음성 검색
QR/바코드 검색
.jpg)
품목정보
| 발행일 | 2017년 01월 02일 |
|---|---|
| 쪽수, 무게, 크기 | 312쪽 | 557g | 183*235*14mm |
| ISBN13 | 9788968484636 |
| ISBN10 | 8968484635 |
밑바닥부터 시작하는 딥러닝
: 파이썬으로 익히는 딥러닝 이론과 구현
사이토 고키 저 / 개앞맵시 역
|
한빛미디어
|
2017년 01월 02일
저자/출판사 더보기/감추기
- IT 모바일 30위 | IT 모바일 top20 180주
- 원서이동
- eBook
19,200원이동 - 이미 소장하고 있다면 판매해 보세요! 이 상품 팔기 매입가 6,000원 더보기/감추기
![[대학생X취준생] 우리의 영광의 시대는 1학기입니다](https://image.yes24.com/sysimage/renew/loadSpace.png)
1
2
3
4
5
관련분류
이 상품의 태그
책소개 책소개 보이기/감추기
목차 목차 보이기/감추기
| 1장 헬로 파이썬 1.1 파이썬이란? 1.2 파이썬 설치하기 __1.2.1 파이썬 버전 __1.2.2 사용하는 외부 라이브러리 __1.2.3 아나콘다 배포판 1.3 파이썬 인터프리터 __1.3.1 산술 연산 __1.3.2 자료형 __1.3.3 변수 __1.3.4 리스트 __1.3.5 딕셔너리 __1.3.6 bool __1.3.7 if 문 __1.3.8 for 문 __1.3.9 함수 1.4 파이썬 스크립트 파일 __1.4.1 파일로 저장하기 __1.4.2 클래스 1.5 넘파이 __1.5.1 넘파이 가져오기 __1.5.2 넘파이 배열 생성하기 __1.5.3 넘파이의 산술 연산 __1.5.4 넘파이의 N차원 배열 __1.5.5 브로드캐스트 __1.5.6 원소 접근 1.6 matplotlib __1.6.1 단순한 그래프 그리기 __1.6.2 pyplot의 기능 __1.6.3 이미지 표시하기 1.7 정리 2장 퍼셉트론 2.1 퍼셉트론이란? 2.2 단순한 논리 회로 __2.2.1 AND 게이트 __2.2.2 NAND 게이트와 OR 게이트 2.3 퍼셉트론 구현하기 __2.3.1 간단한 구현부터 __2.3.2 가중치와 편향 도입 __2.3.3 가중치와 편향 구현하기 2.4 퍼셉트론의 한계 __2.4.1 도전! XOR 게이트 __2.4.2 선형과 비선형 2.5 다층 퍼셉트론이 출동한다면 __2.5.1 기존 게이트 조합하기 __2.5.2 XOR 게이트 구현하기 2.6 NAND에서 컴퓨터까지 2.7 정리 3장 신경망 3.1 퍼셉트론에서 신경망으로 __3.1.1 신경망의 예 __3.1.2 퍼셉트론 복습 __3.1.3 활성화 함수의 등장 3.2 활성화 함수 __3.2.1 시그모이드 함수 __3.2.2 계단 함수 구현하기 __3.2.3 계단 함수의 그래프 __3.2.4 시그모이드 함수 구현하기 __3.2.5 시그모이드 함수와 계단 함수 비교 __3.2.6 비선형 함수 __3.2.7 ReLU 함수 3.3 다차원 배열의 계산 __3.3.1 다차원 배열 __3.3.2 행렬의 내적 __3.3.3 신경망의 내적 3.4 3층 신경망 구현하기 __3.4.1 표기법 설명 __3.4.2 각 층의 신호 전달 구현하기 __3.4.3 구현 정리 3.5 출력층 설계하기 __3.5.1 항등 함수와 소프트맥스 함수 구현하기 __3.5.2 소프트맥스 함수 구현 시 주의점 __3.5.3 소프트맥스 함수의 특징 __3.5.4 출력층의 뉴런 수 정하기 3.6 손글씨 숫자 인식 __3.6.1 MNIST 데이터셋 __3.6.2 신경망의 추론 처리 __3.6.3 배치 처리 3.7 정리 4장 신경망 학습 4.1 데이터에서 학습한다! __4.1.1 데이터 주도 학습 __4.1.2 훈련 데이터와 시험 데이터 4.2 손실 함수 __4.2.1 평균 제곱 오차 __4.2.2 교차 엔트로피 오차 __4.2.3 미니배치 학습 __4.2.4 (배치용) 교차 엔트로피 오차 구현하기 __4.2.5 왜 손실 함수를 설정하는가? 