품목정보
발행일	2018년 10월 22일
쪽수, 무게, 크기	476쪽 \| 1110g \| 18323530mm
ISBN13	9791160505979

더보기

상품정보 제공고시 상품정보 제공고시 보이기/감추기

상품정보 제공고시
크기.체중의 한계	상세 설명 참조

이 상품의 태그

#월간개발자_대표도서 #IT스테디셀러 #분철 #케라스 #딥러닝 #머신러닝 #개발자 #프로그래밍 #인공지능

비전공자도 이해할 수 있는 AI 지식

17,820원 (10%)

'비전공자도 이해할 수 있는 AI 지식' 상세페이지 이동

Clean Code 클린 코드

29,700원 (10%)

'Clean Code 클린 코드' 상세페이지 이동

챗GPT와 업무자동화

16,200원 (10%)

'챗GPT와 업무자동화' 상세페이지 이동

디자인, 이것만 알면 쉬워져요 with 63가지 LESSON

18,000원 (10%)

'디자인, 이것만 알면 쉬워져요 with 63가지 LESSON' 상세페이지 이동

만들면서 배우는 파이썬과 40개의 작품들

16,920원 (10%)

'만들면서 배우는 파이썬과 40개의 작품들' 상세페이지 이동

Do it! HTML+CSS+자바스크립트 웹 표준의 정석

27,000원 (10%)

'Do it! HTML+CSS+자바스크립트 웹 표준의 정석' 상세페이지 이동

혼자 공부하는 얄팍한 코딩 지식

16,200원 (10%)

'혼자 공부하는 얄팍한 코딩 지식' 상세페이지 이동

얄코의 TOO MUCH 친절한 HTML+CSS+자바스크립트

28,800원 (10%)

'얄코의 TOO MUCH 친절한 HTML+CSS+자바스크립트' 상세페이지 이동

Do it! 깡샘의 안드로이드 앱 프로그래밍 with 코틀린

36,000원 (10%)

'Do it! 깡샘의 안드로이드 앱 프로그래밍 with 코틀린' 상세페이지 이동

이득우의 게임 수학

40,500원 (10%)

'이득우의 게임 수학' 상세페이지 이동

해커와 화가

16,200원 (10%)

'해커와 화가' 상세페이지 이동

Node.js 교과서

37,800원 (10%)

'Node.js 교과서' 상세페이지 이동

그림으로 공부하는 IT 인프라 구조

23,400원 (10%)

'그림으로 공부하는 IT 인프라 구조' 상세페이지 이동

프롬프트 엔지니어링

22,500원 (10%)

'프롬프트 엔지니어링' 상세페이지 이동

모두의 딥러닝

21,600원 (10%)

'모두의 딥러닝' 상세페이지 이동

Do it! 쉽게 배우는 파이썬 데이터 분석

20,700원 (10%)

'Do it! 쉽게 배우는 파이썬 데이터 분석' 상세페이지 이동

Do it! 깡샘의 플러터 & 다트 프로그래밍

36,000원 (10%)

'Do it! 깡샘의 플러터 & 다트 프로그래밍' 상세페이지 이동

챗GPT와 기획·분석·보고

16,200원 (10%)

'챗GPT와 기획·분석·보고' 상세페이지 이동

필독! 개발자 온보딩 가이드

22,500원 (10%)

'필독! 개발자 온보딩 가이드' 상세페이지 이동

실전 시계열 분석

34,200원 (10%)

