±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
Á¤°¡ |
22,000¿ø |
---|
19,800¿ø (10%ÇÒÀÎ)
1,100P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
ºòµ¥ÀÌÅÍ ºÐ¼®°ú À̸¦ ÅëÇÑ AI ±¸Çö ±â¹ý ÃÑ Á¤¸®!
»ý¹°Á¤º¸ÇÐÀ» ±âÃÊ·Î ¼öÁýÇÑ µ¥ÀÌÅÍ ±â¹ÝÀÇ ¸Ó½Å ·¯´×°ú ±³Â÷ °ËÁõ, µö ·¯´×±îÁö!
±â°ü¿¡¼ °³º° ±â¾÷À¸·Î, ÀÌÁ¦ °³Àο¡ À̸£±â±îÁö ¼ö¸¹Àº ÀÚ·áµéÀÌ ³ÑÄ¥ ¸¸Å »ý¼ºµÇ¸ç ±×·¸°Ô ½×¿© °¡´Â µ¥ÀÌÅ͵éÀ» ÀÏÄ´ ¡®ºòµ¥ÀÌÅÍ¡¯¶ó´Â ¿ë¾î¿Í ÇÔ²² ÇѶ§ ¿µÈ ¼Ó¿¡¼³ª µîÀåÇÒ ¹ýÇÏ´ø ¡®Àΰø Áö´É¡¯ ¶ÇÇÑ Á¶±Ý ½Ä»óÇϸ®¸¸Ä¡ ÈçÇÏ°Ô µéÀ» ¼ö ÀÖ°Ô µÈ Áö±Ý, ±×¸¸Å ºòµ¥ÀÌÅÍ ºÐ¼®°ú °ü·Ã ±â¹ýµéÀ» È°¿ëÇÑ ¸Ó½Å ·¯´×, µö ·¯´×À̶ó´Â ºÐ¾ß¿¡ ´ëÇÑ °ü½ÉÀº ±×¾ß¸»·Î Æø¹ßÀûÀ̶ó°í ÇÒ ¼ö ÀÖ½À´Ï´Ù.
´Ù¸¸, ½Ç¹« °úÁ¤¿¡¼ÀÇ µ¥ÀÌÅÍ °úÇÐ È°¿ëÀÌ Á¦´ë·Î ºûÀ» ¹ßÇϱâ À§Çؼ´Â, ´Ü¼øÈ÷ ÄÄÇ»ÅÍ °úÇÐÀû Áö½Ä¸¸ÀÌ ¾Æ´Ï¶ó ±× ºòµ¥ÀÌÅÍÀÇ ±Ù¿øÀÌ µÇ´Â ÇØ´ç ºÐ¾ß¿¡ ´ëÇÑ Áö½Ä°ú ´õºÒ¾î Áö¼ÓÀûÀÎ °ü½É ¹× ´Ù¾çÇÑ µ¥ÀÌÅ͵éÀ» ¿©·¯ ¹æ¸é¿¡¼ ´Ù·ï º» °æÇèÀÌ °¡Àå Áß¿äÇÏ´Ù°í ÇÒ ¼ö ÀÖ½À´Ï´Ù.
ÀÌ¿¡ º» Ã¥Àº À¯ÀüÇаú ºÐÀÚ »ý¹°ÇÐ, Åë°è¿Í ÄÄÇ»ÅÍ °úÇÐ µî ¿©·¯ µ¥ÀÌÅÍ °úÇÐÀÌ °áÇյǾî¾ß ÇÏ´Â »ý¹°Á¤º¸ÇÐ Àü°øÀÚÀÎ ÀúÀÚÀÇ °æÇèÀ» ¹ÙÅÁÀ¸·Î, ¿ìºÐÅõ¿Í ÆÄÀ̽ãÀ» ÅëÇØ °¡Àå È¿À²ÀûÀ¸·Î ±¸¼ºÇÒ ¼ö ÀÖ´Â ºÐ¼® ȯ°æÀÇ ±¸Çö°ú ÇÔ²² ºòµ¥ÀÌÅÍ ºÐ¼® ±â¹ýÀ» ÅëÇØ ÇöÀç Àΰø Áö´ÉÀ̶ó´Â ¹üÁÖ ¾È¿¡¼ °¡Àå ºó¹øÇÏ°Ô ¾ð±ÞµÇ°ï ÇÏ´Â ¸Ó½Å ·¯´×°ú µö ·¯´×±îÁöÀÇ ¿©·¯ Å°¿öµå¿¡ °ü·ÃµÈ ±â¹ý°ú ÆÁµéÀ» Á¤¸®ÇÕ´Ï´Ù.
ÀÌ °úÁ¤À» ÅëÇØ ÀÚ½ÅÀÇ ¿¬±¸ ºÐ¾ß ³»¿¡¼ ȯ°æÀ» °®Ãß°íµµ Á¤º¸ÇÐ °ü·Ã ±â¹ýµéÀÌ ºÎÁ·ÇÏ¿© ±³Âø »óÅ¿¡ ºüÁø ¿©·¯ºÐµé²² Åë·Î¿Í Ãⱸ¸¦ Á¦°øÇÏ´Â µçµçÇÑ ³ªÄ§¹ÝÀÌ µÇ¾î ÁÙ °ÍÀÔ´Ï´Ù.
