확장메뉴
주요메뉴


소득공제
공유하기

이토록 쉬운 딥러닝을 위한 기초 수학 with 파이썬

리뷰 총점8.9 리뷰 10건 | 판매지수 234
베스트
IT 모바일 top100 1주
정가
28,000
판매가
25,200 (10% 할인)
YES포인트
eBook이 출간되면 알려드립니다. eBook 출간 알림 신청
내 주변 사물들 - 탁상시계/러그/규조토발매트/데스크정리함/트레이/유리머그컵
[단독]『혼자 공부하는 파이썬』 개정판 출간
키워드로 읽는 2022 상반기 베스트셀러 100
월간 개발자 2022년 6월호
내일은 개발자! 코딩테스트 대비 도서전
6월 전사
6월 쇼핑혜택
1 2 3 4 5

품목정보

품목정보
출간일 2019년 08월 13일
쪽수, 무게, 크기 320쪽 | 170*232*30mm
ISBN13 9791186710524
ISBN10 1186710527

책소개 책소개 보이기/감추기

『이토록 쉬운 딥러닝을 위한 기초 수학 with 파이썬』은 '수학 기초와 파이썬으로 배우는 머신러닝과 딥러닝 기초’라고 할 수 있는 책이다. 저자는 기초 수학을 설명한 후 여기서 파생하는 머신러닝과 딥러닝의 주요 개념인 회귀, 신경망, 경사하강법, 합성곱 신경망, 순환 신경망, 강화 학습 등을 설명하고 각 개념을 구현하는 파이썬 코드도 함께 소개하였다.

목차 목차 보이기/감추기

Chapter 1. 딥러닝을 배우기 전 알아 둬야 할 머신러닝과 신경망 이야기
Q 생각해보기
1.1 어떤 동작을 ‘똑똑’하다고 할까
1.1.1 일반적인 시스템 개발과 인공지능 시스템 개발의 차이
1.1.2 데이터를 ‘학습’한다는 의미
1.1.3 지금까지의 인공지능 연구와 성과
1.2 머신러닝의 사고방식
1.2.1 지도 학습, 비지도 학습, 강화 학습
1.2.2 머신러닝의 장점과 한계
1.2.3 가볍게 살펴보는 머신러닝 사례
1.3.3 작은 크기의 신경망부터 구성
1.3 신경망
1.3.1 신경망과 딥러닝
1.3.2 신경망의 동작 살펴보기
1.4 파이썬 기초
1.4.1 개발 목적에 적합한 프로그래밍 언어 선택하기
1.4.2 파이썬의 특징
1.4.3 파이썬 개발 환경 설치
1.4.4 파이썬의 숫자 타입과 산술 연산자
1.4.5 변수, 리스트, 튜플
1.4.6 조건문과 반복문
1.4.7 함수, 클래스, 객체
1.4.8 스크립트 파일 사용
1.4.9 라이브러리 사용
연습 문제 ①, ②

Chapter 2. 수열, 통계, 확률 근거에 따라 결정하는 방법
Q 생각해보기
2.1 대량의 데이터를 다루는 수열과 집합
2.1.1 수열 표현과 점화식
2.1.2 수열의 합과 시그마
2.1.3 수열을 다루는 리스트와 리스트 내포
2.1.4 집합
2.1.5 평균, 분산, 표준편차
2.1.6 데이터의 표준값
2.1.7 데이터의 분포
2.2 답이 정확한지 확인하는 확률
2.2.1 확률의 개념
2.2.2 확률변수와 확률분포
2.2.3 결합확률과 조건부확률
2.2.4 베이즈 정리
2.3 대량의 데이터에서 추정하는 방법
2.3.1 표본 추정
2.3.2 표본을 추출할 때 사용하는 난수
2.3.3 확률분포 추정
연습 문제 ③, ④

Chapter 3. 벡터와 행렬 - 다양한 입출력을 한꺼번에 처리
Q 생각해보기
3.1 데이터를 일렬로 정리하는 벡터
3.1.1 스칼라, 벡터, 행렬, 텐서
3.1.2 벡터의 합, 차, 크기
3.1.3 벡터의 내적
3.2 다차원 데이터를 다루는 행렬
3.2.1 행렬의 덧셈과 곱셈
3.2.2 전치행렬과 역행렬
3.2.3 행렬의 사상과 연립방정식
연습 문제 ⑤, ⑥

