세바스찬 라쉬카^{Sebastian Raschka}의 Python Machine Learning의 2판이 준비되고 있습니다. scikit-learn을 중심으로 쓰여진 파이썬 머신러닝 도서로 인기가 많았던 1판에 비해 여러가지 내용이 추가되어 페이지도 많이 늘어 났습니다(501 페이지 600 페이지가 넘네요).

가장 큰 변화는 구글 텐서플로^TensorFlow에 대한 소개와 CNN, RNN 챕터를 추가한 것입니다. 아래 목차를 참고하세요.

1. Machine Learning – Giving Computers the Ability to Learn from Data
2. Training Machine Learning Algorithms for Classification
3. A Tour of Machine Learning Classifiers Using Scikit-Learn
4. Building Good Training Sets – Data Pre-Processing
5. Compressing Data via Dimensionality Reduction
6. Learning Best Practices for Model Evaluation and Hyperparameter Optimization
7. Combining Different Models for Ensemble Learning
8. Applying Machine Learning to Sentiment Analysis
9. Embedding a Machine Learning Model into a Web Application
10. Predicting Continuous Target Variables with Regression Analysis
11. Working with Unlabeled Data – Clustering Analysis
12. Implementing a Multi-layer Artificial Neural Network from Scratch
13. Parallelizing Neural Network Training with TensorFlow
14. Going Deeper: The Mechanics of TensorFlow
15. Classifying Images with Deep Convolutional Neural Networks
16. Modeling Sequential Data Using Recurrent Neural Networks

이 책은 9월에 출간될 예정이지만 소스 코드는 깃허브에서 주피터 노트북으로 읽으실 수 있습니다.