확장메뉴
주요메뉴


소득공제
미리보기 공유하기

파이토치 첫걸음

: 딥러닝 기초부터 RNN, 오토인코더, GAN 실전 기법까지

리뷰 총점9.4 리뷰 6건 | 판매지수 3,870
베스트
IT 모바일 top100 2주
정가
23,000
판매가
20,700 (10% 할인)
YES포인트
배송비?
무료
서울특별시 영등포구 은행로 지역변경
  •  국내배송만 가능
  •  최저가 보상
  •  문화비소득공제 신청가능
1월 전사
1월 혜택모음
1 2 3 4 5

품목정보

품목정보
출간일 2019년 06월 07일
쪽수, 무게, 크기 232쪽 | 153*224*20mm
ISBN13 9791162241899
ISBN10 1162241896

책소개 책소개 보이기/감추기

페이스북이 주도하는 딥러닝 프레임워크 파이토치
기초부터 스타일 트랜스퍼, 오토인코더, GAN 실전 기법까지 A to Z


딥러닝 구현 복잡도가 증가함에 따라 ‘파이써닉’하고 사용이 편리한 파이토치가 주목받고 있다. 파이토치 코리아 운영진인 저자는 다년간 딥러닝을 공부하고 강의한 경험을 살려 딥러닝의 진입 장벽을 낮출 목적으로 이 책을 집필했다. 파이토치 설치부터 CNN, RNN, 나아가 스타일 트랜스퍼, 오토인코더, GAN 등 최신 연구 결과까지 살펴본다. 같은 어려움을 겪었던 개발자의 마음으로 개념 원리와 구현을 균형 있게 구성하여 쉽게 읽을 수 있다.

목차 목차 보이기/감추기

CHAPTER 1 딥러닝에 대하여
1.1 딥러닝이란 무엇인가
1.2 왜 배워야 하는가
1.3 무엇을 할 수 있는가

CHAPTER 2 파이토치
2.1 파이토치는 무엇이고 왜 써야 하는가
2.2 다른 프레임워크와의 비교
2.3 설치하는 법

CHAPTER 3 선형회귀분석
3.1 선형회귀분석이란 무엇인가
3.2 손실 함수 및 경사하강법
3.3 파이토치에서의 경사하강법

CHAPTER 4 인공 신경망
4.1 신경망이란 무엇인가
4.2 인공 신경망의 요소
4.3 전파와 역전파
4.4 모델 구현, 학습 및 결과 확인

CHAPTER 5 합성곱 신경망
5.1 합성곱 신경망의 발달 배경
5.2 합성곱 연산 과정
5.3 패딩과 풀링
5.4 모델의 3차원적 이해
5.5 소프트맥스 함수
5.6 모델 구현, 학습 및 결과 확인
5.7 유명한 모델들과 원리

CHAPTER 6 순환 신경망
6.1 순환 신경망의 발달 과정
6.2 순환 신경망의 작동 원리
6.3 모델 구현, 학습 및 결과 확인
6.4 순환 신경망의 한계 및 개선 방안

CHAPTER 7 학습 시 생길 수 있는 문제점과 해결 방안
7.1 오버피팅과 언더피팅
7.2 정형화
7.3 드롭아웃
7.4 데이터 증강
7.5 초기화
7.6 학습률
7.7 정규화
7.8 배치 정규화
7.9 경사하강법의 변형

CHAPTER 8 뉴럴 스타일 트랜스퍼
8.1 전이학습
8.2 스타일 트랜스퍼
8.3 스타일과 콘텐츠의 정의
8.4 학습 알고리즘
8.5 최적화 알고리즘
8.6 코드 구현

CHAPTER 9 오토인코더
9.1 소개 및 학습 원리
9.2 합성곱 오토인코더
9.3 시맨틱 세그멘테이션

CHAPTER 10 생성적 적대 신경망
10.1 소개 및 학습 원리
10.2 모델 구현 및 학습
10.3 유명한 모델들과 원리

저자 소개 (1명)

출판사 리뷰 출판사 리뷰 보이기/감추기

복잡한 건 파이토치에게 맡기고
모델에 집중하세요!