Chapter 4. 함수와 미분 - 최적값에 수렴하는 방법
Q 생각해보기
4.1 입력으로 출력을 결정하는 함수
4.1.1 대응표와 함수의 그래프
4.1.2 지수함수와 로그함수
4.1.3 오차의 최솟값 계산
4.2 미분으로 그래프의 접선 계산
4.2.1 접선의 기울기
4.2.2 복잡한 함수의 미분
4.2.3 미분 가능 함수
4.3 여러 개 변수를 미분하는 편미분
4.3.1 편미분과 기울기 벡터
4.3.2 다변수 함수의 최솟값 계산 조건
연습 문제 ⑦, ⑧

Chapter 5. 예측과 최적화 - 학습으로 결과 도출
Q 생각해보기
5.1 데이터로 예측하는 회귀분석과 로지스틱 회귀
5.1.1 1차함수를 이용한 예측
5.1.2 회귀분석
5.1.3 다중회귀분석과 확률적 경사하강법
5.1.4 로지스틱 회귀
5.2 신경망의 손실함수 최적화
5.2.1 역전파
5.3 학습 모델 평가
5.3.1 교차 검증
5.3.2 과대적합을 막는 학습
연습 문제 ⑨, ⑩

Chapter 6. 신경망과 딥러닝 - 정확도 향상과 이미지 인식 등의 응용
Q 생각해보기
6.1 과거 신경망의 문제점
6.1.1 기울기 소실 문제와 활성화 함수
6.1.2 가중치의 초깃값을 정하는 오토 인코더
6.1.3 과대적합과 드롭아웃
6.2 합성곱 신경망
6.2.1 이미지 데이터의 특징 표현
6.2.2 합성곱층
6.2.3 풀링층
6.2.4 합성곱 신경망의 학습
6.2.5 데이터 확장에 따른 이미지 추가와 전이 학습
6.2.6 생성적 적대 신경망
6.2.7 미니배치 학습과 배치 정규화
6.3 순환 신경망과 재귀 신경망
6.3.1 학습 데이터가 변하는 신경망
6.3.2 LSTM과 GRU
연습 문제 ⑪

Chapter 7. 강화 학습 - 스스로 학습하는 인공지능 구축
Q 생각해보기
7.1 몬테카를로 방법과 동적 계획법
7.1.1 결과 평가의 가치 추정
7.1.2 마르코프 결정 과정의 모델링
7.1.3 몬테카를로 방법을 이용한 학습
7.1.4 동적 계획법과 벨만 방정식
7.2 On-policy 학습과 Off-policy 학습
7.2.1 시간차 학습
7.2.2 Sarsa 학습
7.2.3 Q 학습
7.3 심층강화학습
7.3.1 강화 학습과 신경망의 결합
7.3.2 새롭게 등장할 심층 강화 학습 이론
연습 문제 ⑫

연습 문제 해답

저자 소개 (2명)

출판사 리뷰 출판사 리뷰 보이기/감추기

딥러닝을 ‘이용하는 것’과 ‘이해하는 것’의 차이
이제는 많은 사람이 인공지능과 딥러닝이라는 용어를 언급하고 실제로 딥러닝이라는 기술의 원리부터 활용 방식 등을 살펴보고 있습니다. 또한 라이브러리와 프레임워크도 다수 등장해서 개발자가 접하기도 쉬워졌습니다. 덕분에 공개된 라이브러리를 이용하면 단 몇 줄의 소스 코드만으로 딥러닝을 쉽게 경험할 수 있죠. 단, 이러한 경험을 했다고 딥러닝을 이해했다고 말할 수는 없습니다. 이용하는 것과 이해하는 것은 완전히 다른 문제니까요.

