오렌지3로 쉽게 배우는 머신러닝과 데이터 분석-개정판

우리는 인공지능(AI) 시대에 살고 있습니다. 인스타그램과 유튜브 피드에 있는 AI로 만든 영상을 시청하고, 수업 도중 실시간으로 강의를 녹음하고 정리하며, 궁금한 것이 생길 땐 검색 엔진 대신 AI 챗봇에 물어봅니다.

 

더 이상 코딩은 컴퓨터공학과 학생들만의 것이 아닙니다. AI 챗봇이나 자동 코딩 도구를 활용하면 누구나 손쉽게 소프트웨어를 개발하고, 웹 페이지를 제작할 수 있는 세상이 되었습니다.

 

하지만 대부분의 사람들은 인공지능 모델을 개발하는 것이 여전히 어렵습니다. 자동화 도구를 사용하여 간단한 수준의 모델을 만드는 것은 가능하지만, 다른 모델들과 차별되는, 높은 성능의 서비스를 구성하기 위해선 또 다른 지식과 인사이트가 필요합니다. 이전에 프로젝트 관리자나 연구자에게 요구되었던 능력이 이제는 AI 개발에 참여하는 모두에게 필요한 능력이 된 것입니다.

 

인공지능을 단순히 ‘사용’하는 것을 넘어서려면, AI 시스템의 전반적인 구조와 설계 과정을 이해하는 것이 중요합니다. 데이터가 수집되고, 전처리되며, 모델이 학습되고 평가되는 일련의 파이프라인 전체를 이해해야만 문제의 본질을 파악하고 최적의 결과를 이끌어낼 수 있기 때문입니다. 데이터의 특성과 목표에 맞게 설계를 조정하고, 결과를 해석하며, 이를 실제 서비스나 연구로 연결하는 능력이 진정한 인공지능 활용 역량이라 할 수 있습니다.

 

이 책에서 소개하는 오렌지는 위젯을 드래그 앤 드롭하는 비주얼 코딩 도구로, 복잡한 텍스트 코딩 없이도 머신러닝 기법을 활용하여 데이터를 쉽게 분석할 수 있게 해줍니다. 파이썬의 머신러닝 패키지인 scikit-learn 라이브러리를 내부적으로 사용하기 때문에 다른 데이터 분석 소프트웨어에 비해 자유도도 매우 높은 편입니다.

 

이 책은 코딩을 전혀 모르는 상태에서도 15주라는 짧은 시간 동안 머신러닝과 데이터 분석을 전반적으로 학습할 수 있도록 구성되었습니다. 시간이 많이 소요되는 코딩 과정이 생략되기 때문에, 머신러닝 모델을 활용하는 방법에 좀 더 집중하여 공부할 수 있습니다. 다양한 예제를 통해 머신러닝의 주요 개념을 이해하고, 데이터를 실제로 분석해 가는 과정을 차근차근 경험할 수 있으며, 스스로의 힘으로 다양한 데이터들을 쉽고 빠르게 분석하는 능력을 갖출 수 있습니다. 특별히, 이번 개정판에서는 기존에 사용된 여러 데이터를 최신으로 업데이트하고, 새롭게 바뀐 오렌지 인터페이스 화면을 모두 새롭게 캡처하여 최신화하였습니다.

 

머리말을 쓰며 미래의 코딩 도구가 어떤 모습을 가지게 될지 상상의 나래를 펼쳐 봅니다. 많은 것이 점차 자동화되고 있는 시대의 흐름 속에서, 언젠가 텍스트 기반의 코딩이 구시대의 유물로 인식되는 날도 오게 되지 않을까요? 이 책을 통해 다양한 전공의 학생들이 머신러닝과 데이터 분석에 쉽게 접근할 수 있게 되길 바랍니다. 여러분의 여정을 응원합니다.

[목 차]

CHAPTER 01 오렌지, 노코딩, 머신러닝

1.1 노코딩 데이터 분석과 오렌지

1.2 인공지능 개념 잡기

1.3 설치 방법

1.4 화면 구성

1.5 위젯

연습문제

 

CHAPTER 02 오렌지 기초와 기초 통계 분석

2.1 꽃의 종류별 특징 조사(오렌지의 기초 통계 위젯)

2.2 수강 학생들의 분포를 분석해 보자(피벗 테이블)

연습문제

 

CHAPTER 03 데이터 시각화

3.1 음주운전을 가장 많이 하는 시간대는 언제일까?(히스토그램)

3.2 와인은 품종에 따라 성분 차이가 있을까?(막대그래프와 Box plot)

3.3 전복도 나이를 먹을까?(산점도와 상관계수)

3.4 타이타닉 호의 생존자 데이터 분석(Mosaic Display)

연습문제

 

CHAPTER 04 데이터 전처리

4.1 우리나라에서 가장 더운 도시는?(Impute)

4.2 전기자동차가 가장 활성화된 지역을 찾아보자(Melt)

4.3 보이스피싱은 줄어들고 있을까?(Feature Constructor)

4.4 감기에 제일 많이 걸리는 지역은 어디?(Merge Data, Concatenate)

연습문제

 

CHAPTER 05 비지도 학습과 데이터 분석

5.1 비지도 학습이란?

5.2 비슷한 성적 패턴을 가진 학생들을 찾아보자(계층적 군집 분류)

5.3 동물원의 동물들을 비슷한 동물끼리 모아보자(K-평균 알고리즘)

5.4 이번 겨울에 방문할 유럽 스키장은 어디?(자기조직화 지도)

5.5 재무 데이터로 우량 기업을 찾아보자(주성분 분석)

연습문제

 

CHAPTER 06 지도 학습과 데이터 분류

6.1 지도 학습이란?

6.2 주택 가격을 예측해 보자(회귀분석)

6.3 건강검진 데이터로 흡연 여부를 알 수 있을까?(로지스틱 회귀분석과 나이브 베이즈)

6.4 이번 펀딩은 성공할 수 있을까?(K-NN, 의사결정 트리, 랜덤 포레스트)

6.5 심장병이 있는지 예측해 보자(서포트 벡터 머신과 인공신경망)

연습문제

 

CHAPTER 07 딥러닝과 이미지 분류

7.1 이미지 데이터와 딥러닝

7.2 오렌지와 이미지 데이터

7.3 이 꽃의 이름은?(이미지 임베딩과 합성곱 신경망)

7.4 내 컴퓨터의 사진을 정리해 보자(이미지와 비지도 학습)

7.5 차량 종류를 분류해 보자(이미지 학습 응용 (1))

7.6 반려동물의 표정을 분류해 보자(이미지 학습 응용 (2))

연습문제

 

CHAPTER 08 자연어 처리

8.1 자연어 처리란?

8.2 미국 대선후보들이 가장 많이 쓴 단어는?(워드 클라우드)

8.3 스팸 메일을 자동으로 분류해 보자(자연어 처리 + 머신러닝)

8.4 이 상품을 좋아하는 사람은 얼마나 될까?(텍스트 감성 분석)

8.5 오늘 나온 뉴스 기사의 중심 키워드는?(동시 출현 네트워크)

연습문제

 

CHAPTER 09 시계열 데이터 분석

9.1 시계열 데이터란?

9.2 주가 정보를 시각화해 보자(시계열 데이터 시각화)

9.3 다음 달 판매량은 얼마일까?(시계열 예측 모델-ARIMA)

9.4 시대별, 나라별 기대수명과 GDP(시각화 지도)

연습문제