품목정보
발행일	2019년 05월 25일
쪽수, 무게, 크기	384쪽 \| 768g \| 18825718mm
ISBN13	9788970939445
ISBN10	897093944X

더보기

Chapter 01. 딥러닝 개요 　1.1 인공지능, 머신러닝, 딥러닝 　1.2 딥러닝의 발전 과정 　1.3 딥러닝의 응용 　　1.3.1 컴퓨터 비전 　　1.3.2 음성 인식 　　1.3.3 자연어 처리 　　1.3.4 인간 vs 기계 게임 　1.4 딥러닝 도구 소개 및 비교 Chapter 02. TensorFlow 환경 설정 　2.1 TensorFlow 주요 의존 패키지 　　2.1.1 Protocol Buffer 　　2.1.2 Bazel 　2.2 TensorFlow 설치 　　2.2.1 Docker를 이용한 설치 　　2.2.2 pip를 이용한 설치 　　2.2.3 소스 코드를 이용한 설치 　2.3 TensorFlow 테스트 예제 Chapter 03. TensorFlow 입문 　3.1 TensorFlow 계산 모델 - 계산 그래프 　　3.1.1 계산 그래프의 개념 　　3.1.2 계산 그래프의 사용 　3.2 TensorFlow 데이터 모델 - 텐서 　　3.2.1 텐서의 개념 　　3.2.2 텐서의 용도 　3.3 TensorFlow 실행 모델 - 세션 　3.4 TensorFlow 신경망 구현 　　3.4.1 TensorFlow 플레이그라운드와 신경망 　　3.4.2 순전파 알고리즘 　　3.4.3 신경망 매개 변수 및 TensorFlow 변수 　　3.4.4 TensorFlow 신경망 모델 학습 　　3.4.5 신경망 학습의 전 과정 예제 Chapter 04. 심층 신경망 　4.1 딥러닝과 심층 신경망 　　4.1.1 선형 모델의 한계 　　4.1.2 활성화 함수 　　4.1.3 다층 신경망으로 XOR 문제 해결 　4.2 손실 함수 정의 　　4.2.1 전형적인 손실 함수 　　4.2.2 사용자 정의 손실 함수 　4.3 신경망 최적화 알고리즘 　4.4 신경망 최적화 　　4.4.1 학습률 설정 　　4.4.2 오버피팅(Overfitting) 　　4.4.3 이동 평균 모델 Chapter 05. MNIST 숫자 인식 　5.1 MNIST 데이터 처리 　5.2 신경망 모델 학습 및 비교 　　5.2.1 TensorFlow 신경망 학습 　　5.2.2 검증 데이터를 사용한 모델 평가 　　5.2.3 모델 성능 비교 　5.3 변수 관리 　5.4 TensorFlow 모델 저장 및 불러오기 　　5.4.1 저장 및 불러오기 코드 구현 　　5.4.2 원리와 데이터 형식 　5.5 TensorFlow 실행 예제 코드 Chapter 06. 이미지 인식과 합성곱 신경망 　6.1 이미지 인식 문제 및 데이터셋 　6.2 합성곱 신경망 개요 　6.3 합성곱 신경망 구조 　　6.3.1 합성곱 계층 　　6.3.2 풀링 계층 　6.4 합성곱 신경망 모델 　　6.4.1 LeNet-5 　　6.4.2 Inception-v3 　6.5 합성곱 신경망 전이 학습 　　6.5.1 전이 학습 소개 　　6.5.2 TensorFlow 전이 학습 구현 Chapter 07. 이미지 데이터 처리 　7.1 TFRecord 입력 데이터 포맷 　　7.1.1 TFRecord 개요 　　7.1.2 TFRecord 예제 　7.2 이미지 데이터 처리 　　7.2.1 TensorFlow 이미지 처리 함수 　　7.2.2 이미지 전처리 예제 　7.3 멀티 스레드를 통한 데이터 처리 　　7.3.1 큐와 멀티 스레드 　　7.3.2 입력 파일 큐 　　7.3.3 배치 처리 　　7.3.4 입력 데이터 처리 프레임워크 Chapter 08. 순환 신경망 　8.1 순환 신경망 개요 　8.2 장단기 메모리(LSTM) 구조 　8.3 순환 신경망의 변형 　　8.3.1 양방향 순환 신경망과 심층 순환 신경망 　　8.3.2 순환 신경망의 드롭아웃 　8.4 순환 신경망의 응용 　　8.4.1 언어 모델링 　　8.4.2 시계열 데이터 예측 Chapter 09. TensorBoard : 그래프 시각화 　9.1 TensorBoard 개요 　9.2 TensorFlow 계산 그래프 시각화 　　9.2.1 네임스페이스와 TensorBoard 그래프 노드 　　9.2.2 노드 정보 　9.3 지표 모니터링 Chapter 09. TensorFlow 계산 가속 　10.1 TensorFlow-GPU 사용하기 　10.2 딥러닝 모델의 병렬 학습 　10.3 멀티 GPU 병렬 처리 　10.4 분산식 TensorFlow 　　10.4.1 분산식 TensorFlow 원리 　　10.4.2 분산 학습

