Name: 파이썬 머신러닝
SKU: 106977662
Price: 15000 KRW
Availability: InStock

YES24 카테고리 리스트

YES24 유틸메뉴

Global YES24안내보기: Global YES24는?

K-POP/K-Drama 관련상품(음반,도서,DVD)을
영문/중문 으로 이용하실 수 있습니다.

Korean wave shopping mall, sell the
K-POP/K-Drama (CD,DVD,Blu-ray,Book) We aceept PayPal/UnionPay/Alipay
and support English/Chinese Language service
English
作为出售正规 K-POP/K-Drama 相关(CD,图书,DVD) 韩流商品的网站, 支持中文/英文等海外结账方式
中文
Exclusive ticket sales for domestic and international pop artists
Global yesticket

어깨배너

1/6

빠른분야찾기

YES24 코너/서비스

YES24 분야별코너

53%

공유하기

중고도서

파이썬 머신러닝

카트에 넣기 바로구매

품목정보

품목정보
발행일	2017년 01월 25일
쪽수, 무게, 크기	468쪽 \| 1,009g \| 173*230mm

이 상품의 이벤트 (3개)

중고도서 소개

상 사용 흔적 약간 있으나, 대체적으로 손상 없는 상품 중고상품 상태안내

중고상품 상태
상태정도(외관)	사용흔적
전반적인 상태 새 상품에 가까움 겉표지 변색 없음, 얼룩 없음 낙서 없음, 찢어진 부분 없음 겉 표지 있음 책등, 책배, 책아래위 변색 없음, 얼룩 없음 낙서 없음, 닳은 흔적 없음 책등 접힌 흔적 없음	전반적인 상태 거의 없음 내지(면지) 변색 없음, 얼룩 없음, 물리적 변형 없음 내지 접힌 흔적, 찢어진 부분 없음, 낙서 없음 제본탈착 없음
전반적인 상태 약간 헌 책 (사용감 약간 있음) 겉표지 희미한 변색 있음, 약간의 얼룩 있음 (1cm 내) 낙서 없음, 찢어진 부분 없음 겉 표지 있음 접힌 흔적 있음 (1cm 내) 책등, 책배, 책아래위 희미한 변색 있음, 약간의 얼룩 있음 (1cm 내) 낙서 없음, 닳은 흔적 약간 있음 책등 접힌 흔적 없음	전반적인 상태 약간 있음 내지(면지) 변색 없음, 얼룩 없음, 물리적 변형 없음 내지 접힌 흔적 약간 있음 (5페이지 이내) 찢어진 부분 없음, 낙서 없음 제본탈착 없음
전반적인 상태 헌 책 (사용감 많이 있음) 겉표지 전체적으로 변색 있음, 얼룩 등 오염 있음 (2cm 내) 낙서 있음, 찢어진 부분 없음 겉 표지 없음 접힌 흔적 있음, 래핑 흔적 있음 정가 및 ISBN이 동일한 도서이나 표지 이미지 다름 책등, 책배, 책아래위 전체적으로 변색 있음, 얼룩 등 오염 있음 (2cm 내) 낙서 있음, 닳은 흔적 있음 책등 접힌 흔적 있음	전반적인 상태 있음 내지(면지) 내지 변색 있음, 얼룩 있음, 물리적 변형 없음 내지 접힌 흔적 있음 (10페이지 이내) 찢어진 부분 있음 (1cm 내) 5페이지 이내 필기 및 밑줄 등 있음 (단, 참고서, 수험서는 매입불가) 제본탈착 없음 본문 읽기에 지장 없는 부록 및 구성품 없음 (세트도서 박스 등)
전반적인 상태 헌 책 (사용감이 많이 있고, 오염있음) 겉표지 변색이 심함, 얼룩 등 심한 오염 있음 (2cm 초과) 심한 낙서 있음 물에 젖은 흔적 있음, 곰팡이 있음 책등, 책배, 책아래위 변색이 심함, 얼룩 등 심한 오염 있음 (2cm 초과) 심한 낙서 있음 물에 젖은 흔적 있음, 곰팡이 있음 모서리 깨짐, 책등 파손 있음	전반적인 상태 많음 내지(면지)/부속물 변색이 심함, 얼룩 등 심한 오염 있음 (2cm 초과) 전체적으로 구겨짐, 뒤틀림 있음 찢어진 부분 있음 (1cm 초과) 물에 젖은 흔적 있음, 곰팡이 있음 페이지 또는 글자 등의 인쇄 오류 있음 5페이지 초과 필기 및 밑줄 등 있음 제본탈착 있음 (낙장, 분책) 부속물 없음

