확장메뉴
주요메뉴


닫기
사이즈 비교
소득공제 베스트셀러
밑바닥부터 시작하는 딥러닝

밑바닥부터 시작하는 딥러닝

: 파이썬으로 익히는 딥러닝 이론과 구현

리뷰 총점9.5 리뷰 26건 | 판매지수 17,700
베스트
IT 모바일 53위 | IT 모바일 top20 180주
정가
24,000
판매가
21,600 (10% 할인)

품목정보

품목정보
발행일 2017년 01월 02일
쪽수, 무게, 크기 312쪽 | 557g | 183*235*14mm
ISBN13 9788968484636
ISBN10 8968484635

이 상품의 태그

오투 중등 과학 2-2 (2023년)

오투 중등 과학 2-2 (2023년)

16,650 (10%)

'오투 중등 과학 2-2 (2023년)' 상세페이지 이동

오투 중등 과학 3-2 (2023년)

오투 중등 과학 3-2 (2023년)

15,750 (10%)

'오투 중등 과학 3-2 (2023년)' 상세페이지 이동

EBS 수능완성 영어영역 영어 (2023년)

EBS 수능완성 영어영역 영어 (2023년)

11,430 (10%)

'EBS 수능완성 영어영역 영어 (2023년)' 상세페이지 이동

ETS 토익 정기시험 기출문제집 1000 Vol.3 READING 리딩

ETS 토익 정기시험 기출문제집 1000 Vol.3 READING 리딩

16,020 (10%)

'ETS 토익 정기시험 기출문제집 1000 Vol.3 READING 리딩 ' 상세페이지 이동

오투 중등 과학 1-2 (2023년)

오투 중등 과학 1-2 (2023년)

14,850 (10%)

'오투 중등 과학 1-2 (2023년)' 상세페이지 이동

EBS 수능특강 국어영역 독서 (2023년)

EBS 수능특강 국어영역 독서 (2023년)

9,450 (10%)

'EBS 수능특강 국어영역 독서 (2023년)' 상세페이지 이동

2023 큰별쌤 최태성의 별별한국사 한국사능력검정시험 심화(1,2,3급) 상

2023 큰별쌤 최태성의 별별한국사 한국사능력검정시험 심화(1,2,3급) 상

13,950 (10%)

'2023 큰별쌤 최태성의 별별한국사 한국사능력검정시험 심화(1,2,3급) 상' 상세페이지 이동

쎈 중등 수학 2-2 (2023년용)

쎈 중등 수학 2-2 (2023년용)

14,400 (10%)

'쎈 중등 수학 2-2 (2023년용)' 상세페이지 이동

2023 큰별쌤 최태성의 별별한국사 한국사능력검정시험 심화(1,2,3급) 하

2023 큰별쌤 최태성의 별별한국사 한국사능력검정시험 심화(1,2,3급) 하

13,500 (10%)

'2023 큰별쌤 최태성의 별별한국사 한국사능력검정시험 심화(1,2,3급) 하' 상세페이지 이동

ETS 토익 정기시험 기출문제집 1000 Vol.3 LISTENING 리스닝

ETS 토익 정기시험 기출문제집 1000 Vol.3 LISTENING 리스닝

16,020 (10%)

'ETS 토익 정기시험 기출문제집 1000 Vol.3 LISTENING 리스닝 ' 상세페이지 이동

EBS 수능특강 수학영역 수학 2 (2023년)

EBS 수능특강 수학영역 수학 2 (2023년)

5,850 (10%)

'EBS 수능특강 수학영역 수학 2 (2023년)' 상세페이지 이동

EBS 수능특강 국어영역 문학 (2023년)

EBS 수능특강 국어영역 문학 (2023년)

9,450 (10%)

'EBS 수능특강 국어영역 문학 (2023년)' 상세페이지 이동

EBS 수능완성 수학영역 수학Ⅰ·수학Ⅱ·미적분 (2023년)

EBS 수능완성 수학영역 수학Ⅰ·수학Ⅱ·미적분 (2023년)

10,530 (10%)

'EBS 수능완성 수학영역 수학Ⅰ·수학Ⅱ·미적분 (2023년)' 상세페이지 이동

쎈 중등 수학 3-2 (2023년용)