더보기

저자 소개 (3명)

출판사 리뷰 출판사 리뷰 보이기/감추기

추천평 추천평 보이기/감추기

‘인터넷＋’의 물결은 ‘인터넷＋배달’, ‘인터넷＋택시’, ‘인터넷＋집안일’ 등 수많은 비즈니스 모델을 탄생시켰습니다. ‘인터넷＋’가 교과서에 실리고 전통 산업이 발전 가도를 달리는 사이 지난 한 해 인공지능과 딥러닝이 세간의 주목을 끌었습니다. 알파고가 바둑을 점령하고 인공지능 산업이 급부상하며 우리를 ‘AI＋’ 시대로 이끌어가고 있습니다. 앞으로 우리는 ‘AI＋교육’, ‘AI＋미디어’, ‘AI＋의학’, ‘AI＋배송’, ‘AI＋농업’ 등 실생활에서 쉽게 접할 수 있을 것입니다.
지금까지 AI는 데이터의 ‘quality’와 ‘quantity’의 향상, 고성능 컴퓨팅의 발전, 그리고 가보된 알고리즘과 불가분적 관계에 있었습니다. 하지만 딥러닝이 알고리즘 개발을 촉진시키는 접점이 되었으며, 구글은 지난 10년 동안 연구한 인공지능 기술을 집약하여 딥러닝 프레임워크 TensorFlow를 개발했습니다. 이를 통해 구글은 자율주행 자동차, 검색, 쇼핑, 광고, 클라우드 컴퓨팅 등의 서비스에서 데이터의 가치를 극대화함으로써 커다란 상업적 가치를 창출하고 있습니다.
오픈소스 프레임워크인 TensorFlow는 단기간에 많은 인기를 얻었습니다. 그러나 딥러닝을 더 깊히 이해하기 위해선 강력한 이론이 밑바탕 되어야 하고, TensorFlow를 제대로 활용하려면 충분한 연습과 분석을 필요로 합니다. 오픈소스 프로젝트와 코드 자체도 중요하지만 사용자의 경험, 도메인 지식, 그리고 저수준 기술 또는 툴을 사용해 현실 문제를 해결할 수 있는 것이 더 중요합니다. 필자는 수년 동안 저자와 함께 일해 왔는데 이 책이야말로 저자가 구글에서 수년간의 경험과 노하우를 담은 작품이라 느꼈습니다. 또한, 입문부터 고급 과정을 아우르는 이 책을 통해 독자들이 새로운 날개를 달 것이라 믿어 의심치 않습니다.

- 장신 (항저우 CaiYun ㈜ 공동 CEO, 카네기멜론대학 컴퓨터공학박사)

