소득공제
아두이노로 코딩하며 배우는 딥러닝
머신러닝과 딥러닝 원리와 모델을 78개 아두이노 예제로 직접 구현
- 베스트
- OS/데이터베이스 top100 7주
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
이 분야의 이벤트
상세 이미지
책소개
목차
|
Chapter 01 인공 지능의 딥러닝 이해
01 _ 인공 신경망의 이해 01-1 인공 신경망이란? 01-2 신경망의 학습 방법 01-3 인공 신경 살펴보기 02 _ 딥러닝 맛보기 02-1 Hello 딥러닝 02-2 머신러닝은 무엇일까요? 02-3 구글 코랩 개발 환경 구성하기 02-4 기존 방식의 함수 정의와 사용 02-5 머신러닝 방식의 신경망 함수 생성과 사용 02-6 축하합니다! 03 _ 인공 신경망과 근사 함수 03-1 2차 함수 근사해 보기 03-2 5차 함수 근사해 보기 03-3 다양한 함수 근사해 보기 03-4 인공 신경망 소스 살펴보기 04 _ 딥러닝 활용 맛보기 04-1 딥러닝 활용 예제 살펴보기 04-2 손글씨 숫자 인식 예제 살펴보기 04-3 패션 MNIST 데이터셋 인식시켜보기 Chapter 02 인공 지능의 딥러닝 알고리즘 기초 01 _ 단일 인공 신경 알고리즘 01-1 아두이노 개발 환경 구성하기 01-2 단일 인공 신경 구현해 보기 02 _ 단일 출력 3층 인공 신경망 알고리즘 02-1 순전파 구현해 보기 02-2 오차 계산하기 02-3 오차 줄이기 02-4 오차 역전파 이해하기 02-5 역전파 구현하기 Chapter 03 인공 지능의 딥러닝 알고리즘 심화 01 _ 다중 출력 3층 인공 신경망 알고리즘 01-1 순전파 구현해 보기 01-2 오차 계산하기 01-3 오차 역전파 02 _ 활성화 함수 알고리즘 02-1 순전파 구현해 보기 02-2 오차 계산하기 02-3 오차 역전파 Chapter 04 인공지능의 딥러닝 라이브러리 구현과 활용 01 _ 아두이노에 printf 함수 추가하기 02 _ 인공 신경망 라이브러리 구현하기 02-1 배열을 이용한 순전파 구현하기 02-2 배열을 이용한 역전파 구현하기 02-3 활성화 함수 구현하기 02-4 파일 분리하기 02-5 오차 계산 함수 구현하기 02-6 역전파 오차 계산 함수 구현하기 02-7 역전파 준비 함수 구현하기 02-8 가중치, 편향 오차 기울기 함수 구현하기 02-9 가중치, 편향 갱신 함수 구현하기 02-10 반복 학습 수행하기 02-11 Cross Entropy 오차 함수 추가하기 02-12 7 세그먼트 입력 2 진수 출력 인공 신경망 02-13 세그먼트 입력 2 진수 출력 인공 신경망 2 02-14 가중치, 편향 초기화하기 02-15 입력 데이터 임의로 섞기 03 _ 인공 신경망 라이브러리 활용하기 03-1 입력층과 목표층 바꿔보기 03-2 7 세그먼트 비트열로 매카넘 바퀴 제어하기 03-3 초음파 센서 자율주행 인공 신경망 03-4 EEPROM에 값 저장하기 03-5 실수 배열을 EEPROM에 저장하기 03-6 가중치와 편향 기억하기 03-7 가중치와 편향 읽어오기 03-8 초음파 센서 입력값으로 RC카 방향 예측하기 03-9 초음파 센서 아두이노 AI RC카 프로젝트 소개 |
저자 소개 1
현) 코코랩스(http://www.kocolabs.co.kr/) 대표.
