딥러닝을 이용한 정형 데이터 분석

비즈니스 가치 창출을 위한 숫자와 표 형식의 엔터프라이즈 데이터 분석과

마크 라이언 지음 | 박찬성 옮김

책만 2022년 08월 30일 출간 종이책 : 2022년 06월 20일 출간

작품소개

책소개

기업과 공공기관 등 현실에서 맞닥뜨리는 숫자와 표 형식의 정형 데이터셋, 이제는 딥러닝으로 분석하고 풀어내보자. 실세계 정형 데이터셋을 정리하고 케라스 프레임워크로 딥러닝 모델을 훈련시켜, 웹 페이지와 페이스북 메신저용 챗봇으로 배포해본다. 테이블 데이터의 전처리와 가공부터 딥러닝 모델의 훈련, 구축, 배포까지, 케라스, 판다스, 사이킷런, 텐서플로2.0, 주피터 노트북을 활용한 엔드투엔드 프로젝트를 다룬다.

목차

출판사 서평

?직접 실행해보는 것입니다. 특히 경전철 지연 예측 문제에 대한 코드는 꼭 실행해보세요. 마지막으로 6, 7장에서 다루는 실험과 9장에서 소개하는 추가적인 개선점을 스스로 연습해봄으로써, 정형 데이터에 대한 문제해결 능력을 길러보기 바랍니다.

| 이 책의 대상 독자 |
이 책을 최대한 활용하려면 주피터 노트북 환경에서의 파이썬 코딩에 익숙해야만 합니다. 그리고 로지스틱 회귀, 서포트 벡터 머신과 같은 딥러닝 외의 접근법과 머신러닝에서 표준적으로 사용되는 용어에도 익숙한 편이 좋습니다. 만약 행과 열로 구성된 표 형식의 데이터로 작업을 자주 하는 분이라면, 이 책에서 소개한 내용이 여러분의 실제 업무에 쉽게 적용될 수 있다는 사실을 깨닫게 될 것입니다.

| 예제 코드 활용과 다운로드 |
이 책에서 다루는 예제 코드는 깃허브 페이지(https://github.com/onlybooks/structured-data)에서 내려받을 수 있습니다. 3~8장에서 다루는 경전철 지연 예측 문제에 대한 코드뿐만 아니라, 2장(판다스 라이브러리, 판다스와 SQL 간의 관계를 보임)과 5장(케라스의 순서형, 함수형 API 사용법을 보임)에서 독립적인 예제 코드가 제공됩니다.

- 파이썬(버전 3.7이상)
- 판다스(Pandas)
- 사이킷런(scikit-learn)
- 케라스(Keras)
- 텐서플로(TensorFlow 2.x)

[베타 리더 한마디]
의료 데이터 중 EMR 등에서 얻어지는 정보는 대부분 정형 데이터 형태입니다. 전통적으로 정형 데이터 분석에는 XGboost와 같은 머신러닝이 주로 사용되어왔는데, 정형 데이터에도 딥러닝을 적용하는 방법에 대해 관심이 많았습니다. 이 책은 정형 데이터의 정제부터 자세하게 설명하며, 독자가 낯설어할 만한 용어와 개념을 친절히 풀어주며 데이터 분석의 흐름을 제시해줍니다. 입문 단계에서 접하기에 좋은 책이라고 생각합니다.
- 이수정 / 가톨릭대학교 의료정보학교실 연구원

딥러닝은 보통 이미지, 텍스트, 음성 등의 비정형 데이터에 좋은 성능을 내는 것으로 알려져 있습니다. 그래서 기존에 나온 딥러닝 서적은 대부분 비정형 데이터를 기반으로 설명하기에 정형 데이터를 다루는 예제가 좀 더 많았으면 하는 아쉬움이 있었는데 바로 이 책이 그 아쉬움을 해결해줍니다. 어려운 수학 공식이 아니라 코드 단위 설명을 통해 수학을 잘 모르더라도 딥러닝 API를 통해 그럴듯한 딥러닝 모델을 구현해볼 수 있습니다. 정형 데이터를 다룰 때 중요한

작가정보

저자(글) 마크 라이언

저자 : 마크 라이언
(Mark Ryan)
캐나다 토론토에 위치한 인택트(Intact)라는 보험사의 데이터 과학 매니저다. 머신러닝 부트캠프를 개최해 참가자가 실습을 통해 머신러닝의 세계를 경험하는 기회를 제공하는 등 머신러닝의 유용성을 공유하는 일에 열정적이다. 정형 데이터에 내재된 가치를 찾아내는 딥러닝의 잠재력, 그리고 챗봇과 자율 주행 자동차의 가능성에 관심이 많다. 워털루대학교에서 수학 학사학위를, 토론토대학교에서 컴퓨터 과학 석사학위를 받았다.

