커리어리 친구들, 지난 겨울에 짬을 내어 베타 테스트한 책이 출간되었습니다. 바로 케글 경진대회에서 사용했던 여러가지 다양한 인공지능 기법들을 어떻게 파이썬으로 코딩하여 사용하는 지 실 사례를 들어

커리어리 친구들, 지난 겨울에 짬을 내어 베타 테스트한 책이 출간되었습니다. 바로 케글 경진대회에서 사용했던 여러가지 다양한 인공지능 기법들을 어떻게 파이썬으로 코딩하여 사용하는 지 실 사례를 들어 쉽게 설명하고 있어서 추천 드립니다. 특히, 문제해결 방식에 정답은 없어도 패턴은 있습니다. 이 책에는 수많은 캐글 수상자의 노트북을 리팩터링하며 찾아낸 공통된 패턴이 담겨 있습니다. 이 책과 함께 체계적인 머신러닝·딥러닝 문제해결 프로세스를 배울 수 있습니다. 단순 따라하기에서 벗어나 어떤 점을 분석해야 하는지, 분석 결과를 어떻게 적용하는지, 이 기법이 왜 유용하고 어떻게 활용하는지까지 친절하게 알려 줍니다. 기본이 몸에 익으면 새로운 문제가 주어져도 쉽게 응용할 수 있습니다. 엄선한 7가지 대회와 별책부록인 〈공략집〉을 통해 기본기와 문제해결 능력을 확실하게 길러줍니다. 주요 목차는 다음과 같으니 한번 살펴 보시기 바랍니다. > [2부] 머신러닝 문제해결 05장 다시 살펴보는 머신러닝 주요 개념 __5.1 분류와 회귀 __5.2 분류 평가지표 __5.3 데이터 인코딩 __5.4 피처 스케일링 __5.5 교차 검증 __5.6 주요 머신러닝 모델 __5.7 하이퍼파라미터 최적화 06장 [경진대회] 자전거 대여 수요 예측 ★☆☆ __6.1 경진대회 이해 __6.2 경진대회 접속 방법 및 세부 메뉴 __6.3 탐색적 데이터 분석 __분석 정리 및 모델링 전략 __6.4 베이스라인 모델 __6.5 성능 개선 I : 릿지 회귀 모델 __6.6 성능 개선 II : 라쏘 회귀 모델 __6.7 성능 개선 III : 랜덤 포레스트 회귀 모델 __학습 마무리 __실전 문제 07장 [경진대회] 범주형 데이터 이진분류 ★★☆ __7.1 경진대회 이해 __7.2 탐색적 데이터 분석 __분석 정리 및 모델링 전략 __7.3 베이스라인 모델 __7.4 성능 개선 I __7.5 성능 개선 II __학습 마무리 __실전 문제 08장 [경진대회] 안전 운전자 예측 ★★☆ __8.1 경진대회 이해 __8.2 탐색적 데이터 분석 __분석 정리 및 모델링 전략 __8.3 베이스라인 모델 __8.4 성능 개선 I : LightGBM 모델 __8.5 성능 개선 II : XGBoost 모델 __8.6 성능 개선 III : LightGBM과 XGBoost 앙상블 __학습 마무리 09장 [경진대회] 향후 판매량 예측 ★★★ __9.1 경진대회 이해 __9.2 탐색적 데이터 분석 __분석 정리 및 모델링 전략 __9.3 베이스라인 모델 __9.4 성능 개선 __9.5 머신러닝 경진대회를 마치며 __학습 마무리 [3부] 딥러닝 문제해결 10장 다시 살펴보는 딥러닝 주요 개념 __10.1 인공 신경망 __10.2 합성곱 신경망(CNN) __10.3 성능 향상을 위한 딥러닝 알고리즘 11장 [경진대회] 항공 사진 내 선인장 식별 ★☆☆ __11.1 경진대회 이해 __11.2 탐색적 데이터 분석 ___분석 정리 및 모델링 전략 __11.3 베이스라인 모델 __11.4 성능 개선 ___학습 마무리 12장 [경진대회] 병든 잎사귀 식별 ★★☆ __12.1 경진대회 이해 __12.2 탐색적 데이터 분석 ___분석 정리 및 모델링 전략 __12.3 베이스라인 모델 __12.4 성능 개선 ___학습 마무리 ___실전 문제 13장 [데이터셋] 흉부 엑스선 기반 폐렴 진단 ★★☆ __13.1 경진대회 이해 __13.2 탐색적 데이터 분석 ___분석 정리 및 모델링 전략 __13.3 베이스라인 모델 __13.4 성능 개선 ___학습 마무리