딥러닝 분야의 네임드인 안드레이 카파시는 이런 말을 했습니다. “파이토치를 몇 달 써봤는데 이보다 더 좋을 수 없다. 에너지가 넘치고, 피부도 밝아졌으며, 시력도 좋아졌다.” 파이토치는 텐서플로와 비교하면 그래프 정의와 실행부가 분리되어 있지 않아 직관적입니다. 코드가 짧은 것도 강점 중 하나입니다. 새로운 딥러닝 연구 결과가 매일 쏟아지고 구현 복잡도 역시 증가함에 따라 구현 측면에서 ‘파이써닉’하고 편리한 파이토치가 떠오르고 있습니다.
다년간 딥러닝을 공부하고 강의한 저자는 파이토치로 딥러닝의 진입 장벽을 낮출 목적으로 이 책을 썼습니다. 파이토치 실습은 어떻게 시작하는 게 좋을까요? 이 책처럼 코랩을 사용하면 설치할 게 하나도 없습니다. 선형회귀분석, 역전파, CNN, RNN, 학습 시 문제점 해결 등 이제는 익숙한 주제를 배우고, 스타일 트랜스퍼, 오토인코더, GAN 등 주요한 논문 연구 결과도 살펴봅니다. 같은 어려움을 겪었던 개발자의 마음으로 이론과 구현을 균형 있게 구성하여 개발자들이 최대한 쉽게 읽을 수 있게 집필했습니다.
최근에는 딥러닝 입문자들이 활용할 수 있는 자료가 많아졌습니다. 수학 공식을 몰라도 배울 수 있다는 주장은 더는 통하지 않습니다. 수학이 어려워도 알아야 할 것은 알아야 수박 겉핥기 수준에서 벗어날 수 있습니다. 코랩+파이토치 실습으로 까다로운 구현은 덜어내고 딥러닝 개념 원리에 집중한 이 책이 딥러닝 정복을 향한 진정한 첫걸음을 딛게 해줄 것입니다.


※ 주요 내용

· 아나콘다+CUDA+cuDNN 설치(그냥 코랩 쓰면 마음이 편합니다)
· 선형회귀분석을 살펴보며 손실 함수, 경사하강법 이해하기
· 연쇄법칙, 전파, 역전파 등 인공 신경망의 기초
· 친절한 그림으로 CNN을 익히고, VGGNet, GoogLeNet, ResNet 살펴보기
· RNN의 원리부터 LSTM, GRU, 임베딩, word2vec까지
· 오버피팅과 언더피팅 해결, 드롭아웃, 정형화, 초기화, 정규화 등 학습 성능 향상법
· 스타일 트랜스퍼, 전이학습, L-BFGS
· 오토인코더와 시맨틱 세그멘테이션
· GAN과 친구들(DCGAN, SRGAN, Pix2Pix, CycleGAN, DiscoGAN)

추천평 추천평 보이기/감추기

인공지능은 더 이상 선택이 아닌 필수다. 기초과학 연구부터 의료 영상 분석까지 인공지능은 더 넓게 퍼지고 있고, 우리의 일상에 깊게 파고들고 있다. 문제는 why가 아닌 how다. 수많은 전문서, 학회, 워크숍 등이 범람하고 있지만, 입문자들은 어디서부터 시작해야 할지 막막하다. 이 책은 파이토치 설치부터 RNN을 이용한 응용까지, 단순 예제뿐만 아니라 트러블슈팅 과정까지 친절하게 설명한다. 또한 알고리즘의 작동 원리를 이론적으로도 자세히 다루고 있어서, 파이토치뿐만 아니라 인공지능 전반에 대한 훌륭한 입문서가 될 것이다. 인공지능 입문자에게 첫 책을 추천한다면 이 책을 꼽고 싶다.
- 박용근 (KAIST 교수, 토모큐브 CTO)

