Building Machine Learning Systems with Python 한국어판

1장 기계 학습 파이썬으로 시작하기
기계 학습과 파이썬: 꿈의 조합
이 책이 알려주는 내용과 알려주지 않는 내용
정체됐을 때 해야 할 작업
시작
__NumPy, SciPy, matplotlib 소개
__파이썬 설치
__NumPy로 효과적으로, SciPy로 지능적으로 적용하기 쉬운 데이터 만들기
__NumPy 배우기__
____인덱싱__
____존재하지 않는 값 처리__
____실행 시간 비교__
__SciPy 배우기__
첫 번째 기계 학습 애플리케이션__
__데이터 읽기__
__데이터 정리와 전처리__
__적절한 모델과 학습 알고리즘 선택
____모델을 만들기에 앞서
____단순한 직선으로 시작하기
____좀 더 복잡한 모델
____일보후퇴, 이보전진: 데이터 다시 보기
____훈련과 테스트
최초 질문에 대답하기
정리

2장 실제 예제 분류하기
아이리스 데이터셋
__첫 번째 단계, 시각화
__첫 번째 분류 모델 만들기
__평가: 홀드아웃 데이터와 교차 검증
좀 더 복잡한 분류기 만들기
좀 더 복잡한 데이터셋과 분류기
__씨앗 데이터셋의 학습
__속성과 속성 엔지니어링
__최근접 이웃 분류
scikit-learn으로 분류
__결정선 살펴보기
이진 분류와 다중 범주 분류
정리

3장 군집화: 관련된 게시물 찾기
게시물 관련도 측정
__하지 말아야 하는 방법
__어떻게 해야 하는가
전처리: 공통 단어의 유사한 개수로서 측정된 유사도
__원시 텍스트를 단어 주머니로 변환
____단어 세기
____단어 카운트 벡터 정규화하기
____덜 중요한 단어의 삭제
____어근 추출
____강화된 불용어
__우리의 성취와 목표
군집화
__K평균
__우리의 발상을 평가하기 위한 테스트 데이터 얻기
__게시물 군집화
초기 도전과제 해결
__노이즈의 또 다른 시각
매개변수 변경
정리

4장 주제 모델링
잠재 디리클레 할당
__주제 모델 만들기
주제로 문서 비교
__위키피디아 전체의 모델링
주제의 개수 고르기
정리

5장 분류: 형편없는 답변 감지
큰 그림 그리기
세련된 답변 구별법 학습
__인스턴스 개선
__분류기 개선
데이터 가져오기
__데이터를 의미 있는 뭉치로 잘라내기
__속성의 사전 선택과 처리
__좋은 답변의 정의
첫 번째 분류기 만들기
__kNN으로 시작하기
__속성 개선
__분류기 훈련
__분류기의 성능 측정
__더 많은 속성 디자인하기
개선법 결정
__편향과 변화량의 균형
__고편향 고치기
__고변화량 고치기
__고편향 혹은 저편향
로지스틱 회귀
__간단한 예제와 약간의 수학
__로지스틱 회귀를 게시물 분류에 적용
정확도 좀 더 보기: 정밀도와 재현율
분류기 군살 빼기
배포
정리

6장 분류 II: 감성 분석
큰 그림 그리기
트위터 데이터 가져오기
나이브 베이즈 분류기 소개
__베이즈 정리
__순박함
__나이브 베이즈를 사용한 분류
__못 보던 단어에 대한 해명과 다른 특이점
__산술 언더플로 설명
첫 번째 분류기 만들고 조절하기
__쉬운 문제 먼저 해결하기
__모든 범주 사용하기
__분류기의 매개변수 조절
트윗 정리
단어 종류 고려
__단어 종류 판단
__SentiWordNet을 이용한 성공적인 편법
__첫 번째 에스터메이터
__모두 통합하기
정리

7장 회귀
회귀를 이용한 주택 가격 예상
__다차원 회귀
__회귀를 위한 교차 검증
벌점화 또는 정규화 회귀
L1벌점과 L2 벌점
__scikit-learn에서 라소나 일래스틱넷 사용하기
__라소 패스 시각화
__P가 N보다 큰 시나리오
__텍스트 기반의 예제
__영리하게 하이퍼 매개변수 설정
정리

8장 추천
예측과 추천의 평점
__훈련과 테스트 나누기
__훈련 데이터 정규화
__추천에 대한 이웃 접근법
__추천에 대한 회귀 접근법
__여러 기법 결합
장바구니 분석
__유용한 예측 얻기
__슈퍼마켓 쇼핑 장바구니 분석
__연관 룰 마이닝
__좀 더 발전된 장바구니 분석
정리

9장 분류: 음악 장르 분류
큰 그림 그리기
음악 데이터 가져오기
__WAV 형태로 변환
음악 살펴보기
__음악을 사인 곡선 요소로 분해하기
FFT를 사용해 첫 번째 분류기 만들기
__실험 기민성 증대
__분류기 훈련
__다중 범주 문제의 정확도 측정을 위한 혼돈 매트릭스
__수용자 반응 특성을 이용한 분류기 성능 측정 대안
멜 주파수 켑스트럴 계수와 분류 성능 향상
정리

10장 컴퓨터 비전
이미지 처리 소개
__이미지 로딩과 출력
__경계 짓기
__가우시안 블러링
__중앙에 초점 맞추기
__기본 이미지 분류
__이미지로부터 속성 계산
__속성 작성
__유사한 이미지를 찾는 속성 사용하기
__좀 더 어려운 데이터셋의 분류
지역 속성 표현
정리

11장 차원 수 줄이기
큰 그림 그리기
__속성 선택
____상관 관계
____상호 정보
__래퍼를 사용해 속성에 대한 모델 묻기
__그 밖의 속성 선택 기법
속성 추출
__주요 구성요소 분석
____PCA 훑어보기
____PCA 적용하기
__PCA의 한계와 LDA의 도움
MDS
정리

12장 조금 더 큰 빅데이터
빅데이터 배우기
__파이프라인을 태스크로 나누기 위한 jug 사용
jug의 태스크 소개
__어떻게 작동하는지 살펴보기
__데이터 분석을 위한 jug
AWS 사용
__첫 번째 머신 만들기
____아마존 리눅스에 파이썬 패키지 설치
____클라우드 머신에서 jug 실행
__startcluster로 클러스터 생성 자동화
정리

부록 기계 학습에 대한 보충 자료