'실전 시계열 분석' 상세페이지 이동

더보기

1부 딥러닝의 기초 1장 딥러닝이란 무엇인가? 1.1 인공 지능과 머신 러닝, 딥러닝 1.1.1 인공 지능 1.1.2 머신 러닝 1.1.3 데이터에서 표현을 학습하기 1.1.4 딥러닝에서 ‘딥’이란 무엇일까? 1.1.5 그림 3개로 딥러닝의 작동 원리 이해하기 1.1.6 지금까지 딥러닝의 성과 1.1.7 단기간의 과대 선전을 믿지 말자 1.1.8 AI에 대한 전망 1.2 딥러닝 이전: 머신 러닝의 간략한 역사 1.2.1 확률적 모델링 1.2.2 초창기 신경망 1.2.3 커널 방법 1.2.4 결정 트리, 랜덤 포레스트, 그래디언트 부스팅 머신 1.2.5 다시 신경망으로 1.2.6 딥러닝의 특징 1.2.7 머신 러닝의 최근 동향 1.3 왜 딥러닝일까? 왜 지금일까? 1.3.1 하드웨어 1.3.2 데이터 1.3.3 알고리즘 1.3.4 새로운 투자의 바람 1.3.5 딥러닝의 대중화 1.3.6 지속될까? 2장 시작하기 전에: 신경망의 수학적 구성 요소 2.1 신경망과의 첫 만남 2.2 신경망을 위한 데이터 표현 2.2.1 스칼라(0D 텐서) 2.2.2 벡터(1D 텐서) 2.2.3 행렬(2D 텐서) 2.2.4 3D 텐서와 고차원 텐서 2.2.5 핵심 속성 2.2.6 넘파이로 텐서 조작하기 2.2.7 배치 데이터 2.2.8 텐서의 실제 사례 2.2.9 벡터 데이터 2.2.10 시계열 데이터 또는 시퀀스 데이터 2.2.11 이미지 데이터 2.2.12 비디오 데이터 2.3 신경망의 톱니바퀴: 텐서 연산 2.3.1 원소별 연산 2.3.2 브로드캐스팅 2.3.3 텐서 점곱 2.3.4 텐서 크기 변환 2.3.5 텐서 연산의 기하학적 해석 2.3.6 딥러닝의 기하학적 해석 2.4 신경망의 엔진: 그래디언트 기반 최적화 2.4.1 변화율이란? 2.4.2 텐서 연산의 변화율: 그래디언트 2.4.3 확률적 경사 하강법 2.4.4 변화율 연결: 역전파 알고리즘 2.5 첫 번째 예제 다시 살펴보기 2.6 요약 3장 신경망 시작하기 3.1 신경망의 구조 3.1.1 층: 딥러닝의 구성 단위 3.1.2 모델: 층의 네트워크 3.1.3 손실 함수와 옵티마이저: 학습 과정을 조절하는 열쇠 3.2 케라스 소개 3.2.1 케라스, 텐서플로, 씨아노, CNTK 3.2.2 케라스를 사용한 개발: 빠르게 둘러보기 3.3 딥러닝 컴퓨터 셋팅 3.3.1 주피터 노트북: 딥러닝 실험을 위한 최적의 방법 3.3.2 케라스 시작하기: 두 가지 방법 3.3.3 클라우드에서 딥러닝 작업을 수행했을 때 장단점 3.3.4 어떤 GPU 카드가 딥러닝에 최적일까? 3.4 영화 리뷰 분류: 이진 분류 예제 3.4.1 IMDB 데이터셋 3.4.2 데이터 준비 3.4.3 신경망 모델 만들기 3.4.4 훈련 검증 3.4.5 훈련된 모델로 새로운 데이터에 대해 예측하기 3.4.6 추가 실험 3.4.7 정리 3.5 뉴스 기사 분류: 다중 분류 문제 3.5.1 로이터 데이터셋 3.5.2 데이터 준비 3.5.3 모델 구성 3.5.4 훈련 검증 3.5.5 새로운 데이터에 대해 예측하기 3.5.6 레이블과 손실을 다루는 다른 방법 3.5.7 충분히 큰 중간층을 두어야 하는 