추가 머신러닝(Machine Learning) 리소스

책의 이 부분은 주로 Scikit-Learn 라이브러리 내의 도구를 사용하여 파이썬(Python)의 머신러닝(Machine Learning)을 간략하게 살펴보았습니다. 이 장이 있는 한 흥미롭고 중요한 알고리즘, 접근 방식 및 토론을 다루기에는 여전히 너무 짧습니다. 여기에서는 관심 있는 분들을 위해 파이썬(Python)의 머신러닝(Machine Learning)에 대해 자세히 알아볼 수 있는 몇 가지 리소스를 제안하고 싶습니다.

• Scikit-Learn 웹사이트: Scikit-Learn 웹사이트에는 여기에서 논의된 일부 모델과 훨씬 더 많은 내용을 다루는 인상적인 문서와 예제가 있습니다. 가장 중요하고 자주 사용되는 머신러닝(Machine Learning) 알고리즘에 대한 간략한 조사를 원한다면 여기에서 시작하는 것이 좋습니다.

• SciPy, PyCon 및 PyData 튜토리얼 비디오: Scikit-Learn 및 기타 머신러닝(Machine Learning) 주제는 많은 파이썬(Python) 중심 컨퍼런스 시리즈, 특히 PyCon, SciPy 및 PyData 컨퍼런스의 튜토리얼 트랙에서 계속해서 인기를 누리고 있습니다. 대부분의 컨퍼런스에서는 기조연설, 강연, 튜토리얼 동영상을 온라인에 무료로 게시하고 있으며, 적절한 웹 검색(예: “PyCon 2022 동영상”)을 통해 이러한 동영상을 쉽게 찾을 수 있습니다.

• 파이썬(Python)을 사용한 머신러닝(Machine Learning) 소개, 작성자: Andreas C. Müller 및 Sarah Guido(O’Reilly). 이 책은 이 장에서 논의된 많은 머신러닝(Machine Learning) 기본 사항을 다루지만 특히 추가 추정기, 모델 검증 접근 방식 및 파이프라이닝을 포함하여 Scikit-Learn의 고급 기능을 다루는 것과 관련이 있습니다.

• PyTorch 및 Scikit-Learn을 사용한 머신러닝(Machine Learning), 작성자: Sebastian Raschka(Packt). Sebastian Raschka의 가장 최근 책은 이 장에서 다루는 몇 가지 기본 주제로 시작하지만 더 깊이 들어가 잘 알려진 PyTorch 라이브러리를 사용하여 이러한 개념이 더욱 정교하고 계산 집약적인 딥 러닝 및 강화 학습 모델에 어떻게 적용되는지 보여줍니다.