{"product_id":"138142","title":"파이썬 머신러닝 완벽 가이드","description":"\u003ccenter\u003e\u003cdiv style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/tmgdisk01.cafe24.com\/images\/vs\/4172\/sv\/3jXPCfJhzyt4A2l6Jq87YQxFLoyniW.png?v=1765060667\" style=\"max-width:100%;max-height:10px\"\u003e\u003c\/div\u003e\u003c\/center\u003e\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\u003ccenter\u003e\n\u003cdiv style=\"width:95%\"\u003e\n\u003cdiv style=\"text-align:center;font-size:30px;font-weight:bolder;line-height:1.6em\"\u003e파이썬 머신러닝 완벽 가이드\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"border-bottom:1px;border-bottom-style:dotted;border-color:;padding-bottom:20px\"\u003e\u003ccenter\u003e\u003ctable align=\"center\" width=\"100%\"\u003e\u003ctbody style=\"border:0px\"\u003e\n\u003ctr\u003e\u003ctd align=\"center\" style=\"line-height:1.2em;text-align:center;font-size:18px;color:black;font-weight:bold;padding-bottom:20px;\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\u003ctr\u003e\u003ctd style=\"text-align:center\"\u003e\u003cimg src=\"https:\/\/image.yes24.com\/goods\/108824557\/XL\" style=\"max-width:100%;height:auto\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\n\u003c\/tbody\u003e\u003c\/table\u003e\u003c\/center\u003e\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"width:95%;{split_style6}padding-top:20px;padding-bottom:20px\"\u003e\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003eDescription\u003c\/div\u003e\n\u003cdiv style=\"text-align:left;word-break:break-all;font-size:14px;line-height:1.6em;\"\u003e\n\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e책소개\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e자세한 이론 설명과 파이썬 실습을 통해 머신러닝을 완벽하게 배울 수 있다!\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e『파이썬 머신러닝 완벽 가이드』는 이론 위주의 머신러닝 책에서 탈피해, 다양한 실전 예제를 직접 구현해 보면서 머신러닝을 체득할 수 있도록 만들었습니다.\u003cbr\u003e캐글과 UCI 머신러닝 리포지토리에서 난이도가 있는 실습 데이터를 기반으로 실전 예제를 구성했고, XGBoost, LightGBM, 스태킹 기법 등 캐글의 많은 데이터 사이언스에서 애용하는 최신 알고리즘과 기법을 상세하게 설명했다.\u003cbr\u003e\u003cbr\u003e이번 개정2판에서는 최신 사이킷런 버전(1.0.2)을 포함해 책에서 사용되는 모든 라이브러리를 최신 버전으로 업그레이드한 실습 코드를 구현하고, 다양한 유형의 하이퍼파라미터를 가지는 XGBoost나 LightGBM 모델의 최적 하이퍼파라미터 튜닝을 위한 베이지안 최적화 기법 적용 실습을 제공한다.\u003cbr\u003e또한 머신러닝 관련 데이터 분석에 널리 쓰이는 시각화 라이브러리인 matplotlib과 seaborn의 활용법을 다룬 장을 새롭게 추가했다.