예를 들어 딥러닝 기반 프로그램을 본격적으로 사용하려면 상황에 따라 파라미터를 어떻게 조정해야 하는지 알아야 합니다. 또 만약 원하는 결과가 나오지 않거나 예상보다 시간이 오래 걸릴 땐 데이터에 문제가 있는지, 사용하는 라이브러리에 문제가 있는지, 구현 내용에 문제가 있는지 등 원인을 알아야 하죠. 이런 부분을 모르고 딥러닝을 사용한다는 건 불확실한 결과가 나오더라도 스스로 해결할 수 없으며 실전에서는 응용할 수 없다는 뜻입니다.

딥러닝에 필요한 수학만 골라 담기
딥러닝과 머신러닝에서 빠질 수 없는 것 중 하나가 바로 수학입니다. 아마 딥러닝에 관심을 가지고 관련 책을 펼쳐본 적이 있다면 알겠지만, 고등학교까지 배운 수학으로는 이해하기 어려운 부분이 많습니다. 대학교에서 수학을 깊이 공부하지 않은 비전공자는 물론이고 공대, 자연과학부에서 수학을 공부한 사람조차 난도 높은 수학 지식에 당황하기도 합니다. 그렇다고 고등학교 수학부터 다시 공부하기엔 시간도 부족하고 현실적인 어려움이 있습니다. 따라서 이 책은 딥러닝을 이용하는 데 필요한 수학 지식만을 골라 소개합니다. 또한 실무에 적용하는 것이 목적이므로 수학적 증명 과정은 과감히 생략합니다. 빠르게 필요한 수학만 습득할 수 있죠.

딥러닝에 필요한 수학이라고 하면 어쩐지 어렵고 새로 배워야 하는 최신 이론을 떠올릴 것입니다. 하지만 사실 새로운 이론은 많지 않습니다. 제가 인공지능 연구를 시작한 지 약 15~20년이 되었습니다. 20년 전만 해도 딥러닝이라는 최신 이론은 존재하지 않았죠. 당시 인공지능 연구에서는 신경망과 유전자 알고리즘을 이용했는데, 사실 요즘 사용하는 인공지능 배경 기술과 크게 다르지 않습니다. 딥러닝의 기반은 20년 전이나 지금이나 큰 차이가 없다는 뜻입니다.

활용도 높은 프로그래밍 언어, 파이썬과 함께
인공지능 연구에서 과거와 최근의 가장 큰 차이점이라면 파이썬이라는 프로그래밍 언어를 활용하게 되었다는 점입니다. 이전에는 연산 처리가 빠른 C, C++, 자바 같은 프로그래밍 언어를 사용했지만, 점차 파이썬에 있는 데이터 과학과 통계 라이브러리, 딥러닝과 머신러닝 라이브러리와 프레임워크의 활용도가 높아지고 연산 처리도 빨라지면서 최근에는 파이썬이 대세가 되었습니다.

따라서 이 책을 통해 여러분은 딥러닝에 필요한 수학과 함께 파이썬을 배우게 될 것입니다. 단, 이 책은 프로그래밍 언어 책이 아니기 때문에 세세한 설명은 생략되어 있습니다. 만약 C나 C++, 자바 같은 다른 프로그래밍 언어를 공부한 적이 있다면 파이썬을 잘 몰라도 무리 없이 읽을 수 있겠지만, 프로그래밍 언어를 처음 접한다면 더 자세히 설명되어 있는 파이썬 입문서를 추천합니다.

우리가 배울 파이썬 기초는 인공지능 연구뿐만 아니라 웹 애플리케이션 개발에도 도움이 됩니다. 실제로 파이썬은 인공지능 개발 외에 통계 분석, 웹 애플리케이션 개발 등에도 많이 사용합니다. 직접 이 책에서 설명하는 예제 코드를 작성하고 실행해보면서 파이썬이 얼마나 편리한 언어인지, 더불어 인공지능이 우리 삶 전반에 어떻게 쓰이고 왜 필요한지 직접 느껴보기 바랍니다.

