확장메뉴
주요메뉴


소득공제 PDF
미리보기 파트너샵보기 공유하기
eBook

웹 브라우저 속 머신러닝 TensorFlow.js

: 실전 예제로 배우는 텐서플로 머신러닝 모델

[ PDF ]
첫번째 리뷰어가 되어주세요 | 판매지수 72
정가
20,000
판매가
20,000(종이책 정가 대비 20% 할인)
구매 시 참고사항
{ Html.RenderPartial("Sections/BaseInfoSection/DeliveryInfo", Model); }
한 눈에 보는 YES24 단독 선출간
매월 1~7일 디지털머니 충전 시 보너스머니 2배 적립
★90일 대여점★ 이렇게 싸도 대여?
[READ NOW] 2022년 11월호
eBook 전종 10%할인+5%적립 무한발급 슈퍼쿠폰
쇼핑혜택
현대카드
1 2 3 4 5

품목정보

품목정보
출간일 2021년 08월 30일
이용안내 ?
  •  배송 없이 구매 후 바로 읽기
  •  이용기간 제한없음
  •  TTS 불가능
  •  저작권 보호를 위해 인쇄 기능 제공 안함
지원기기 크레마, PC(윈도우), 아이폰, 아이패드, 안드로이드폰, 안드로이드패드, 전자책단말기(일부 기기 사용 불가), PC(Mac)
파일/용량 PDF(DRM) | 5.13MB ?
글자 수/ 페이지 수 약 313쪽?
ISBN13 9791162246559

이 상품의 태그

소개 책소개 보이기/감추기

TensorFlow.js는 웹에서 머신러닝 모델을 개발 및 학습시키고, 브라우저나 Node.js에 배포하는 라이브러리다. 이 책은 밑바닥부터 웹 기반 애플리케이션에 머신러닝 기술을 구현하려는 프런트엔드 웹 개발자에게 TensorFlow.js 에코시스템, 회귀, 군집화, 고속 푸리에 변환, 차원 축소 등 머신러닝 관련 기술 및 알고리즘을 다루는 방법을 친절히 설명한다. 각 장의 마지막에는 연습 문제와 더 읽을거리를 제공해 다양한 실습을 할 수 있고, 머신러닝 지식도 확장할 수 있다.

목차 목차 보이기/감추기

1부 머신러닝의 원리와 TensorFlow.js 사용법</br></br>CHAPTER 1 웹에서의 머신러닝</br>_1.1 개발 환경</br>_1.2 머신러닝을 웹에서 돌리는 이유</br>_1.3 연산 그래프</br>_1.3 연산 그래프 시각화하기</br>_1.4 TensorFlow.js란? </br>_1.5 TensorFlow.js 설치하기 </br>_1.6 저수준 API</br>_1.7 Layers API</br>_1.8 마치며</br>_1.9 연습 문제</br>_1.10 더 읽을거리</br></br>CHAPTER 2 사전 학습된 모델을 TensorFlow.js로 가져오기</br>_2.1 개발 환경</br>_2.2 포터블 모델 형식</br>_2.3 텐서플로에서 모델 내보내기</br>_2.4 tfjs-converter를 사용하여 모델 변환하기</br>_2.5 TensorFlow.js에서 모델 불러오기</br>_2.6 마치며</br>_2.7 연습 문제</br>_2.8 더 읽을거리</br></br>CHAPTER 3 TensorFlow.js 에코시스템</br>_3.1 개발 환경</br>_3.2 왜 고수준 라이브러리가 필요한가?</br>_3.3 기존 모델 사용하기</br>_3.4 다양한 종류의 스토리지에서 데이터 불러오기</br>_3.5 ML_5.js를 이용한 자세 추정</br>_3.6 Magenta.js로 고양이 그리기</br>_3.7 machinelearn_.js를 사용한 XOR 분류</br>_3.8 마치며</br>_3.9 연습 문제</br>_3.10 더 읽을거리</br></br>2부 TensorFlow.js를 활용한 실제 애플리케이션 사례</br></br>CHAPTER 4 다항 회귀</br>_4.1 개발 환경</br>_4.2 다항 회귀란?</br>_4.3 2차원 곡선 피팅</br>_4.4 마치며</br>_4.5 연습 문제</br>_4.6 더 읽을거리</br></br>CHAPTER 5 로지스틱 회귀를 사용한 분류</br>_5.1 개발 환경</br>_5.2 이진 분류의 배경</br>_5.3 로지스틱 회귀란?</br>_5.4 2차원 군집 분류하기</br>_5.5 마치며</br>_5.6 연습 문제</br>_5.7 더 읽을거리</br></br>CHAPTER 6 비지도학습</br>_6.1 개발 환경</br>_6.2 비지도학습이란?</br>_6.3 k-평균 알고리즘 동작 원리</br>_6.4 기댓값-최대화 알고리즘을 사용한 k-평균 알고리즘의 일반화</br>_6.5 2차원 공간에서 두 그룹을 군집화하기</br>_6.6 마치며</br>_6.7 연습 문제</br>_6.8 더 읽을거리</br></br>CHAPTER 7 순차 데이터 분석</br>_7.1 개발 환경</br>_7.2 푸리에 변환이란?</br>_7.3 코사인 곡선 분해</br>_7.4 마치며</br>_7.5 연습 문제</br>_7.6 더 읽을거리</br></br>CHAPTER 8 차원 축소</br>_8.1 개발 환경</br>_8.2 왜 차원 축소를 해야 하는가?</br>_8.3 주성분 분석의 이해</br>_8.4 주성분 분석을 이용하여 3차원 좌표를 2차원 공간으로 투영하기</br>_8.5 단어 임베딩</br>_8.6 마치며</br>_8.7 연습 문제</br>_8.8 더 읽을거리</br></br>CHAPTER 9 마르코프 결정 문제 풀기</br>_9.1 개발 환경</br>_9.2 강화학습</br>_9.3 4개 상태 문제 해결하기</br>_9.4 마치며</br>_9.5 연습 문제</br>_9.6 더 읽을거리</br></br>3부 TensorFlow.js로 머신러닝 애플리케이션 배포하기</br></br>CHAPTER 10 머신러닝 애플리케이션 배포하기</br>_10.1 개발 환경</br>_10.2 자바스크립트 플랫폼의 에코시스템</br>_10.3 모듈 번들러</br>_10.4 깃허브 페이지로 모듈 배포하기</br>_10.5 마치며</br>_10.6 연습 문제</br>_10.7 더 읽을거리</br></br>CHAPTER 11 성능 향상을 위한 애플리케이션 튜닝하기</br>_11.1 개발 환경</br>_11.2 TensorFlow.js 백엔드 API</br>_11.3 텐서 관리</br>_11.4 비동기 데이터 접근</br>_11.5 프로파일링</br>_11.6 모델 시각화</br>_11.7 마치며</br>_11.8 연습 문제</br>_11.9 더 읽을거리</br></br>CHAPTER 12 TensorFlow.js의 전망</br>_12.1 개발 환경</br>_12.2 실험적 백엔드 프로젝트</br>_12.3 AutoML 에지 헬퍼</br>_12.4 마치며</br>_12.5 연습 문제</br>_12.6 더 읽을거리</br></br>

