Step by Step CRM을 위한 파이썬 머신러닝

빅 데이터 분석 자격증 머신러닝 분야 학습서

김형수 지음

프레딕스 2023년 05월 01일 출간

작품소개

책소개

<빅 데이터 분석 자격증 머신러닝 분야 학습서>
본서는 파이썬을 전혀 모르는 사람도, 프로그래밍을 전혀 해보지 않은 사람도 단계적으로 (step by step) 따라하다 보면 파이썬 기반의 머신러닝을 용이하게 다룰 수 있도록 도와주는 이론서이자 실무 지침서입니다. 또한, 국내 빅 데이터 분석 및 데이터 사이언스 관련 자격증의 머신러닝에 대한 대부분의 출제범위가 포함되어 있어 빅 데이터 분석 자격증을 준비하는 분들에게도 좋은 가이드라인이 됩니다. 이 책의 주요 특징은 다음과 같습니다.
- 머신러닝의 큰 두가지 축인 지도학습모형과 비지도학습모형의 대부분을 다루었습니다.
- 실습에 필요한 소프트웨어의 다운로드, 설치, 환경설정 등 필요한 모든 과정에 대해서 화면 이미지와 더불어 자세한 설명을 제공하고자 하였습니다.
- 실습에 사용하는 데이터는 기업의 실제 CRM 데이터이므로, 책에서 배우는 내용과 실무의 괴리가 크지 않도록 노력하였습니다. 실습 데이터의 다운로드 방법은 2장에서 자세히 설명합니다.
- 복잡한 수학적 원리는 가급적 요약하고, 대신 핵심적인 원리는 자세히 언급하되 예시를 들어 이해를 도모하고자 하였습니다.
- 파이썬 분석코드는 전문가를 위한 축약된 코딩 방식보다는 조금 비효율적일 수 있어도 초보자가 해당 모형의 분석 과정을 쉽게 이해할 수 있도록 작성되었습니다.
- 책의 분량이 많아질 수 있지만 모든 실습 코드에 대한 설명을 제시하였습니다. 다만, 이미 앞에서 설명된 코드 부분은 반복 설명을 생략합니다.