딥러닝은 파이토치로, 파이토치는 이 책으로 공부를 시작하면 가장 성공적인 첫걸음이 될 것이라 생각한다.
- 임성빈 (카카오브레인 연구원)

회원리뷰 (6건) 리뷰 총점9.4

혜택 및 유의사항?
포토리뷰 파이토치와 딥러닝의 세계로 일보 전진 내용 평점4점   편집/디자인 평점4점 제*슨 | 2019.08.31 | 추천0 | 댓글0 리뷰제목
 이세돌과 알파고간 세기의 바둑 대결 이후로 우리에겐 딥러닝이 관심의 대상이요 호기심의 대상이 되었다. 우리가 모르는 사이 생활 곳곳에서 머신러닝/딥러닝 알고리즘이 돌아가고 있다. 개인적으로도 관심을 가지고 이기술에 접근해보고 싶은데, 체계적으로 개념을 쌓아나가기가 쉽지 않다. 사람들의 관심 만큼이나 온/오프라인에서 수많은 서적, 정보가 넘쳐난다;
리뷰제목


 이세돌과 알파고간 세기의 바둑 대결 이후로 우리에겐 딥러닝이 관심의 대상이요 호기심의 대상이 되었다. 

우리가 모르는 사이 생활 곳곳에서 머신러닝/딥러닝 알고리즘이 돌아가고 있다. 개인적으로도 관심을 가지고 이기술에 접근해보고 싶은데, 체계적으로 개념을 쌓아나가기가 쉽지 않다. 사람들의 관심 만큼이나 온/오프라인에서 수많은 서적, 정보가 넘쳐난다고 해도 추상적인 개념과 복잡한 수학적 기반 등을 이해하기엔 진입장벽 같은 것이 느껴지기 때문이다. 그래서 초심자는 개념잡기에 많은 노력을 할애 해야 할 것 같다. 


이책은 '어디서부터 어떻게 딥러닝 공부를 시작해야 할지 막막한 분들을 대상으로' 한다. 개념과 원리 뿐만 아니라 실제 적용되는 모델링을 파이토치(파이선 based)코드로 테스트 하기 때문에 전공/비전공을 떠나서 파이썬을 어느정도는 다룰줄 아는 실력이 필요하다. 

 


(구성)


이책의 구성은 아래 내용들로 이루어진다.    


인공지능-머신러닝-딥러닝의 개념 및 관계 

파이토치 소개 및 환경 구성 방법, 선형회귀분석 모델 구현 

인공신경망 모델 구현, 합성곱 신경망 구현

순환 신경망-글자사이의 패턴을 학습, 특정문제를 모방하는 모델 구현

학습시 문제점과 해결 방안 소개, 스타일 트랜스퍼 구현

오토인코더 + 합성곱 구현 ,생성적 적대 신경망 탐구




세부적인 구조를 살펴보면 단순히 개념 설명만 하는 것이 아니라 인공지능의 역사와 발달과정 속에서 각각의 모델이 갖는 의미를 이해할 있도록 해준다.




이어서 해당 모델의 원리에 대한 이해를 한다. 그림을 보면 좀더 쉽게 이해가 된다. 




이어서 파이토치로 구현하고 결과를 확인한다. 




구현한 모델의 문제점과 개선 방향도 제시해준다. 




(장점)

딥러닝 공부를 시작하는 초심자에 맞추어 다양한 개념들을 그나마 쉽고 간략하게 설명하고 있다.

책의 크기와 두께가 부담감을 상당히 줄여준다.


(대상) 

1. 파이토치를 활용한 딥러닝 공부 초심자 

2. 딥러닝을 처음 시작하는 입장에서 세부적인 모델의 개념과 원리를 이해하고 싶은 초심자

3. 파이썬을 다룰 줄 알고 딥러닝에 적용해 보고 싶은 초심자

 


(마무리하여) 

 딥러닝에서 표현하는 양식에 대한 이해와 수학적 기반은 딥러닝을 시작하는 단계에서 중요한 요소이다. 