쎈 중등 수학 3-2 (2023년용)

13,950 (10%)

'쎈 중등 수학 3-2 (2023년용)' 상세페이지 이동

EBS 수능완성 국어영역 독서·문학·언어와 매체 (2023년)

EBS 수능완성 국어영역 독서·문학·언어와 매체 (2023년)

11,430 (10%)

'EBS 수능완성 국어영역 독서·문학·언어와 매체 (2023년)' 상세페이지 이동

쎈 중등 수학 1-2 (2023년용)

쎈 중등 수학 1-2 (2023년용)

14,400 (10%)

'쎈 중등 수학 1-2 (2023년용)' 상세페이지 이동

EBS 수능완성 국어영역 독서·문학·화법과 작문 (2023년)

EBS 수능완성 국어영역 독서·문학·화법과 작문 (2023년)

11,430 (10%)

'EBS 수능완성 국어영역 독서·문학·화법과 작문 (2023년)' 상세페이지 이동

김재우의 영어회화 100

김재우의 영어회화 100

19,800 (10%)

'김재우의 영어회화 100' 상세페이지 이동

EBS 수능완성 과학탐구영역 지구과학Ⅰ (2023년)

EBS 수능완성 과학탐구영역 지구과학Ⅰ (2023년)

6,930 (10%)

'EBS 수능완성 과학탐구영역 지구과학Ⅰ (2023년)' 상세페이지 이동

2023 박문각 공인중개사 김덕수 최종요약서 1차 민법·민사특별법

2023 박문각 공인중개사 김덕수 최종요약서 1차 민법·민사특별법

15,300 (10%)

'2023 박문각 공인중개사 김덕수 최종요약서 1차 민법·민사특별법' 상세페이지 이동

책소개 책소개 보이기/감추기

목차 목차 보이기/감추기

1장 헬로 파이썬
1.1 파이썬이란?
1.2 파이썬 설치하기
__1.2.1 파이썬 버전
__1.2.2 사용하는 외부 라이브러리
__1.2.3 아나콘다 배포판
1.3 파이썬 인터프리터
__1.3.1 산술 연산
__1.3.2 자료형
__1.3.3 변수
__1.3.4 리스트
__1.3.5 딕셔너리
__1.3.6 bool
__1.3.7 if 문
__1.3.8 for 문
__1.3.9 함수
1.4 파이썬 스크립트 파일
__1.4.1 파일로 저장하기
__1.4.2 클래스
1.5 넘파이
__1.5.1 넘파이 가져오기
__1.5.2 넘파이 배열 생성하기
__1.5.3 넘파이의 산술 연산
__1.5.4 넘파이의 N차원 배열
__1.5.5 브로드캐스트
__1.5.6 원소 접근
1.6 matplotlib
__1.6.1 단순한 그래프 그리기
__1.6.2 pyplot의 기능
__1.6.3 이미지 표시하기
1.7 정리

2장 퍼셉트론
2.1 퍼셉트론이란?
2.2 단순한 논리 회로
__2.2.1 AND 게이트
__2.2.2 NAND 게이트와 OR 게이트
2.3 퍼셉트론 구현하기
__2.3.1 간단한 구현부터
__2.3.2 가중치와 편향 도입
__2.3.3 가중치와 편향 구현하기
2.4 퍼셉트론의 한계
__2.4.1 도전! XOR 게이트
__2.4.2 선형과 비선형
2.5 다층 퍼셉트론이 출동한다면
__2.5.1 기존 게이트 조합하기
__2.5.2 XOR 게이트 구현하기
2.6 NAND에서 컴퓨터까지
2.7 정리

