오렌지3와 파이썬으로 여는 AI 분석의 세계 : 머신러닝부터 딥러닝까지 한 권에

Part 1. 데이터 분석과 인공지능의 첫걸음
1. 데이터 분석과 인공지능의 관계 1
1.1 데이터 분석 vs 인공지능 vs 머신러닝 vs 딥러닝 1
1.2 데이터 기반 사고력과 인사이트 발굴의 중요성 2

Part 2. 오렌지3와 파이썬: 시각적 분석 도구와 프로그래밍의 만남
2. 오렌지3와 파이썬: 시각적 분석 도구와 프로그래밍의 만남 7
2.1 오렌지3(Orange3)란 무엇인가? 7
2.2 파이썬과의 연동 가능성 9
2.3 오렌지3 설치 및 개발 환경 준비 11
2.3.1 오렌지3 설치 방법 11
2.3.2 오렌지3와 파이썬 연동 테스트 19
2.4 오렌지3의 기본 기능과 위젯 개요 21
2.5 오렌지3 데이터 전처리와 시각화 27

Part 3. 머신러닝
3. 머신러닝이란? 34
3.1 머신러닝 주요 구분 방식 34
3.1.1 머신러닝에서 사용하는 주요 알고리즘 35
3.2 지도학습(Supervised Learning) 36
3.2.1 지도학습이란? 36
3.2.2 주요 지도학습 알고리즘 소개 36
3.2.3 오렌지3 실습 : 분류(Classification) 38
3.2.4 오렌지3 실습 : 오버샘플링 적용한 분류 59
3.2.5 오렌지3 실습 : 회귀(Regression) 67
3.2.6 오렌지3 실습 : 파생변수 생성과 활용을 통한 회귀(Regression) 94
3.3 비지도학습(Unsupervised Learning) 101
3.3.1 비지도학습이란? 101
3.3.2 주요 비지도학습 알고리즘 소개 101
3.3.3 오렌지3 실습 : 군집화 102
3.3.4 오렌지3 실습 : 연관 122

Part 4. 딥러닝
4. 딥러닝이란? 148
4.1. 딥러닝의 주요 구분 방식 449
4.1.1 딥러닝에서 사용하는 주요 알고리즘 150
4.2 텍스트 마이닝과 자연어 처리 157
4.2.1 텍스트 마이닝과 자연어 처리란? 157
4.2.2 오렌지3 실습 : 워드클라우드로 보는 핵심 가치 157
4.3 감성분석(Sentiment Analysis) 189
4.3.1 감성분석(Sentiment Analysis) 이란? 189
4.3.2 감성분석의 접근 방식 (Approaches to Sentiment Analysis) 190
4.3.3 오렌지3 실습 : 사전 기반 감성분석 (Lexicon-based Approach) 193
4.3.4 오렌지3 실습 : 기계학습 기반 감성분석 (Machine Learning-based Approach) 207
4.4 이미지 분석 (Image Analysis) 228
4.4.1 이미지 분류의 개요 228
4.4.2 합성곱 신경망(CNN)의 개념 229
4.4.3 CNN의 한계와 전이학습의 필요성 232
4.4.4 전이학습의 개념과 원리 233
4.4.5 이미지 임베딩 개념과 Orange3에서의 구현 235
4.4.6 오렌지3 실습: 전이학습 기반 이미지 분류 237
4.4.7 오렌지3 실습: 전이학습 기반 객체 탐지(파이썬 스크립트) 249
4.5 시계열 데이터 분석과 예측 259
4.5.1 시계열 데이터란? 259
4.5.2 Orange3에서의 시계열 분석 개요 260
4.5.3 시계열 예측 모델의 이해 262
4.5.4 Orange3의 한계와 딥러닝 확장 263
4.5.5 시계열 분석의 실전 응용 사례 264
4.5.6 오렌지3 실습 : ARIMA 단변량 예측(삼성 주가) 266
4.5.7 오렌지3 실습 : VAR 다변량 예측 (삼성