4.3 수치 미분 __4.3.1 미분 __4.3.2 수치 미분의 예 __4.3.3 편미분 4.4 기울기 __4.4.1 경사법(경사 하강법) __4.4.2 신경망에서의 기울기 4.5 학습 알고리즘 구현하기 __4.5.1 2층 신경망 클래스 구현하기 __4.5.2 미니배치 학습 구현하기 __4.5.3 시험 데이터로 평가하기 4.6 정리 5장 오차역전파법 5.1 계산 그래프 __5.1.1 계산 그래프로 풀다 __5.1.2 국소적 계산 __5.1.3 왜 계산 그래프로 푸는가? 5.2 연쇄법칙 __5.2.1 계산 그래프에서의 역전파 __5.2.2 연쇄법칙이란? __5.2.3 연쇄법칙과 계산 그래프 5.3 역전파 __5.3.1 덧셈 노드의 역전파 __5.3.2 곱셈 노드의 역전파 __5.3.3 사과 쇼핑의 예 5.4 단순한 계층 구현하기 __5.4.1 곱셈 계층 __5.4.2 덧셈 계층 5.5 활성화 함수 계층 구현하기 __5.5.1 ReLU 계층 __5.5.2 Sigmoid 계층 5.6 Affine/Softmax 계층 구현하기 __5.6.1 Affine 계층 __5.6.2 배치용 Affine 계층 __5.6.3 Softmax-with-Loss 계층 5.7 오차역전파법 구현하기 __5.7.1 신경망 학습의 전체 그림 __5.7.2 오차역전파법을 적용한 신경망 구현하기 __5.7.3 오차역전파법으로 구한 기울기 검증하기 __5.7.4 오차역전파법을 사용한 학습 구현하기 5.8 정리 6장 학습 관련 기술들 6.1 매개변수 갱신 __6.1.1 모험가 이야기 __6.1.2 확률적 경사 하강법(SGD) __6.1.3 SGD의 단점 __6.1.4 모멘텀 __6.1.5 AdaGrad __6.1.6 Adam __6.1.7 어느 갱신 방법을 이용할 것인가? __6.1.8 MNIST 데이터셋으로 본 갱신 방법 비교 6.2 가중치의 초깃값 __6.2.1 초깃값을 0으로 하면? __6.2.2 은닉층의 활성화 분포 __6.2.3 ReLU를 사용할 때의 가중치 초깃값 __6.2.4 MNIST 데이터셋으로 본 가중치 초깃값 비교 6.3 배치 정규화 __6.3.1 배치 정규화 알고리즘 __6.3.2 배치 정규화의 효과 6.4 바른 학습을 위해 __6.4.1 오버피팅 __6.4.2 가중치 감소 __6.4.3 드롭아웃 6.5 적절한 하이퍼파라미터 값 찾기 __6.5.1 검증 데이터 __6.5.2 하이퍼파라미터 최적화 __6.5.3 하이퍼파라미터 최적화 구현하기 6.6 정리 7장 합성곱 신경망(CNN) 7.1 전체 구조 7.2 합성곱 계층 __7.2.1 완전연결 계층의 문제점 __7.2.2 합성곱 연산 __7.2.3 패딩 __7.2.4 스트라이드 __7.2.5 3차원 데이터의 합성곱 연산 __7.2.6 블록으로 생각하기 __7.2.7 배치 처리 7.3 풀링 계층 __7.3.1 풀링 계층의 특징 7.4 합성곱/풀링 계층 구현하기 __7.4.1 4차원 배열 __7.4.2 im2col로 데이터 전개하기 __7.4.3 합성곱 계층 구현하기 __7.4.4 풀링 계층 구현하기 7.5 CNN 구현하기 7.6 CNN 시각화하기 __7.6.1 1번째 층의 가중치 시각화하기 __7.6.2 층 깊이에 따른 추출 정보 변화 7.7 대표적인 CNN __7.7.1 LeNet __7.7.2 AlexNet 7.8 정리 8장 딥러닝 8.1 더 깊게 __8.1.1 더 깊은 네트워크로 __8.1.2 정확도를 더 높이려면 __8.1.3 깊게 하는 이유 8.2 딥러닝의 초기 역사 __8.2.1 이미지넷 __8.2.2 VGG __8.2.3 GoogLeNet __8.2.4 ResNet 8.3 더 빠르게(딥러닝 고속화) __8.3.1 풀어야 할 숙제 __8.3.2 GPU를 활용한 고속화 __8.3.3 분산 학습 __8.3.4 연산 정밀도와 비트 줄이기 8.4 딥러닝의 활용 __8.4.1 사물 검출 __8.4.2 분할 __8.4.3 사진 캡션 생성 8.5 딥러닝의 미래 __8.5.1 이미지 스타일(화풍) 변환 __8.5.2 이미지 생성 __8.5.3 자율 주행 __8.5.4 Deep Q-Network(강화학습) 8.6 정리 부록 A Softmax-with-Loss 계층의 계산 그래프 A.1 순전파 A.2 역전파 A.3 정리 참고문헌 |
저자 소개 (2명)
출판사 리뷰 출판사 리뷰 보이기/감추기
파이썬으로 익히는 딥러닝 이론과 구현
새로운 지식을 배울 때 설명만 들어서는 석연치 않거나 금방 잊어버리게 됩니다. 그래서 무엇보다 ‘직접 해보는 것’이 중요합니다.
