2021년 3월 출간, 길벗 출판사
이 책은 세바스찬 라시카(Sebastian Raschka)와 바히드 미자리리(Vahid Mirjalili)이 쓴 아마존 베스트 셀러 "Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition"의 번역서입니다.
번역서에 관한 궁금한 점이나 오류가 있다면 깃허브에 이슈를 남겨 주시거나 블로그를 통해 알려 주세요.
머신러닝 교과서 1판의 깃허브 저장소는 다음과 같습니다(1판이 원서의 2판에 해당합니다).
설치와 설정에 대한 도움말은 1장의 README.md 파일을 참고하세요.
open_dir 링크를 클릭하면 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.
- 컴퓨터는 데이터에서 배운다 [open dir] [ipynb] [nbviewer] [colab]
- 간단한 분류 알고리즘 훈련 [open dir] [ipynb] [nbviewer] [colab]
- 사이킷런을 타고 떠나는 머신 러닝 분류 모델 투어 [open dir] [ipynb] [nbviewer] [colab]
- 좋은 훈련 세트 만들기: 데이터 전처리 [open dir] [ipynb] [nbviewer] [colab]
- 차원 축소를 사용한 데이터 압축 [open dir] [ipynb] [nbviewer] [colab]
- 모델 평가와 하이퍼파라미터 튜닝의 모범 사례 [open dir] [ipynb] [nbviewer] [colab]
- 다양한 모델을 결합한 앙상블 학습 [open dir] [ipynb] [nbviewer] [colab]
- 감성 분석에 머신 러닝 적용하기 [open dir] [ipynb] [nbviewer] [colab]
- 웹 애플리케이션에 머신 러닝 모델 내장하기 [open dir] [ipynb] [nbviewer] [colab]
- 회귀 분석으로 연속적 타깃 변수 예측하기 [open dir] [ipynb] [nbviewer] [colab]
- 레이블되지 않은 데이터 다루기: 군집 분석 [open dir] [ipynb] [nbviewer] [colab]
- 다층 인공 신경망을 밑바닥부터 구현 [open dir] [ipynb] [nbviewer] [colab]
- 텐서플로를 사용한 신경망 훈련 [open dir] [ipynb part1, part2] [nbviewer part1, part2] [colab part1, part2]
- 텐서플로의 구조 자세히 알아보기 [open dir] [ipynb part1, part2, part3] [nbviewer part1, part2, part3] [colab part1, part2, part3]
- 심층 합성곱 신경망으로 이미지 분류 [open dir] [ipynb part1, part2] [nbviewer part1, part2] [colab part1, part2]
- 순환 신경망으로 순차 데이터 모델링 [open dir] [ipynb part1, part2] [nbviewer part1, part2] [colab part1, part2]
- 새로운 데이터 합성을 위한 생성적 적대 신경망 [open dir] [ipynb part1, part2] [nbviewer part1, part2] [colab part1, part2]
- 강화 학습으로 복잡한 환경에서 의사 결정하기 [open dir] [ipynb] [nbviewer] [colab]
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent