007022

[머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로](길벗출판사, 2019)

이 책은 세바스찬 라시카(Sebastian Raschka)와 바히드 미자리리(Vahid Mirjalili)이 쓴 아마존 베스트 셀러 "Python Machine Learning 2/E"의 번역서입니다.

참고 사항

• 책의 모든 예제 코드는 파이썬 3.7, 사이킷런 0.2x, 텐서플로 2.0을 기준으로 합니다.(2019년 5월)
• 우분투와 윈도에서 파이썬 3.7, 사이킷런 0.2x, 텐서플로 2.0으로 테스트했습니다.(2019년 5월)
• 책의 예제 코드는 주피터 노트북으로 제공됩니다.
• 각 장의 코드는 ch02, ch03처럼 하위 폴더로 구분되어 있습니다.
• 각 장에서 필요한 예제 데이터셋도 코드와 함께 폴더에 담겨 있습니다.

목차와 주피터 노트북

설치와 설정에 대한 도움말은 INSTALL.md 파일을 참고하세요.

open_dir 링크를 클릭하면 code/ 서브디렉터리 아래에 있는 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.

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 사용하여 신경망 훈련 [open dir] [ipynb] [nbviewer] [colab]
14. 텐서플로의 구조 자세히 알아보기 [open dir] [ipynb] [nbviewer] [colab]
15. 심층 합성곱 신경망으로 이미지 분류 [open dir] [ipynb] [nbviewer] [colab]
16. 순환 신경망으로 시퀀스 데이터 모델링 [open dir] [ipynb] [nbviewer] [colab]

9장 디렉터리 설명

9장의 플라스크 웹 애플리케이션은 다음과 같습니다:

• 1st_flask_app_1/: 간단한 플라스크 웹 애플리케이션
• 1st_flask_app_2/: 1st_flask_app_1에서 폼 검증과 렌더링을 확장한 버전
• movieclassifier/: 웹 애플리케이션에 내장한 영화 리뷰 분류기
• movieclassifier_with_update/: movieclassifier와 동일하지만 sqlite 데이터베이스에서 업데이트하는 버전

웹 애플리케이션을 실행하려면 각 디렉터리로 이동한 후에 메인 애플리케이션 스크립트를 실행합니다.

cd ./1st_flask_app_1
python3 app.py

터미널에서 다음과 같은 출력을 볼 수 있습니다.

 * Running on http://127.0.0.1:5000/
 * Restarting with reloader

그다음 웹 브라우저를 열고 터미널에 출려된 주소로 접속하면 웹 애플리케이션을 사용할 수 있습니다.

책에 포함된 라이브 데모는 다음 주소에서 확인할 수 있습니다: http://haesun.pythonanywhere.com/.

소스 코드의 실시간 업데이트는 역자분의 깃허브와 블로그를 참고해주세요.

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

• 블로그 : https://tensorflow.blog/

• 번역서에 관한 궁금한 점이나 오류가 있다면 길벗출판사의 독자 문의나 역자분의 블로그를 통해 알려 주세요.