딥러닝의 맥락을 잡으려면 기초부터
이제 딥러닝은 수많은 분야에서 사용합니다. 최근에는 더 빠르게 딥러닝을 구현하는 방법과 학습 정확도를 높이는 방법을 연구 중이죠. 우리가 책에서 살펴볼 내용은 그중에서도 일부, 그중에서도 기초적인 부분입니다. 인공지능이라는 기술을 처음 접하는 사람에게는 딥러닝의 개념부터 낯설 수 있습니다. 따라서 이 책은 딥러닝의 큰 그림을 볼 수 있는 기초 설명부터 시작합니다.
또한 이 책에서 배운 수식이나 프로그래밍 지식을 바탕에 두고 다른 전문 서적과 논문도 계속 읽는다면 딥러닝을 ‘딥’하게 이해할 수 있을 것입니다. 이 책을 통해 딥러닝을 ‘이해’하는 데 어떻게 도움이 되는지 그리고 딥러닝을 무엇이 필요한지 알아나가기 바랍니다.

예제 소스는 다음 주소에서 내려받을 수 있습니다.
http://bit.ly/2YKdCTq

회원리뷰 (10건) 리뷰 총점8.9

혜택 및 유의사항?
포토리뷰 [도서 리뷰] 이토록 쉬운 딥러닝을 위한 기초수학 with 파이썬 내용 평점4점   편집/디자인 평점5점 YES마니아 : 로얄 b******4 | 2020.07.30 | 추천0 | 댓글0 리뷰제목
먼저, 책프협 골라 받는 서평 이벤트를 통해 받은 도서의 서평임을 밝힙니다.[본문]주관적인 의견으로,수포자(?)에 가까운 상태에서 이 책을 봤을 때, 한 번에 쭈~욱 읽히는 책이 아니었습니다.읽다가 막혔다가, 검색해보고, 어떤 부분에서는 술술 읽히기도 하는 책이었습니다.달리기로 비유하자면,달리기하다가, 멈칫하면서 옆길을 찾아서 둘러갔다가, 걷기도 하는 것과 같은 느낌이었습;
리뷰제목


먼저, 책프협 골라 받는 서평 이벤트를 통해 받은 도서의 서평임을 밝힙니다.


[본문]


주관적인 의견으로,

수포자(?)에 가까운 상태에서 이 책을 봤을 때, 한 번에 쭈~욱 읽히는 책이 아니었습니다.

읽다가 막혔다가, 검색해보고, 어떤 부분에서는 술술 읽히기도 하는 책이었습니다.

달리기로 비유하자면,

달리기하다가, 멈칫하면서 옆길을 찾아서 둘러갔다가, 걷기도 하는 것과 같은 느낌이었습니다.

아무래도 모르는 부분이 많기 때문이겠지요.


이 책은 수학 개념들과 파이썬 코드를 이어주는 책입니다.

어떤 책은 번역 때문에 읽던 책을 내려놓게 되는 경우도 있지만, 반대로 이 책은 역자분이 고민한 흔적이 느껴지는 책입니다.


Chapter 1. 딥러닝을 배우기 전 알아 둬야 할 머신러닝과 신경망 이야기

기온에 따라 에어컨을 켠 날과 끈 날을 바탕으로 언제 에어컨으로 켜면 좋을지에 대한 이야기로 시작합니다.

여기에서 지도 학습, 비지도 학습, 강화 학습 이야기와 신경망 이야기가 나옵니다.

62페이지에 소수에 대한 주석(30)이 누락되어 있습니다.

책의 제목처럼, 파이썬이 나오기는 하지만, 깊이 있게 다뤄지지 않습니다.


Chapter 2. 수열, 통계, 확률 근거에 따라 결정하는 방법

학교에서 배운 수열, 집합, 평균과 분산 등이 나옵니다.

그리고 짤막한 파이썬의 코드들과 좀 더 간단한 넘파이 소스도 나옵니다.

큰 데이터의 모집단에서 데이터 일부를 표본으로 선별해서, 모집단을 추측한다는 이야기도 있습니다.

이 챕터에서 간혹, "~는 식 n-00로 계산할 수 있습니다."라고 나온 다음에 추가적인 설명이 없어서 당황스러운 적도 있었습니다.


Chapter 3. 벡터와 행렬 - 다양한 입출력을 한꺼번에 처리

신경망에서 사용되는 벡터와 행렬에 관한 내용이 나옵니다.

이 챕터에서는 수학 시간에서 봤었던 다양한 그래프와 설명이 있습니다.