저자 소개 (2명)

출판사 리뷰 출판사 리뷰 보이기/감추기

웹 브라우저에서 머신러닝 모델을 구축하기 위한</br>텐서플로와 자바스크립트의 운명적 만남 </br></br>TensorFlow.js는 웹에서 머신러닝 모델을 개발 및 학습시키고, 브라우저나 Node.js에 배포하는 라이브러리다. 이 책은 밑바닥부터 웹 기반 애플리케이션에 머신러닝 기술을 구현하려는 프런트엔드 웹 개발자에게 TensorFlow.js 에코시스템, 회귀, 군집화, 고속 푸리에 변환, 차원 축소 등 머신러닝 관련 기술 및 알고리즘을 다루는 방법을 친절히 설명한다. 각 장의 마지막에는 연습 문제와 더 읽을거리를 제공해 다양한 실습을 할 수 있고, 머신러닝 지식도 확장할 수 있다. 웹 환경에서 머신러닝을 바로 실행해 사용자 맞춤형 콘텐츠를 만들어보자.</br></br></br>다양한 분야의 개발자가 쉽게 접근할 수 있는 머신러닝</br>이 책은 웹 개발자뿐 아니라 머신러닝, 딥러닝, 데이터 분석 종사자 등 웹에서 머신러닝 모델을 실행하려는 모든 이를 대상으로 쓰였다. 머신러닝 관련 다양한 이론을 쉽게 설명하여 이해하기도 쉽고, 머신러닝 기술을 웹에서 구축하기 위해 바로 활용할 수 있는 실전 예제를 가득 담았다. 또한, 웹에서 머신러닝 기술을 직접 실습해보며 개념을 더 쉽고, 명확하고, 탄탄하게 잡을 수도 있다. 기술 이해에 도움이 되는 많은 참고 자료와 그림, 수식을 통해 머신러닝 기술이 어떻게 프런트까지 닿게 되는지 쉽고 빠르게 이해하길 바란다.</br>주요 내용</br>·TensorFlow.js 설치 방법과 환경 구축 방법</br>·케라스 모델을 TensorFlow.js로 가져오는 방법</br>·TensorFlow.js 프레임워크와 라이브러리 사용법</br>·다항 회귀, 로지스틱 회귀 등 다양한 모델 사용법</br>·군집화 알고리즘과 비지도 학습법</br>·차원 축소와 t-분포 확률적 임베딩</br>·머신러닝 애플리케이션 배포 방법</br>·머신러닝 성능 향상을 위한 튜닝법과 TensorFlow.js의 전망</br>
뒤로 앞으로 맨위로 aniAlarm