● 저자: 유영경
● 페이지: 288
● 판형: 신국판변형(152*210)
● 도수: 2도
● 정가: 16,000원
● 발행일: 2021년 2월 26일
● ISBN: 978-89-97924-80-6 93000
[오탈자 사이트]
[강컴] [교보] [반디] [알라딘] [예스24] [인터파크]
[샘플원고]
_도서 내용
개발자가 코딩만 잘하면 된다? 고객의 요구사항 분석을 제대로 글로 옮기지 못한다면 무슨 일이 발생할까? 장애 발생 시 공지문을 작성해야 하는데, 빠짐없이 정확하게 작성할 수 있을까? 오류와 확인 메시지는 제대로 쓸 수 있을까? UI에 들어가는 텍스트는? 소프트웨어 제품 출시 후 사용자 가이드는 어떻게 만들어야 할까?
개발자는 코딩 영역 외에도 이렇게 수많은 글쓰기 문제에 직면한다. 이를 위해 저자는 테크니컬 라이터로서 20년 이상 개발자와 함께하며 얻는 핵심 노하우를 이 책 한 권에 정리하였다. 옆에 두고 항상 참고할 수 있는 개발자만을 위한 글쓰기 가이드이다.
_대상 독자
--------이런 고민을 하는 독자-----------
고객의 요구사항을 정리하는 데 어려움을 겪는 개발자
협업 미팅을 해야 할 때 나의 보고서가 부끄러운 개발자
장애 보고서는 어떻게 써야 할지 난감한 개발자
회의록을 기록하며 업무를 해야 하는 개발자
버튼 텍스트, 오류 메시지 작성 등에 고민이 많은 개발자
남들이 나의 글을 제대로 이해하지 못한다고 생각하는 개발자
전문 테크니컬 라이터가 없는 중소규모의 소프트웨어 기업
_목차
저자의 말
1부 테크니컬 라이팅 시작하기
1장 테크니컬 라이팅
테크니컬 라이팅과 기술 문서
테크니컬 라이팅과 일반 글쓰기의 차이
테크니컬 라이팅 5단계
2장 개발자와 테크니컬 라이팅
개발자와 테크니컬 라이팅
그냥 쓰는 것이 아니라 제대로 쓰기
2부 테크니컬 라이팅 45가지 원칙
3장 문서 작성 계획 세우기
01 대상 독자를 정한다
02 설명할 기술의 깊이를 조절한다
03 분위기를 좌우할 어조를 정한다
04 주제를 구체적으로 정한다
05 작성할 문서의 종류를 정한다
4장 초안 작성
06 일단 쓴다
07 명확성, 간결성, 일관성의 3원칙
08 핵심부터 쓴다
09 제목에 요점을 담는다
10 문장 하나에는 주제를 하나만 쓴다
11 객관적인 근거를 댄다
12 전문 용어는 독자에 맞게 사용한다
13 용어와 약어를 쓸 때는 풀이를 쓴다
14 용어는 일관되게 사용한다
15 쉽게 쓴다
5장 시각화 요소로 가독성 높이기
16 적합한 시각 자료를 활용한다
17 목록을 사용해 정리한다
18 스크린숏으로 이해도를 높인다
19 정보를 비교할 때는 표를 활용한다
20 데이터 성격에 맞는 차트를 사용한다
21 시각 자료를 쓰기 전에 소개부터 한다
22 시각 자료를 설명하는 캡션을 활용한다
6장 검토와 재작성
23 객관적으로 문서를 검토한다
24 맥락에 맞는 적확한 단어를 선택한다
25 은어는 형식적인 표현으로 바꾼다
26 대명사는 일반 명사로 바꾼다
27 고유한 이름은 정확히 쓴다
28 숫자와 단위를 정확하게 쓴다
29 단정적인 어조로 확신 있게 쓴다
30 글꼬리를 뚜렷하게 쓴다
31 주어와 서술어를 일치시킨다
32 문장은 짧게 줄인다
33 군더더기 표현을 없앤다
34 의미가 같은 표현은 한 번만 쓴다
35 피동태보다 능동태로 쓴다
36 복잡한 번역체를 다듬는다
37 ‘통해’는 명확한 표현으로 바꾼다
38 ‘무엇은 ~ 무엇이다’ 형식으로 쓰지 않는다