137페이지 하단에 "a1b2 + a2b2" -숫자는 아래 첨자-가 나오는데, "a1b1 + a2b2" -숫자는 아래 첨자-처럼 하는 것이 맞지 않는가? 하는 생각이 들었습니다.

이는 뒤 페이지에서 사용되는 공식이라서, 137페이지에 나오는 공식의 오타는 아쉽게 다가왔습니다.

개인적으로 챕터 3은 나름 재밌게 보면서 낙서(?)를 많이 했네요~^^ 가볍게 읽히는 챕터였습니다.


Chapter 4. 함수와 미분 - 최적값에 수렴하는 방법

여기에서도 평면 그래프와 수식을 만날 수 있습니다.

접선의 기울기도 나옵니다.


Chapter 5. 예측과 최적화 - 학습으로 결과 도출

오차와 예측이 나오고, 로지스틱 회귀에서는 챕터1의 온도에 따라 에어컨을 켜거나 끌지 예상하는 것으로 시작합니다.

여기에서 조금 난해한 수식들도 나옵니다.

역전파의 개념을 댐에 비유한 그림으로 쉽게 와 닿도록 설명이 되어 있습니다. 이를 신경망에 대입해서 설명되어 있습니다.

학습 데이터와 테스트 데이터의 정확도에 관한 이야기도 나옵니다.


Chapter 6. 신경망과 딥러닝 - 정확도 향상과 이미지 인식 등의 응용

이 챕터는 과거 신경망의 문제점과 오토 인코더(입력값과 출력값이 같도록 파라미터를 조정한 신경망) 이야기로 시작합니다.

이미지 처리에 관련된 이야기와 대푯값과 관련된 풀링이 나옵니다.

그리고 간단하게 설명된 개념들도 나옵니다.


Chapter 7. 강화 학습 - 스스로 학습하는 인공지능 구축

강화 학습과 심층 강화 학습에 관한 내용이 나옵니다.

개인적으로 이 챕터를 보면서 아직 배워야 할 것이 많다는 생각이 들었습니다.



[마치면서]

책에서는 나름 쉽게 설명하고자 하는 흔적들이 보이지만, 수학 개념을 다시 찾아보거나, 처음 보는 용어를 찾아보는 경우도 생겼습니다.


제게는 수학의 전체 범위 중에서 딥러닝에서 사용되는 수학의 범위를 알려준 책이었습니다.


여담으로 각각의 챕터에서 파이썬 소스가 나올 때마다,

개인적으로 '소스를 읽어보고, output을 보고 내 생각이 맞았구나...'라고 판단했는데,

일반 개발 책처럼, '다른 분들을 위해 소스에 대한 설명이 있으면 어떨까?' 하는 생각이 들었습니다.


이상, 저의 긴 서평을 읽어주신 분들께 감사드리며,

서평 기회를 주신 분들께도 감사드립니다.


댓글 0 이 리뷰가 도움이 되었나요? 공감 0
구매 인공지능 수학을 차근차근 배울 수 있어요 내용 평점4점   편집/디자인 평점4점 YES마니아 : 로얄 레**탕 | 2020.06.17 | 추천0 | 댓글0 리뷰제목
수학 공부에서 멀어진지 오래되었는데 필요에 의해 지인 추천으로 만난 책입니다. 나름 친절히 설명하고 있지만 기억이 안나서 교과서 뒤지면서 공부하고 있어요.하지만 너무 기초가 안되어서 그런지 그래도 힘들더라구요. 수학 개념을 잡고 접근하는 것이 정말 이해되는 정도가 다르긴 하더라구요. 기본 개념을 쉽게 잘 알려주는 책은 맞아요.많은 도움 받고 있습니다.;
리뷰제목
수학 공부에서 멀어진지 오래되었는데 필요에 의해 지인 추천으로 만난 책입니다. 나름 친절히 설명하고 있지만 기억이 안나서 교과서 뒤지면서 공부하고 있어요.
하지만 너무 기초가 안되어서 그런지 그래도 힘들더라구요. 수학 개념을 잡고 접근하는 것이 정말 이해되는 정도가 다르긴 하더라구요. 기본 개념을 쉽게 잘 알려주는 책은 맞아요.많은 도움 받고 있습니다.
댓글 0 이 리뷰가 도움이 되었나요? 공감 0
이토록 쉬운 딥러닝을 위한 기초수학 with 파이썬 내용 평점4점   편집/디자인 평점4점 스타블로거 : 블루스타 에***타 | 2019.10.02 | 추천0 | 댓글0 리뷰제목
3년 전 이세돌과 알파고의 바둑 대결이 있었다. 바둑 대결을 지켜 본 전세계 사람들은 알파고의 뛰어난 능력을 보면서 인공지능 기술이 이렇게까지 발전했나하고 놀라워했었다. 그리고 각종 언론을 통해 AI의 발전 상황과 AI가 바꿀 미래에 대한 전망, AI가 앞으로 산업에 어떤 영향을 끼치게 될 것인지에 등 AI 관련 기사들이 끊임없이 나왔고, 
리뷰제목