\u003cbr\u003e\n\u003c\/div\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cul\u003e \u003cli\u003e 책의 일부 내용을 미리 읽어보실 수 있습니다.\u003cbr\u003e\u003cspan\u003e미리보기\u003c\/span\u003e\n\u003c\/li\u003e \u003c\/ul\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e목차\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e 1장: 파이썬 기반의 머신러닝과 생태계 이해\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003e머신러닝의 개념\u003cbr\u003e___머신러닝의 분류\u003cbr\u003e___데이터 전쟁\u003cbr\u003e___파이썬과 R 기반의 머신러닝 비교\u003cbr\u003e02.\u003cbr\u003e파이썬 머신러닝 생태계를 구성하는 주요 패키지\u003cbr\u003e___파이썬 머신러닝을 위한 S\/W 설치\u003cbr\u003e03.\u003cbr\u003e넘파이\u003cbr\u003e___넘파이 ndarray 개요\u003cbr\u003e___ndarray의 데이터 타입\u003cbr\u003e___ndarray를 편리하게 생성하기 - arange, zeros, ones\u003cbr\u003e___ndarray의 차원과 크기를 변경하는 reshape( )\u003cbr\u003e___넘파이의 ndarray의 데이터 세트 선택하기 - 인덱싱(Indexing)\u003cbr\u003e___행렬의 정렬 - sort( )와 argsort( )\u003cbr\u003e___선형대수 연산 - 행렬 내적과 전치 행렬 구하기\u003cbr\u003e04.\u003cbr\u003e데이터 핸들링 - 판다스\u003cbr\u003e___판다스 시작 - 파일을 DataFrame으로 로딩, 기본 API\u003cbr\u003e___DataFrame과 리스트, 딕셔너리, 넘파이 ndarray 상호 변환\u003cbr\u003e___DataFrame의 칼럼 데이터 세트 생성과 수정\u003cbr\u003e___DataFrame 데이터 삭제\u003cbr\u003e___Index 객체\u003cbr\u003e___데이터 셀렉션 및 필터링\u003cbr\u003e___정렬, Aggregation 함수, GroupBy 적용\u003cbr\u003e___결손 데이터 처리하기\u003cbr\u003e___apply lambda 식으로 데이터 가공\u003cbr\u003e05.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 2장: 사이킷런으로 시작하는 머신러닝\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003e사이킷런 소개와 특징\u003cbr\u003e02.\u003cbr\u003e첫 번째 머신러닝 만들어 보기 - 붓꽃 품종 예측하기\u003cbr\u003e03.\u003cbr\u003e사이킷런의 기반 프레임워크 익히기\u003cbr\u003e___Estimator 이해 및 fit( ), predict( ) 메서드\u003cbr\u003e___사이킷런의 주요 모듈\u003cbr\u003e___내장된 예제 데이터 세트\u003cbr\u003e04.\u003cbr\u003eModel Selection 모듈 소개\u003cbr\u003e___학습\/테스트 데이터 세트 분리 - train_test_split()\u003cbr\u003e___교차 검증\u003cbr\u003e___GridSearchCV - 교차 검증과 최적 하이퍼 파라미터 튜닝을 한 번에 111\u003cbr\u003e05.\u003cbr\u003e데이터 전처리\u003cbr\u003e___데이터 인코딩\u003cbr\u003e___피처 스케일링과 정규화\u003cbr\u003e___StandardScaler\u003cbr\u003e___MinMaxScaler\u003cbr\u003e___학습 데이터와 테스트 데이터의 스케일링 변환 시 유의점\u003cbr\u003e06.\u003cbr\u003e사이킷런으로 수행하는 타이타닉 생존자 예측\u003cbr\u003e07.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 3장: 평가\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003e정확도(Accuracy)\u003cbr\u003e02.\u003cbr\u003e오차 행렬\u003cbr\u003e03.