39 ‘~해 주다’ 대신 ‘~하다’를 쓴다
40 조사를 덜어낸다
41 재작성한 문서를 동료와 검토한다
42 자주 틀리는 맞춤법
43 자주 틀리는 외래어 표기법
44 자주 틀리는 띄어쓰기
45 자주 틀리는 문장 부호
3부 유형별 테크니컬 라이팅 사례로 본 작성의 원칙
–메일·회의록·장애 발생 공지문·사용자 가이드
7장 메일 작성
46 받는 사람이 궁금해할 내용을 쓴다
47 인사말과 맺음말은 과하지도 부족하지도 않게 쓴다
48 받는 사람을 명확하게 지정한다
49 첨부 파일을 확인한다
8장 회의록 작성
50 회의록 구성 요소를 확인한다
51 회의록 작성 원칙을 기억한다
9장 오류와 확인 메시지 작성
52 확인 메시지 작성법
53 오류 메시지에서 중요한 것은 해결 방법
54 메시지에서도 제목을 활용한다
55 직관적인 버튼 텍스트를 만든다
10장 장애 발생 공지문 작성 1부
56 장애 발생 공지문의 기본 요소: 장애 발생 직후
57 장애 해결 공지문의 기본 요소: 장애 해결 후
58 장애 보고서 작성: 내부 보고와 기록용
11장 사용자 가이드 작성
59 사용자에게 맞는 가이드 종류를 선택한다
60 개념과 목적을 설명하는 개요를 추가한다
61 사용법은 순차적으로 설명한다
62 퀵스타트 가이드로 제품과 빠르게 친숙해지게 한다
참고 자료
_주요 내용
기술이나 과학 분야에서 정보를 정학하게 전달하기 위한 글쓰기”
Microsoft, NAVER, NHN에서 20년
베테랑 테크니컬 라이터의 글쓰기 비법
“개발자 나길동 씨는 아침에 출근해 오늘 할 일을 메모하는 글쓰기로 하루를 시작합니다. 서비스 출시 회의 내용을 정리하는 것도, 관련 부서에 회의 결과와 남은 버그를 공유하는 메일을 쓰는 것도 글쓰기입니다. 다음 주부터 출근하는 신입사원이 봐야 할 코딩 컨벤션도 작성해야 합니다. 출시한 서비스의 버그로 보고된 오류 메시지도 추가로 써야 합니다.
회사 기술 블로그에 JavaScript 성능을 최적화한 경험과 사례를 공유하는 글을 쓰기 시작할 때면 머리가 아파져 옵니다. 한 줄 쓰고 지우고, 한 줄 쓰고 지우고. 몇 시간째 한 페이지를 넘기지 못합니다. 바람이나 쐐야지. 덮어두고 다른 일을 시작하지만, 마음 한켠이 점점 더 무거워집니다.”
[이 책이 제시하는 개발자 나길동 씨를 위한 고민 해결책]
_쉽게 실천할 수 있는 테크니컬 라이팅 기본 규칙
이 책에서 소개하는 기본 규칙만 잘 이해하고 실천한다면 개발자 나길동 씨도 누구나 이해하기 쉽고 빠른 글쓰기를 할 수 있습니다.
_수많은 사례의 예시문을 통한 반복 연습
규칙을 이해했다면 이제는 다양한 사례의 예시문을 반복해서 고쳐보며 연습해야 합니다. 연습 없이 결코 글을 잘 쓸 수 없습니다.
_오랫동안 개발자와 함께한 테크니컬 라이터의 핵심 비법
저자는 오랫동안 개발자와 함께 해왔습니다. 글쓰기 교육, 소프트웨어 관련 테크니컬 라이팅 업무를 하며 익힌 핵심 비법의 정수를 담았습니다.
이 책을 통해 클린 코드 못지않은 클린 테크니컬 라이팅 능력도 갖추길 바랍니다.
_편집자 코멘트
개발자는 고객의 요구사항을 정확하게 정리해내고, 협업 과정에서 문제없이 의사소통을 할 수 있어야 하며, 사용자가 코딩의 결과물을 불편 없이 사용하게 해주어야 한다. 이것은 코딩 외적인 능력에 속하며, 이를 위해 가장 기본적으로 필요한 소양이 바로 기술적 글쓰기, 테크니컬 라이팅 능력이다.
