한빛출판네트워크

로우코드로 시작하는 AI/ML 입문
비즈니스 활용을 위한 머신러닝 프로젝트 구현하기

로우코드 AI를 활용한 데이터 우선 접근법과 사례 중심 접근법으로 머신러닝과 딥러닝 개념을 이해해 보세요. 이 실용적인 안내서는 ① AutoML을 이용한 노코드 ML, ② 빅쿼리 ML을 이용한 로우코드, ③ 사이킷런과 케라스를 이용한 커스텀 코드 등 3가지 문제 해결 중심의 ML 학습 방법을 제시하고, 각각 실제 데이터셋과 현실적인 문제를 활용해 핵심 ML 개념을 학습합니다.
 

비즈니스 및 데이터 분석가들은 상세하고도 데이터 중심적인 접근 방식을 통해 AI/ML을 프로젝트 기반으로 학습할 수 있습니다. 여기에는 데이터 로딩 및 분석, ML 모델에 데이터 입력, 모델 구축·훈련·테스트, 모델의 실제 환경 배포 등이 포함됩니다. 이 책은 소매업, 의료, 금융 서비스, 에너지, 통신 분야를 위한 머신러닝 모델 구축 방법을 함께 제시합니다.

이 책의 주요 내용:

• 정형 데이터와 비정형 데이터를 구별하고 그에 따른 문제 파악하기
• 데이터 시각화 및 분석하기
• 머신러닝 모델 입력을 위한 데이터 전처리하기
• 지도학습의 회귀 모델과 분류 모델 구별하기
• 노코드부터 로우코드, 커스텀 트레이닝까지 다양한 ML 모델 유형 및 아키텍처 비교하기
• ML 모델의 설계, 구현 및 조정하기

1장 머신러닝에서 데이터로 의사 결정을 내리는 방법
_1.1 목표 및 사용 사례 파악하기 
_1.2 엔터프라이즈 ML 워크플로 
_1.3 요약

2장 데이터의 중요성
_2.1 사용 사례 및 데이터셋 개요 
_2.2 데이터 및 파일 유형 
_2.3 깃허브와 구글 코랩 개요 
_2.4 요약

3장 머신러닝 라이브러리 및 프레임워크
_3.1 노코드 AutoML 
_3.2 AutoML의 작동 방식 
_3.3 서비스형 머신러닝 
_3.4 로우코드 ML 프레임워크 
_3.5 요약

4장 AutoML로 광고 미디어 채널의 매출 예측하기
_4.1 비즈니스 사용 사례: 미디어 채널의 매출 예측하기 
_4.2 판다스, 맷플롯립, 시본으로 데이터셋 탐색하기
_4.3 AutoML로 선형 회귀 모델 학습시키기 
_4.4 요약

5장 AutoML로 사기 거래 탐지하기
_5.1 비즈니스 사용 사례: 금융 거래 사기 탐지 
_5.2 판다스, 맷플롯립, 시본으로 데이터셋 탐색하기 
_5.3 분류 모델 및 지표 
_5.4 AutoML로 분류 모델 학습시키기 
_5.5 요약

6장 빅쿼리 ML로 선형 회귀 모델 학습시키기
_6.1 비즈니스 사용 사례: 전력 생산량 
_6.2 빅쿼리 SQL로 데이터셋 정리하기 
_6.3 선형 회귀 모델 
_6.4 설명 가능한 AI 
_6.5 빅쿼리 ML에서의 신경망 
_6.6 심층 분석: 클라우드 셸로 클라우드 스토리지 파일 보기 
_6.7 요약

7장 파이썬으로 사용자 정의 ML 모델 학습시키기
_7.1 비즈니스 사용 사례: 고객 이탈 예측 
_7.2 노코드, 로우코드, 사용자 정의 코드 중 알맞은 ML 솔루션 선택하기 
_7.3 판다스, 맷플롯립, 시본으로 데이터셋 탐색하기 
_7.4 사이킷런으로 로지스틱 회귀 모델 구축하기 
_7.5 케라스로 신경망 구축하기 
_7.6 버텍스 AI로 맞춤형 ML 모델 구축하기 
_7.7 요약

8장 사용자 정의 모델의 성능 개선하기
_8.1 비즈니스 사용 사례: 중고차 경매 가격 
_8.2 사이킷런 모델 개선하기 
_8.3 케라스로 모델 개선하기 
_8.4 빅쿼리 ML에서 하이퍼파라미터 튜닝하기 
_8.5 대규모 모델의 하이퍼파라미터 튜닝 
_8.6 요약

9장 AI 여정의 다음 단계
_9.1 데이터 과학 더 깊이 알아보기 
_9.2 ML 운영 
_9.3 지속적인 학습 및 평가 
_9.4 요약

찾아보기

AI를 만나다: 로우코드로 시작하는 머신러닝 입문

머신러닝(ML)은 프로그래머가 직접 알고리즘을 제공하지 않고, 컴퓨터가 주어진 데이터로부터 스스로 알고리즘을 학습하는 방법입니다. 전문가 시스템은 도메인 전문가가 직접 규칙을 작성해야 하지만, 머신러닝은 데이터를 사용하여 그 규칙을 찾아내는 방식이라고 할 수 있습니다.

이러한 머신러닝은 오늘날 거의 모든 산업에 영향을 미칩니다. 소매업에서는 ML을 사용해 제품이나 서비스의 예상 판매량을 몇 달 전에 예측합니다. 여행 업계에서는 고객의 과거 여행 기록과 같은 정보를 기반으로 여행 지역과 관광 명소를 추천해줍니다. 의료 분야에서는 ML로 엑스레이 이미지를 분석해 건강한 폐인지 병든 폐인지 판단할 수 있으며, 의료 전문가가 더 자세히 살펴볼 특정 영역을 정확히 찾아낼 수도 있습니다. ML의 이러한 다양한 사용 사례는 그 자체만으로 책 한 권을 가득 채울 수 있습니다.

이 책은 기업의 의사 결정 과정에서 머신러닝을 효과적으로 활용하기 위한 실용적인 지침서입니다. 복잡한 코딩 없이도 AutoML, 빅쿼리 ML, 버텍스 AI 같은 로우코드 도구를 이용하여 데이터 분석, 모델 학습, 배포, 관리를 수행하는 방법을 단계별로 제시합니다. 특히 광고 미디어 채널 판매, 에너지 생산, 고객 이탈 등 몇 가지 구체적인 ML 사용 사례에 초점을 맞춰 설명합니다. 이러한 예제들은 여러분이 머신러닝의 개념을 쉽게 이해하고 실무에 적용할 수 있도록 도와줍니다.

로우코드 AI 도구들은 머신러닝의 진입 장벽을 낮추고, 비전문가도 AI 기술을 활용할 수 있도록 지원합니다. 특히 코딩 경험이 없거나 매우 적은 사람이라도 다양한 로우코드 AI 도구를 활용해 높은 성능의 모델을 구축할 수 있습니다. 여러분도 이 책에서 로우코드 AI 도구의 강력한 기능을 경험하고, 데이터 기반 의사 결정을 통해 비즈니스 가치를 창출할 수 있기를 기대합니다.

대상 독자

• ML을 업무에 빠르게 적용하려는 비즈니스 분석가, 데이터 분석가, 학생, 시민 데이터 과학자
• 데이터 과학이나 ML 공학 분야로 진로를 고려하는 사람
• 기본적인 프로그래밍의 개념과 파이썬 및 SQL 지식이 있는 누구나