메뉴

국민대학교 경상대학

국민인! 국민인!!

『R을 이용한 머신러닝』 시리즈 출간 / 곽기영(비즈니스IT전공) 교수

 

국민대학교 비즈니스IT전문대학원 곽기영 교수가 R을 활용한 머신러닝의 주요 개념과 분석 방법을 체계적으로 정리한 『R을 이용한 머신러닝』 시리즈를 출간하였다. 이번 시리즈는 『R을 이용한 머신러닝: 모델링, Tidymodels, Caret』, 『R을 이용한 머신러닝: 지도학습』, 『R을 이용한 머신러닝: 비지도학습』 등 총 3권으로 구성되었으며, 머신러닝의 핵심 이론부터 실제 데이터 분석에 활용할 수 있는 다양한 알고리즘과 분석 도구를 폭넓게 다룬다.

 

『R을 이용한 머신러닝: 모델링, Tidymodels, Caret』은 머신러닝 모델 개발 과정에서 필요한 주요 개념과 모델링 절차, 데이터 전처리, 성능평가 지표 및 평가 방법 등을 소개한다. 특히 활용도가 높은 머신러닝 알고리즘 29개를 설명하고, R 기반 머신러닝 분석을 위한 대표적인 통합 도구인 Tidymodels와 Caret의 활용 방법을 다양한 예제와 함께 제시한다.

 

『R을 이용한 머신러닝: 지도학습』에서는 데이터를 기반으로 특정 수치나 범주를 예측하는 지도학습을 중심으로 회귀와 분류 문제를 다룬다. 회귀 및 분류 분석에 활용되는 18개의 주요 머신러닝 알고리즘을 실제 예제와 함께 소개해 각 알고리즘의 특징과 활용 방법을 이해할 수 있도록 구성하였다. 『R을 이용한 머신러닝: 비지도학습』에서는 명확한 예측 목표 없이 데이터에 내재된 구조와 패턴을 탐색하는 방법을 설명한다. 차원축소, 군집분석, 연관규칙 탐색을 중심으로 총 11개의 비지도학습 알고리즘과 활용 사례를 다룬다.

 

이번 시리즈는 각 권이 머신러닝의 서로 다른 영역을 다루면서도 모델링의 기본 원리부터 지도학습과 비지도학습으로 이어지는 유기적인 학습 구조를 갖춘 것이 특징이다. 복잡하고 방대한 머신러닝 분야를 체계적이면서도 실용적인 관점에서 이해할 수 있도록 구성해, 머신러닝을 처음 접하는 입문자뿐 아니라 기존 지식을 체계적으로 정리하고 실제 데이터 분석 역량을 높이고자 하는 학습자에게도 유용한 자료가 될 것으로 기대된다.

제목 『R을 이용한 머신러닝』 시리즈 출간 / 곽기영(비즈니스IT전공) 교수 작성자 정이슬
작성일 26.09.01 조회수 217
첨부파일 런닝.jpg (95.0 KB) 구분 학부공지

 

국민대학교 비즈니스IT전문대학원 곽기영 교수가 R을 활용한 머신러닝의 주요 개념과 분석 방법을 체계적으로 정리한 『R을 이용한 머신러닝』 시리즈를 출간하였다. 이번 시리즈는 『R을 이용한 머신러닝: 모델링, Tidymodels, Caret』, 『R을 이용한 머신러닝: 지도학습』, 『R을 이용한 머신러닝: 비지도학습』 등 총 3권으로 구성되었으며, 머신러닝의 핵심 이론부터 실제 데이터 분석에 활용할 수 있는 다양한 알고리즘과 분석 도구를 폭넓게 다룬다.

 

『R을 이용한 머신러닝: 모델링, Tidymodels, Caret』은 머신러닝 모델 개발 과정에서 필요한 주요 개념과 모델링 절차, 데이터 전처리, 성능평가 지표 및 평가 방법 등을 소개한다. 특히 활용도가 높은 머신러닝 알고리즘 29개를 설명하고, R 기반 머신러닝 분석을 위한 대표적인 통합 도구인 Tidymodels와 Caret의 활용 방법을 다양한 예제와 함께 제시한다.

 

『R을 이용한 머신러닝: 지도학습』에서는 데이터를 기반으로 특정 수치나 범주를 예측하는 지도학습을 중심으로 회귀와 분류 문제를 다룬다. 회귀 및 분류 분석에 활용되는 18개의 주요 머신러닝 알고리즘을 실제 예제와 함께 소개해 각 알고리즘의 특징과 활용 방법을 이해할 수 있도록 구성하였다. 『R을 이용한 머신러닝: 비지도학습』에서는 명확한 예측 목표 없이 데이터에 내재된 구조와 패턴을 탐색하는 방법을 설명한다. 차원축소, 군집분석, 연관규칙 탐색을 중심으로 총 11개의 비지도학습 알고리즘과 활용 사례를 다룬다.

 

이번 시리즈는 각 권이 머신러닝의 서로 다른 영역을 다루면서도 모델링의 기본 원리부터 지도학습과 비지도학습으로 이어지는 유기적인 학습 구조를 갖춘 것이 특징이다. 복잡하고 방대한 머신러닝 분야를 체계적이면서도 실용적인 관점에서 이해할 수 있도록 구성해, 머신러닝을 처음 접하는 입문자뿐 아니라 기존 지식을 체계적으로 정리하고 실제 데이터 분석 역량을 높이고자 하는 학습자에게도 유용한 자료가 될 것으로 기대된다.