3년 전 이세돌과 알파고의 바둑 대결이 있었다. 

바둑 대결을 지켜 본 전세계 사람들은 

알파고의 뛰어난 능력을 보면서 

인공지능 기술이 이렇게까지 발전했나하고 놀라워했었다. 


그리고 각종 언론을 통해 AI의 발전 상황과

 AI가 바꿀 미래에 대한 전망, 

AI가 앞으로 산업에 어떤 영향을 끼치게 될 것인지에 등 

AI 관련 기사들이 끊임없이 나왔고, 

학계에서는 AI연구가 활발히 이루어졌다. 

기업들은 AI를 이용한 여러 제품과 서비스 출시하였다.


'이토록 쉬운 딥러닝을 위한 기초수학 with 파이썬' 은 

수학의 기초와 파이썬을 통해

머신러닝과 딥러닝을 설명 하는 책이다.


Chapter 1과 2에서는 머신러닝과 신경망이 

무엇인지에 대한 기본적인 개념과 

파이썬에 대한 기초적인 내용과 프로그래밍,

통계적 머신러닝이라고 불릴만큼 통계에 기반을 두고 있는

머신러닝이기 때문에 기본적인 통계의 개념과 

수열, 집합, 확률이 무엇인지, 대량의 데이터에서 

표본을 추정하는 방법을 배울 수 있었고,


Chapter 3과 4에서는 

신경망에서 사용하는 백터와 행렬에 대한 개념을 통해 

다양한 입출력을 한꺼번에 처리 할 수 있고,

데이터를 효율적으로 취급하는 구조가 

어떻게 이루어져 있는지 알 수 있었고,

머신러닝의 학습 데이터로 모델을 만들 때는 

더 좋은 결과를 얻을 수 있도록 데이터를 조정해야 하는데 

최적값에 접근하기 위한 함수와 미분이 복잡하고 어렵게 느껴졌다.


Chapter 5와 6에서는 수학과 데이터를 활용하여 

정답을 예측하는 방법과 신경망의 손실함수를 최적화하기 위한 

역전파와 학습 모델을 평가하는 방법,

딥러닝의 학습 정확도를 어떻게 향상 시킬 것인지, 

이미지 데이터의 특징과 다양한 표현 방식에 대해,


Chapter 7에서는 강화학습이 무엇인지, 

몬테카를로 방법을 이용한 학습, On-policy 학습과 Off-line 학습, 

시간차 학습, Sarsa학습, Q학습 등

다양한 강화 학습 방법과 강화 학습과 

신경망을 결합한 심층 강화 학습에 대해 알 수 있었다.  


'이토록 쉬운 딥러닝을 위한 기초수학 with 파이썬' 은

수학 개념이 처음부터 끝까지 채워져 있기 때문에 

책 제목과는 다르게 각 개념을 이해하기가 어렵게 느껴졌다.


시간이 걸리더라도 기초부터 차근차근 

꼼꼼하게 반복 해 가면서 배워야 할 것 같다.


댓글 0 이 리뷰가 도움이 되었나요? 공감 0
  •  쿠폰은 결제 시 적용해 주세요.
1   25,200
뒤로 앞으로 맨위로 aniAlarm