대기업에 속한 개발자들은 전문 테크니컬 라이터에게 필요한 지원을 받을 수 있지만, 수많은 개발자들은 스스로 해결해야 하는 경우가 많다. 이 책은 회사의 지원을 받지 못하는 개발자들을 위해 가장 기본이 되는 기술적 글쓰기의 규칙과 사례를 정리하여 언제나 참고할 수 있는 가이드이다.
바쁜 개발자들을 위해 넘치거나 부족하지 않은 책이 나온 것 같아 편집자로서 정말 기쁘다. 기술서적을 기획, 출간하고 있는 편집자도 이 책을 항상 옆에 끼고 참고하려고 한다.
_저자 소개
지은이
유경경
Microsoft에서 운 좋게 테크니컬 라이터라는 직무를 알게 된 후 20년 이상 이를 업으로 삼고 있다. NAVER 기술문서팀 팀장을 거쳐 현재는 NHN에서 테크니컬 라이팅, UX 라이팅, IT 콘퍼런스 기획 총괄, 글쓰기 교육 등을 전담하고 있다. 『웹 기획자가 알아야 할 서비스 글쓰기의 모든 것』(2013, 위키북스)을 공동 집필했다.
_상세 이미지
_끝
'신간소개' 카테고리의 다른 글
| [신간안내] 사람과 프로그래머 #10 죽을 때까지 코딩하며 사는 법 (0) | 2021.04.05 |
|---|---|
| [신간안내] 엔지니어를 위한 문장의 기술 (0) | 2021.02.03 |
| [신간안내] 백견불여일타 머신러닝 데이터 전처리 입문 (0) | 2020.09.07 |
| [신간안내] 사고법 도감: 문제 해결•아이디어 발상력을 높여주는 사고법 60 (2) | 2020.07.30 |
| [신간안내] 데이터 시각화 입문: Before & After 데이터 시각화 사례 72가지 수록 (0) | 2020.07.06 |
2021년 4월 현재 1쇄 기준입니다.
_p20 (아래에서 5째줄)
초안를 -> 초안을
_p194 (주석 번호)
6, 7 -> 5, 6
_p195(주석 번호)
7번으로 변경
_p207 (아래에서 2째줄)
구성합니다다. -> 구성합니다.
_219페이지(마지막 줄)
.xlsc -> .xls
'오탈자 정보' 카테고리의 다른 글
| [오탈자 정보] 죽을 때까지 코딩하며 사는 법 (2) | 2021.04.05 |
|---|---|
| [오탈자 정보] 엔지니어를 위한 문장의 기술 (0) | 2021.02.03 |
| [오탈자 정보] 백견불여일타 머신러닝 데이터 전처리 입문 (13) | 2020.09.07 |
| [오탈자 정보] 사고법 도감: 문제 해결•아이디어 발상력을 높여주는 사고법 60 (0) | 2020.07.30 |
| [오탈자 정보] 데이터 시각화 입문 (0) | 2020.07.06 |
● 저자: 아다치 하루카
● 역자: 김태현
● 감수: 조휘용
● 페이지: 324
● 판형: 사륙배판형(188*257)
● 도수: 2도
● 정가: 25,000원
● 발행일: 2020년 9월 21일
● ISBN: 978-89-97924-74-5 93000
[강컴] [교보] [반디] [알라딘] [예스24] [인터파크]
[샘플원고]
_도서 내용
이 책은 인공지능이 올바른 데이터를 입력 받아 의미 있는 결과를 도출하는 과정에서 필수적으로 거쳐야 할 데이터 전처리에 관한 ‘입문서’이다. 정형 데이터뿐만 아니라 이미지, 텍스트 데이터와 같은 비정형 데이터를 다루는 방법을 제공한다. 데이터를 처리하고 분석하기 위해 가장 많이 사용되는 파이썬 언어를 사용하고, NumPy, Pandas 등 라이브러리를 통해 어떠한 방법으로 데이터를 시각화하고, 의미를 도출할 수 있는지를 자세하게 배울 수 있다. 실습 위주의 책이며, 파이썬을 조금만 알아도 누구나 쉽게 따라해보면서 데이터 전처리에 대한 개념과 방법 등의 기초지식을 충분히 습득할 수 있다. 이것을 기초로 스스로 데이터 전처리 전문가가 되는 길을 찾을 수 있을 것이다.