판매자 : 단비네 0점 (0명 평가)

책소개

CHAPTER 1 컴퓨터에 데이터를 학습할 수 있는 능력 부여하기 1.1 데이터를 지식으로 변환하기 위한 지능형기계 구성	 1.2 머신러닝의 세 가지 유형	 1.2.1 지도 학습(Supervised Learning)으로 미래에 관한 예측 만들기	 1.2.2 강화학습을 활용한 상호작용문제 해결	 1.2.3 비지도 학습(unsupervised learning)으로 은닉구조 발견	 1.3 기초 용어와 표기 소개	 1.4 머신러닝 시스템 구축을 위한 로드맵	 1.4.1 전처리?데이터 갖추기	 1.4.2 예측모델의 훈련 및 선택	 1.4.3 모델 평가와 경험하지 않은 데이터 인스턴스 예측	 1.5 머신러닝을 위한 파이썬의 사용	 1.5.1 파이썬 패키지 설치	 1.6 요약	 CHAPTER 2 분류를 위한 머신러닝 알고리즘 훈련 2.1 인공뉴런 - 머신러닝의 초기 역사 들여다보기	 2.2 파이썬에서 퍼셉트론 학습 알고리즘 구현하기	 2.3 아이리스 데이터에 퍼셉트론 모델 훈련하기	 2.3 에이다라인과 학습의 수렴	 2.3.1 그래디언트 디센트가 있는 비용함수 최소화	 2.3.2 파이썬으로 에이다라인 구현하기	 2.3.3 큰 스케일의 머신러닝과 확률적 그래디언트 디센트	 2.4 요약	 CHAPTER 3 사이킷런을 사용한 머신러닝분류기 3.1 분류 알고리즘의 선택	 3.2 사이킷런의 첫 번째 단계	 3.2.1 사이킷런을 사용한 퍼셉트론의 훈련	 3.3 로지스틱 회귀를 통한 모델링 분류 확률	 3.3.1 로지스틱 회귀 직관력과 조건부 확률	 3.3.2 로지스틱 비용함수의 가중치 학습	 3.3.3 사이킷런으로 로지스틱 회귀 모델 훈련하기	 3.3.4 정규화를 사용한 오버피팅 방지	 3.4 서포트 벡터 머신의 마진 분류 최대화	 3.4.1 최대 마진 직관력	 3.4.2 여유 변수를 사용하여 비선형의 분리 가능 사례 처리	 3.4.3 사이킷런 내의 다른 구현들	 3.5 커널 SVM을 사용한비선형 문제의 해결	 3.5.1 고차원 공간에서 분리 하이퍼 평면을 찾기 위한 커널 트릭의 사용	 3.6 의사결정나무 학습	 3.6.1 IG 최대화 - 투자 대비 최대 효과를 얻는 것	 3.6.2 의사결정나무 만들기	 3.6.3 ?랜덤 포레스트를사용해서 약한 학습기들(weak learners)을 결합하여 강한 학습기(strong learners) 만들기	 3.7 KNN - 레이지러닝 알고리즘	 3.8 요약	 CHAPTER 4 좋은 훈련 데이터의구성 - 데이터 전처리 4.1 결측 데이터 다루기	 4.1.1 결측값을 가진 샘플이나 피처 제거하기	 4.1.2 결측값의 보정	 4.1.3 사이킷런 에스티메이터API 이해하기	 4.2 범주형 데이터 다루기	 4.2.1 순위형 피처 매핑	 4.2.2 분류 레이블 인코딩	 4.2.3 명목형 피처에 원 핫 인코딩 수행하기	 4.3 데이터를 훈련용과 테스트용으로 분할하기	 4.4 피처들을 동일한 스케일로 가져오기	 4.5 의미 있는 피처 선택	 4.5.1 L1 정규화가 있는 희소 솔루션	 4.5.2 연속형 피처 선택 알고리즘	 4.6 랜덤 포레스트를 