이 책은 딥러닝의 기본을 ‘이론 설명’과 ‘파이썬 구현 코드’라는 투 트랙으로 설명합니다. 각 장은 주제 하나를 설명한 후 그것을 실습할 수 있도록 꾸몄습니다. 즉, 실행되는 소스 코드를 준비했습니다. 직접 실행해보세요! 소스 코드를 읽으면서 스스로 생각하고 그 생각을 반영해 실험하다 보면 확실하게 자기 것으로 만들 수 있습니다. 여러 실험을 해보면서 겪는 시행착오 역시 큰 자산이 될 것입니다.
_예제 소스: https://github.com/WegraLee/deep-learning-from-scratch
★ 누구를 위한 책인가?
_ 외부 라이브러리는 최소한만 이용하고 파이썬을 사용해 딥러닝 프로그램을 처음부터 구현합니다.
_ 파이썬이 처음인 사람도 이해할 수 있도록 파이썬 사용법도 간략히 설명합니다.
_ 실제 동작하는 파이썬 코드와 독자가 직접 실험할 수 있는 학습 환경을 제공합니다.
_ 간단한 기계학습 문제부터 시작하여 궁극에는 이미지를 정확하게 인식하는 시스템을 구현합니다.
_ 딥러닝과 신경망 이론을 알기 쉽게 설명합니다.
_ 오차역전파법(backpropagation)과 합성곱(convolution) 연산 등 복잡해 보이는 기술을 구현 수준에서 이해할 수 있도록 설명합니다.
_ 하이퍼파라미터 결정 방식, 가중치 초깃값 등 딥러닝을 활용하는 데 도움이 되는 실용적인 기술을 소개합니다.
_ 배치 정규화, 드롭아웃, Adam 같은 최근 트렌드를 설명하고 구현해봅니다.
_ 딥러닝이 왜 뛰어난지, 층이 깊어지면 왜 정확도가 높아지는지, 은닉층이 왜 중요한지와 같은 ‘왜’에 관한 문제도 다룹니다.
_ 자율 주행, 이미지 생성, 강화학습 등, 딥러닝을 응용한 예를 소개합니다.
★ 누구를 위한 책이 아닌가?
_ 딥러닝 분야의 최신 연구에 대해서는 자세히 다루지 않습니다.
_ 카페(Caffe), 텐서플로(TensorFlow), 체이너(Chainer) 등의 딥러닝 프레임워크 사용법은 설명하지 않습니다.
_ 딥러닝, 특히 신경망에 관한 아주 상세한 이론까지는 담지 않았습니다.
_ 딥러닝의 정확도를 높이기 위한 튜닝은 자세히 설명하지 않습니다.
_ 딥러닝 성능을 높여주는 GPU 기술은 구체적으로 다루지 않습니다.
_ 주로 이미지 인식을 다룹니다. 자연어 처리, 음성 인식 등의 사례는 다루지 않습니다.
새로운 지식을 배울 때 설명만 들어서는 석연치 않거나 금방 잊어버리게 됩니다. 그래서 무엇보다 ‘직접 해보는 것’이 중요합니다.
이 책은 딥러닝의 기본을 ‘이론 설명’과 ‘파이썬 구현 코드’라는 투 트랙으로 설명합니다. 각 장은 주제 하나를 설명한 후 그것을 실습할 수 있도록 꾸몄습니다. 즉, 실행되는 소스 코드를 준비했습니다. 직접 실행해보세요! 소스 코드를 읽으면서 스스로 생각하고 그 생각을 반영해 실험하다 보면 확실하게 자기 것으로 만들 수 있습니다. 여러 실험을 해보면서 겪는 시행착오 역시 큰 자산이 될 것입니다.