_대상 독자
머신러닝이나 딥러닝을 학습하고 실무에서 모델을 작성해보고자 하는 입문자
인공지능 개발자가 되기 위해 고군분투 중인 취준생 개발자
_목차
지은이의 글
옮긴이의 글
감수자의 글
다운로드 및 개발환경 안내
일러두기
1장 데이터 분석, 활용을 시작하기 전에
1 데이터 기반 시대로
2 데이터 분석 프로젝트에 필요한 요소
3 데이터 분석 인재에게 필요한 스킬
컬럼 | 보충지식 1 BI로 무엇을 할 수 있나?
컬럼 | 보충지식 2 데이터처리가 빠른 툴은?
2장 데이터 분석의 프로세스와 환경
1 들어가며
2 비즈니스 이해
3 데이터 이해
4 데이터 준비
5 모델 작성
6 평가
7 배포/공유
8 데이터 분석 환경의 선택
9 주피터 노트북 사용 방법
3장 정형 데이터의 전처리 (1)
1 데이터 이해
2 데이터 준비
3 모델 작성
4 다시 데이터 준비로
5 다시 한번 모델 작성으로
컬럼 | 보충지식 1 데이터 결합
컬럼 | 보충지식 2 오버 샘플링
컬럼 | 보충지식 3 분할의 순도
[함께 해봐요 3-1] Pandas를 사용한 파일 업로드
[함께 해봐요 3-2] 데이터의 행수와 열수 확인
[함께 해봐요 3-3] 데이터형 확인
[함께 해봐요 3-4] 결손값의 포함 유무 확인
[함께 해봐요 3-5] 결손값의 개수 파악
[함께 해봐요 3-6] 데이터형이 수치인 항목의 통계량 계산
[함께 해봐요 3-7] age의 히스토그램 작성
[함께 해봐요 3-8] age와 balance 산포도 작성과 항목 관련성 확인
[함께 해봐요 3-9] 문자열 항목 중 job의 원 그래프 작성 (1)
[함께 해봐요 3-10] 문자열 항목 중 job의 원 그래프 작성 (2)
[함께 해봐요 3-11] y의 원 그래프 작성 및 데이터 분포 확인
[함께 해봐요 3-12] 목적변수 y에 대한 데이터 분포 확인
[함께 해봐요 3-13] 전처리를 위한 코드 입력
[함께 해봐요 3-14] 각 항목의 데이터형 재확인
[함께 해봐요 3-15] 결손값 제외
[함께 해봐요 3-16] 결손값 보완
[함께 해봐요 3-17] 특이값(이상치) 제외
[함께 해봐요 3-18] 값 두 개를 가지는 데이터 변환
[함께 해봐요 3-19] 다수의 값을 가지는 데이터 변환
[함께 해봐요 3-20] 분석 데이터 세트로 완성
[함께 해봐요 3-21] 더미 변수화한 데이터 결합
[함께 해봐요 3-22] CSV 파일로 결과 출력
[함께 해봐요 3-23] Pandas를 사용한 결합의 이미지 표현
[함께 해봐요 3-24] 데이터를 로드하는 코드 작성
[함께 해봐요 3-25] imbalanced-learn 패키지 설치 유무 확인
[함께 해봐요 3-26] 주티퍼랩에 설치된 패키지 확인
[함께 해봐요 3-27] imbalanced-learn 패키지 설치
[함께 해봐요 3-28] 불균형 데이터 세트에 대한 언더 샘플링
[함께 해봐요 3-29] 오버 샘플링 구현
[함께 해봐요 3-30] 결정 트리 알고리즘을 사용한 모델 검증
[함께 해봐요 3-31] 재현율과 적합도 확인
[함께 해봐요 3-32] 파라미터와 기본값 확인
[함께 해봐요 3-33] 그리드 서치를 사용한 모델의 성능 개선
[함께 해봐요 3-34] 가장 높은 성능일 때의 모델에 대한 파라미터 조합 확인
[함께 해봐요 3-35] 모델 완성 및 영향력 높은 변수 확인
[함께 해봐요 3-36] job 통합 및 새로운 특징량 생성
[함께 해봐요 3-37] month 통합 및 새로운 특징량 생성