충남인력개발원 파이썬·인공지능·FPGA/HDL, 연희직업전문학교 파이썬·인공지능, 한컴 아카데미 Cortex-M4·드론·리눅스, 서울기술교육센터 아두이노·FPGA, LG 전자 신입사원 C/C++, SK 하이닉스 RTOS, 삼성전자 리눅스 드라이버/RTOS, Xilinx FPGA/HDL, ETRI verilogHDL, 고려대 FPGA/HDL, 숭실대 아두이노 IoT, 전남대·순천대·충북대 라즈베리파이 등 교육
서민우의 다른 상품
관련 분류
품목정보
- 발행일
- 2021년 06월 25일
- 쪽수, 무게, 크기
- 348쪽 | 190*255*16mm
- ISBN13
- 9791185553795
출판사 리뷰
|
아두이노 코딩으로 구현해 보면서 인공지능의 딥러닝 원리를 알기 쉽게 이해하는 국내 최초 서적입니다.
이 책은 다음과 같이 구성되었습니다. Chapter 01 인공지능의 딥러닝 이해 이번 Chapter에서는 인공지능의 딥러닝을 이해해 봅니다. 첫 번째, 딥러닝의 핵심인 인공 신경망이 무엇인지 알아보고, 딥러닝에 대해 어떤 학습 방법이 있는지 살펴보고, 생물학적 신경과 비교해 보며 딥러닝의 인공 신경망을 이해해 봅니다. 두 번째 딥러닝에 대한 기본 예제를 구글의 코랩과 Keras 라이브러리를 이용해 수행해 보면서 딥러닝을 접해봅니다. 세 번째 중고등학교 때 배웠던 기본적인 함수를 딥러닝의 인공 신경망으로 구현해 보면서 딥러닝의 인공 신경망과 함수의 관계를 이해해 봅니다. 마지막으로 손글씨 데이터, 패션 데이터를 이용하여 실제 활용되는 딥러닝을 살펴봅니다. Chapter 02 인공지능의 딥러닝 알고리즘 기초 이번 Chapter에서는 아두이노를 이용하여 기초적인 딥러닝 알고리즘을 살펴보고 구현해 봅니다. 첫 번째, 딥러닝의 단일 인공 신경 알고리즘을 살펴보고 구현해 봅니다. 이 과정에서 순전파, 오차함수, 경사 하강법, 최적화 함수, 예측값, 가중치, 편향, 오차 역전파, 딥러닝의 인공 신경 학습 등에 대한 용어를 이해하고 구현에 적용해 봅니다. 두 번째, 딥러닝의 단일 출력 3층 인공 신경망 알고리즘을 살펴보고 구현해 봅니다. Chapter 03 인공지능의 딥러닝 알고리즘 심화 이번 Chapter에서는 아두이노를 이용하여 심화된 딥러닝 알고리즘을 살펴보고 구현해 봅니다. 첫 번째, 딥러닝의 다중 출력 3층 인공 신경망 알고리즘을 살펴보고 구현해 봅니다. 이 과정에서 다중 출력의 오차가 역전파 되는 과정을 자세히 살펴봅니다. 두 번째, 딥러닝의 활성화 함수 알고리즘을 살펴보고 구현해 봅니다. 활성화 함수 중, sigmoid 함수의 순전파, 역전파 과정을 자세히 살펴봅니다. Chapter 04 인공지능의 딥러닝 라이브러리 구현과 활용 이번 Chapter에서는 아두이노 프로젝트에 활용할 수 있는 딥러닝 라이브러리를 구현하고 활용 방법을 소개합니다. 첫 번째, 디버깅을 용이하게 하기 위해 printf 함수를 사용할 수 있게 환경을 구성합니다. 두 번째, 배열, 함수, 포인터를 이용하여 딥러닝의 인공 신경망 라이브러리를 구현합니다. 세 번째, 딥러닝의 인공 신경망 라이브러리를 활용한 3가지 예제를 소개합니다. 특히 마지막 예제의 경우 초음파 센서의 입력값에 따라 자동차의 방향을 결정하는 딥러닝의 인공 신경망을 구성하고 학습시키는 과정을 소개하여 아두이노를 활용한 AI 프로젝트를 수행할 수 있는 아이디어를 제공합니다. |
18,720원
총 1개
18,720원
