Page 37 -
P. 37

그림 1-21 결측값 여부 재확인


                                                                                                      1






                    결측값이 없다면 이제 DataFrame을 머신 러닝 모델에 사용할 수 있다.                                        머신 러닝과 신경망 개론

                    지금까지 판다스가 제공하는 내장 함수들을 사용해 CSV 파일을 테이블 형태로 가져오고 데이터
                    전처리와 데이터 시각화를 수행하는 방법을 알아봤다. 책의 나머지 프로젝트도 판다스를 사용해

                    테이블 데이터를 처리하며, 데이터 전처리 작업과 탐색적 데이터 분석에 상당히 많이 활용한다.





                    1.5         텐서플로와 케라스                              Neural Network








                    텐서플로(TensorFlow)는 구글 브레인 팀이 개발한 오픈 소스 신경망 및 딥러닝 라이브러리로, 모바
                    일 기기부터 클러스터에 이르는 다양한 플랫폼에서 실행할 수 있는 확장성을 갖췄다. 오늘날 텐서
                    플로는 가장 널리 사용하는 머신 러닝 라이브러리이며, 다양한 애플리케이션에 광범위하게 활용
                    한다. 예를 들어, 요즘 많이 사용하는 여러 인공 지능 온라인 서비스(이미지 검색, 음성 인식, 추

                    천 엔진 등)를 구현하는 데 텐서플로가 큰 역할을 했다. 텐서플로는 어느새 인공 지능 애플리케이
                    션에 반드시 필요한 존재로 자리매김했다.

                    케라스는 텐서플로를 기반으로 동작하는 고수준 API다. 하지만 이미 텐서플로가 있는데 또 다른
                    API가 왜 필요할까? 케라스는 신경망을 만드는 복잡한 과정을 제거해 사용자가 세세한 저수준 구
                    현을 신경 쓰지 않고도 빠르게 신경망을 구현하고 실험할 수 있게 돕는다. 다시 말해 케라스는 텐
                    서플로 신경망을 손쉽게 만들 수 있는 직관적인 API를 제공한다.

                    케라스의 설계 원칙은 모듈화와 확장성이다. 다음 1.5.1절에서도 볼 수 있듯이, 마치 레고 블록을

                    쌓아 큰 구조물을 만들 듯 케라스 API를 여러 번 호출해 신경망을 손쉽게 만들 수 있다. 이처럼 친
                    절하고 손쉬운 사용법 덕분에 케라스는 파이썬 머신 러닝 라이브러리의 정점에 올랐다. 우리도 케
                    라스를 사용해 신경망을 만들 것이다.



                                                                                                  49





     신경망교과서_07.indd   49                                                                     2020-05-19   오전 9:04:33
   32   33   34   35   36   37