2015년 11월에 출시된 TensorFlow는 GitHub에서 많은 관심을 받았습니다. TensorFlow는 학술 연구와 산업에서 널리 사용될 수 있다는 것이 가장 큰 특징입니다. TensorFlow의 유연성을 통해 연구원은 최신 모델을 신속하게 구현할 수 있으며, 강력한 분산 처리 지원으로 빅데이터에 대해 산업 모델을 학습시킬 수 있습니다.
제가 속한 구글 번역팀을 예로 들면, 최신 신경망 번역 모델을 연구개발(R&D)하는 과정에서 학계에 발표된 최신 아이디어를 재빨리 시도해야 할 뿐만 아니라, 최종 모델에 대해 수십억 개의 문장을 학습시킬 수 있는 효율적인 분산형 학습 시스템을 필요로 합니다. TensorFlow를 사용하면 한 번에 두 마리 토끼를 잡을 수 있습니다. 모델 학습을 완료한 후, 우리는 TensorFlow의 힘을 빌려 효율적이고 지연이 적은 온라인 번역 서비스를 구축했습니다. 현재 구글 번역은 매일 약 1,000억 개 단어 수준의 텍스트 번역을 맡고 있으며, 이 중 35% 이상이 TensorFlow를 통해 진행됩니다.
TensorFlow는 또한 GPU, CPU, Android, iOS 등 여러 컴퓨팅 플랫폼을 지원하여 뛰어난 이식성을 제공합니다. 따라서 개발자는 모바일 플랫폼에서 복잡한 딥러닝 응용 프로그램을 개발할 수 있습니다. 다시 번역을 예로 들면, 구글 번역 애플리케이션 중 호평받는 즉석 카메라 번역은 사용자의 휴대전화에서 연산을 완료하는 모바일 플랫폼의 TensorFlow를 기반으로 합니다.
구글은 이미 TensorFlow를 수십 개 제품의 연구개발에 적용했으며, 중국의 XiaoMi, JD, 그리고 실리콘밸리의 Uber, Airbnb, Twitter 모두 TensorFlow를 채택하고 있습니다. 토론토대학과 버클리대학 등 여러 명문대학교에서도 TensorFlow를 교육하고 있으며, 특히 스탠퍼드대학은 딥러닝 툴에 대한 학생들의 이해를 돕기 위해 ‘TensorFlow for Deep Learning Research’ 강의를 개설했습니다.
저자 정저위는 제 오랜 친구로서 머신러닝에 대한 학술 연구 및 산업 응용 분야에서 풍부한 경험을 쌓았습니다. 이 책은 딥러닝에서 자주 쓰이는 알고리즘의 이론 기초와 TensorFlow 구현을 모두 다루면서 알기 쉽게 표현했습니다. 이 책이 독자가 딥러닝을 이해하고 TensorFlow를 단기간에 능숙하게 다루는 데 큰 도움이 되리라 믿습니다.

- 량보원 (구글 번역팀 엔지니어)

딥러닝에 의해 야기된 기술 혁명은 이미 다양한 학문 분야에 널리 펴졌습니다. 옛 신경망 기술에서 파생된 딥러닝은 단순히 전통적인 신경망의 부활을 상징할 뿐만 아니라, AlphaGo가 인류와의 바둑 대결에서 완승을 거둠으로써 AI 시대를 여는 발판이 되었습니다. 머신러닝은 인공지능이 나아갈 길을 밝혀 주었고 딥러닝은 머신러닝으로 하여금 우리 생활 속에 녹아들게 했습니다. 고등교육을 맡고 있는 교육자로서 학생들이 최신 기술을 이해하고 응용하길 바라는 건 당연한 일입니다. 딥러닝의 중요성은 IT 분야 세계적 권위자들의 미래에 대한 전망에서 분명히 드러납니다. 인공지능 기술은 의심할 여지 없이 다가올 시대를 이끌어갈 주역이자 기둥이 될 것입니다.
그러나 현재 딥러닝과 관련된 자료, 특히 TensorFlow와 같이 미래를 이끌 새로운 기술의 자료가 매우 부족한 실정입니다.
첫째, 대부분의 자료는 영어로 설명되어 있으며, 정보는 분산되어 있고, 체계적이지 않습니다. 많은 자료가 알고리즘을 설명하고 블로그에서 응용 프로그램을 소개하지만, 배우는 학생들이 완전하고 전체적인 개념을 이해하기는 어렵습니다.
둘째, 기존의 딥러닝 자료는 대개 이론 중심으로 이뤄져 확률, 통계 등 수학이란 장벽으로 인해 학생들의 흥미를 자극하기 쉽지 않습니다.
이 책의 저자가 이러한 문제들을 해소시켜 줄 것으로 기대하고 있습니다. 이 책은 딥러닝에 쉽게 접근할 수 있어 대학생들에게 특히 유용한 입문서입니다. 현실 문제를 시작으로 다뤄 독자의 흥미를 자극해 신속하고 직관적으로 문제 해결의 성취감을 누릴 수 있기 때문입니다. 동시에 이 책은 이론과 실전을 중요시해 딥러닝에 대한 심층적인 연구를 위한 기본 개념을 소개할 뿐만 아니라, 독자가 학습 결과를 직접 확인할 수 있도록 TensorFlow 예제 코드도 제공합니다.
딥러닝에 관심 있는 수많은 학생이 이 책을 통해 보다 빠르고 깊이 있는 학습을 거쳐 AI 전문가가 될 수 있기를 진심으로 희망합니다.