이러한 요소을 바탕으로 이책의 내용을 이해하고 파이토치 프로그래밍을 한다면 효율적으로 '딥러닝 첫걸음'을 뗄 수 있으리라 확신한다.



댓글 0 이 리뷰가 도움이 되었나요? 공감 0
포토리뷰 텐서플로우, 이제 대세는 파이토치? 내용 평점5점   편집/디자인 평점5점 r*****n | 2019.08.12 | 추천0 | 댓글0 리뷰제목
0. 텐서플로우, 이제 대세는 파이토치? 구글은 머신러닝관련 프로그램을 보다 편리하게 개발할 수 있도록 텐서플로우라는 프래임워크를 개발합니다. 텐서플로우는 머신러닝을 개발에 큰 진보를 가져왔고, 이를 통해, 다양한 머신러닝 코드들이 깃허브를 통해 공개되고, 유통되면서, 관련 시장이 크게 발전하게 됩니다. 그러나 이러한 텐서플로우의 큰 강점에도 불구하고;
리뷰제목

0. 텐서플로우, 이제 대세는 파이토치?

구글은 머신러닝관련 프로그램을 보다 편리하게 개발할 수 있도록 텐서플로우라는 프래임워크를 개발합니다. 텐서플로우는 머신러닝을 개발에 큰 진보를 가져왔고, 이를 통해, 다양한 머신러닝 코드들이 깃허브를 통해 공개되고, 유통되면서, 관련 시장이 크게 발전하게 됩니다. 그러나 이러한 텐서플로우의 큰 강점에도 불구하고, 페이스북은 보다더 편리하게 머신러닝을 접근할 수 있도록 프레임워크를 개발해 내놓게 되는데 이것이 바로 파이토치 입니다.

1. 파이토치 왜 공부해야하지?

파이토치는 텐서플로우보다 높은 코드 생산성을 가지고 있습니다. 이것은 텐서플로우와 파이토치의 큰 차이로, 파이토치는 'Define by Run' 방식이기 때문입니다. 즉 파이토치는 연산 그래프를 정의하는 것과 동시에 값도 초기화되어 연산이 이뤄지기 때문에 연산 그래프와 연산을 분리해서 생각할 필요가 없습니다. 반면에 텐서 플로우는 '그래프를 먼저 정의하고 세션에서 실제로 값을 집어 넣어 결과를 도출'하는 방식이기 때문에 사람에 따라 직관적으로 받아들이기 어려울 수도 있고, 그래프를 정의하는 부분과 이를 돌리는 부분이 분리되어 있게 때문에 전체적으로 코드 길이가 길어지게 됩니다.

2. 파이토치 첫걸음



 

 


 

 


 

이 책은 파이토치를 처음 공부하는 입문자들에게 매우 편리하게 구성되어 있습니다. 머신러닝을 처음배울 때 알아야하는 설치부터, 회귀분석, 인공신경망의 원리 등을 예제 코드와 함께 차근차근 설명하는 방식을 취하고 있습니다. 즉 파이토치의 문법을 전반적으로 구조적으로 가리키기 보다는 우리가 익히 머신러닝에서 알야아 하는 지식들을 함께 가리키면서, 파이토치를 자연스렵게 배울 수 있게 도와줍니다.

 

 


 

 

3. 딥러닝, CNN, RNN

이 책의 또하나의 특징은 CNN, RNN의 원리를 매우 쉽게 파이토치를 통해서 설명해 준다는 점입니다. 사실 머신러닝에 사람들이 많은 관심을 보기고 있지만 딥러닝의 대표적은 CNN, RNN에 대한 원리를 이해시키는 것은 쉽지 않습니다. 물론 다양한 책에서 이를 다루고 있지만, 이 부분을 체계적으로 잘 설명한 책이 사실 드뭅니다. 이 책은 해당 알고리즘을 독자가 쉽게 이해할 수 있도록, 많은 장을 투자했으며, 각 세부 파트는 실습코드를 같이 병행해 설명하기 때문에, 다시 이를 재현하거나, 구현할 수 있도록 지원합니다.

