가 포함돼 있다. 그리고 이러한 사례들을 강력한 라이브러리를 가진 파이썬을 통해 실제 업무와 비슷한 단계를 거쳐 풀어가고 있다. 이 책을 통해 데이터 분석 분야에서 파이썬이 지닌 편리함과 강력함을 이해하고 머신 러닝으로 실제 문제를 푸는 방법을 배운다면, 실제 업무 현장에서 다양한 문제들을 풀어낼 기반이 될 것이라고 생각한다.