3장 신경망
3.1 퍼셉트론에서 신경망으로
__3.1.1 신경망의 예
__3.1.2 퍼셉트론 복습
__3.1.3 활성화 함수의 등장
3.2 활성화 함수
__3.2.1 시그모이드 함수
__3.2.2 계단 함수 구현하기
__3.2.3 계단 함수의 그래프
__3.2.4 시그모이드 함수 구현하기
__3.2.5 시그모이드 함수와 계단 함수 비교
__3.2.6 비선형 함수
__3.2.7 ReLU 함수
3.3 다차원 배열의 계산
__3.3.1 다차원 배열
__3.3.2 행렬의 내적
__3.3.3 신경망의 내적
3.4 3층 신경망 구현하기
__3.4.1 표기법 설명
__3.4.2 각 층의 신호 전달 구현하기
__3.4.3 구현 정리
3.5 출력층 설계하기
__3.5.1 항등 함수와 소프트맥스 함수 구현하기
__3.5.2 소프트맥스 함수 구현 시 주의점
__3.5.3 소프트맥스 함수의 특징
__3.5.4 출력층의 뉴런 수 정하기
3.6 손글씨 숫자 인식
__3.6.1 MNIST 데이터셋
__3.6.2 신경망의 추론 처리
__3.6.3 배치 처리
3.7 정리

4장 신경망 학습
4.1 데이터에서 학습한다!
__4.1.1 데이터 주도 학습
__4.1.2 훈련 데이터와 시험 데이터
4.2 손실 함수
__4.2.1 평균 제곱 오차
__4.2.2 교차 엔트로피 오차
__4.2.3 미니배치 학습
__4.2.4 (배치용) 교차 엔트로피 오차 구현하기
__4.2.5 왜 손실 함수를 설정하는가?
4.3 수치 미분
__4.3.1 미분
__4.3.2 수치 미분의 예
__4.3.3 편미분
4.4 기울기
__4.4.1 경사법(경사 하강법)
__4.4.2 신경망에서의 기울기
4.5 학습 알고리즘 구현하기
__4.5.1 2층 신경망 클래스 구현하기
__4.5.2 미니배치 학습 구현하기
__4.5.3 시험 데이터로 평가하기
4.6 정리

5장 오차역전파법
5.1 계산 그래프
__5.1.1 계산 그래프로 풀다
__5.1.2 국소적 계산
__5.1.3 왜 계산 그래프로 푸는가?
5.2 연쇄법칙
__5.2.1 계산 그래프에서의 역전파
__5.2.2 연쇄법칙이란?
__5.2.3 연쇄법칙과 계산 그래프
5.3 역전파
__5.3.1 덧셈 노드의 역전파
__5.3.2 곱셈 노드의 역전파
__5.3.3 사과 쇼핑의 예
5.4 단순한 계층 구현하기
__5.4.1 곱셈 계층
__5.4.2 덧셈 계층
5.5 활성화 함수 계층 구현하기
__5.5.1 ReLU 계층
__5.5.2 Sigmoid 계층
5.6 Affine/Softmax 계층 구현하기
__5.6.1 Affine 계층
__5.6.2 배치용 Affine 계층
__5.6.3 Softmax-with-Loss 계층
5.7 오차역전파법 구현하기
__5.7.1 신경망 학습의 전체 그림
__5.7.2 오차역전파법을 적용한 신경망 구현하기
__5.7.3 오차역전파법으로 구한 기울기 검증하기
__5.7.4 오차역전파법을 사용한 학습 구현하기
5.8 정리

6장 학습 관련 기술들
6.1 매개변수 갱신
__6.1.1 모험가 이야기
__6.1.2 확률적 경사 하강법(SGD)
__6.1.3 SGD의 단점
__6.1.4 모멘텀
__6.1.5 AdaGrad
__6.1.6 Adam
__6.1.7 어느 갱신 방법을 이용할 것인가?
__6.1.8 MNIST 데이터셋으로 본 갱신 방법 비교
6.2 가중치의 초깃값
__6.2.1 초깃값을 0으로 하면?
__6.2.2 은닉층의 활성화 분포
__6.2.3 ReLU를 사용할 때의 가중치 초깃값
__6.2.4 MNIST 데이터셋으로 본 가중치 초깃값 비교
6.3 배치 정규화
__6.3.1 배치 정규화 알고리즘
__6.3.2 배치 정규화의 효과
6.4 바른 학습을 위해
__6.4.1 오버피팅
__6.4.2 가중치 감소
__6.4.3 드롭아웃
6.5 적절한 하이퍼파라미터 값 찾기
__6.5.1 검증 데이터
__6.5.2 하이퍼파라미터 최적화
__6.5.3 하이퍼파라미터 최적화 구현하기
6.6 정리

7장 합성곱 신경망(CNN)
7.1 전체 구조
7.2 합성곱 계층
__7.2.1 완전연결 계층의 문제점
__7.2.2 합성곱 연산
__7.2.3 패딩
__7.2.4 스트라이드
__7.2.5 3차원 데이터의 합성곱 연산
__7.2.6 블록으로 생각하기
__7.2.7 배치 처리
7.3 풀링 계층
__7.3.1 풀링 계층의 특징
7.4 합성곱/풀링 계층 구현하기
__7.4.1 4차원 배열
__7.4.2 im2col로 데이터 전개하기
__7.4.3 합성곱 계층 구현하기
__7.4.4 풀링 계층 구현하기
7.5 CNN 구현하기
7.6 CNN 시각화하기
__7.6.1 1번째 층의 가중치 시각화하기
__7.6.2 층 깊이에 따른 추출 정보 변화
7.7 대표적인 CNN
__7.7.1 LeNet
__7.7.2 AlexNet
7.8 정리

8장 딥러닝
8.1 더 깊게
__8.1.1 더 깊은 네트워크로
__8.1.2 정확도를 더 높이려면
__8.1.3 깊게 하는 이유
8.2 딥러닝의 초기 역사
__8.2.1 이미지넷
__8.2.2 VGG
__8.2.3 GoogLeNet
__8.2.4 ResNet
8.3 더 빠르게(딥러닝 고속화)
__8.3.1 풀어야 할 숙제
__8.3.2 GPU를 활용한 고속화
__8.3.3 분산 학습
__8.3.4 연산 정밀도와 비트 줄이기
8.4 딥러닝의 활용
__8.4.1 사물 검출
__8.4.2 분할
__8.4.3 사진 캡션 생성
8.5 딥러닝의 미래
__8.5.1 이미지 스타일(화풍) 변환
__8.5.2 이미지 생성
__8.5.3 자율 주행
__8.5.4 Deep Q-Network(강화학습)
8.6 정리

부록 A Softmax-with-Loss 계층의 계산 그래프
A.1 순전파
A.2 역전파
A.3 정리
참고문헌

출판사 리뷰 출판사 리뷰 보이기/감추기

파이썬으로 익히는 딥러닝 이론과 구현

새로운 지식을 배울 때 설명만 들어서는 석연치 않거나 금방 잊어버리게 됩니다. 그래서 무엇보다 ‘직접 해보는 것’이 중요합니다.
이 책은 딥러닝의 기본을 ‘이론 설명’과 ‘파이썬 구현 코드’라는 투 트랙으로 설명합니다. 각 장은 주제 하나를 설명한 후 그것을 실습할 수 있도록 꾸몄습니다. 즉, 실행되는 소스 코드를 준비했습니다. 직접 실행해보세요! 소스 코드를 읽으면서 스스로 생각하고 그 생각을 반영해 실험하다 보면 확실하게 자기 것으로 만들 수 있습니다. 여러 실험을 해보면서 겪는 시행착오 역시 큰 자산이 될 것입니다.

_예제 소스: https://github.com/WegraLee/deep-learning-from-scratch

★ 누구를 위한 책인가?
_ 외부 라이브러리는 최소한만 이용하고 파이썬을 사용해 딥러닝 프로그램을 처음부터 구현합니다.
_ 파이썬이 처음인 사람도 이해할 수 있도록 파이썬 사용법도 간략히 설명합니다.
_ 실제 동작하는 파이썬 코드와 독자가 직접 실험할 수 있는 학습 환경을 제공합니다.
_ 간단한 기계학습 문제부터 시작하여 궁극에는 이미지를 정확하게 인식하는 시스템을 구현합니다.
_ 딥러닝과 신경망 이론을 알기 쉽게 설명합니다.
_ 오차역전파법(backpropagation)과 합성곱(convolution) 연산 등 복잡해 보이는 기술을 구현 수준에서 이해할 수 있도록 설명합니다.
_ 하이퍼파라미터 결정 방식, 가중치 초깃값 등 딥러닝을 활용하는 데 도움이 되는 실용적인 기술을 소개합니다.
_ 배치 정규화, 드롭아웃, Adam 같은 최근 트렌드를 설명하고 구현해봅니다.
_ 딥러닝이 왜 뛰어난지, 층이 깊어지면 왜 정확도가 높아지는지, 은닉층이 왜 중요한지와 같은 ‘왜’에 관한 문제도 다룹니다.
_ 자율 주행, 이미지 생성, 강화학습 등, 딥러닝을 응용한 예를 소개합니다.