활용한 피처 중요도의평가	 4.7 요약	 CHAPTER 5 차원축소를 이용한 데이터 압축 5.1 주성분 분석을 활용한 비지도적 차원축소	 5.1.1 전체분산과 설명분산	 5.1.2 피처 변환	 5.1.3 사이킷런에서 주성분 분석	 5.2 선형 판별 분석을 활용한 지도적 데이터 압축	 5.2.1 이산행렬 계산	 5.2.2 새로운 피처 부분공간에 대한 선형 판별선택	 5.2.3 샘플을 새 피처 공간에 투영하기	 5.2.4 사이킷런을 활용한 LDA 	 5.3 비선형 매핑을 위한 커널 주성분 분석의 사용	 5.3.1 커널 함수와 커널 트릭	 5.3.2 파이썬에서커널 주성분 분석의 구현	 5.3.3 새로운 관측치의 투영	 5.3.4 사이킷런에서의 커널 주성분 분석	 5.4 요약	 CHAPTER 6 모델 평가와 하이퍼파라미터 튜닝에 관한 사례학습 6.1 파이프라인을 가진 스트리밍 워크플로우	 6.1.1 Breast Cancer Wisconsin 데이터 로딩	 6.1.2 파이프라인 내의 변환기와 에스티메이터 결합하기	 6.2 k-fold 교차검증을 사용하여 모델 성능 평가하기	 6.2.1 홀드아웃 메서드 	 6.2.2 K-fold 교차검증	 6.3 학습곡선과 검증곡선에 의한 알고리즘 디버깅	 6.3.1 학습곡선에 의한 바이어스와 분산 문제진단	 6.3.2 검증곡선으로오버피팅과 언더피팅 다루기	 6.4 그리드 검색을 사용한 머신러닝 모델의 미세 튜닝	 6.4.1 그리드 검색을 사용한 하이퍼파라미터 튜닝	 6.4.2 중첩 교차검증으로 알고리즘 선택하기	 6.5 여러 가지 성능 평가 메트릭 살펴보기	 6.5.1 컨퓨젼 매트릭스 읽기	 6.5.2 분류 모델의정밀도와 리콜 최적화	 6.5.3 Receiver Operating Characteristic 플로팅	 6.5.4 다중 분류 분석을 위한 스코어링 메트릭	 6.6 요약	 CHAPTER 7 앙상블 학습을 위한 여러 가지 모델 결합 7.1 앙상블 학습	 7.2 간단한 다수결 투표 분류기 구현하기	 7.2.1 다수결 투표 분류를 위한 여러 가지알고리즘의 결합	 7.3 앙상블 분류기의 평가 및 튜닝	 7.4 배깅, 부트스트랩 샘플로부터 분류기 앙상블 만들기	 7.5 어댑티브 부스팅을 활용한 약한 학습기 레버리징	 7.6 요약	 CHAPTER 8 머신러닝을 감성분석에 적용하기 8.1 IMDb 영화 리뷰 데이터 획득	 8.2 백 오브 워드 모델 소개	 8.2.1 단어를 피처 벡터로 변환	 8.2.2 용어 빈도수-문서 빈도수의 역수를 이용한 단어의 관련성 평가	 8.2.3 텍스트 데이터 정제	 8.2.4 문서를 토큰으로 처리하기	 8.3 문서 분류를 위한 로지스틱 회귀 모델 훈련	 8.4 ?