\u003cbr\u003e정밀도와 재현율\u003cbr\u003e___정밀도\/재현율 트레이드오프\u003cbr\u003e___정밀도와 재현율의 맹점\u003cbr\u003e04.\u003cbr\u003eF1 스코어\u003cbr\u003e05. ROC 곡선과 AUC\u003cbr\u003e06.\u003cbr\u003e피마 인디언 당뇨병 예측\u003cbr\u003e07.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 4장: 분류\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003e분류(Classification)의 개요\u003cbr\u003e02.\u003cbr\u003e결정 트리\u003cbr\u003e___결정 트리 모델의 특징\u003cbr\u003e___결정 트리 파라미터\u003cbr\u003e___결정 트리 모델의 시각화\u003cbr\u003e___결정 트리 과적합(Overfitting)\u003cbr\u003e___결정 트리 실습 - 사용자 행동 인식 데이터 세트\u003cbr\u003e03.\u003cbr\u003e앙상블 학습\u003cbr\u003e___앙상블 학습 개요\u003cbr\u003e___보팅 유형 - 하드 보팅(Hard Voting)과 소프트 보팅(Soft Voting)\u003cbr\u003e___보팅 분류기(Voting Classifier)\u003cbr\u003e04.\u003cbr\u003e랜덤 포레스트\u003cbr\u003e___랜덤 포레스트의 개요 및 실습\u003cbr\u003e___랜덤 포레스트 하이퍼 파라미터 및 튜닝\u003cbr\u003e___GBM의 개요 및 실습\u003cbr\u003e05. GBM(Gradient Boosting Machine)\u003cbr\u003e___GBM 하이퍼 파라미터 소개\u003cbr\u003e___XGBoost 개요\u003cbr\u003e06. XGBoost(eXtra Gradient Boost)\u003cbr\u003e___XGBoost 설치하기\u003cbr\u003e___파이썬 래퍼 XGBoost 하이퍼 파라미터\u003cbr\u003e___파이썬 래퍼 XGBoost 적용 - 위스콘신 유방암 예측\u003cbr\u003e___사이킷런 래퍼 XGBoost의 개요 및 적용\u003cbr\u003e07.\u003cbr\u003eLightGBM\u003cbr\u003e___LightGBM 설치\u003cbr\u003e___LightGBM 하이퍼 파라미터\u003cbr\u003e___하이퍼 파라미터 튜닝 방안\u003cbr\u003e___파이썬 래퍼 LightGBM과 사이킷런 래퍼 XGBoost,\u003cbr\u003e___LightGBM 하이퍼 파라미터 비교\u003cbr\u003e___LightGBM 적용 - 위스콘신 유방암 예측\u003cbr\u003e08.\u003cbr\u003e베이지안 최적화 기반의 HyperOpt를 이용한 하이퍼 파라미터 튜닝\u003cbr\u003e___베이지안 최적화 개요\u003cbr\u003e___HyperOpt 사용하기\u003cbr\u003e___HyperOpt를 이용한 XGBoost 하이퍼 파라미터 최적화\u003cbr\u003e09.\u003cbr\u003e분류 실습 - 캐글 산탄데르 고객 만족 예측\u003cbr\u003e___데이터 전처리\u003cbr\u003e___XGBoost 모델 학습과 하이퍼 파라미터 튜닝\u003cbr\u003e___LightGBM 모델 학습과 하이퍼 파라미터 튜닝\u003cbr\u003e10.\u003cbr\u003e분류 실습 - 캐글 신용카드 사기 검출\u003cbr\u003e___언더 샘플링과 오버 샘플링의 이해\u003cbr\u003e___데이터 일차 가공 및 모델 학습\/예측\/평가\u003cbr\u003e___데이터 분포도 변환 후 모델 학습\/예측\/평가\u003cbr\u003e___이상치 데이터 제거 후 모델 학습\/예측\/평가\u003cbr\u003e___SMOTE 오버 샘플링 적용 후 모델 학습\/예측\/평가\u003cbr\u003e11.\u003cbr\u003e스태킹 앙상블\u003cbr\u003e___기본 스태킹 모델\u003cbr\u003e___CV 세트 기반의 스태킹\u003cbr\u003e12.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 5장: 회귀\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003e회귀 소개\u003cbr\u003e02.\u003cbr\u003e단순 선형 회귀를 통한 회귀 이해\u003cbr\u003e03.