python machine learning book 다운로드 - python machine learning book 소스 코드 다운로드

python machine learning book

파이썬

v1.3

다운로드

Python 기계 학습 도서 코드 저장소

중요 참고사항(2017년 9월 21일):

이 GitHub 저장소에는 Python Machine Learning 책 제1판 의 코드 예제가 포함되어 있습니다. 2nd Edition 의 코드 예제를 찾고 있다면 대신 이 저장소를 참조하세요.

여러분이 기대할 수 있는 것은 기계 학습을 시작하기 위해 알아야 할 모든 것에 대한 유용한 자료가 풍부한 400페이지입니다. 이론부터 직접 실행에 옮길 수 있는 실제 코드까지! 이 책은 아직 "scikit-learn이 작동하는 방식"에 불과한 또 하나의 책이 아닙니다. 나는 모든 기본 개념을 설명하고, 모범 사례와 주의 사항 측면에서 알아야 할 모든 것을 알려주는 것을 목표로 하며, 주로 NumPy, scikit-learn 및 Theano를 사용하여 이러한 개념을 실행에 옮길 것입니다.

이 책이 당신을 위한 것인지 확실하지 않습니까? 자세한 내용은 서문 및 서문에서 발췌한 내용을 확인하거나 FAQ 섹션을 살펴보세요.

1판, 2015년 9월 23일 발행
단행본: 454페이지
출판사: 팩트 출판

언어: 영어
ISBN-10: 1783555130

ISBN-13: 978-1783555130
킨들 ASIN: B00YSILNL0

독일어 ISBN-13: 978-3958454224
일본어 ISBN-13: 978-4844380603
이탈리아어 ISBN-13: 978-8850333974
중국어(번체) ISBN-13: 978-9864341405
중국어(본토) ISBN-13: 978-7111558804
한국어 ISBN-13: 979-1187497035
러시아어 ISBN-13: 978-5970604090

목차 및 코드 노트북

코드 예제를 보려면 장 헤드라인 옆에 있는 ipynb / nbviewer 링크를 클릭하기만 하면 됩니다(현재 내부 문서 링크는 NbViewer 버전에서만 지원됩니다). 이것은 귀하의 편의를 위해 제가 업로드한 책에 동봉된 코드 예제일 뿐입니다. 이 노트북은 공식과 설명 텍스트가 없으면 유용하지 않을 수 있습니다.

서문 및 서문에서 발췌
Python 및 Jupiter Notebook 설정 지침

기계 학습 - 컴퓨터에 데이터로부터 학습할 수 있는 기능 제공 [dir] [ipynb] [nbviewer]
분류를 위한 기계 학습 알고리즘 훈련 [dir] [ipynb] [nbviewer]
Scikit-Learn을 사용한 기계 학습 분류기 둘러보기 [dir] [ipynb] [nbviewer]
좋은 훈련 세트 구축 – 데이터 전처리 [dir] [ipynb] [nbviewer]
차원 축소를 통한 데이터 압축 [dir] [ipynb] [nbviewer]
모델 평가 및 초매개변수 최적화에 대한 모범 사례 학습 [dir] [ipynb] [nbviewer]
앙상블 학습을 위한 다양한 모델 결합 [dir] [ipynb] [nbviewer]
감정 분석에 기계 학습 적용 [dir] [ipynb] [nbviewer]
웹 애플리케이션에 기계 학습 모델 포함 [dir] [ipynb] [nbviewer]
회귀 분석을 통한 연속형 목표 변수 예측 [dir] [ipynb] [nbviewer]
레이블이 없는 데이터 작업 – 클러스터링 분석 [dir] [ipynb] [nbviewer]
이미지 인식을 위한 인공 신경망 훈련 [dir] [ipynb] [nbviewer]
Theano를 통한 신경망 훈련 병렬화 [dir] [ipynb] [nbviewer]

방정식 참조

[PDF] [텍스트]

교육용 슬라이드

현재 Loyola University Chicago에서 제공되는 기계 학습 과정의 슬라이드를 공유해 주신 Dmitriy Dligach에게 큰 감사를 드립니다.

https://github.com/dmitriydligach/PyMLSlides

추가 수학 및 NumPy 리소스

일부 독자들은 길이 제한으로 인해 포함되지 않은 Math 및 NumPy 입문서에 대해 문의했습니다. 그러나 나는 최근에 다른 책을 위해 그러한 자료를 모았지만, 이 장들이 이 책의 유용한 배경 자료로도 사용되기를 바라면서 이 장들을 온라인에서 무료로 사용할 수 있도록 만들었습니다.