★ 누구를 위한 책이 아닌가?
_ 딥러닝 분야의 최신 연구에 대해서는 자세히 다루지 않습니다.
_ 카페(Caffe), 텐서플로(TensorFlow), 체이너(Chainer) 등의 딥러닝 프레임워크 사용법은 설명하지 않습니다.
_ 딥러닝, 특히 신경망에 관한 아주 상세한 이론까지는 담지 않았습니다.
_ 딥러닝의 정확도를 높이기 위한 튜닝은 자세히 설명하지 않습니다.
_ 딥러닝 성능을 높여주는 GPU 기술은 구체적으로 다루지 않습니다.
_ 주로 이미지 인식을 다룹니다. 자연어 처리, 음성 인식 등의 사례는 다루지 않습니다.

회원리뷰 (26건) 리뷰 총점9.5

혜택 및 유의사항?
딥러닝을 제대로 시작하는 입문서 내용 평점5점   편집/디자인 평점5점 쟝* | 2017.03.24 | 추천3 | 댓글0 리뷰제목
빅데이터의 부흥과 함께 머신러닝, 딥러닝이 핫한 기술로 떠오른 이후 약 1년 반동안 이 트렌드에 올라타기 위해 참 많은 시도를 했다. 공부를 하면서 내가 세운 기준은 아래와 같았다.1. 직접 사용할 수 있어야 한다.2. 기반이 된 수학적 원리를 이해해야 한다.3. 최신 트렌드를 놓치지 말아야 한다.주변에 도움받을 사람도 없고, 문과 출신으로 수학 배경지식도 전무한 주제에 너무 빡;
리뷰제목

빅데이터의 부흥과 함께 머신러닝, 딥러닝이 핫한 기술로 떠오른 이후 약 1년 반동안 이 트렌드에 올라타기 위해 참 많은 시도를 했다. 공부를 하면서 내가 세운 기준은 아래와 같았다.

  1. 1. 직접 사용할 수 있어야 한다.
  2. 2. 기반이 된 수학적 원리를 이해해야 한다.
  3. 3. 최신 트렌드를 놓치지 말아야 한다.

주변에 도움받을 사람도 없고, 문과 출신으로 수학 배경지식도 전무한 주제에 너무 빡빡한 기준을 세우는 바람에 1년 반 째 헤메고 있는 중이다.

그리고 아래와 같은 것들을 시도해 보았다.


데이터과학 입문

(http://book.naver.com/bookdb/book_detail.nhn?bid=8317720)

빅 데이터의 열풍과 함께 관련된 주제를 잘 정리해둔 책이다. Data Science의 범주에 포함되는 많은 것들(데이터 분석, 시각화, 베이즈이론, 머신러닝 등)을 다루고 있고, 실제 강의에 사용된 자료들을 엮어서 공부하기에도 좋다.

하지만 역시 방대한 주제들을 다루는 바람에 수학적 원리를 공부하기엔 다소 빈약하고, 딥러닝을 위시한 최근의 트렌드를 담지는 못하고있다.


Coursera Machine Learning by Andrew Ng

(https://www.coursera.org/learn/machine-learning)

머신러닝 입문의 고전이 된 강의로 간단한 선형 회귀부터 각종 머신러닝, 추천, 딥러닝 등 다양한 분야를 다룬다. 강의가 굉장히 깔끔하고 수학적 원리도 놓치지 않으며 코딩 과제는 자동으로 채점도 해줘서 혼자 공부하기엔 정말 좋다.

그런데 의외로 과제가 내용을 완벽하게 이해하지 않아도 풀 수 있게 되어있다. 전체 틀은 템플릿으로 제공되고 핵심 로직만 코딩하면 되는 식이라서 과제는 만점을 받아서 실제로는 전혀 잘못된 이해를 하고 있는 경우도 있다. (그렇다, 내 얘기다.)