[함께 해봐요 3-38] day 통합 및 새로운 특징량 생성
[함께 해봐요 3-39] duration 통합 및 새로운 특징량 생성
함께 해봐요 3-40] previous 통합 및 새로운 특징량 생성
[함께 해봐요 3-41] 더미변수를 만들기 위한 목록 삽입
[함께 해봐요 3-42] get_dummies를 사용한 더미변수 생성
[함께 해봐요 3-43] CSV 파일 내용 변경
[함께 해봐요 3-44] feature_selection을 통한 변수 사용 유무 확인
4장 정형 데이터의 전처리 (2)
1 고객의 특성 이해
2 고객의 그룹화
3 잠재적인 요구 추출
[함께 해봐요 4-1] 분석 데이터를 읽기 위한 코드 작성
[함께 해봐요 4-2] 각 항목의 데이터형 재확인
[함께 해봐요 4-3] 범위변환 테스트
[함께 해봐요 4-4] Z변환 테스트
[함께 해봐요 4-5] 각 변수의 평균과 표준편차 값 확인
[함께 해봐요 4-6] 계층형 클러스터링을 이용한 그룹 분할
[함께 해봐요 4-7] 고객별 그룹 확인
[함께 해봐요 4-8] k-Means법을 이용한 그룹 분할
[함께 해봐요 4-9] 클러스터 ID별 데이터 분포 확인
[함께 해봐요 4-10] 클러스터 ID별 데이터 세트와의 결합
[함께 해봐요 4-11] 그룹별 데이터 건수 확인
[함께 해봐요 4-12] 각 그룹의 통계량 계산 및 성질 파악
[함께 해봐요 4-13] PCA를 이용한 신규변수 작성
[함께 해봐요 4-14] 목적변수별 분포 확인
[함께 해봐요 4-15] 목적변수별 산포도 확인
5장 이미지 데이터의 전처리
1 데이터 이해
2 기계학습을 위한 데이터 준비
3 딥러닝을 위한 데이터 준비
컬럼 | 보충지식 1 중간층의 추출
[함께 해봐요 5-1] OpenCV 설치
[함께 해봐요 5-2] swiss-army-ant.jpg 읽기
[함께 해봐요 5-3] 배열에 저장된 픽셀값 확인
[함께 해봐요 5-4] 배열 크기 확인
[함께 해봐요 5-5] 컬러 이미지의 픽셀값 확인
[함께 해봐요 5-6] 그레이스케일 이미지로 변환
[함께 해봐요 5-7] 그레이스케일 이미지의 픽셀값 확인
[함께 해봐요 5-8] 이진화 이미지로 변환
[함께 해봐요 5-9] 이진화 이미지의 픽셀값 확인
[함께 해봐요 5-10] 데이터 프레임 형식으로 확인하는 픽셀값
[함께 해봐요 5-11] 신규 노트북 작성
[함께 해봐요 5-12] 설명변수와 목적변수의 세트 작성 (1)
[함께 해봐요 5-13] 설명변수와 목적변수의 세트 작성 (2)
[함께 해봐요 5-14] 이진화 이미지의 침식 처리
[함께 해봐요 5-15] 이진화 이미지의 팽창 처리
[함께 해봐요 5-16] 이진화 이미지의 오프닝 처리
[함께 해봐요 5-17] 이진화 이미지의 클로징 처리
[함께 해봐요 5-18] 그레이스케일 이미지의 히스토그램 작성
[함께 해봐요 5-19] 그레이스케일 이미지의 pixels_df에 대한 t-SNE 적용
[함께 해봐요 5-20] 목적변수별 데이터 분포 확인
[함께 해봐요 5-21] 그레이스케일 이미지의 설명변수와 목적변수의 세트 작성
[함께 해봐요 5-22] 데이터 세트의 분할
[함께 해봐요 5-23] 이미지 반전을 통한 이미지 수 증가
[함께 해봐요 5-24] 블러 처리를 통한 이미지 수 증가
[함께 해봐요 5-25] 명도 변경을 통한 이미지 수 증가
[함께 해봐요 5-26] 중간층 추출 (1)
[함께 해봐요 5-27] 중간층 추출 (2)
6장 시계열 데이터의 전처리
1 데이터 이해
2 데이터 준비