대수학 기초 [PDF] [EPUB]
미적분학 및 미분 입문서 [PDF] [EPUB]
NumPy 소개 [PDF] [EPUB] [코드 노트]

이 책을 인용하면

과학 출판물 및 기타 저작물에서 이 책의 코드 조각이나 기타 내용을 재사용하는 것을 매우 환영합니다. 이 경우 원본 출처를 인용해 주시면 감사하겠습니다.

BibTeX :

 @Book{raschka2015python,
 author = {Raschka, Sebastian},
 title = {Python Machine Learning},
 publisher = {Packt Publishing},
 year = {2015},
 address = {Birmingham, UK},
 isbn = {1783555130}
 }

MLA :

라슈카, 세바스찬. 파이썬 머신러닝 . 영국 버밍엄: Packt Publishing, 2015. 인쇄.

피드백 및 리뷰

짧은 리뷰 스니펫

Sebastian Raschka의 새 책 Python Machine Learning이 방금 출시되었습니다. 나는 리뷰 사본을 읽을 기회를 얻었고 그것은 내가 기대했던 것과 똑같았습니다. 정말 훌륭했습니다! 잘 정리되어 있고 따라하기 매우 쉬우며 똑똑하고 비전문가에게 좋은 기반을 제공할 뿐만 아니라 실무자도 여기에서 몇 가지 아이디어를 얻고 새로운 요령을 배울 수 있습니다.
– Data Elixir의 Lon Riesberg

정말 훌륭해요! 지금까지는 이론과 실제, 수학과 코드의 올바른 균형을 맞춘 것 같습니다!
– 브라이언 토마스

나는 Scikit-learn을 기반으로 한 모든 기계 학습 타이틀을 (가상으로) 읽었으며 이것은 단연 최고입니다.
– 제이슨 울로소노비치

PACKT Publishing에서 나온 최고의 책입니다. 이것은 Python을 사용한 기계 학습에 대한 매우 잘 작성된 소개입니다. 다른 사람들이 지적했듯이 이론과 응용이 완벽하게 혼합되어 있습니다.
– 조쉬 D.

구하기 힘든 품질이 혼합된 책입니다. 이론을 제어하는 데 필요한 수학과 Python의 응용 코딩을 결합합니다. 또한 다른 많은 책들이 더 많은 청중의 관심을 끌기 위해 Python에 대한 입문서를 제공하는 데 종이를 낭비하지 않는다는 점도 좋습니다. DIY 괴짜뿐만 아니라 지식이 풍부한 작가가 쓴 것임을 알 수 있습니다.
– 아마존 고객

Sebastian Raschka는 이론과 실습을 결합한 놀라운 기계 학습 튜토리얼을 만들었습니다. 이 책은 이론적 관점에서 기계 학습을 설명하고 기계 학습 기술을 실제로 어떻게 사용하는지 보여주는 수많은 코딩된 예제를 제공합니다. 초보자나 고급 프로그래머가 읽을 수 있습니다.

윌리엄 P. 로스(William P. Ross), 꼭 읽어야 할 파이썬 책 7권

더 긴 리뷰

이 책이 자신에게 적합한지 결정하는 데 도움이 필요하다면 아래 링크된 "더 긴" 리뷰를 확인하세요. (리뷰를 작성하신 경우 알려주시면 목록에 추가해 드리겠습니다.)

Chartered Institute for IT의 Patrick Hill이 작성한 Python 기계 학습 리뷰
서평: WhatPixel의 Alex Turner가 쓴 Sebastian Raschka의 Python 기계 학습

모래밭

Amazon.com, Amazon.co.uk, Amazon.de의 전자책 및 문고판
Packt(출판사)의 전자책 및 문고판
다른 서점: Google Books, O'Reilly, Safari, Barnes & Noble, Apple iBooks, ...
소셜 플랫폼: Goodreads

번역

"Apogeo"를 통한 이탈리아어 번역
"mitp Verlag"를 통한 독일어 번역
"Impress Top Gear"를 통한 일본어 번역
중국어 번역(중국어 번체)
중국어 번역(간단한 중국어)
"교보"를 통한 한국어 번역
"Helion"을 통한 폴란드어 번역

