품목정보
발행일	2019년 02월 21일
쪽수, 무게, 크기	444쪽 \| 18824521mm
ISBN13	9791188621460
ISBN10	1188621467

더보기

PART I 딥러닝 기초 1 CHAPTER 1 딥러닝이란 무엇인가? 3 1.1 인공지능, 머신러닝, 딥러닝 4 1.2 딥러닝을 하기 전에: 머신러닝의 간략한 역사 17 1.3 왜 딥러닝인가? 왜 지금인가? 24 CHAPTER 2 시작하기 전에: 신경망의 수학적 빌딩 블록 30 2.1 신경망 둘러보기 31 2.2 신경망에 대한 데이터 표현 36 2.3 신경망의 장비: 텐서 연산 44 2.4 신경망의 엔진: 경사 기반 최적화 52 2.5 첫 번째 예제 되돌아보기 60 2.6 요약 63 CHAPTER 3 신경망 입문 64 3.1 신경망 해부학 65 3.2 케라스 소개 69 3.3 딥러닝 워크스테이션 설정 73 3.4 영화 감상평 분류: 이항 분류 예제 76 3.5 뉴스 분류: 다중 클래스 분류 예제 89 3.6 주택 가격 예측: 회귀 예제 97 3.7 요약 105 CHAPTER 4 머신러닝의 기본 106 4.1 네 가지 머신러닝 106 4.2 머신러닝 모델 평가 110 4.3 데이터 전처리, 특징 공학 및 특징 학습 115 4.4 과적합 및 과소적합 119 4.5 머신러닝의 보편적인 작업 흐름 128 4.6 요약 134 PART II 딥러닝 실습 135 CHAPTER 5 컴퓨터 비전 처리를 위한 딥러닝 137 5.1 합성망 소개 137 5.2 소규모 데이터셋을 이용해 합성망을 처음부터 훈련하기 148 5.3 사전 훈련 합성망 사용하기 162 5.4 합성망이 학습한 내용 시각화하기 178 5.5 요약 197 CHAPTER 6 텍스트와 시퀀스에 대한 딥러닝 198 6.1 텍스트 데이터로 작업하기 199 6.2 재귀 신경망의 이해 216 6.3 재귀 신경망의 고급 사용 228 6.4 합성망을 사용한 시퀀스 처리 249 6.5 요약 257 CHAPTER 7 고급 딥러닝 모범 사례 259 7.1 순차 모델을 넘어: 케라스 함수형 API 259 7.2 케라스 콜백과 텐서보드로 딥러닝 모델을 검사하고 관찰하기 277 7.3 모델을 최대한 활용하기 287 7.4 요약 297 CHAPTER 8 생성적 딥러닝 298 8.1 LSTM을 사용한 문장 생성 300 8.2 딥드림 310 8.3 신경망 이용 화풍 모사 317 8.4 가변 오토인코더로 이미지 생성하기 327 8.5 생성적 적대 망 소개 337 8.6 요약 347 CHAPTER 9 결론 348 9.1 핵심 개념 검토 349 9.2 딥러닝의 한계 360 9.3 딥러닝의 미래 366 9.4 빠르게 변화하는 현장 따라잡기 373 9.5 맺는 말 375 APPENDIX A 우분투에서 케라스와 필요한 것들을 설치하기 376 A.1 설치 과정 개요 376 A.2 시스템 필수 구성 요소 설치 377 A.3 GPU 지원 설정 377 A.4 케라스 및 텐서플로 설치 380 APPENDIX B EC2 GPU 인스턴스에서 RStudio Server 실행하기 382 B.1 딥러닝용 AWS를 사용해야 하는 이유는 무엇인가? 382 B.2 딥러닝용 AWS를 사용하지 않는 이유는 무엇인가? 383 B.3 AWS GPU 인스턴스 설정 383 B.4 RStudio Server에 액세스하기 387 B.5 케라스 설치 389

더보기

상세 이미지 상세 이미지 보이기/감추기

상품 이미지를 확대해서 볼 수 있습니다. 원본 이미지

더보기

저자 소개 (3명)

만든이 코멘트 만든이 코멘트 보이기/감추기

안녕하세요. 이책의 역자 입니다.