3 훈련 데이터 작성
[함께 해봐요 6-1] 분석 데이터 세트 로드
[함께 해봐요 6-2] 데이터의 행수와 열수 확인
[함께 해봐요 6-3] 데이터형 확인
[함께 해봐요 6-4] datetime형으로 데이터 변환
[함께 해봐요 6-5] 한 행 전과의 시간차(분) 계산
[함께 해봐요 6-6] 경과시간(분) 계산 (1)
[함께 해봐요 6-7] 결손값 개수 확인
[함께 해봐요 6-8] 각 항목의 통계량 계산
[함께 해봐요 6-9] Matplotlib을 사용한 데이터 시각화
[함께 해봐요 6-10] 전처리 대상의 데이터 읽기
[함께 해봐요 6-11] 결손값 표시
[함께 해봐요 6-12] NaN을 통한 결손값 보완
[함께 해봐요 6-13] 전후의 값 평균치로 보완하는 결손값
[함께 해봐요 6-14] 경과시간(분) 계산 (2)
[함께 해봐요 6-15] 6시간 단위로 만들기 위한 평균치 계산
[함께 해봐요 6-16] 두 개의 데이터 세트 결합
[함께 해봐요 6-17] event.csv 파일 읽기
[함께 해봐요 6-18] 데이터 집약 및 시간 축 작성 (1)
[함께 해봐요 6-19] 데이터 집약 및 시간 축 작성 (2)
[함께 해봐요 6-20] 특징량과 목적변수 결합
[함께 해봐요 6-21] 슬라이드 창을 사용한 특징량 추출
[함께 해봐요 6-22] 기계학습의 알고리즘 형태로 특징량 변형
[함께 해봐요 6-23] 특징량 세트와 목적변수 결합
[함께 해봐요 6-24] 새로운 노트북 작성 및 코드 입력
[함께 해봐요 6-25] 데이터 시각화
[함께 해봐요 6-26] 데이터 분할
[함께 해봐요 6-27] 데이터 정규화
[함께 해봐요 6-28] 훈련 데이터의 부분시계열 작성
[함께 해봐요 6-29] 부분시계열의 파형 거리(유사도) 측정
[함께 해봐요 6-30] 케라스 실행
[함께 해봐요 6-31] 오토 인코더 네트워크 작성
[함께 해봐요 6-32] 학습 조건 설정 및 학습 실행
[함께 해봐요 6-33] 오차의 수렴 상태 확인
[함께 해봐요 6-34] 출력값 추이 비교
[함께 해봐요 6-35] 이상 스코어 계산
7장 자연어 데이터의 전처리
1 데이터 이해
2 기계학습을 위한 데이터 준비
3 딥러닝을 위한 데이터 준비
4 주제 추출을 위한 데이터 준비
컬럼 | 보충지식 1 한글 형태소 분석 환경의 설정
컬럼 | 보충지식 2 2-gram 에지 리스트
[함께 해봐요 7-1] 업로드한 기사를 대상으로 하는 형태소 분석
[함께 해봐요 7-2] konlpy 설치 (1)
[함께 해봐요 7-3] Okt를 통한 형태소 분석
[함께 해봐요 7-4] 정규표현식을 사용한 URL 제거
[함께 해봐요 7-5] 명사인 단어 추출
[함께 해봐요 7-6] konlpy 설치 (2)
[함께 해봐요 7-7] 모든 기사에 대한 형태소 분석 작업 진행
[함께 해봐요 7-8] docterm에 저장한 단어 확인
[함께 해봐요 7-9] 첫 번째 기사의 단어 추출
[함께 해봐요 7-10] label에 저장된 기사 인덱스 확인
[함께 해봐요 7-11] 단어 문서 행렬 작성
[함께 해봐요 7-12] 작성한 단어 문서 행렬의 크기 확인
[함께 해봐요 7-13] 고빈도어와 저빈도어 삭제
[함께 해봐요 7-14] TF-IDF치를 계산한 단어 문서 행렬 작성
[함께 해봐요 7-15] 단어 문서 행렬의 크기 확인
[함께 해봐요 7-16] konlpy 설치 (3)
[함께 해봐요 7-17] 전체 기사에 대한 처리 실행