역자 : 박찬성
인공지능 기술이 현실에 지속적으로 융합되는 MLOps 기술에 관심이 많다. 현재 머신러닝 분야의 구글 공인 개발자 전문가(ML GDE), 텐서플로 코리아 및 fast.ai 코리아 커뮤니티 운영진으로 활동하며, 다양한 아이디어를 실현하며 기술적 토론을 자유롭게 즐기는 코딩 맛집 커뮤니티를 운영 중이다. 『fastai와 파이토치가 만나 꽃피운 딥러닝』, 『실전 시계열 분석』(한빛미디어, 2021), 『주머니 속의 머신러닝』(제이펍, 2021) 등을 번역했다.

번역 박찬성

작가의 말

지난 50여 년을 되돌아보며 최근 20여 년을 평가할 때, 가장 혁신적인 기술 중 하나로 딥러닝이 꼽힐 것입니다. 딥러닝의 이론적 기반은 1950년대에 세워졌지만, 2012년이 되어서야 비전문가의 눈에도 딥러닝의 잠재력이 보이기 시작했습니다. 그로부터 10년이 지난 현재, 우리의 목소리를 텍스트로 매끄럽게 바꿔주는 스마트 스피커부터 사람의 능력을 초월한 수많은 분야까지, 딥러닝은 우리의 삶 구석구석에 스며들어 있습니다. 이 책은 아직까지 그 가능성이 간과된 정형 데이터(행과 열로 구조화된 데이터)에 딥러닝을 적용하는 내용을 다룹니다.
일반적인 통념은 정형 데이터에 딥러닝을 적용하는 일은 피해야 한다는 것입니다. 그리고 딥러닝의 유명한 응용 사례는 이미지 인식과 같은 비정형 데이터에 대한 것들이 대부분이죠. 그렇다면 비정형 데이터를 위한 딥러닝이라는 주제의 책을 읽어야 하는 이유는 무엇일까요? 첫째, 1장과 2장에서 이야기하겠지만 딥러닝으로 정형 데이터 문제를 해결하는 것에 대한 부정적인 시각 중 일부(딥러닝이 너무 복잡하다거나, 정형 데이터셋이 너무 적다는 등)는 오늘날 적용되지 않습니다. 어떤 머신러닝 접근법을 정형 데이터 문제에 적용할지 판단할 때는 열린 마음으로 딥러닝 또한 하나의 잠재적인 해결책으로 고려해야 합니다. 둘째, 딥러닝이 적용된 많은 대표적인 분야에는 비정형 데이터가 연관되어 있지만(이미지 인식, 목소리를 텍스트로 변환, 기계 번역 등), 소비자, 고용인, 시민으로서의 우리 삶은 대체로 표 형식의 정형 데이터로 정의됩니다. 모든 은행 거래, 세금 납부, 보험금 청구 등 우리 일상의 수많은 부분은 정형 데이터를 통해 흐르죠. 딥러닝에 관한 한 초보든 숙련자든 상관없이, 정형 데이터와 관련된 문제를 해결해야 할 때면 언제든 딥러닝을 사용할 준비가 되어 있는 편이 좋습니다.
이 책을 읽으면서 여러분은 다양한 정형 데이터 문제에 딥러닝을 적용하는 데 필요한 내용을 터득해나갈 것입니다. 실세계 데이터셋을 통해 딥러닝을 응용하는 전반적인 과정을 배울 것입니다. 즉 딥러닝 모델을 훈련시키기 위해 데이터를 준비하는 것부터 훈련된 모델을 배포하는 전 과정을 경험하게 되는 것이죠. 이 책이 제공하는 예제 코드는 머신러닝 분야의 공통어로 간주되는 파이썬으로 작성됐으며, 산업에서 가장 일반적으로 사용되는 딥러닝 플랫폼인 케라스(Keras)와 텐서플로(TensorFlow)를 활용합니다.