이유 3.5.8 추가 실험 3.5.9 정리 3.6 주택 가격 예측: 회귀 문제 3.6.1 보스턴 주택 가격 데이터셋 3.6.2 데이터 준비 3.6.3 모델 구성 3.6.4 K-겹 검증을 사용한 훈련 검증 3.6.5 정리 3.7 요약 4장 머신 러닝의 기본 요소 4.1 머신 러닝의 네 가지 분류 4.1.1 지도 학습 4.1.2 비지도 학습 4.1.3 자기 지도 학습 4.1.4 강화 학습 4.2 머신 러닝 모델 평가 4.2.1 훈련, 검증, 테스트 세트 4.2.2 기억해야 할 것 4.3 데이터 전처리, 특성 공학, 특성 학습 4.3.1 신경망을 위한 데이터 전처리 4.3.2 특성 공학 4.4 과대적합과 과소적합 4.4.1 네트워크 크기 축소 4.4.2 가중치 규제 추가 4.4.3 드롭아웃 추가 4.5 보편적인 머신 러닝 작업 흐름 4.5.1 문제 정의와 데이터셋 수집 4.5.2 성공 지표 선택 4.5.3 평가 방법 선택 4.5.4 데이터 준비 4.5.5 기본보다 나은 모델 훈련하기 4.5.6 몸집 키우기: 과대적합 모델 구축 4.5.7 모델 규제와 하이퍼파라미터 튜닝 4.6 요약 2부 실전 딥러닝 5장 컴퓨터 비전을 위한 딥러닝 5.1 합성곱 신경망 소개 5.1.1 합성곱 연산 5.1.2 최대 풀링 연산 5.2 소규모 데이터셋에서 밑바닥부터 컨브넷 훈련하기 5.2.1 작은 데이터셋 문제에서 딥러닝의 타당성 5.2.2 데이터 내려받기 5.2.3 네트워크 구성하기 5.2.4 데이터 전처리 5.2.5 데이터 증식 사용하기 5.3 사전 훈련된 컨브넷 사용하기 5.3.1 특성 추출 5.3.2 미세 조정 5.3.3 정리 5.4 컨브넷 학습 시각화 5.4.1 중간층의 활성화 시각화하기 5.4.2 컨브넷 필터 시각화하기 5.4.3 클래스 활성화의 히트맵 시각화하기 5.5 요약 6장 텍스트와 시퀀스를 위한 딥러닝 6.1 텍스트 데이터 다루기 6.1.1 단어와 문자의 원-핫 인코딩 6.1.2 단어 임베딩 사용하기 6.1.3 모든 내용을 적용하기: 원본 텍스트에서 단어 임베딩까지 6.1.4 정리 6.2 순환 신경망 이해하기 6.2.1 케라스의 순환 층 6.2.2 LSTM과 GRU 층 이해하기 6.2.3 케라스를 사용한 LSTM 예제 6.2.4 정리 6.3 순환 신경망의 고급 사용법 6.3.1 기온 예측 문제 6.3.2 데이터 준비 6.3.3 상식 수준의 기준점 6.3.4 기본적인 머신 러닝 방법 6.3.5 첫 번째 순환 신경망 6.3.6 과대적합을 감소하기 위해 순환 드롭아웃 사용하기 6.3.7 스태킹 순환 층 6.3.8 양방향 RNN 사용하기 6.3.9 더 나아가서 6.3.10 정리 6.4 컨브넷을 사용한 시퀀스 처리 6.4.1 시퀀스 데이터를 위한 1D 합성곱 이해하기 6.4.2 시퀀스 데이터를 위한 1D 풀링 6.4.3 1D 컨브넷 구현 6.4.4 CNN과 RNN을 연결하여 긴 시퀀스를 처리하기 6.4.5 정리 6.5 요약 7장 딥러닝을 위한 고급 도구 7.1 Sequential 모델을 넘어서: 케라스의 함수형 API 7.1.1 함수형 API 소개 7.1.2 다중 입력 모델 7.1.3 다중 출력 모델 7.1.4 층으로 구성된 비순환 유향 그래프 7.1.5 