[함께 해봐요 7-18] 작성한 데이터 세트 크기와 값 확인
[함께 해봐요 7-19] 내림순으로 단어 정렬
[함께 해봐요 7-20] 일련번호를 부여한 사전 작성
[함께 해봐요 7-21] 리스트 길이 정리
[함께 해봐요 7-22] 부족한 패키지 설치
[함께 해봐요 7-23] 부족한 패키지 실행 (1)
[함께 해봐요 7-24] 부족한 패키지 실행 (2)
[함께 해봐요 7-25] 단어 문서 행렬과 label열 결합
[함께 해봐요 7-26] label이 0인 문서의 유사도 계산
[함께 해봐요 7-27] 행렬 형식에서 리스트 형식으로 변환
[함께 해봐요 7-28] 동시 출현어 에지 리스트 작성
[함께 해봐요 7-29] 문장에서 2-gram 모델 작성
[함께 해봐요 7-30] 기사 데이터에서 2-gram 모델 작성
[함께 해봐요 7-31] 단어에 ID 부여 (1)
[함께 해봐요 7-32] 단어에 ID 부여 (2)
[함께 해봐요 7-33] 띄어쓰기한 단어에 ID 부여
[함께 해봐요 7-34] 2-gram 모델 작성
[함께 해봐요 7-35] 리스트 bigram에 저장
부록
1 주피터랩 로컬 환경 구축
2 이미지 인식 모델 작성
3 기사 분류 모델 작성
4 기사 주제 추출
5 다양한 시각화 툴
[함께 해봐요 A1-1] 주피터랩의 홈 디렉토리 변경
[함께 해봐요 A1-2] 변경 전 소스코드
[함께 해봐요 A1-3] 변경 후 소스코드
[함께 해봐요 A2-1] 학습에 사용하는 네트워크 작성
[함께 해봐요 A2-2] 학습 조건 설정 및 학습 실행
[함께 해봐요 A2-3] 오차 이력 그래프 작성 (1)
[함께 해봐요 A2-4] 정확도 이력 그래프 작성 (1)
[함께 해봐요 A2-5] 학습에 사용하는 네트워크 작성
[함께 해봐요 A2-6] 학습 조건 설정 및 학습 실행
[함께 해봐요 A2-7] 오차 이력 그래프 작성 (2)
[함께 해봐요 A2-8] 정확도 이력 그래프 작성 (2)
[함께 해봐요 A3-1] 명사인 단어만 추출한 데이터 세트 작성
[함께 해봐요 A3-2] [함께 해봐요 7-21] 수정 및 추가 (1)
[함께 해봐요 A3-3] [함께 해봐요 7-21] 수정 및 추가 (2)
[함께 해봐요 A3-4] 학습 조건 설정 및 실행
[함께 해봐요 A3-5] 오차 이력 그래프 작성 (3)
[함께 해봐요 A3-6] 정확도 이력 그래프 작성 (3)
[함께 해봐요 A4-1] 코드 추가 및 실행
[함께 해봐요 A4-2] 네트워크 그래프 작성
[함께 해봐요 A4-3] 작성한 네트워크에 대한 클러스트 계수와 매개 중심성 계산
[함께 해봐요 A4-4] 커뮤니티 추출
[함께 해봐요 A5-1] 워드 클라우드 설치
[함께 해봐요 A5-2] [함께 해봐요 A3-1] 수정 및 실행
[함께 해봐요 A5-3] 5회 이상 출현 단어 추출
3장_연습문제 해답 289
5장_연습문제 해답 298
6장_연습문제 해답 306
7장_연습문제 해답 313
찾아보기
_주요 내용
“Garbage In, Garbage Out”
전통적인 프로그램처럼 인공지능 또한 데이터가 입력되어 데이터가 출력되는 형태입니다. 프로그램도 데이터를 자료형의 형태로 제대로 입력해주어야 원하는 출력을 얻을 수 있듯이, 인공지능 또한 데이터를 전처리라는 과정을 통해 올바른 형태로 입력해주어야 학습된 결과가 제대로 출력되는 것은 모두 같은 원리입니다. 즉, 올바르지 못한 데이터를 제공한다면, 원하는 결과물을 절대 얻을 수 없습니다. 그만큼 데이터를 어떻게 다루느냐가 매우 중요합니다.
