물리치료사가 물리치료사에게 요통, 그리고 근사슬이완술 또는 Python Machine Learning By Example > 도서

물리치료사가 물리치료사에게 요통, 그리고 근사슬이완술



도서명 : 물리치료사가 물리치료사에게 요통, 그리고 근사슬이완술
저자/출판사 : 이문환, 책과나무
쪽수 : 172쪽
출판일 : 2019-04-15
ISBN : 9791157767069
정가 : 13000

ㆍ서문
ㆍ프롤로그

PART 01 요통의 원인은 근육이다
ㆍ요통의 종류
ㆍ비특이성 요통
ㆍ비특이성 요통을 유발하는 근육들과 주요 증상들
ㆍ추간판탈출증
ㆍ추간판은 어디로 탈출하는가?
ㆍ일자허리
ㆍ추간판의 구조
ㆍ근력이 감소하는 이유?
ㆍ척추관협착증
ㆍ척추분리증과 전방전위증

PART 02 어떻게 치료할 것인가
ㆍ치료 효과는 어떻게 검증 가능한가?
ㆍ수술하지 않고 도수치료도 받지 않으면 어떻게 되는가?
ㆍ치료 사례: 참, 신비롭네요
ㆍ요통치료법: 근사슬이완술

PART 03 현장 칼럼
ㆍ어떤 자세로 자는 게 좋나요?
ㆍ도수치료는 며칠마다 받는 게 좋을까요?
ㆍ병원에 오는 사람의 90%는 운동을 전혀 하지 않는다
ㆍ근육이 굳지 않게 관리할 것
ㆍ요추전만이 요통을 일으킨다
ㆍ허리 숙이는 운동은 하지 마라?
ㆍ다리를 꼬면 골반이 틀어진다?
ㆍ일자허리에 관하여
ㆍ박사님, 저는 왜 환자 엑스레이가 전부 일자허리로 보일까요?
ㆍ물리치료사라는 내 직업

ㆍ아내에게 띄우는 편지




Python Machine Learning By Example



도서명 : Python Machine Learning By Example
저자/출판사 : 요우시 리우, 에이콘출판
쪽수 : 320쪽
출판일 : 2018-09-07
ISBN : 9791161752037
정가 : 25000

1장. 파이썬과 머신 러닝 시작하기
__머신 러닝은 무엇이고, 왜 필요한가
__머신 러닝의 개요
__머신 러닝 알고리즘의 역사
__데이터를 이용한 일반화
__오버피팅, 언더피팅, 바이어스 분산 트레이드오프
____교차 검증을 이용한 오버피팅 방지
__정규화를 이용한 오버피팅 방지
__피처 선택과 차원 축소화를 통한 오버피팅 방지
__전처리, 탐색 작업, 피처 엔지니어링
____결측값 처리
____레이블 인코딩
____원 핫 인코딩
____스케일링
____다항형 피처
____파워 변환
____비닝
__모델의 조합
____배깅
____부스팅
____스태킹
____블렌딩
____보팅과 평균화
__소프트웨어 설치와 설정
__문제 해결과 도움 요청 방법
__요약


2장. 텍스트 분석 알고리즘을 이용한 20 뉴스그룹 데이터세트 분석
__NLP란
__newsgroups 데이터
__데이터 확보
__피처에 대해 생각해보자
__시각화
__데이터 전처리
__클러스터링
__토픽 모델링
__요약


3장. 나이브 베이즈를 이용한 스팸 메일 탐지
__분류란 무엇인가
__분류의 유형
__텍스트 분류 애플리케이션
__나이브 베이즈란
__예제를 통한 베이즈 정리의 이해
__나이브 베이즈의 메커니즘
__나이브 베이즈의 구현
__분류기의 성능 평가
__모델 튜닝과 교차 검증
__요약


4장. SVM을 이용한 뉴스 토픽 분류
__3장 복습과 IDF
__SVM
____SVM의 원리
____SVM 구현
____SVM 커널 함수
____선형 커널 함수와 RBF 커널 함수의 비교
__SVM을 이용한 뉴스 토픽 분류
__추가 예제: SVM를 이용해 심전도 데이터로 태아 상태 분류
__요약


5장. 트리 기반 알고리즘을 이용한 클릭스루 예측
__광고 클릭스루 예측이란
__수치형 데이터와 범주형 데이터
__의사결정 트리 분류기
____의사결정 트리 생성
____트리 분할 측정 기준
____의사결정 트리 구현
__의사결정 트리를 이용한 클릭스루 예측
__랜덤 포레스트: 의사결정 트리의 피처 배깅
__요약


6장. 로지스틱 회귀를 이용한 클릭스루 예측
__원 핫 인코딩: 범주형 피처를 수치형 피처로 변환
__로지스틱 회귀 분류기
____로지스틱 회귀
____로지스틱 회귀의 동작 원리
____그래디언트 하강을 통한 로지스틱 회귀 모델 학습
__그래디언트 하강 기법과 로지스틱 회귀를 이용한 클릭스루 예측
____스토캐스틱 그래디언트 하강 기법을 이용한 로지스틱 회귀 모델 학습
____정규화 기법을 이용한 로지스틱 회귀 모델 학습
____온라인 러닝을 이용한 대규모 데이터세트 학습
____다중클래스 분류 처리
__피처 셀렉션과 랜덤 포레스트 비교
__요약


7장. 회귀 알고리즘을 이용한 주가 예측
__유가 증권 시장과 주가
__회귀의 기본 개념
__회귀 알고리즘을 이용한 주가 예측
____피처 엔지니어링
____데이터 확보와 피처 생성
____선형 회귀
____의사결정 트리 회귀
____서포트 벡터 회귀
____회귀 성능 평가
____회귀 알고리즘을 이용한 주가 예측
__요약


8장. 모범 사례
__머신 러닝 워크플로우
__데이터 준비 단계에서 참고할 모범 사례
____모범 사례 1: 프로젝트의 목표를 완전히 이해할 것
____모범 사례 2: 관련된 모든 필드를 수집할 것
____모범 사례 3: 필드 값에 대한 일관성을 유지할 것
____모범 사례 4: 결측 데이터 처리
__학습 데이터세트 생성 단계에서 참고할 모범 사례
____모범 사례 5: 수치형 값을 지닌 범주형 피처 판단
____모범 사례 6: 범주형 피처로 인코딩 여부 결정
____모범 사례 7: 피처 선택 여부를 결정하고 선택할 경우 어떻게 할지도 결정한다
____모범 사례 8: 차원 축소화 여부를 결정하고 선택할 경우 어떻게 할지도 결정한다
____모범 사례 9: 피처 스케일링 여부 결정
____모범 사례 10: 도메인 전문성을 이용한 피처 엔지니어링 수행
____모범 사례 11: 도메인 전문성 없이 피처 엔지니어링 수행
____모범 사례 12: 각 피처가 생성 과정 문서화하기
__모델 학습, 평가, 선정 단계에서 참고할 모범 사례
____모범 사례 13: 적절한 알고리즘 선택
____모범 사례 14: 오버피팅을 줄일 것
____모범 사례 15: 오버피팅과 언더피팅이 있는지 진단할 것
__모델 배포, 모니터링 단계에서 참고할 모범 사례
____모범 사례 16: 모델 저장, 로딩, 재사용
____모범 사례 17: 모델 성능 모니터링
____모범 사례 18: 정기적으로 모델 업데이트
__요약