더 큰 데이터로 작업하기 -온라인 알고리즘과 아웃 오브 코어 학습	 8.5 요약	 CHAPTER 9 머신러닝 모델의 웹 애플리케이션 임베딩 9.1 피팅된 사이킷런 에스티메이터 직렬화	 9.2 데이터 스토리지를 위한 SQLite 데이터베이스 구성	 9.3 플라스크로웹 애플리케이션 개발하기	 9.3.1 첫 번째 플라스크 웹 애플리케이션	 9.3.2 형식 검증 및 렌더링	 9.4 영화 분류기를 웹 애플리케이션으로 변환하기	 9.5 공용 서버로 웹 애플리케이션 디플로잉	 9.5.1 영화 리뷰 분류기 업데이트하기	 9.6 요약	 CHAPTER 10 회귀분석에 의한 연속형 목표변수 예측 10.1 심플 선형회귀 모델 소개	 10.2 하우징데이터 탐색	 10.2.1 데이터의 주요 특성 시각화	 10.3 순위형 최소 제곱 선형회귀 모델 구현	 10.3.1 그래디언트 디센트를 갖는 회귀 파라미터를 위해 회귀 모델 풀기	 10.3.2 사이킷런을 활용한회귀 모델 계수 추정	 10.4 RANSAC을 사용하는 강건한 회귀 모델 피팅	 10.5 선형회귀 모델의 성능 평가	 10.6 회귀를위한 정규화 메서드 사용	 10.7 선형회귀 모델을 곡선의 다항 회귀로 변환하기	 10.7.1 하우징 데이터 내의 비선형관계 모델링	 10.7.2 랜덤 포레스트를 사용하여 비선형관계 처리하기	 10.8 요약	 CHAPTER 11 레이블 없는 데이터로 작업하기 - 군집분석 11.1 케이민즈를 활용한 유사도에 의한 개체 그룹핑	 11.1.1 K-means++	 11.1.2 하드 클러스터링과 소프트 클러스터링 	 11.1.3 엘보우 메서드를 사용하여 최적의 군집 개수 찾아내기	 11.1.4 실루엣플롯을 활용한 클러스터링 품질의 수량화	 11.2 계층 나무(hierarchical tree)로 군집 구성하기	 11.2.1 거리 행렬에 기반한 계층적 클러스터링 수행하기	 11.2.2 계층도를 열지도에 첨부하기	 11.3 사이킷런을 활용하여 응집성 클러스터링 적용하기	 11.4 DBSCAN을 활용하여 고밀도 영역 찾아내기	 11.5 요약	 CHAPTER 12 이미지 인식을 위한 인공신경망 훈련 12.1 인공신경망에 의한 복잡한 함수들의 모델링	 12.1.1 단일레이어 신경망recap	 12.1.2 다중 레이어 신경망 아키텍처의 소개 	 12.1.3 순전파를 사용한 신경망의 활성화	 12.2 손으로 작성된 숫자들의 분류	 12.2.1 MNIST 데이터의 획득	 12.2.2 다중 레이어 퍼셉트론 구현	 12.3 인공신경망 훈련	 12.3.1 로지스틱 비용함수계산	 12.3.2 역전파를 활용한 신경망 훈련	 12.4 역전파에 관한 직관 개발하기	 12.5 그래디언트 체킹을 가진 디버깅 신경망 	 12.6 신경망에서의 수렴	 12.7 다른 신경망 아키텍처	 12.7.1 컨볼루션 신경망	 12.7.2 순환형 신경망	 12.8 신경망 구현에 관한 몇 가지 최종 단어	 12.9 요약	 CHAPTER 13 시애노 병렬 신경망 훈련 13.1 시애노를 사용하여 만들고, 컴파일링하고, 구동하기	 13.1.1 시애노란 무엇인가	 13.1.2 시애노의 첫 번째 단계	 13.1.3 시애노 설정	 13.1.4 배열 구조로작업하기	 13.1.5 마감하기 - 선형회귀의 사례	 13.2 피드포워드 신경망에 대한 활성함수 선택	 13.2.1 로지스틱 함수 다시보기	 13.2.2 소프트맥스 함수를 사용하여 다중분류 내의 확률 추정하기	 13.2.3 하이퍼볼릭 탄젠트를 사용함으로써 출력 스펙트럼 확장하기	 13.3 케라스를 사용한 효율적인 신경망의 훈련	 13.4 요약