 

 



 

 

즉 이 책은 파이토치를 통해 독자가 특정 딥러닝 알고리즘을 구현해야하는 사항에 매우 적합하게 구성이 되어 있습니다. 그래서 이책은 뉴럴 스타일 트랜스퍼, 오터인코더, 생성적 적대신경망(GAN)에 대해서 매우 잘 설명을 담고 있습니다.

4. 이런 독자들에 권장한다~

이 책은 파이토치의 기본적인 문법원리 보다는 딥러닝 알고리즘에 대해서 어떻게 파이토치로 구현할 수있을 지에 대해서, 그리고 그 원리는 정확히 어떻게 되어 있는지를 궁금해 하는 독자들에 더 꼭맞는 책이라고 생각합니다. 특히, 구현을 통해서, 항상 왜 이 코드가 이렇게 구성되어 있는지, 신경망에 대한 프레임워크가 지원하는 옵션이 무슨 뜻을 함의하는지를 알고 싶다면, 이 책을 꼭 추천하고 싶습니다. 그리고, 텐서플로우를 통해, 이해가 되지 않던 코드를 파이토치를 통해 좀더 쉽게 이해하고, 구현할 수 있다는 점 또한 이 책의 큰 가치라는 생각이 듭니다.


댓글 0 이 리뷰가 도움이 되었나요? 공감 0
[리뷰]파이토치 첫걸음 내용 평점5점   편집/디자인 평점5점 스타블로거 : 블루스타 하*스 | 2019.08.08 | 추천0 | 댓글0 리뷰제목
한빛미디어의 <나는 리뷰어다> 7월 이벤트에 당첨되어 작성한 리뷰입니다.[한줄평]초보자도 쉽게 파이토치와 딥러닝 입문할 수 있는 추천 도서 입니다.[목차구성]이책은 총 chapter10으로 구성되어 있습니다.CHAPTER 1 딥러닝에 대하여-딥러닝의 정의 및 최근에 각광받게 된 배경과 배워야 하는 이유에 대해 간략히 설명하고 또한 이것으로 무엇을 할 수 있는지에 대해 다룹니다.CHAPTE;
리뷰제목

한빛미디어의 <나는 리뷰어다> 7월 이벤트에 당첨되어 작성한 리뷰입니다.

[한줄평]

초보자도 쉽게 파이토치와 딥러닝 입문할 수 있는 추천 도서 입니다.


[목차구성]

이책은 총 chapter10으로 구성되어 있습니다.


CHAPTER 1 딥러닝에 대하여

-딥러닝의 정의 및 최근에 각광받게 된 배경과 배워야 하는 이유에 대해 간략히 설명하고 또한 이것으로 무엇을 할 수 있는지에 대해 다룹니다.

CHAPTER 2 파이토치

-페이스북 인공지능 연구팀에서 만든 프레임워크인 파이토치에 대하여 소개하고 다른 프레임워크와의 비교를 통해 어떠한 장점과 단점이 있는지 다룹니다.

CHAPTER 3 선형회귀분석

-파이토치에서 텐서를 사용하는 법과 변수 생성 및 모델 구현, 비용 계산 및 최적화를 위한 경사하강법에 대해 다룹니다.

CHAPTER 4 인공 신경망

-생물학적 신경망과 이를 모방한 인공 신경망에 대해 소개하고 이를 구성하는 요소들을 살펴봅니다. 그리고 전파와 역전파에 대해 자세히 다룹니다. 인공 신경망 모델을 직접 구현하여 학습이 되는지 확인합니다.

CHAPTER 5 합성곱 신경망

-인공 신경망이 다시 주목을 받는 데 큰 역할을 한 합성곱 신경망에 대해 설명합니다. 그리고 최근 몇년간 주목받았던 모델들을 간략하게 성명합니다.

CHAPTER 6 순환 신경망

-기존의 신경망에서 하나의 데이터 또는 하나의 사진을 보고 예측을 했던 것과 달리 순서가 있거나 시간의 흐름이 있는 데이터를 다룰 때 사용되는 순환 신경망에 대해 소개합니다. 그리고 기본적인 순환 신경망이 가지는 한계를 극복하기 위해 나온 LSTM, GRU 모듈에 대해 알아봅니다.

