딥러닝이라고 해서 어려운 주제 이지만 이책은 쉽게 풀어 줄려고 최대한 노력을한다.
설치부터 헬로우 월드 부터 머신러닝 이론 까지 다양한 내용을 책에서 풀어준다.
사진 설명을 입력하세요.
설치 내용을 잘따라하면 머신러닝을 시작할수있는 기본환경을 잘 구축할수가 있다.
그이후가 문젠데 ㅡ_ㅡ;
음?책에서 애기한 1.5 없다는데….
2.1.0 으로 설치해봤다 높은게 좋을거같다 잘된다.
skiki-learn 도 책에 있는 버전보다는 지금 버전차이가 나는것같다.
최신버전으로 설치했다.
이후 주피터를 실행하고
딥러닝의 기본예제를 실행할수 있었다.
이책한권이면 머신러닝에 기본적으로 어렵지 않게 접근 할수있는 진짜 교과서 같은 책이라고 할수있다.
머신러닝에 대해서 , 점점 관심이 많아지고있다.
어느새, 인공지능에 대한 연구는 미래를 준비하는 사람에게는 필수 과목이 되었다.
나는 간단하게, 텐서플로와 케라스 정도를 학습하고 이책을 봤는데
정말 빠르게, 이론부터 실습까지 다루고 있어, 큰도움이 된책이다.
머신러닝에 대한 기초 이론 지식과 왠만한 이론에 대해서는 다 설명해주고 있다.
import numpy as np class Perceptron(object): def __init__(self,eta=0.01,n_iter=50,random_state=1): self.eta = eta self.n_iter = n_iter self.random_state = random_state def fit(self,X,y): regen = np.random.RandomState(self.random_state) self.w_ = regen.normal(loc=0.0,scale=0.01,size=1+X.shape[1]) self.errors_=[] for _ in range(self.n_tire): error = 0 for xi, target in zip(X,y): update = self.eta * (target - self.predict(xi)) self.w_[1:]+= update * xi self.w_[0] += update errors += int(update!=0.0) self.errors_.append(error) return self def net_input(self,X): return np.dot(X,self.w_[1:])+self.w_[0] def predict(self,X): return np.where(self.net_input(X)>=0.0, 1, -1) import pandas as pd df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data', header=None) df.tail()
해당 코드를 colab 에서 실행해 보았다. 잘된다.
왠만한 소스는 쥬피터에서도 실행이 되게끔 설정이 되는 것같아 너무 좋다.
실행환경 설치하다가, 진뺄 염려는 없다.
또 이론만 가득한 책들이 많은데 이책은 흥미진진한 웹애플리케이션을 만드는 예제까지 수록 되어있다.
이론만 설명하는 책들은 많은데 실제 머신러닝 예제를 만들어 볼수있는 책은 드문 것같다.
점점 흥미를 더할수있는 책이라 돈이 아깝지 않을것 같다.