목차

chaper 01 머신러닝 기초

1.1 머신러닝 개념
[1] 인공지능과 머신러닝, 딥러닝
[2] 머신러닝의 정의

1.2 머신러닝 모형의 분류
[1] 지도학습 모형
[2] 비지도학습 모형

1.3 머신러닝의 과정
[1] 문제 정의
[2] 데이터의 수집
[3] 데이터 처리
[4] 모형 학습
[5] 성능 평가


chapter 02 파이썬 기초

2.1 파이썬 소개
[1] 왜 파이썬인가?
[2] Anaconda python 실습 환경 구축

2.2 파이썬 프로그램 기초
[1] 파이썬의 자료형
[2] 파이썬 제어문

2.3 데이터 분석을 위한 파이썬 라이브러리
[1] 통계분석을 위한 라이브러리
[2] Numpy
[3] Pandas

2.4 분석을 위한 데이터 준비
[1] 실습용 데이터 다운로드
[2] 분석 데이터 설명
[3] 데이터 불러오기


chapter 03 모형 평가와 성능 향상

3.1 모형 평가
[1] 성능 평가 지표
[2] 교차검증

3.2 성능 향상
[1] 변수 선택
[2] 데이터 밸런싱
[3] 그리드 서치


chapter 04 선형 회귀모형

4.1 개요
[1] 정의
[2] 모형
[3] 특징

4.2 주요 모형
[1] 표준 선형 회귀모형
[2] 릿지 선형 회귀모형
[3] 라쏘 선형 회귀모형

4.3 실습
[1] 표준 선형 회귀모형 실습
[2] 릿지 선형 회귀모형 실습
[3] 라쏘 선형 회귀모형 실습


chapter 05 로지스틱 회귀분석

5.1 개요
[1] 정의
[2] 모형
[3] 특징

5.2 주요 이론
[1] 오즈, 오즈비, 로짓변환
[2] 비용 함수
[3] 소프트맥스 함수

5.3 실습
[1] 이항 분류 예측 실습
[2] 다항 분류 예측 실습


chapter 06 K-최근접 이웃

6.1 개요
[1] 정의
[2] 모형
[3] 특징

6.2 주요 이론
[1] 유클리드 거리
[2] 맨하탄 거리

6.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습


chapter 07 의사결정나무

7.1 개요
[1] 정의
[2] 모형
[3] 특징

7.2 주요 이론
[1] 분할기준
[2] 정지기준과 가지치기
[3] 대표 알고리즘

7.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습

7.4 모형 성능 비교
[1] 분류 예측 모형 성능 비교
[2] 수치 예측 모형 성능 비교


chapter 08 서포트 벡터 머신

8.1 개요
[1] 정의
[2] 모형
[3] 특징

8.2 주요 이론
[1] 선형 SVM
[2] 비선형 SVM
[3] 회귀 SVM

8.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습


chapter 09 나이브 베이즈

9.1 베이즈 정리

9.2 나이브 베이즈 개요
[1] 정의
[2] 모형
[3] 특징
[4] 유형

9.3 실습
[1] 가우시안 나이브 베이즈 실습
[2] 베르누이 나이브 베이즈 실습
[3] 다항분포 나이브 베이즈 실습


chapter 10 인공신경망

10.1 개요
[1] 정의
[2] 모형
[3] 특징

10.2 주요 이론
[1] 퍼셉트론
[2] 오차 역전파법

10.3 실습
[1] 분류 예측 실습
[2] 수치 예측 실습


chapter 11 딥러닝

11.1 개요

11.2 주요 모형
[1] 심층 신경망
[2] 합성곱 신경망
[3] 순환 신경망

11.3 실습
[1] Keras 라이브러리
[2] 심층 신경망 실습
[3] 합성곱 신경망 실습
[4] 순환 신경망 실습
[3] 다항분포 나이브 베이즈 실습


chapter 12 앙상블 모형

12.1 개요
[1] 정의
[2] 모형
[3] 특징

12.2 주요 모형
[1] 보팅 앙상블
[2] 배깅 앙상블
[3] 부스팅 앙상블

12.3 실습
[1] 보팅 앙상블 실습
[2] 랜덤 포레스트 실습
[3] 그래디언트 부스팅 실습

12.4 앙상블 모형의 성능 비교
[1] 분류 예측 모형 성능 비교
[2] 수치 예측 모형 성능 비교


chapter 13 군집분석

13.1 개요
[1] 정의
[2] 모형
[3] 특징
[4] 군집의 품질 평가

13.2 주요 모형
[1] 계층적 군집분석
[2] 비계층적 군집분석
[3] 밀도 기반 군집분석

13.3 실습
[1] 계층적 군집분석 실습
[2] K-평균 군집분석 실습
[3] DBSAN 실습
[4] 군집분석 기법 간의 품질 비교와 군집
프로파일링


chapter 14 연관규칙 분석

14.1 개요
[1] 정의
[2] 특징

14.2 주요 이론
[1] 지지도, 신뢰도, 향상도
[2] Apriori 알고리즘

14.3 실습
[1] 장바구니 분석을 통한 교차판매 규칙
생성


chaper 15 협업 필터링

15.1 개요
[1] 추천 시스템과 협업 필터링
[2] 협업 필터링 유형
[3] 특징

15.2 주요 모형
[1] 사용자 기반 협업 필터링
[2] 아이템 기반 협업 필터링
[3] 잠재요인 모델 기반 협업 필터링

15.3 실습
[1] Surprise 라이브러리
[2] 사용자 기반 협업 필터링 실습
[3] 아이템 기반 협업 필터링 실습
[4] 잠재요인 모델 기반 협업 필터링 실습


chapter 16 텍스트 마이닝

16.1 개요
[1] 정의
[2] 분석 프로세스

16.2 웹 스크래핑
[1] 정의
[2] 실습

16.3 빈도 분석
[1] 정의
[2] 실습

16.4 버즈 분석
[1] 정의
[2] 실습

16.5 토픽 모델링
[1] 정의
[2] 실습

작가정보

저자(글) 김형수

김형수 교수는 KAIST에서 CRM 전공으로 경영공학 박사학위를 받고, 2009년부터 한성대학교 공과대학 산업경영공학부 교수로 재직하고 있으며, 동 대학에서 CRM Micro Degree 프로그램의 책임교수를 맡고 있다. 대외활동으로 과학기술정보통신부를 주무관청으로 둔 (사)한국CRM·디지털마케팅협회의 회장을 역임하고 있으며, 산학협력 CRM 연구개발 기관인 고객경영기술원의 최고연구개발책임자를 맡고 있다. 30편 이상의 국내외 저명 학술지 논문과 16권의 전문서적을 집필하였고, 서울 권역 15개 사립대학과 국내 100대 기업을 통해 매년 3,000명 이상이 저자의 CRM 온라인 강의를 수강하고 있다. 저자는 2011년 Nova Science 선정 글로벌 CRM 전문가 8인에 선정되었고, 세계 3대 인명사전인 Marquis’ Whos’ Who에 4년 연속 등재되었다. 20여년간 70여개 기업의 CRM 전략 및 고객 빅 데이터 분석 관련 프로젝트를 수행해왔으며, 2018년에는 CRM 부문으로 Albert Nelson 평생공로상을 받았다.