\u003cbr\u003e비용 최소화하기 - 경사 하강법(Gradient Descent) 소개\u003cbr\u003e04.\u003cbr\u003e사이킷런 LinearRegression을 이용한 보스턴 주택 가격 예측\u003cbr\u003e___LinearRegression 클래스 - Ordinary Least Squares\u003cbr\u003e___회귀 평가 지표\u003cbr\u003e___LinearRegression을 이용해 보스턴 주택 가격 회귀 구현\u003cbr\u003e05.\u003cbr\u003e다항 회귀와 과(대)적합\/과소적합 이해\u003cbr\u003e___다항 회귀 이해\u003cbr\u003e___다항 회귀를 이용한 과소적합 및 과적합 이해\u003cbr\u003e___편향-분산 트레이드오프(Bias-Variance Trade off)\u003cbr\u003e06.\u003cbr\u003e규제 선형 모델 - 릿지, 라쏘, 엘라스틱넷\u003cbr\u003e___규제 선형 모델의 개요\u003cbr\u003e___릿지 회귀\u003cbr\u003e___라쏘 회귀\u003cbr\u003e___엘라스틱넷 회귀\u003cbr\u003e___선형 회귀 모델을 위한 데이터 변환\u003cbr\u003e07.\u003cbr\u003e로지스틱 회귀\u003cbr\u003e08.\u003cbr\u003e회귀 트리\u003cbr\u003e09.\u003cbr\u003e회귀 실습 - 자전거 대여 수요 예측\u003cbr\u003e___데이터 클렌징 및 가공과 데이터 시각화\u003cbr\u003e___로그 변환, 피처 인코딩과 모델 학습\/예측\/평가\u003cbr\u003e10.\u003cbr\u003e회귀 실습 - 캐글 주택 가격: 고급 회귀 기법\u003cbr\u003e___데이터 사전 처리(Preprocessing)\u003cbr\u003e___선형 회귀 모델 학습\/예측\/평가\u003cbr\u003e___회귀 트리 모델 학습\/예측\/평가\u003cbr\u003e___회귀 모델의 예측 결과 혼합을 통한 최종 예측\u003cbr\u003e___스태킹 앙상블 모델을 통한 회귀 예측\u003cbr\u003e11.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 6장: 차원 축소\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003e차원 축소(Dimension Reduction) 개요\u003cbr\u003e02. PCA(Principal Component Analysis)\u003cbr\u003e___PCA 개요\u003cbr\u003e03. LDA(Linear Discriminant Analysis)\u003cbr\u003e___LDA 개요\u003cbr\u003e04. SVD(Singular Value Decomposition)\u003cbr\u003e___SVD 개요\u003cbr\u003e___사이킷런 TruncatedSVD 클래스를 이용한 변환\u003cbr\u003e05. NMF(Non-Negative Matrix Factorization)\u003cbr\u003e___NMF 개요\u003cbr\u003e06.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 7장: 군집화\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003eK-평균 알고리즘 이해\u003cbr\u003e___사이킷런 KMeans 클래스 소개\u003cbr\u003e___K-평균을 이용한 붓꽃 데이터 세트 군집화\u003cbr\u003e___군집화 알고리즘 테스트를 위한 데이터 생성\u003cbr\u003e02.\u003cbr\u003e군집 평가(Cluster Evaluation)\u003cbr\u003e___실루엣 분석의 개요\u003cbr\u003e___붓꽃 데이터 세트를 이용한 군집 평가\u003cbr\u003e___군집별 평균 실루엣 계수의 시각화를 통한 군집 개수 최적화 방법\u003cbr\u003e03.\u003cbr\u003e평균 이동\u003cbr\u003e___평균 이동(Mean Shift)의 개요\u003cbr\u003e04. GMM(Gaussian Mixture Model)\u003cbr\u003e___GMM(Gaussian Mixture Model) 소개\u003cbr\u003e___GMM을 이용한 붓꽃 데이터 세트 군집화\u003cbr\u003e___GMM과 K-평균의 비교\u003cbr\u003e05. DBSCAN\u003cbr\u003e___DBSCAN 개요\u003cbr\u003e___DBSCAN 적용하기 - 붓꽃 데이터 세트\u003cbr\u003e___DBSCAN 적용하기 - make_circles( ) 데이터 세트\u003cbr\u003e06.