_예제 소스: https://github.com/WegraLee/deep-learning-from-scratch
★ 누구를 위한 책인가?
_ 외부 라이브러리는 최소한만 이용하고 파이썬을 사용해 딥러닝 프로그램을 처음부터 구현합니다.
_ 파이썬이 처음인 사람도 이해할 수 있도록 파이썬 사용법도 간략히 설명합니다.
_ 실제 동작하는 파이썬 코드와 독자가 직접 실험할 수 있는 학습 환경을 제공합니다.
_ 간단한 기계학습 문제부터 시작하여 궁극에는 이미지를 정확하게 인식하는 시스템을 구현합니다.
_ 딥러닝과 신경망 이론을 알기 쉽게 설명합니다.
_ 오차역전파법(backpropagation)과 합성곱(convolution) 연산 등 복잡해 보이는 기술을 구현 수준에서 이해할 수 있도록 설명합니다.
_ 하이퍼파라미터 결정 방식, 가중치 초깃값 등 딥러닝을 활용하는 데 도움이 되는 실용적인 기술을 소개합니다.
_ 배치 정규화, 드롭아웃, Adam 같은 최근 트렌드를 설명하고 구현해봅니다.
_ 딥러닝이 왜 뛰어난지, 층이 깊어지면 왜 정확도가 높아지는지, 은닉층이 왜 중요한지와 같은 ‘왜’에 관한 문제도 다룹니다.
_ 자율 주행, 이미지 생성, 강화학습 등, 딥러닝을 응용한 예를 소개합니다.
★ 누구를 위한 책이 아닌가?
_ 딥러닝 분야의 최신 연구에 대해서는 자세히 다루지 않습니다.
_ 카페(Caffe), 텐서플로(TensorFlow), 체이너(Chainer) 등의 딥러닝 프레임워크 사용법은 설명하지 않습니다.
_ 딥러닝, 특히 신경망에 관한 아주 상세한 이론까지는 담지 않았습니다.
_ 딥러닝의 정확도를 높이기 위한 튜닝은 자세히 설명하지 않습니다.
_ 딥러닝 성능을 높여주는 GPU 기술은 구체적으로 다루지 않습니다.
_ 주로 이미지 인식을 다룹니다. 자연어 처리, 음성 인식 등의 사례는 다루지 않습니다.
회원리뷰 (26건)
혜택 및 유의사항?
'딥러닝의 기초를 코드와 같이 구현하고 싶다면 필히 지나야 하는 책 '
처음 데이터 사이언티스트로 거듭나는 과정에서 딥러닝에 대한 이해는 필수적이다. 따라서 딥러닝을 구현하는 코드들을 하나씩 혼자 뜯어보기에는 무리가 따르는데, 그 시점에서 이 책을 처음 알게 되었다.
- 목차:
파이썬을 처음 접한 사람들을 위한 헬로 파이썬 파트부터 시작하;
리뷰제목
'딥러닝의 기초를 코드와 같이 구현하고 싶다면 필히 지나야 하는 책 '
처음 데이터 사이언티스트로 거듭나는 과정에서 딥러닝에 대한 이해는 필수적이다. 따라서 딥러닝을 구현하는 코드들을 하나씩 혼자 뜯어보기에는 무리가 따르는데, 그 시점에서 이 책을 처음 알게 되었다.
- 목차:
파이썬을 처음 접한 사람들을 위한 헬로 파이썬 파트부터 시작하지만 그렇게 문법적으로 깊지는 않으므로 미리 파이썬을 떼고 복습용으로 보는 걸 추천한다.이어서 딥러닝의 발전 이전의 퍼셉트론과 신경망, 활성화 함수에 이어서 학습하는 방법, 손실함수에 이어 해석적 미분과 코드상에서의 구현되는 오차역전파와의 차이, 옵티마이저와 배치 정규화에 이어서 CNN의 간단한 부분까지 샅샅히 들여다본다.
- 인상적인 파트 :
개인적으로 가장 쉽지 않았던 파트를 꼽자면 역시 오차역전파 파트였다. 편미분을 통해서 각기 역전파를 구현하는 구간이었는데 이건 영상 하나만으로 부족할만큼 이해 자체가 쉽지 않은 과정들이다. 하지만 실질적으로 코드를 구현함으로서 어떻게 각각의 가중치들을 갱신하고 변경되는지를 한눈에 파악할 수 있어서 비교적 힘든 과정을 무난하게 소화할 수 있었다는 점에서 만족스럽다.