문헌 참고 자료 및 추가 자료 자료

정오표

보너스 노트북(책에는 없음)

로지스틱 회귀 구현 [dir] [ipynb] [nbviewer]
기본 파이프라인 및 그리드 검색 설정 [dir] [ipynb] [nbviewer]
확장된 중첩 교차 검증 예제 [dir] [ipynb] [nbviewer]
간단한 Barebones Flask Webapp 템플릿 [디렉토리 보기][zip 파일로 다운로드]
MNIST에서 NumPy 배열로 손으로 쓴 숫자 읽기 [GitHub ipynb] [nbviewer]
JSON을 사용한 Scikit-learn 모델 지속성 [GitHub ipynb] [nbviewer]
다항 로지스틱 회귀 / 소프트맥스 회귀 [GitHub ipynb] [nbviewer]

"관련 콘텐츠"(책에는 없음)

기계 학습의 모델 평가, 모델 선택 및 알고리즘 선택 - 1부
기계 학습의 모델 평가, 모델 선택 및 알고리즘 선택 - 2부
기계 학습의 모델 평가, 모델 선택 및 알고리즘 선택 - 3부

사이파이 2016

우리는 오스틴에서 열린 SciPy 2016에서 정말 즐거운 시간을 보냈습니다! 내 책의 많은 독자들을 만나고 이야기를 나눌 수 있어서 정말 기뻤습니다. 좋은 말과 피드백을 보내주셔서 정말 감사드립니다! 혹시 놓친 경우를 대비해 Andreas Mueller와 저는 Scikit-learn을 사용한 기계 학습 소개를 제공했습니다. 관심이 있으시다면 이제 1부와 2부의 비디오 녹화물이 온라인에 공개되었습니다!

파이데이터 시카고 2016

저는 PyData Chicago 2016에서 단 90분 만에 scikit-learn과 머신러닝을 소개하는 다소 어려운 작업을 시도했습니다. 슬라이드와 튜토리얼 자료는 "Learning scikit-learn - An Introduction to Machine Learning in Python"에서 확인할 수 있습니다.

메모

저는 기계 학습(및 일반 "데이터 과학") 알고리즘의 추가 구현을 포함하는 별도의 라이브러리 mlxtend 설정했습니다. 또한 추가 기능과 함께 이 책의 구현(예: 결정 영역 플롯, 인공 신경망 및 순차 기능 선택 알고리즘)을 추가했습니다.

번역

친애하는 독자 여러분 ,
우선, 큰 지원을 해주신 모든 분들께 감사의 말씀을 전하고 싶습니다! 지금까지 보내주신 훌륭한 피드백에 정말 기쁘고, 이 책이 폭넓은 독자들에게 매우 유용했다는 사실이 기쁩니다.

지난 몇 달 동안 저는 수백 통의 이메일을 받았고, 가능한 시간 내에 최대한 많은 답변을 하려고 노력했습니다. 다른 독자들에게도 유용하게 사용할 수 있도록 FAQ 섹션(아래)에 많은 답변을 수집했습니다.

또한, 독자들이 책의 내용을 토론할 수 있는 플랫폼에 대해 문의해 주신 분들도 계십니다. 이 글을 통해 귀하가 다른 독자들과 지식을 토론하고 공유할 수 있는 기회가 되기를 바랍니다.

Google 그룹스 토론 게시판

(그리고 시간이 허락한다면 최선을 다해 직접 질문에 답변해 드리겠습니다! :))

좋은 조언으로 할 수 있는 유일한 일은 그것을 전달하는 것입니다. 그것은 결코 자신에게 아무 소용이 없습니다.
— 오스카 와일드

독자의 예와 적용

다시 한 번, 책에 대한 좋은 피드백에 감사드립니다. 나는 이 책의 개념과 예제를 현실 세계에 적용하고 자신의 프로젝트에 잘 활용하는 독자들로부터 많은 이메일을 받았습니다. 이 섹션에서는 훌륭한 응용 프로그램 중 일부를 수집하기 시작했으며 귀하의 프로젝트를 이 목록에 추가하게 되어 매우 기쁩니다. 저에게 빠른 메일을 보내주세요!