Udacity Deep Learning by Google

(https://www.udacity.com/course/deep-learning--ud730)

Tensorflolw를 만든 Googler가 직접 강의하는 무료 코스라 상당히 구미가 당겼다.

한 개의 동영상이 수분 내의 짧은 길이라 지루하지 않고 중간중간 이해를 돕기 위한 세련된 시각자료, 문제풀이 과제등이 있다.

하지만 과제의 난이도가 그다지 높지 않고 설명 또한 훅훅 지나가는 감이 있어 결국 스스로 많은 시간을 투입하지 않으면 주제를 완전히 이해하기 어렵다. 결국 중간에서 포기하고 말았다.


알파고 논문 읽기

(https://gogameguru.com/i/2016/03/deepmind-mastering-go.pdf)

위의 과정을 거쳐오며 스스로 딥러닝에 대한 이해가 어느정도 생겼다고 착각하고 있었다. 그래서 때마침 엄청난 딥러닝 열풍을 몰고 온 알파고를 직접 이해해보자는 생각으로 논문 읽기에 도전했고, 처참하게 실패했다.

알파고 논문에 핵심적으로 등장하는 강화학습(Reinforcement Learning), CNN(Convolutional Neural Network), Monte-Carlo Tree Search등의 생소한 개념의 홍수 속에 좌절하였고, 내가 정말 아무것도 모르고 있구나 라는 생각을 하게 되었다.


1년 반의 시간동안 위의 것들을 해왔지만 그저 용어들에 익숙해졌을 뿐, 딥러닝에 대해 알고 있는 것은 아무것도 없었다.

그래서 정말 기본부터 다시 공부해보자는 생각을 했을 때 마주친게 이 책이었다. ‘밑바닥’이란 단어가 어찌나 내게 절절하게 다가왔는지. 그만큼 부푼 기대를 안고 책을 폈다.

1, 2장은 간단한 프로그래밍 지식, 신경망의 기본적 개념이라 쉽게 넘어간다.

3장부터 본격적인 신경망의 원리와 구현이 시작되는데 이 때 부터 참으로 놀라운 경험을 하게 됐다.

이 책은 원문이 그러한 것인지 아니면 역자가 그렇게 번역한 것인지는 몰라도 조곤조곤한 문체로 굉장히 친절하고 자세하게 설명해준다. 그러면 어려운 개념은 슬쩍 넘어갈 법도 한데 그 마저도 친절하고 집요하게 파고든다.

한 예로 gradient descent를 설명할 때 먼저 직관적인 이해를 위해 수치 미분을 이용한 방법을 제시한다. 나처럼 수치 미분이 낯선 사람을 위해 그 개념을 알려주고 심지어 구현도 한다. 그리고나서 backpropagation을 언급하여 왜 이 기법이 필요한 지 명확하게 이해하게 된다. 물론 학습에 적지 않은 시간이 필요했지만 이 순간부터 딥러닝이 더이상 막연한 미지의 것이 아니게 되었다.

여기서 더 나아가 요즘 가장 많이 사용되는 ADAM, Batch Normalization등의 학습 기법, CNN, 그리고 최근 가장 큰 이슈인 GAN에 대한 간략한 소개까지. 내가 세운 3가지 기준을 완벽하게 충족하는 바로 그 책이었다.


개인적으로 이 책을 읽고 나서 상당히 많은 자신감을 가지게 되었다.

물론 책의 두께와 편안한 문체와는 달리 꼼꼼하게 학습하려면 상당히 많은 시간을 요하는 책이지만 딥러닝을 제대로 입문하려는 사람에겐 더할나위 없는 시작점이 될 것이라 확신한다.


3명이 이 리뷰를 추천합니다. 공감 3 댓글 0
구매 밑바닥부터 시작하는 딥러닝 내용 평점5점   편집/디자인 평점5점 YES마니아 : 로얄 1******r | 2019.08.08 | 추천1 | 댓글0 리뷰제목
입문자에게 정말 좋은 책 같습니다.평소에 딥러닝에 관심이 많아 이것저것 찾아보다가 구매하게 되었습니다.프로그래밍을 잘 모르셔도 이해하는데 무리는 없을것 같습니다.다만 미분같은 수학적인 부분에 대해서는 기본적으로 알고 계셔야 할 듯 합니다.딥러닝에 대한 관심이 높아지고 투자가 많아지는 요즘에 한번쯤 읽어봐도 좋은 책입니다........;
리뷰제목

입문자에게 정말 좋은 책 같습니다.