이 책에서는 다양한 정형 데이터와 비정형 데이터를 대상으로 기본적인 전처리의 노하우를 배우고, 파이썬을 사용해 구현하는 방법을 소개했습니다. 전처리는 과제마다 별도로 설계, 구현해 나가기 때문에, 그 전부를 소개하기는 어렵습니다. 그러나, 이 책에서 설명한 내용은 실무에서도 문제 없이 사용할 수 있습니다.
“각 장의 연습문제는 반드시 풀어보세요”
전처리의 실력을 높이기 위해서는 반복해서 문제를 풀어보는 것이 가장 빠른 지름길입니다. 만약, 잘 안 풀리는 문제가 있어도 끈기 있게 도전해서 풀 수 있도록 학습하시길 바랍니다. 고민하고 고민하며 기어코 해결해내는 것만이 실력을 높이는 왕도입니다.
“데이터 분석을 주업무로 해나가실 분이라면”
머신러닝(딥러닝을 포함해서)의 알고리즘을 사용해 분석 모델을 작성하는 작업은, 현재도 급속하게 자동화가 진행되고 있습니다. 그러나, 모델을 작성하기 위해 투입하는 특징량은, 아직 당분간은 사람의 손을 빌리지 않으면 전처리하기 어려운 상황이 계속될 것 같습니다. 그렇기 때문에, 앞으로 데이터 분석을 주업무로 해 나가실 분들은, 전처리의 실력을 계속 갈고 닦아서 자신의 가치를 높이기를 기원합니다. 그리고 이 책이 거기에 조금이라도 도움이 된다면 행복하겠습니다.
[주요 특징]
바로바로 실습 가능한 실습문제 160개 수록
스스로 풀어보는 응용문제 35개와 해답 제공
저자에게 질문하며 함께 공부하는 백견불여일타 카페 운영 (café.naver.com/codefirst)
_저자 소개
지은이 아다치 하루카
BULB 주식회사 소속의 데이터 과학자이다. SE나 데이터 IT 벤더 데이터 분석 등을 다양하게 경험하였다. 수많은 데이터 분석 프로젝트 외에도 실무자 교육도 틈틈이 병행하고 있으며, 개인 활동으로 기사와 책 쓰기 세미나 강의도 즐긴다. 저서로는 『텐서플로로 시작하는 딥러닝 입문』, 『초보자를 위한 신경망 딥러닝 입문』이 있다. 감수성이 예민한 시기에 고등 전문 학교에서 5 년을 보내버린 탓인지 주변에서 괴짜라는 평가를 받고 있다.
옮긴이 김태현
소프트웨어 엔지니어. 번역가.
애플리케이션 프로그래밍으로 시작했지만 일본으로 이주하면서 임베디드 소프트웨어 분야로 전업했다. 현재는 소프트웨어 개발뿐만 아니라 책 번역에도 힘을 쓰고 있다. 로드북에서 『Xcode4로 시작하는 아이폰 프로그래밍』 및 『데이터 시각화 입문』을 번역하였다.
감수 조휘용
https://github.com/airplane2230
대학원 진학 전부터 신경망에 관심을 가지고 이를 공부하기 시작했다. 신경망 기술이 많은 사회적 문제를 해결할 수 있다는 매력에 끌려 지금까지 공부하고 있으며, 대학원 과정에서 신경망 기술을 활용하여 수작업을 자동화하는 문제를 다루면서 그 믿음이 굳어졌다. 정보 격차에 관심이 많으며, 이를 해결하기 위해 개인 블로그 운영, 오픈소스 참여 등의 활동을 하고 있다. 로드북에서 『백견불여일타 딥러닝 입문 with 텐서플로우 2.x』를 집필했다.
_상세 이미지
_끝
'신간소개' 카테고리의 다른 글
| [신간안내] 엔지니어를 위한 문장의 기술 (0) | 2021.02.03 |
|---|---|
| [신간안내] 개발자를 위한 글쓰기 가이드 (0) | 2021.02.03 |
| [신간안내] 사고법 도감: 문제 해결•아이디어 발상력을 높여주는 사고법 60 (2) | 2020.07.30 |
| [신간안내] 데이터 시각화 입문: Before & After 데이터 시각화 사례 72가지 수록 (0) | 2020.07.06 |
| [신간안내] 백견불여일타 딥러닝 입문 with 텐서플로우 2.x (2) | 2020.06.01 |