층 가중치 공유 7.1.6 층과 모델 7.1.7 정리 7.2 케라스 콜백과 텐서보드를 사용한 딥러닝 모델 검사와 모니터링 7.2.1 콜백을 사용하여 모델의 훈련 과정 제어하기 7.2.2 텐서보드 소개: 텐서플로의 시각화 프레임워크 7.2.3 정리 7.3 모델의 성능을 최대로 끌어올리기 7.3.1 고급 구조 패턴 7.3.2 하이퍼파라미터 최적화 7.3.3 모델 앙상블 7.3.4 정리 7.4 요약 8장 생성 모델을 위한 딥러닝 8.1 LSTM으로 텍스트 생성하기 8.1.1 생성 RNN의 간단한 역사 8.1.2 시퀀스 데이터를 어떻게 생성할까? 8.1.3 샘플링 전략의 중요성 8.1.4 글자 수준의 LSTM 텍스트 생성 모델 구현 8.1.5 정리 8.2 딥드림 8.2.1 케라스 딥드림 구현 8.2.2 정리 8.3 뉴럴 스타일 트랜스퍼 8.3.1 콘텐츠 손실 8.3.2 스타일 손실 8.3.3 케라스에서 뉴럴 스타일 트랜스퍼 구현하기 8.3.4 정리 8.4 변이형 오토인코더를 사용한 이미지 생성 8.4.1 이미지의 잠재 공간에서 샘플링하기 8.4.2 이미지 변형을 위한 개념 벡터 8.4.3 변이형 오토인코더 8.4.4 정리 8.5 적대적 생성 신경망 소개 8.5.1 GAN 구현 방법 8.5.2 훈련 방법 8.5.3 생성자 8.5.4 판별자 8.5.5 적대적 네트워크 8.5.6 DCGAN 훈련 방법 8.5.7 정리 8.6 요약 9장 결론 9.1 핵심 개념 리뷰 9.1.1 AI를 위한 여러 방법 9.1.2 머신 러닝 분야에서 딥러닝이 특별한 이유 9.1.3 딥러닝에 대하여 9.1.4 핵심 기술 9.1.5 일반적인 머신 러닝 작업 흐름 9.1.6 주요 네트워크 구조 9.1.7 딥러닝의 가능성 9.2 딥러닝의 한계 9.2.1 머신 러닝 모델의 의인화 위험 9.2.2 지역 일반화 vs. 궁극 일반화 9.2.3 정리 9.3 딥러닝의 미래 9.3.1 프로그램 같은 모델 9.3.2 역전파와 미분 가능 층을 넘어서 9.3.3 자동화된 머신 러닝 9.3.4 영구 학습과 모듈화된 서브루틴 재사용 9.3.5 장기 비전 9.4 빠른 변화에 뒤처지지 않기 9.4.1 캐글의 실전 문제로 연습하기 9.4.2 아카이브(arXiv)를 통해 최신 논문 읽기 9.4.3 케라스 생태계 탐험하기 9.5 맺음말 부록 A 윈도에 텐서플로와 케라스 설치하기 A.1 아나콘다 설치하기 A.2 텐서플로, 케라스 설치하기 A.3 예제 노트북 실행하기 부록 B 우분투 리눅스에 케라스와 필수 라이브러리 설치하기 B.1 파이썬 과학 라이브러리 설치하기 B.2 GPU 설정하기 B.3 씨아노 설치하기(선택 사항) B.4 케라스 설치하기 B.5 아나콘다 환경 파일을 사용하여 설치하기 부록 C EC2 GPU 인스턴스에서 주피터 노트북 실행하기 C.1 주피터 노트북은 무엇일까? 왜 주피터 노트북을 AWS GPU에서 실행할까? C.2 딥러닝 주피터 노트북을 위해 AWS를 사용하지 않는 이유는 무엇일까? C.3 AWS GPU 인스턴스 설정하기 C.4 주피터 설정하기 C.5 케라스 설치하기 C.6 로컬 포트포워딩 설정하기 C.7 로컬 브라우저에서 주피터 사용하기 C.8 코랩을 사용하여 주피터 노트북 실행하기

