메뉴 건너뛰기
-
- 데이터 과학
- 어떤 기존 시스템 또는 계획 중인 시스템에서 데이터와 데이터의 흐름을 체계적으로 조사하는 것을 안내하는 도서 시리즈입니다.
-
-
컴퓨터 비전 5/e
-
지은이 - E.R. 데이비스(E.R. Davies)
옮긴이 - 전성빈
85,000원 | 2022년 07월 29일 펴냄
-
컴퓨터 비전 분야에 몸담은 경험을 바탕으로 이론적인 내용과 수학적인 원리, 응용을 꼼꼼히 파고든다.
-
-
전문가를 위한 DAX 완벽 가이드 2/e
-
지은이 - 마르코 루소(Marco Russo) 외 1명
옮긴이 - 김원권
50,000원 | 2022년 07월 18일 펴냄
-
이 책을 통해 DAX 전문가로 발전할 수 있을 것이다.
-
-
고객 리텐션의 전략
-
지은이 - 칼 골드(Carl Gold)
옮긴이 - 정현지
40,000원 | 2022년 06월 30일 펴냄
-
이탈의 경고 신호를 식별하고 고객이 떠나기 전에 고객을 잡는 방법을 배울 수 있다.
-
-
실무자를 위한 딥러닝
-
지은이 - 로널드 크누젤(Ronald Kneusel)
옮긴이 - 백성복
40,000원 | 2022년 06월 30일 펴냄
-
딥러닝과 머신러닝의 초보 실무자나 실무 관리자를 위한 책이다.
-
-
데이터 민주화와 셀프서비스 데이터
-
지은이 - 샌딥 우탐찬다니(Dr. Sandeep Uttamchandani)
옮긴이 - 이주한
30,000원 | 2022년 06월 30일 펴냄
-
이 책은 데이터 검색, 변환, 처리 및 생산 전반에 걸쳐 인사이트에 도달하기까지 걸리는 시간을 지연시키는 병목 현상을 추적하고 이를 해결하는 방법을 알려준다.
-
-
추천 시스템의 통계 기법
-
지은이 - 디팍 아가왈(Deepak K. Agarwal) 외 1명
옮긴이 - 최영재
33,000원 | 2022년 05월 31일 펴냄
-
다양한 분야에서 활용되는 추천 시스템을 이해하는 데 필요한 통계 기법을 소개한다.
-
-
그림으로 배우는 딥러닝
-
지은이 - 앤드류 글래스너(Andrew S. Glassner)
옮긴이 - 김창엽, 소재현
60,000원 | 2022년 05월 31일 펴냄
-
복잡한 수식과 코드 없이 머신러닝과 딥러닝을 배우는 데 꼭 필요한 이론을 배울 수 있도록 한다.
-
-
자연어 처리의 정석
-
지은이 - 제이콥 에이젠슈테인(Jacob Eisenstein)
옮긴이 - 이동근, 김근호
50,000원 | 2022년 05월 30일 펴냄
-
자연어 처리와 머신러닝/딥러닝을 통합하고 해당 과정들을 자세하게 설명하는 책이다.
-
-
데이터 마이닝 4/e
-
지은이 - 이안 위튼(Ian Witten) 외 3명
옮긴이 - 김성준
50,000원 | 2022년 05월 31일 펴냄
-
머신러닝의 기초와 실제 데이터 마이닝에 적용하는 방법을 알려준다.
-
-
스크래치로 배워보자! 머신러닝
-
지은이 - 데일 레인(Dale Lane)
옮긴이 - 장기식 외 2명
28,000원 | 2022년 04월 29일 펴냄
-
쉽게 인공지능 개념과 원리를 익힐 수 있는 스크래치 기반 인공지능 프로그래밍 기법을 소개한다.
-
-
그래프 신경망 입문
-
지은이 - 즈위안 리우(Zhiyuan Liu) 외 1명
옮긴이 - 정지수
20,000원 | 2022년 04월 29일 펴냄
-
이 책은 국내에서 그래프 신경망을 전문적으로 소개하는 첫 책이다. 20개 이상의 관련 모델들을 소개하고, 어떤 분야에 응용되고 있는지 알려준다.
-
-
헬스케어 분석을 위한 머신러닝
-
지은이 - 에듀오닉스 러닝 솔루션스(Eduonix Learning Solutions)
옮긴이 - 고석범
25,000원 | 2022년 03월 31일 펴냄
-
이 책은 실질적인 사례로 헬스케어 관련 머신러닝을 구현하는 방법을 소개한다.
-
-
-
MLFlow를 활용한 MLOps
-
지은이 - 스리다르 알라(Sridhar Alla) 외 1명
옮긴이 - 정이현
30,000원 | 2022년 02월 28일 펴냄
-
프레임워크는 scikit-learn, TensorFlow 2.0/ Keras, PyTorch 및 PySpark의 실험에 MLFlow를 적용하는 방법과 이러한 모델 중 하나를 로컬에 배포하고 모델을 사용해 예측하는 방법을 실행해 본다. 해당 모델을 AWS, Azure, GCP에 배포하고 구성해서 서빙되는 구체적인 방법을 다룬다.
메뉴로 돌아가기