검색창 이전화면 이전화면
최근 검색어
인기 검색어

소득공제
실전! Core ML을 활용한 머신러닝 iOS 앱 개발
인공지능을 활용한 객체 인식, 감정 탐지, 스타일 전이, 스케치 인식 구현
베스트
OS/데이터베이스 top20 1주
가격
27,000
10 24,300
YES포인트?
1,350원 (5%)
5만원 이상 구매 시 2천원 추가 적립
결제혜택
카드/간편결제 혜택을 확인하세요

이미 소장하고 있다면 판매해 보세요.

  •  국내배송만 가능
  •  최저가 보상
  •  문화비소득공제 신청가능

위키북스- 데이터 사이언스 시리즈

이 상품의 시리즈 알림신청

책소개

관련 동영상

목차

▣ 01장: 머신러닝 소개
머신 러닝이란 무엇인가?
ML 알고리즘 소개
__넷플릭스 - 추천 생성하기
__Shadow draw - 프리핸드 드로잉을 위한 실시간 사용자 가이드
__셔터스톡(Shutterstock) - 구도 기반의 이미지 검색
__iOS 키보드 예측 - 다음 글자 예측
일반적인 ML 작업 흐름
요약

▣ 02장: 애플 Core ML 소개
훈련과 추론의 차이
에지에서의 추론
Core ML
__작업 흐름
학습 알고리즘
__스웨덴 자동차 보험
__지원 학습 알고리즘
고려사항
요약

▣ 03장: 실세계에서 객체 인식하기
이미지 이해하기
객체 인식
__데이터 캡처
__데이터 전처리
추론하기
요약

▣ 04장: CNN을 활용한 감정 탐지
얼굴 표정
입력 데이터와 선처리
종합
요약

▣ 05장: 실세계에서 객체 위치 측정
객체 위치 측정과 객체 탐지
케라스 Tiny YOLO를 Core ML로 변환하기
사진을 쉽게 찾는 방법
배치로 최적화
요약

▣ 06장: 스타일 전이로 예술 창작하기
한 이미지에서 다른 이미지로 스타일 옮기기
스타일 전이를 더 빠르게 하는 방법
케라스 모델을 Core ML로 변환하기
스위프트에서 맞춤 계층 구축하기
__계층 속도 높이기
__GPU 활용하기
모델 가중치 줄이기
요약

▣ 07장: CNN으로 드로잉 보조하기
지능형 인터페이스를 구현해야 하는 이유
드로잉
사용자 스케치 인식하기
__훈련 데이터와 모델 검토
__스케치 분류하기
__시각적 유사성을 기준으로 정렬하기
요약

▣ 08장: RNN으로 드로잉 보조하기
드로잉 보조하기
드로잉 분류에 사용할 순환 신경망
입력 데이터와 전처리
종합
요약

▣ 09장: CNN을 활용한 객체 분할
픽셀 분류하기
원하는 효과를 내기 위한 데이터 - 액션 샷
사진 효과 애플리케이션 구축하기
확률적 결과 활용하기
__모델 개선하기
__제약 조건을 두어 설계하기
__휴리스틱 포함
__사후 처리 및 앙상블 기법
__인적 보조
요약

▣ 10장: Create ML 소개
전형적인 작업 흐름
데이터 준비하기
모델 생성 및 훈련
__모델 매개변수
__모델 메타데이터
__다른 작업 흐름(그래픽 버전)
마무리
요약

저자 소개2

조슈아 뉴햄

관심작가 알림신청

Joshua Newnham

조슈아 뉴햄은 디자인과 인공지능(artificial intelligence, AI) 사이의 교차 지점, 특히 컴퓨터 설계와 인간 컴퓨터 상호작용 분야에 중점을 두고 있는 글로벌 디자인 기업인 메서드(Method)에서 기술을 선도하고 있다. 이전에 그는 엔지니어와 크리에이티브 사이의 협업 도구를 만드는 가상 현실(Virtual Reality, VR)과 증강 현실(Augmented Reality, AR) 스튜디오인 Master of Pie의 기술 임원이었다.
현재 기업 빅데이터 전략팀에서 근무하고 있다. 옮긴 책으로는 『케라스로 구현하는 고급 딥러닝 알고리즘』 『실전! Core ML을 활용한 머신러닝 iOS 앱 개발』 『실전활용! 텐서플로 딥러닝 프로젝트』 『마이크로소프트 봇 프레임워크 프로그래밍』 『애자일 데이터 과학 2.0』 『구글 애널리틱스 완벽 가이드』 『파이썬 데이터 사이언스 핸드북』 『러닝 스칼라』가 있다.

김정인의 다른 상품

품목정보

발행일
2019년 04월 25일
쪽수, 무게, 크기
356쪽 | 188*240*20mm
ISBN13
9791158391355

출판사 리뷰

★ 이 책에서 다루는 내용 ★

◎ 알고리즘과 데이터를 사용해 ML 프로젝트의 구성요소 이해하기
◎ 머신러닝 모델을 얻고 임포트함으로써 Core ML을 마스터하고 클래스 생성하기
◎ 머신러닝에 사용할 데이터를 준비하고 최적화된 솔루션을 얻기 위해 결과 해석하기
◎ 지원되지 않는 계층을 위한 맞춤 계층을 생성하고 최적화하기
◎ CNN을 사용해 이미지와 동영상 데이터에 CoreML 적용하기
◎ 스케치를 인식하기 위해 RNN 품질을 배우고 드로잉 강화하기
◎ Core ML 전이 학습을 사용해 이미지에 스타일 전이 실행하기

리뷰/한줄평2

리뷰

2.0 리뷰 총점

한줄평

2.0 한줄평 총점
24,300
1 24,300