- 장밍 (베이징대학교 정보과학기술학원 교수)

이 책은 기술 프레임워크를 소개하는 기존의 책과는 크게 다르다. 딥러닝의 기초부터 시작하여 한 단계씩 심층적인 TensorFlow의 사용으로 이어지며, 알고리즘과 프레임워크를 결합하여 독자가 프레임워크와 알고리즘을 더욱 깊이 있게 이해할 수 있다. 샘플 코드의 주석이 상세하며, 언어 형식이 이해하기 쉽고, 알고리즘의 기초부터 심층 수준까지 소개한다.

- 펑보 (TalkingData 데이터 과학자)

이 책은 기초부터 심층 단계까지 텐서플로우의 응용 프로그램을 소개하고, 분산식 훈련과 같은 많은 예제를 제공한다. TensorFlow 개발자와 딥러닝 학습자들을 위한 필수 IT 전문서이다.

- 천디하오 (샤오미 딥러닝 엔지니어)

TensorFlow는 새로운 기능이 추가되면서 반복 주기가 짧아지고 응답 속도가 빨라졌다. 알고리즘 모델을 구축하기 위한 Tensor와 Graph의 독특한 접근 방식은 신선하며 모델 디자이너에게 더 많은 자유를 준다. 이 책은 추상적 개념에서 엔지니어링 구현에 이르기까지, 기본 개념부터 완전한 모델까지 개발자에게 매우 적합하다.

- 자오융커 (Alibaba Cloud 수석 R & D 엔지니어)

이 책은 심층 신경망의 기본 기술을 쉽게 설명할 뿐만 아니라 이미지 처리, 의미 이해, 성능 가속화, 데이터 시각화 등에 대한 TensorFlow의 실전 사례를 제공하며 풍부한 개발 경험과 실천적 지식을 담고 있다.

- 천윈원 (Data Grand 회장 겸 CEO)

이 책은 TensorFlow의 기본 사용법과 고전적인 딥러닝 모델의 실전 사례를 기초부터 심층 수준까지 단계적으로 설명한다. 모델과 연구 문제 등에 대한 저자의 이해뿐만 아니라 다양한 실제 사례가 포함되어 있어, 초보자는 TensorFlow를 빨리 쉽게 배울 수 있으며, 경험 있는 사용자들은 관련 자료에 액세스할 수 있는 훌륭한 책이다.

- 덩수쥔 (위앤푸다오 연구부 이사)

이 책의 저자는 Google 알고리즘 전문가의 경험을 바탕으로 딥러닝과 딥러닝 프레임워크인 TensorFlow를 0부터 1까지 체계적으로 설명하고, 다양한 응용 예제를 제공하는 딥러닝 응용 분야의 창의적인 책이다.

- 시앙광 (베이징 디지털 테크놀로지 창립자 겸 CEO, Carnegie Mellon University 박사)

TensorFlow에 관한 최고의 책이다. 이해하기 쉽고, 심오한 내용을 알기 쉽게 설명한다. 강력 추천한다!.

- 탕지앤 (딥러닝전문가, 미시건대학교 박사후 연구원)

회원리뷰 (0건) 회원리뷰 이동

리뷰 쓰기

혜택 및 유의사항?

등록된 리뷰가 없습니다!

첫번째 리뷰어가 되어주세요.

한줄평 (0건) 한줄평 이동

한줄평 쓰기

혜택 및 유의사항?

등록된 한줄평이 없습니다!

첫번째 한줄평을 남겨주세요.

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