1장 벡터, 행렬, 배열
_1.0 소개
_1.1 벡터 만들기
_1.2 행렬 만들기
_1.3 희소 행렬 만들기
_1.4 넘파이 배열 사전 할당하기
_1.5 원소 선택하기
_1.6 행렬 정보 확인하기
_1.7 벡터화 연산 적용하기
_1.8 최댓값, 최솟값 찾기
_1.9 평균, 분산, 표준편차 계산하기
_1.10 배열 크기 바꾸기
_1.11 벡터나 행렬 전치하기
_1.12 행렬 펼치기
_1.13 행렬의 랭크 구하기
_1.14 행렬의 대각원소 추출하기
_1.15 행렬의 대각합 계산하기
_1.16 점곱 계산하기
_1.17 행렬 덧셈과 뺄셈
_1.18 행렬 곱셈
_1.19 역행렬
_1.20 난수 생성하기
2장 데이터 적재
_2.0 소개
_2.1 샘플 데이터셋 적재하기
_2.2 모의 데이터셋 만들기
_2.3 CSV 파일 적재하기
_2.4 엑셀 파일 적재하기
_2.5 JSON 파일 적재하기
_2.6 파케이 파일 적재하기
_2.7 아브로 파일 적재하기
_2.8 SQLite 데이터베이스로부터 적재하기
_2.9 원격 SQL 데이터베이스에 쿼리하기
_2.10 구글 시트에서 데이터 적재하기
_2.11 S3 버킷에서 데이터 적재하기
_2.12 비구조적인 데이터 적재하기
3장 데이터 랭글링
_3.0 소개
_3.1 데이터프레임 만들기
_3.2 데이터에 대한 정보 확인하기
_3.3 데이터프레임 슬라이싱하기
_3.4 조건에 따라 행 선택하기
_3.5 값 정렬하기
_3.6 값 치환하기
_3.7 열 이름 바꾸기
_3.8 최솟값, 최댓값, 합, 평균 계산 및 개수 세기
_3.9 고유한 값 찾기
_3.10 누락된 값 다루기
_3.11 열 삭제하기
_3.12 행 삭제하기
_3.13 중복된 행 삭제하기
_3.14 값에 따라 행을 그룹핑하기
_3.15 시간에 따라 행을 그룹핑하기
_3.16 연산 집계와 통계
_3.17 열 원소 순회하기
_3.18 모든 열 원소에 함수 적용하기
_3.19 그룹에 함수
주요 내용
* 벡터, 행렬, 배열
* CSV, JSON, SQL, 데이터베이스, 클라우드 스토리지 및 기타 소스 데이터로 작업하기
* 수치형과 범주형 데이터, 텍스트, 이미지, 날짜, 시간 다루기
* 특성 추출 또는 특성 선택을 사용한 차원 축소
* 모델 평가와 선택
* 선형 회귀, 로지스틱 회귀, 트리, 랜덤 포레스트, k-최근접 이웃
* 서포트 벡터 머신(SVM, 나이브 베이즈, 군집, 트리 기반 모델 지원
* 훈련된 모델의 저장, 로드 및 서빙
전처리부터 딥러닝까지, 216개 실용 예제로 익히는 문제 해결 기법
2018년에 출간된 1판 『파이썬을 활용한 머신러닝 쿡북』은 늘어나는 머신러닝 콘텐츠 사이에서 중요한 간극을 채웠습니다. 실용적이고 잘 테스트된 파이썬 레시피를 제공하여 실무자들이 코드를 복사하여 붙여넣은 후 쉽게 자신의 문제에 맞게 조정할 수 있었습니다. 지난 5년 동안 머신러닝 분야는 딥러닝과 이와 관련된 파이썬 프레임워크의 발전과 함께 계속 크게 성장해왔습니다. 그리고 이제는 머신러닝과 딥러닝 실무자들의 요구를 충족시킬 수 있는 최신 파이썬 라이브러리를 활용한 실용적인 콘텐츠가 필요하게 되었습니다. 이 책은 1판의 저자가 해낸 기존의 훌륭한 작업을 기반으로 다음과 같은 내용을 추가했습니다.
* 예제를 최신 파이썬 버전과 프레임워크로 업데이트합니다.
* 데이터 소스, 데이터 분석, 머신러닝 및 딥러닝 분야의 최신 방법을 반영합니다.
* 딥러닝 콘텐츠를 확장하여 텐서와 신경망을 추가하고, 파이토치로 텍스트 및 비전을 위한 모
* 델을 만듭니다.
* 한 걸음 더 나아가 모델을 서빙하여 API로 제공합니다.
쿡북 스타일의 이 책은 하나의 레시피가 특정 메서드나 클래스의 사용 방법을 다룹니다. 하지만 레시피가 비교적 짧다 보니, 다양한 옵션이나 유사 함수들을 충분히 설명하지는 못합니다. 원서의 이런 미진한 부분을 보완하고자 박해선 역자는 대부분의 레시피에 ‘덧붙임’이라는 항목을 새롭게