¸ñÂ÷
¸Ó¸®¸»
µµ¼ °¡À̵å
Âü°í »çÀÌÆ® ¸ñ·Ï
¸ñÂ÷
CHAPTER .1 »ý¹°Á¤º¸ÇÐÀÇ µ¥ÀÌÅÍ
1.1 »ý¹°Á¤º¸Çаú ºòµ¥ÀÌÅÍ
01 »ý¹°Á¤º¸ÇÐ
02 ºòµ¥ÀÌÅÍ
1.2 °³¹ß ȯ°æÀº ¾î¶»°Ô ¸¶·ÃÇϳª?
01 ¸®´ª½º¿¡¼ ½ÃÀÛÇÏÀÚ
02 »ç¿ëÀÚ µî·Ï°ú ±ÇÇÑ
03 ¿©·¯ Á¾·ùÀÇ ¼Ð(shell)
04 ¼ÐÀÇ ¸í·É¾î
05 ÆÄÀÏ ÆíÁý±â
06 Python°ú R, ¹«¾ùÀ» ¾µ °ÍÀΰ¡?
07 ÆÄÀ̽ãÀ¸·Î °³¹ß ȯ°æ ¸¸µé±â
1.3 ºòµ¥ÀÌÅÍ´Â ¾îµð¼ ±¸Çϳª?
01 À¥¿¡¼ ³»·Á¹Þ±â
02 ½ºÅ©¸³Æ®·Î µ¥ÀÌÅÍ ±Ü¾î ¿À±â
03 HTTP·Î ¿äûÇϱâ
04 SQL·Î ´Ù¿î¹Þ±â
CHAPTER .2 µ¥ÀÌÅÍ ´Ù·ç±â
2.1 ºòµ¥ÀÌÅÍ´Â ¾î¶»°Ô ÀúÀåÇÒ±î?
01 ¸®½ºÆ®(List), Æ©ÇÃ(Tuple), µñ¼Å³Ê¸®(Dictionary)
02 °¡Àå ºü¸¥ °Ë»ö ¹æ¹ý, µñ¼Å³Ê¸®
03 ³Ê¹« Å« µ¥ÀÌÅ͸¦ ´Ù·ç¾î¾ß ÇÑ´Ù¸é? ºÐÇÒ Á¤º¹
04 µ¥ÀÌÅÍ Àüó¸®
2.2 µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ ¹æ¹ý
01 ¿©·¯ µ¥ÀÌÅÍ Çü½Ä
02 ¼Ð ½ºÅ©¸³Æ®
03 pandas¿Í NumPy
04 NumPy·Î µ¥ÀÌÅÍ ´Ù·ç±â
2.3 Åë°èÀû À¯ÀǼºÀ» °ËÁõÇÏÀÚ
01 Åë°èÀû À¯ÀǼº
02 È®·ü º¯¼ö¿Í ºÐÆ÷
03 ºóµµ°¡ ¾ó¸¶³ª ´Ù¸¥°¡? Ä«ÀÌÁ¦°ö °ËÁõ
04 È®·ü ¹Ðµµ¿Í Á¤±Ô ºÐÆ÷
05 ºÐÆ÷°¡ ¾ó¸¶³ª ´Ù¸¥°¡? t-°ËÁõ
CHAPTER .3 Àΰø Áö´É
3.1 ¸Ó½Å ·¯´× (Machine Learning)
01 ºÐ·ù¿Í ȸ±Í
02 SVM (Support Vector Machine)
03 °áÁ¤ Æ®¸®¿Í ·£´ý Æ÷·¹½ºÆ®
04 º£ÀÌÁî ºÐ·ù¿Í Àΰú ³×Æ®¿öÅ©
3.2 ±³Â÷ °ËÁõ (Cross Validation)
01 µ¥ÀÌÅͼ ³ª´©±â
02 ºÐ·ù±âÀÇ ¼º´É Æò°¡ ôµµ
03 ÁÁÀº ºÐ·ù±â ¼±ÅÃ
04 ºüÁö±â ½¬¿î ÇÔÁ¤
05 ¸ðµ¨ÀÇ ¼º´ÉÀ» ÃøÁ¤ÇÏ´Â ´Ù¸¥ °Íµé
3.3 µö ·¯´× (Deep Learning)
01 Àΰø ½Å°æ¸Á (Artificial Neural Network)
02 µö ·¯´×À» À§ÇÑ ÇÁ·¹ÀÓ¿öÅ©
03 CNN (Convolution Neural Network)
04 Autoencoder
05 RNN (Recurrent Neural Network)
06 ¿©·¯ °¡Áö OptimizerÀÇ ÃÖÀûÈ
¢¹ ã¾Æº¸±â
°ü·ÃÀ̹ÌÁö
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.