\u003cbr\u003e군집화 실습 - 고객 세그먼테이션\u003cbr\u003e___고객 세그먼테이션의 정의와 기법\u003cbr\u003e___데이터 세트 로딩과 데이터 클렌징\u003cbr\u003e___RFM 기반 데이터 가공\u003cbr\u003e___RFM 기반 고객 세그먼테이션\u003cbr\u003e07.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 8장 텍스트 분석\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e___NLP이냐 텍스트 분석이냐?\u003cbr\u003e01.\u003cbr\u003e텍스트 분석 이해\u003cbr\u003e___텍스트 분석 수행 프로세스\u003cbr\u003e___파이썬 기반의 NLP, 텍스트 분석 패키지\u003cbr\u003e02.\u003cbr\u003e텍스트 사전 준비 작업(텍스트 전처리) - 텍스트 정규화\u003cbr\u003e___클렌징\u003cbr\u003e___텍스트 토큰화\u003cbr\u003e___스톱 워드 제거\u003cbr\u003e___Stemming과 Lemmatization\u003cbr\u003e03.\u003cbr\u003eBag of Words - BOW\u003cbr\u003e___BOW 피처 벡터화\u003cbr\u003e___사이킷런의 Count 및 TF-IDF 벡터화 구현: CountVectorizer, TfidfVectorizer\u003cbr\u003e___BOW 벡터화를 위한 희소 행렬\u003cbr\u003e___희소 행렬 - COO 형식\u003cbr\u003e___희소 행렬 - CSR 형식\u003cbr\u003e04.\u003cbr\u003e텍스트 분류 실습 - 20 뉴스그룹 분류\u003cbr\u003e___텍스트 정규화\u003cbr\u003e___피처 벡터화 변환과 머신러닝 모델 학습\/예측\/평가\u003cbr\u003e___사이킷런 파이프라인(Pipeline) 사용 및 GridSearchCV와의 결합\u003cbr\u003e05.\u003cbr\u003e감성 분석\u003cbr\u003e___감성 분석 소개\u003cbr\u003e___지도학습 기반 감성 분석 실습 - IMDB 영화평\u003cbr\u003e___비지도학습 기반 감성 분석 소개\u003cbr\u003e___SentiWordNet을 이용한 감성 분석\u003cbr\u003e___VADER를 이용한 감성 분석\u003cbr\u003e06.\u003cbr\u003e토픽 모델링(Topic Modeling) - 20 뉴스그룹\u003cbr\u003e07.\u003cbr\u003e문서 군집화 소개와 실습(Opinion Review 데이터 세트)\u003cbr\u003e___문서 군집화 개념\u003cbr\u003e___Opinion Review 데이터 세트를 이용한 문서 군집화 수행하기\u003cbr\u003e___군집별 핵심 단어 추출하기\u003cbr\u003e08.\u003cbr\u003e문서 유사도\u003cbr\u003e___문서 유사도 측정 방법 - 코사인 유사도\u003cbr\u003e___두 벡터 사잇각\u003cbr\u003e___Opinion Review 데이터 세트를 이용한 문서 유사도 측정\u003cbr\u003e09.\u003cbr\u003e한글 텍스트 처리 - 네이버 영화 평점 감성 분석\u003cbr\u003e___한글 NLP 처리의 어려움\u003cbr\u003e___KoNLPy 소개\u003cbr\u003e___데이터 로딩\u003cbr\u003e10.\u003cbr\u003e텍스트 분석 실습 - 캐글 Mercari Price Suggestion Challenge\u003cbr\u003e___데이터 전처리\u003cbr\u003e___피처 인코딩과 피처 벡터화\u003cbr\u003e___릿지 회귀 모델 구축 및 평가\u003cbr\u003e___LightGBM 회귀 모델 구축과 앙상블을 이용한 최종 예측 평가\u003cbr\u003e11.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 9장: 추천 시스템\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003e추천 시스템의 개요와 배경\u003cbr\u003e___추천 시스템의 개요\u003cbr\u003e___온라인 스토어의 필수 요소, 추천 시스템\u003cbr\u003e___추천 시스템의 유형\u003cbr\u003e02.