CHAPTER 7 학습 시 생길 수 있는 문제점과 해결 방안

-모델을 학습시키면서 생기는 다양한 문제들과 이에 대한 해결책으로 나왔던 기법들에 대해 소개합니다.

CHAPTER 8 뉴럴 스타일 트랜스퍼

-스타일  트랜스퍼에 대해 소개하고 이를 구현합니다. 또한 미리 학습된 모델을 각자의 목적에 맞게 활용하는 전이학습에 대해 알아봅니다.

CHAPTER 9 오토인코더

-오토인코더의 원리 및 학습 방법에 대해 알아보고 여기에 합성곱 연산을 합친 합성곱 오토인코더를 구현합니다.

CHAPTER 10 생성적 적대 신경망

-생성적 적대 신경망 모델의 기본적인 학습원리를 소개하고 이를 구현합니다. 또한 장점 및 단점에 대해 다양한 형태의 생성적 적대 신경망 모델을 설명합니다.


[이 책의 주요 특징]

· 아나콘다+CUDA+cuDNN 설치(그냥 코랩 쓰면 마음이 편합니다)

· 선형회귀분석을 살펴보며 손실 함수, 경사하강법 이해하기

· 연쇄법칙, 전파, 역전파 등 인공 신경망의 기초

· 친절한 그림으로 CNN을 익히고, VGGNet, GoogLeNet, ResNet 살펴보기

· RNN의 원리부터 LSTM, GRU, 임베딩, word2vec까지

· 오버피팅과 언더피팅 해결, 드롭아웃, 정형화, 초기화, 정규화 등 학습 성능 향상법

· 스타일 트랜스퍼, 전이학습, L-BFGS

· 오토인코더와 시맨틱 세그멘테이션

· GAN과 친구들(DCGAN, SRGAN, Pix2Pix, CycleGAN, DiscoGAN)


[이 책의 독자 대상]

- 머신러닝, 인공지능, 딥러닝에 대해 막연한 관심을 갖고 있지만 어떤 책으로 시작해야 좋을지 고민하는 학생 및 일반인, 타 분야의 개발자 등 이 분야에 입문하고 싶어하는 완전 초보자

- 실용적인 딥러닝 코드를 작성해 업무나 현장에서 바로 적용해보고 더 높은 수준의 딥러닝을 구현하고 싶은 개발자


[서평]

요즘 인공지능 머신러닝 딥러닝에 대한 관심이 많습니다. 그래서 딥러닝 관련 서적이 많이 나오고 있는데요. 대체로 딥러닝 프레임워크 혹은 라이브러리위주의 책들이 었습니다. 이런 책들은 초보자가 사용하기에는 많이 어렵습니다. 파이토치는 파이썬과 토치를 결합하여 다른 인공지능 관련 라이브러리보다 간결하고 구현이 빨라 더 입문하기 쉽습니다. 그리고 오픈 소스 기반에 빠른 업데이트로 기본의 텐서플로와 케라스 라이브러리의를 자리를 위협하고 있는 중입니다. 이책은 딥러닝의 기본적인 지식을 가지고 있고 파이토치라는 프레임워크에 대해 처음으로 접하는 개발자에게 추천하고 싶은 책입니다. 책이 얇아서 가방에 넣고 다니면서 간편하게 볼수 있어 자투리 시간에 읽기 좋은 책입니다.



댓글 0 이 리뷰가 도움이 되었나요? 공감 0

한줄평 (1건) 한줄평 총점 6.0

혜택 및 유의사항 ?
구매 평점3점
평점이 좋아서 구매했는데, 코드 설명이 부족해서 실망스러운 책입니다.
이 한줄평이 도움이 되었나요? 공감 0
c*****1 | 2020.03.18
  •  쿠폰은 결제 시 적용해 주세요.
1   20,700
뒤로 앞으로 맨위로 aniAlarm