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 (2명)

만든이 코멘트 만든이 코멘트 보이기/감추기

안녕하세요. 이책의 역자 입니다.

2018-10-26

안녕하세요. <케라스 창시자에게 배우는 딥러닝>을 번역한 박해선입니다.

이 책을 선택해 주신 많은 독자에게 감사의 말씀 드립니다. 이 책은 케라스(Keras) 라이브러리를 만든 프랑소와 숄레(Francois Chollet)가 직접 쓴 책입니다. 특별히 저자는 소프트웨어 엔지니어를 위한 딥러닝 책을 쓰려고 노력했습니다. 1부에 딥러닝(Deep Learning)과 케라스에 대한 기초 내용을 포함하고 있고 2부에는 CNN, RNN, 생성 모델 등의 고급 주제를 다양하게 다루고 있습니다.

케라스는 텐서플로의 고수준 라이브러리로 캐글(https://kaggle.com)에서 가장 많이 사용하는 딥러닝 프레임워크입니다. 이 책은 케라스를 배우는데 가장 훌륭한 방법 중 하나입니다. 또한 딥러닝 그리고 더 일반적인 인공지능에 대한 현재와 미래를 엿볼 수 있습니다. 저자 프랑소와의 멋진 통찰을 함께 느껴 보세요! 프랑소와도 번역서가 맘에 든다고 하네요(https://bit.ly/2RHn0TO) :)

책을 구매하시면 제 블로그의 에러타 페이지(https://bit.ly/2RgdPJF)와 깃허브(https://bit.ly/2yvzeYv)를 꼭 참고해 주세요. 항상 케라스 최신 버전에 맞춘 코드와 에러타를 업데이트 하겠습니다.

<핸즈온 머신러닝>, <파이썬 라이브러리를 활용한 머신러닝>, <텐서플로 첫걸음>에 이어 네 번째 번역서입니다. 많은 분들의 응원 덕에 큰 힘을 얻습니다. 더 좋은 책으로 찾아 뵙겠습니다.

감사합니다.

출판사 리뷰 출판사 리뷰 보이기/감추기

회원리뷰 (7건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

총 평점 9.0점 9.0 / 10.0

검색결과 정렬 옵션 삭제

회원리뷰 전체보기

한줄평 (14건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

총 평점 8.7점 8.7 / 10.0

구매 한줄평

한줄평 전체보기

올해의 책 추천평 (1건) 올해의 책 추천평 이동

배송/반품/교환 안내

배송 안내

반품/교환 안내에 대한 내용입니다.
배송 구분	예스24 배송 배송비 : 무료배송
포장 안내	안전하고 정확한 포장을 위해 CCTV를 설치하여 운영하고 있습니다. 고객님께 배송되는 모든 상품을 CCTV로 녹화하고 있으며, 철저한 모니터링을 통해 작업 과정에 문제가 없도록 최선을 다 하겠습니다. 목적 : 안전한 포장 관리 촬영범위 : 박스 포장 작업

반품/교환 안내

상품 설명에 반품/교환과 관련한 안내가 있는경우 아래 내용보다 우선합니다. (업체 사정에 따라 달라질 수 있습니다)

반품/교환 안내에 대한 내용입니다.
반품/교환 방법	고객만족센터(1544-3800), 중고샵(1566-4295) 판매자 배송 상품은 판매자와 반품/교환이 협의된 상품에 한해 가능합니다.
반품/교환 가능기간	출고 완료 후 10일 이내의 주문 상품 디지털 콘텐츠인 eBook의 경우 구매 후 7일 이내의 상품 중고상품의 경우 출고 완료일로부터 6일 이내의 상품 (구매확정 전 상태)
반품/교환 비용	고객의 단순변심 및 착오구매일 경우 상품 반송비용은 고객 부담임 직수입양서/직수입일서중 일부는 변심 또는 착오로 취소시 해외주문취소수수료 20%를 부과할수 있음 단, 아래의 주문/취소 조건인 경우, 취소 수수료 면제 오늘 00시 ~ 06시 30분 주문을 오늘 오전 06시 30분 이전에 취소 오늘 06시 30분 이후 주문을 익일 오전 06시 30분 이전에 취소 직수입 음반/영상물/기프트 중 일부는 변심 또는 착오로 취소 시 해외주문취소수수료 30%를 부과할 수 있음 단, 당일 00시~13시 사이의 주문은 취소 수수료 면제 박스 포장은 택배 배송이 가능한 규격과 무게를 준수하며, 고객의 단순변심 및 착오구매일 경우 상품의 반송비용은 박스 당 부과됩니다.
반품/교환 불가사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 : 예) 화장품, 식품, 가전제품, 전자책 단말기 등 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예) CD/LP, DVD/Blu-ray, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 eBook 대여 상품은 대여 기간이 종료 되거나, 2회 이상 대여 했을 경우 취소 불가 중고상품이 구매확정(자동 구매확정은 출고완료일로부터 7일)된 경우 LP상품의 재생 불량 원인이 기기의 사양 및 문제인 경우 (All-in-One 일체형 일부 보급형 오디오 모델 사용 등) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
소비자 피해보상	상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 준하여 처리됨
환불 지연에 따른 배상	대금 환불 및 환불 지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리