Awesome_Machine_Learning_Solutions

놀라운 기계 학습 솔루션

내 책인 Machine Learning Solutions에 대한 선별된 리포지토리 목록입니다.

다양한 머신러닝(ML) 기술을 사용하여 최첨단 데이터 과학 애플리케이션을 개발하는 방법을 배울 수 있는 기회를 얻게 됩니다. 이 책은 데이터 과학 애플리케이션을 구축하고 최적화하는 데 도움이 되는 실용적인 가이드입니다. 각 장의 설명 뒤에 나오는 링크를 이용하면 소스 코드에 접근할 수 있습니다.

• 1장, 신용 위험 모델링, 이 장에서는 고객이 대출을 불이행할 것인지 여부를 예측하는 데 도움이 되는 예측 분석 모델을 구축할 것입니다. 우리는 가능한 최상의 솔루션을 얻기 위해 이상값 탐지, 기능 변환, 앙상블 기계 학습 알고리즘 등을 사용할 것입니다.

  • 신용 리스크 모델링

• 2장, 주식 시장 가격 예측 이번 장에서는 과거 데이터 세트를 기반으로 주가 지수 가격을 예측할 수 있는 예측 모델을 구축해 보겠습니다. 우리는 가능한 최상의 솔루션을 얻기 위해 신경망을 사용할 것입니다.

  • 주가지수 예측

• 3장, 고객 분석, 이 장에서는 마케팅 캠페인을 최적으로 수행할 수 있도록 고객 세분화를 구축하는 방법을 살펴보겠습니다. K-최근접 이웃, 랜덤 포레스트 등과 같은 다양한 기계 학습 알고리즘을 사용하여 기본 접근 방식을 구축할 수 있습니다. 최상의 솔루션을 얻기 위해 앙상블 머신러닝 알고리즘을 사용할 것입니다.

  • 고객 세분화
  • 고객평생가치 분석
  • 고객 이탈 분석

• 4장, 전자상거래를 위한 추천 시스템, 이번 장에서는 전자상거래 플랫폼을 위한 추천 엔진을 구축할 것입니다. 비슷한 책을 추천할 수 있는 추천 엔진을 구축하겠습니다. 우리는 상관관계, TF-IDF, 코사인 유사성과 같은 개념을 사용하여 애플리케이션을 구축할 것입니다.

  • 전자상거래 상품 추천 엔진
  • 도서 추천 엔진

• 5장, 감정 분석, 이 장에서는 영화 리뷰에 대한 감정 점수를 생성합니다. 최상의 솔루션을 얻기 위해 순환 신경망과 장기 단기 기억 장치를 사용할 것입니다.

  • 감성분석

• 6장, 직업 추천 엔진, 이 장에서는 직업 추천 엔진을 만드는 데 사용할 수 있는 자체 데이터 세트를 구축할 것입니다. 또한 직업 추천 시스템을 구축하기 위해 이미 사용 가능한 데이터 세트를 사용할 것입니다. 우리는 최상의 솔루션을 얻기 위해 기본적인 통계 기술을 사용할 것입니다.

  • TF-IDF와 코사인 유사성을 이용한 기본 직업 추천 엔진
  • 직업 추천 엔진

• 7장, 텍스트 요약, 이 장에서는 의료 전사의 추출적 요약을 생성하는 애플리케이션을 구축할 것입니다. 우리는 기본 접근 방식을 위해 이미 사용 가능한 Python 라이브러리를 사용할 것입니다. 그런 다음 다양한 벡터화 및 순위 지정 기술을 사용하여 의료 문서에 대한 요약을 얻을 것입니다. 또한 Amazon의 제품 리뷰에 대한 요약도 생성됩니다.

  • 의료 전사의 추출적 요약
  • 아마존 상품평 요약

• 8장, 챗봇 개발하기 이번 장에서는 규칙 기반 접근 방식과 딥러닝 기반 접근 방식을 사용하여 챗봇을 개발해 보겠습니다. 우리는 TensorFlow와 Keras를 사용하여 챗봇을 구축할 것입니다.

  • 규칙 기반 챗봇
  • TensorFlow를 사용하여 챗봇 구축
  • 케라스를 이용해 챗봇을 만들어 보세요. 이 봇에는 추론 능력이 있습니다...!

• 9장, 실시간 객체 인식 앱 구축, 이번 장에서는 전이 학습에 대해 알아봅니다. Convolutional Network와 YOLO(You Only Look Once) 알고리즘에 대해 알아봅니다. 우리는 애플리케이션을 개발하기 위해 사전 훈련된 모델을 사용할 것입니다.

  • OpenCV를 이용한 실시간 객체 감지
  • YOLO를 이용한 실시간 객체 감지

• 10장, 얼굴 인식과 얼굴 감정 인식, 이번 ​​장의 전반부에서는 사람의 얼굴을 인식할 수 있는 애플리케이션을 구축해 보겠습니다. 이번 장의 후반부에서는 인간의 표정을 인식할 수 있는 애플리케이션을 개발할 것입니다. 우리는 OpenCV, Keras, TensorFlow를 사용하여 이 애플리케이션을 구축할 것입니다.

  • 간단한 얼굴 인식
  • TensorFlow를 사용한 얼굴 감정 인식
  • Keras를 이용한 얼굴 감정 인식

• 11장, '게임 봇 만들기' 이번 장에서는 강화 학습에 대해 알아봅니다. 여기서는 게임 환경을 얻기 위해 체육관이나 우주 라이브러리를 사용할 것입니다. 우리는 먼저 Q-learning 알고리즘을 이해했으며 나중에 동일한 것을 구현하여 게임 봇을 훈련할 것입니다. 여기에서는 Atari 게임용 봇을 구축하고 있습니다.

  • 간단한 Atari 게임을 위한 Q-Learning
  • 스페이스 인베이더 게임봇
  • 탁구 게임봇
  • 플래피버드 게임봇

• 부록 A, 치트 시트 목록, 이 장에서는 데이터 과학 응용 프로그램에서 자주 사용하는 다양한 Python 라이브러리에 대한 치트 시트 목록을 얻을 것입니다.

  • Python 라이브러리용 치트 시트
  • 멋진 Python 프레임워크, 라이브러리, 소프트웨어 및 리소스 목록

• 부록 B, 해커톤 우승 전략, 이 장에서는 해커톤 우승을 위한 가능한 전략이 무엇인지 알아보겠습니다. 나는 또한 당신이 자신을 업데이트하는 데 도움이 될 수 있는 몇 가지 멋진 리소스를 나열했습니다.

추가 토론을 위해 주어진 Gitter Room에 참여할 수 있습니다.