펼쳐보기접어보기

저자 소개

저자 : 세바스티안 라슈카

미시간 주립대학교의 박사 과정을 진행 중이며 컴퓨터 생명공학 영역에서 새로운 계산법을 발전시켰다. 그는 유명한 분석 관련 커뮤니티인 Analytics Vidhya의 깃허브(GitHub by Analytics Vidhya)에서 가장 영향력 있는 데이터 과학자로 손꼽히며 1년간의 파이썬 프로그래밍 경험으로 데이터 사이언스와 머신 러닝을 실제에 응용하는 내용에 관한 세미나를 수차례 진행했다.

역자 : 이혜연

수년간 대기업 데이터 마이닝 시스템과 머신러닝 시스템 컨설팅 및 고급 분석을 기반으로 한 전략 컨설팅 경력을 보유하고 있다. 현재도 해당 분야의 컨설턴트로활약 중이며, 기업과 공공기관, 대학교에서 관련된 강의를 진행하고 있다. 기술 콘텐츠의 저술/번역 공동체 GoDev 의 가족이다.

부적합 상품 신고하기

구매에 부적합한 상품은 신고해주세요. 신고하기

상품정보 부정확 (카테고리 오등록/상품오등록/상품정보 오등록/기타 허위등록)
거래 부적합 상품 (청소년 유해물품/기타 법규위반 상품)
전자상거래에 어긋나는 판매사례 : 직거래 유도

구매하신 상품의 상태, 배송, 취소 및 반품 문의는 판매자에게 문의하기를 이용해주시기를 부탁드립니다.

배송/반품/교환 안내

배송 안내

배송 안내
배송 구분	판매자 배송 택배사 : 편의점택배(GS) (상황에 따라 배송 업체는 변경 될 수 있습니다.) 배송비 : 3,300원 (도서산간 : 4,000원 제주지역 : 3,000원 추가 배송비 발생)
배송 안내	판매자가 직접 배송하는 상품입니다. 판매자 사정에 의하여 출고예상일이 변경되거나 품절이 발생될 수 있습니다.

반품/교환 안내

※ 상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내
반품/교환 방법	마이페이지 > 반품/교환 신청 및 조회, 1:1 문의, 고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리

최근 본 (0)

예스이십사(주): 대표 : 김석환, 최세라 주소 : 서울시 영등포구 은행로 11, 5층~6층(여의도동,일신빌딩) 사업자등록번호 : 229-81-37000 통신판매업신고 : 제 2005-02682호 사업자 정보확인 이메일 : yes24help@yes24.com 호스팅 서비스사업자 : 예스이십사(주)
Copyright ⓒ YES24 Corp. All Rights Reserved.

고객문의

도서/음반 1544-3800

중고샵 1566-4295

티켓예매 1544-6399

eBook 1:1 문의
1:1 문의하기 자주 묻는 질문 상담시간 안내

소비자피해보상보험 서울보증보험: 고객님은 안전거래를 위해 현금 등으로 결제 시 저희 쇼핑몰에서 가입한 구매안전서비스를 이용하실 수 있습니다. 서비스가입사실 확인

EQUUS13

정가	32,000원
중고판매가	15,000원 (53% 할인)
YES포인트	0원

YES24 카테고리 리스트

YES24 유틸메뉴

어깨배너

빠른분야찾기

파이썬 머신러닝

최신 예측 분석 기반으로 깊은 통찰력을 얻는 머신러닝 필수 가이드

파이썬 머신러닝

품목정보

관련분류

이 상품의 이벤트 (3개)

중고도서 소개

책소개

목차

저자 소개

관련 자료

부적합 상품 신고하기

배송/반품/교환 안내

도착예상일

상태 중고상품 상태안내	상 사용 흔적 약간 있으나, 대체적으로 손상 없는 상품
판매자	단비네 0.ToString()점 (0명 평가) 중고샵 판매상품은 판매자가 직접 등록/판매하는 상품으로 판매자가 해당 상품과 내용에 모든 책임을 집니다. (판매자 가게 > 공지사항 참고) 주문 전 중고상품의 정확한 상태 및 재고 문의는 [판매자에게 문의하기]를 통해 문의해 주세요. 주문완료 후 중고상품의 취소 및 반품은 판매자와 별도 협의 후 진행 가능합니다. (주문내역 > 주문번호 클릭 > 판매자 정보보기 > 연락처 또는 [판매자에게 문의하기]로 문의)

도착예상일
상품준비	출고완료	도착예상일