2019-03-29

번역 내용을 오해하시는 분들이 있어서 몇 가지 설명을 드립니다. 첫째, 이 책의 저자는 상당히 철학적인 면에서 접근하고 있습니다. 그래서 상당히 추상적이거나 학술적인 용어들이 나옵니다. 예를 들면 "다양체", "매장", "정칙화", "변환불편" 등이 그러한 예입니다. 그런데 이 용어들은 수학/통계학/수리통계학 용어들이어서 그저 "매니폴드", "임베딩" 처럼 음차만 해서도 안 되고, 컴퓨터과학 분야나 데이터과학 분야에서만 통용되는 용어로만 번역해서 안 됩니다. 그러다보니 수학/통계학/수리통계학 용어 등에 익숙치 않은 분들에게는 생소할 수 있습니다. 이런 경우에는 일단 인터넷을 통해 해당 용어들에 대한 개념을 먼저 익히시기를 바라고, 그래도 이해가 안 되면 역자의 이메일 주소가 책 앞부분에 표기되어 있으니 직접 연락해 주시기 바랍니다. 둘째, 이 책은 입문 수준부터 활용 수준에 이르는 전 과정을 통합해서 가르칠 수 있도록 한 책입니다. 그러다보니 초보자에게 어려울 수 있고, 전문가에게는 쉬워 보일 수 있습니다. 그래서 번역이 어렵다는 오해를 받을 수 있습니다. 이런 경우에는 주저하지 마시고 역자에게 문의해 주세요. 시간이 허락하는 한은 답변을 드리겠습니다. 셋째, 이 책의 저자가 "정치하게" 여러 개념을 엮고 있기 때문에 이와 같은 개념을 제대로 다 나타내려면 한자어를 어느 정도 동원할 수밖에 없습니다. 예를 들면 network를 "망"으로 표현한다거 하는 경우입니다. 그래야 neural network를 "신경망"으로 표현할 수 있기 때문입니다. 아무튼 일단은 책을 여러 차례 정독하시기를 권하고, 그래도 이해가 되지 않는 부분이 있다면 언제든 저에게 연락해 주시면 용어나 문장의 난해한 부분을 설명하겠습니다. 감사합니다.

책 속으로 책속으로 보이기/감추기

머신러닝은 1990년대에 이르러서야 번성하기 시작했지만, 고속 처리 하드웨어와 대규모 데이터셋6을 활용할 수 있게 되면서 인공지능 하위 분야 중 가장 인기를 끌었다. 머신러닝은 수리통계학과 밀접한 관련이 있지만, 몇 가지 점에서 통계학과는 다른 면이 있다. 머신러닝은 통계학과 달리 베이즈 분석과 같은 고전적인 통계 분석에 효율적이지 못할 뿐만 아니라 복잡한 대규모 데이터셋(수백만 개 이미지 또는 각 이미지가 수십만 개 픽셀로 구성된 데이터셋)을 처리해야 하는 경향이 있다. _6p

그러면 케라스 및 텐서플로의 기본 CPU 기반 설치 내역이 제공된다. 딥러닝 워크스테이션 설정을 다룬 절에서 언급했듯이, 여러분은 아마도 GPU에서 딥러닝 모델을 훈련해 보기를 바랄 것이다. 엔비디아 GPU, 제대로 구성된 CUDA 및 cuDNN 라이브러리가 있는 시스템에서 실행하는 경우, 다음과 같이 텐서플로라는 백엔드 엔진의 GPU 기반 버전을 설치할 수 있다. _71p

이는 지도학습의 구체적인 사례이지만, 별도의 범주를 이룰 만큼 아주 다르다. 자기지도학습(self-supervised learning)은 사람이 주석을 첨부하지 않는 학습을 말한다. 학습 과정에 인간이 개입하지 않는 지도학습으로 생각할 수도 있다. 비지도학습에도 (학습은 뭔가에 의해 지도돼야 하기 때문에) 레이블이 포함돼 있기는 하지만, 레이블은 일반적으로 휴리스틱 알고리즘을 사용해 입력 데이터로부터 생성한다. _108p

합성망 예제에서는 모든 layer_max_pooling_2d 이후에 특징 지도의 크기가 절반으로 줄어든다. 예를 들어, 첫 번째 layer_max_pooling_2d 이전에 특징 지도는 26 × 26이지만, 최대 풀링 작업을 하고 나면 13 × 13이 돼 절반으로 줄어든다. 이것이 최대 풀링의 역할이다. 보폭 합성곱과 마찬가지로 특징 지도를 적극적으로 하향 표본 추출하는 것이다. _146p

이러한 루프(loop)와 상태(state)라는 개념을 명확히 하기 위해 R 언어를 이용해 간단한 RNN의 순전파(forward pass, 즉 ‘전방 전달’)를 구현해 보자. 이 RNN은 벡터들로 이뤄진 시퀀스를 입력으로 취한다. 벡터의 차원은 2D 텐서(timesteps, input_features)로 부호화된다. 시간대를 반복하고, 각 시간대에서 (input_features 모양으로 된) t 시점의 현재 상태와 입력을 고려해 이들을 결합함으로써 t에서 출력을 얻는다. 217p

케라스 구현에서 이러한 아이디어를 실제로 활용해 보자. 가장 먼저 필요한 것은 언어 모델을 익히는 데 사용할 수 있는 많은 텍스트 데이터이다. 임의의 큰 텍스트 파일이나 텍스트 파일 셋(위키피디아, 반지의 제왕 등)을 사용할 수 있다. 이 예에서는 19세기 후반 독일의 철학자 니체의 저술을 영어로 번역했다. 따라서 배울 수 있는 언어 모델은 구체적으로 영어의 일반적인 모델이 아닌 니체의 문체 및 주제의 모델이 될 것이다. _304p

--- 본문 중에서

출판사 리뷰 출판사 리뷰 보이기/감추기

회원리뷰 (4건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

총 평점 8.8점 8.8 / 10.0

검색결과 정렬 옵션 삭제

회원리뷰 전체보기

한줄평 (2건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

총 평점 7.0점 7.0 / 10.0

구매 한줄평

한줄평 전체보기

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