\u003cbr\u003e콘텐츠 기반 필터링 추천 시스템\u003cbr\u003e03.\u003cbr\u003e최근접 이웃 협업 필터링\u003cbr\u003e04.\u003cbr\u003e잠재 요인 협업 필터링\u003cbr\u003e___잠재 요인 협업 필터링의 이해\u003cbr\u003e___행렬 분해의 이해\u003cbr\u003e___확률적 경사 하강법을 이용한 행렬 분해\u003cbr\u003e05.\u003cbr\u003e콘텐츠 기반 필터링 실습 - TMDB 5000 영화 데이터 세트\u003cbr\u003e___장르 속성을 이용한 영화 콘텐츠 기반 필터링\u003cbr\u003e___데이터 로딩 및 가공\u003cbr\u003e___장르 콘텐츠 유사도 측정\u003cbr\u003e___장르 콘텐츠 필터링을 이용한 영화 추천\u003cbr\u003e06.\u003cbr\u003e아이템 기반 최근접 이웃 협업 필터링 실습\u003cbr\u003e___데이터 가공 및 변환\u003cbr\u003e___영화 간 유사도 산출\u003cbr\u003e___아이템 기반 최근접 이웃 협업 필터링으로 개인화된 영화 추천\u003cbr\u003e07.\u003cbr\u003e행렬 분해를 이용한 잠재 요인 협업 필터링 실습\u003cbr\u003e___Surprise 패키지 소개\u003cbr\u003e08.\u003cbr\u003e파이썬 추천 시스템 패키지 - Surprise\u003cbr\u003e___Surprise를 이용한 추천 시스템 구축\u003cbr\u003e___Surprise 주요 모듈 소개\u003cbr\u003e___Surprise 추천 알고리즘 클래스\u003cbr\u003e___베이스라인 평점\u003cbr\u003e___교차 검증과 하이퍼 파라미터 튜닝\u003cbr\u003e___Surprise를 이용한 개인화 영화 추천 시스템 구축\u003cbr\u003e09.\u003cbr\u003e정리\u003cbr\u003e\u003cbr\u003e\u003cb\u003e 10장: 시각화\u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e01.\u003cbr\u003e시각화를 시작하며 - 맷플롯립과 시본 개요\u003cbr\u003e02.\u003cbr\u003e맷플롯립(Matplotlib)\u003cbr\u003e___맷플롯립의 pyplot 모듈의 이해\u003cbr\u003e___pyplot의 두 가지 중요 요소 - Figure와 Axes 이해\u003cbr\u003e___Figure와 Axis의 활용\u003cbr\u003e___여러 개의 plot을 가지는 subplot들을 생성하기\u003cbr\u003e___pyplot의 plot( ) 함수를 이용해 선 그래프 그리기\u003cbr\u003e___축 명칭 설정, 축의 눈금(틱)값 회전, 범례(legend) 설정하기\u003cbr\u003e___여러 개의 subplots들을 이용해 개별 그래프들을 subplot별로 시각화하기\u003cbr\u003e03.\u003cbr\u003e시본(Seaborn)\u003cbr\u003e___시각화를 위한 차트\/그래프 유형\u003cbr\u003e___정보의 종류에 따른 시각화 차트 유형\u003cbr\u003e___히스토그램(Histogram)\u003cbr\u003e___카운트 플롯\u003cbr\u003e___바 플롯(barplot)\u003cbr\u003e___barplot( ) 함수의 hue 인자를 사용하여 시각화 정보를 추가적으로 세분화하기\u003cbr\u003e___박스 플롯\u003cbr\u003e___바이올린 플롯\u003cbr\u003e___subplots를 이용하여 시본의 다양한 그래프를 시각화\u003cbr\u003e___산점도, 스캐터 플롯(Scatter Plot)\u003cbr\u003e___상관 히트맵(Correlation Heatmap)\u003cbr\u003e04.