평소에 딥러닝에 관심이 많아 이것저것 찾아보다가 구매하게 되었습니다.


프로그래밍을 잘 모르셔도 이해하는데 무리는 없을것 같습니다.


다만 미분같은 수학적인 부분에 대해서는 기본적으로 알고 계셔야 할 듯 합니다.


딥러닝에 대한 관심이 높아지고 투자가 많아지는 요즘에 한번쯤 읽어봐도 좋은 책입니다........

1명이 이 리뷰를 추천합니다. 공감 1 댓글 0
구매 밑바닥부터 시작하는 딥러닝 내용 평점5점   편집/디자인 평점5점 s****d | 2019.01.23 | 추천1 | 댓글0 리뷰제목
일본인 저자가 쓴 책이라면 설명이 아주 친절할 것이라는 기대를 가지고는 합니다. 이 책은 이러한 기대에 아주 잘 맞는 책이 아닌가 싶습니다. 이전에 딥러닝 공부를 한 적이 있지만 개념적인 부분에서 너무 설명이 어렵거나, 너무 설명이 얕아서 실망했던 적이 많았는데 이 책은 아주 쉽게 그리고 절대 대충 설명하지 않습니다. 특히 back propagation과 같인 처음 딥러닝을 배;
리뷰제목

일본인 저자가 책이라면 설명이 아주 친절할 것이라는 기대를 가지고는 합니다. 책은 이러한 기대에 아주 맞는 책이 아닌가 싶습니다. 이전에 딥러닝 공부를 적이 있지만 개념적인 부분에서 너무 설명이 어렵거나, 너무 설명이 얕아서 실망했던 적이 많았는데 책은 아주 쉽게 그리고 절대 대충 설명하지 않습니다. 특히 back propagation 같인 처음 딥러닝을 배울 헷갈리는 개념들이 있는데 저자는 아주 세세하면서도 쉽게 설명을 해줍니다. 그리고 책을 읽으면서 좋았던 점은 개념적인 부분 뿐만 아니라 코드도 저자가 아주 세세하게 설명을 해준다는 것입니다. 요즘 많이 쓰이는 tensorflow pytorch 같은 프레임워크를 쓰지 않고 저자는 python python라이브러리 만으로도 집러닝을 구현하는 것을 설명을 해주기 때문에 책을 읽는 입장에서는 코드 부분에서도 딥러닝을 깊게 이해할 수가 있었습니다. 전반적으로 책을 읽으면서 굉장히 만족했었지만 마지막으로 하나 정말 아쉬운 점을 뽑자면 7 CNN부분에서 코드 설명이 조금 부족한 것이 굳이 뽑자면 하나 아쉬운 점입니다. 하지만 전체적인 책의 구성이나 짜임새는 굉장히 훌륭했고 딥러닝을 공부하는 사람들이라면 읽어보아야 하는 책이 아닌가 싶습니다. 


1명이 이 리뷰를 추천합니다. 공감 1 댓글 0

한줄평 (66건) 한줄평 총점 9.0

혜택 및 유의사항 ?
구매 평점5점
책도 어려운 편이 아니라 만족해요
2명이 이 한줄평을 추천합니다. 공감 2
현*리 | 2019.08.26
구매 평점4점
유익하다고 하네요
1명이 이 한줄평을 추천합니다. 공감 1
아****0 | 2019.05.12
구매 평점5점
좋아요
이 한줄평이 도움이 되었나요? 공감 0
YES마니아 : 플래티넘 s***j | 2023.08.11
스프링분철 서비스를 선택하세요.
수량감소 수량증가 21,600
  •  다운받은 받은 쿠폰은 결제 페이지에서 적용해 주세요.
  •  분철옵션 선택 시, 배송일이 변경될 수 있습니다.
  •  분철상품은 해외배송이 불가합니다.
1   21,600

스프링분철 신청 가능

뒤로 앞으로 맨위로 공유하기