- 기억에 남는 부분 :
마지막에는 소프트 맥스와 로스으 계산 그래프가 등장하는데, 부록으로 나오는 부분들이 중점적인 메인 메뉴들을 두루 파악할 수 있어 도움이 많이되었떤 기억이 난다. 딥러닝의 큰 줄기에 해당하는 이미지넷에 VGG, 구글넷과 레즈넷에 이른 간단한 설명들은 구글링을 통해서 따로 더 파악할 수 있었고, 1권에서는 퍼셉트론에서 왜 신경망으로 발전했는지의 과정들을 상세하게 다룰 수 있어서 기초를 이해하기에 편했다.
- 이 책이 도움이 되는 사람을 꼽는다면 :
딥러닝에 대한 개념을 어느정도 잡고 코드를 연계시켜서 이해하기를 원하는 사람들에게는 이 이상 최적의 책은 없다. 이론은 실제로 구현하기까지의 과정에서 갭이 크기 마련인데, 바로바로 설명과 더불어 짤막한 코드들을 깃허브에서 같이 확인할 수 있어서 같이 코드를 훑어보면서 시행하고, 왜 이렇게 진행되는지에 대해 전반적인 딥러닝의 체계를 잡을 수 있어서 무엇보다 용이했다.
- 내돈내산으로 직접 책을 구입한 뒤 작성된 후기입니다. -
딥러닝을 쉽게 배울 수 있습니다. 초보자분들도 따라하기 쉬워요! 고등학생들도 가능할 것 같습니다.
최근에 딥러닝을 공부하면서 이 책에 대해서 알게 되었습니다.
어느 책보다도 쉽게 이해할 수 있던 계기가 되었습니다. 또한 저는 C언어는 알고 있어서 조금 더?? 코딩이 쉽게 느껴진거 같네요
따라서 코딩을 모르는 분들이라도 부담없이 접하시면 됩니다.;
리뷰제목
딥러닝을 쉽게 배울 수 있습니다. 초보자분들도 따라하기 쉬워요! 고등학생들도 가능할 것 같습니다.
최근에 딥러닝을 공부하면서 이 책에 대해서 알게 되었습니다.
어느 책보다도 쉽게 이해할 수 있던 계기가 되었습니다. 또한 저는 C언어는 알고 있어서 조금 더?? 코딩이 쉽게 느껴진거 같네요
따라서 코딩을 모르는 분들이라도 부담없이 접하시면 됩니다.
시간이 좀 생겨서, 아무 연관도 없는 딥러닝을 한 번 해볼까 싶었습니다. 그래서 인터넷의 여러 후기들을 종합해서 이 책을 샀습니다. 초반 부분을 보다가, 뭔가 책의 설명대로 되는 것 같지가 않아서 유튜브에서 파이썬을 설명하는 동영상을 몇 개 찾아 봤습니다. 책의 문제가 아니고, 제 문제였습니다만, 그러한 세세한 부분들을 캐치할 수 있도록 책이 구성되지는 않은 게 조금 아쉬웠;
리뷰제목
시간이 좀 생겨서, 아무 연관도 없는 딥러닝을 한 번 해볼까 싶었습니다. 그래서 인터넷의 여러 후기들을 종합해서 이 책을 샀습니다. 초반 부분을 보다가, 뭔가 책의 설명대로 되는 것 같지가 않아서 유튜브에서 파이썬을 설명하는 동영상을 몇 개 찾아 봤습니다. 책의 문제가 아니고, 제 문제였습니다만, 그러한 세세한 부분들을 캐치할 수 있도록 책이 구성되지는 않은 게 조금 아쉬웠습니다.
저처럼 아예 기초가 전혀 없으신 분들은 유튜브에 괜찮은 영상들이 있으니 그걸 먼저 보고 난 다음에 책을 시작하는 것이 좋을 듯 합니다. 유튜브를 보고 나서 책을 보니 제가 실수했던 부분들도 잘 보이고, 이전보다도 이해가 잘 갑니다.
한줄평 (65건)
혜택 및 유의사항
?
딥러닝 배우는 초보에게 짱짱한 도움이 되네요. 좋은 책 감사합니다.
이 한줄평이 도움이 되었나요?
공감
0
YES마니아 : 골드
b********3
|
2022.10.03
굿
이 한줄평이 도움이 되었나요?
공감
0
y******k
|
2022.09.25
간단히 읽기에 좋은 책입니다.
이 한줄평이 도움이 되었나요?
공감
0
코**스
|
2022.07.06