\u003cbr\u003e정리 \u003c\/div\u003e \u003cdiv\u003e\u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e상세 이미지\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e \u003cimg src=\"https:\/\/image.yes24.com\/momo\/TopCate3810\/MidCate007\/380960059(1).jpg\" border=\"0\" alt=\"상세 이미지 1\"\u003e \u003c\/div\u003e \u003c\/div\u003e \u003cbr\u003e\u003cdiv\u003e \u003ch5\u003e\u003cb\u003e출판사 리뷰\u003c\/b\u003e\u003c\/h5\u003e \u003c\/div\u003e \u003cdiv\u003e \u003cdiv\u003e  \u003cb\u003e이 책의 특징 \u003c\/b\u003e\u003cbr\u003e\u003cbr\u003e◎ 분류, 회귀, 차원 축소, 클러스터링 등 핵심 머신러닝 알고리즘에 대한 깊이 있는 설명\u003cbr\u003e◎ 데이터 전처리, 머신러닝 알고리즘 적용, 하이퍼 파라미터 튜닝, 성능 평가 등 최적 머신러닝 모델 구성 방안 제시\u003cbr\u003e◎ XGBoost, LightGBM, 스태킹 등 머신러닝 최신 기법에 대한 상세한 설명과 활용법\u003cbr\u003e◎ 난이도 높은 캐글 문제를 직접 따라 해 보면서 실무 머신러닝 애플리케이션 개발 방법 체득(산탄테르 은행 고객 만족 예측, 신용카드 사기 검출, 부동산 가격 예측 고급 회귀 기법, Mercari 쇼핑몰 가격 예측 등)\u003cbr\u003e◎ 텍스트 분석과 NLP를 위한 기반 이론과 다양한 실습 예제 제공(텍스트 분류, 감성 분석, 토픽 모델링, 문서 유사도, 문서 군집화와 유사도, KoNLPy를 이용한 네이버 영화 감성 분석 등)\u003cbr\u003e다양한 추천 시스템을 직접 파이썬 코드로 구축하는 법을 제공 \u003c\/div\u003e \u003cdiv\u003e\u003c\/div\u003e \u003c\/div\u003e \u003c\/div\u003e\n\u003c\/div\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cdiv style=\"width:95%;padding-top:20px;padding-bottom:20px\"\u003e\n\u003cdiv style=\"text-align:left;font-size:16px;font-weight:bold;padding-bottom:20px\"\u003eGOODS SPECIFICS\u003c\/div\u003e\n\u003cdiv style=\"text-align:left;font-size:14px;line-height:1.6em;\"\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003e발행일 : \u003c\/strong\u003e2022년 04월 21일\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003e쪽수, 무게, 크기 : \u003c\/strong\u003e724쪽 | 188*240*29mm\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eISBN13 : \u003c\/strong\u003e9791158393229\u003c\/div\u003e\n\u003cdiv style=\"width:100%;margin-bottom:5px;line-height:1.6em;font-size:14px\"\u003e- \u003cstrong\u003eISBN10 : \u003c\/strong\u003e1158393229\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003c\/div\u003e\n\u003ccenter\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003ccenter\u003e\u003ctable\u003e\u003ctr\u003e\u003ctd style=\"height:10px\"\u003e\u003c\/td\u003e\u003c\/tr\u003e\u003c\/table\u003e\u003c\/center\u003e\n\u003cspan\u003e\u003c\/span\u003e\n\u003c\/center\u003e\n\u003c\/center\u003e","brand":"LIBRAIRIE COREENNE","offers":[{"title":"Default Title","offer_id":43893203566634,"sku":"138142","price":48.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0683\/2750\/5962\/files\/53ab7714f09d7d91f5d0dd17769d4f42.jpg?v=1765391834","url":"https:\/\/librairie.coreenne.fr\/ko\/products\/138142","provider":"LIBRAIRIE COREENNE","version":"1.0","type":"link"}