이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
이 분야의 이벤트
책소개
목차
|
CHAPTER 1 인공지능의 개념
1.1 인공지능 개념 잡기 1.1.1 인공지능이란 무엇인가? 1.1.2 미디어 속의 인공지능 연습문제 1.2 인공지능의 역사 1.2.1 인공지능 이전 시대 1.2.2 인공신경망의 기초 확립 1.2.3 다양한 인공지능 이론의 개발 1.2.4 딥러닝 전성시대와 미래 연습문제 1.3 국가별 인공지능기술과 과학기술정책 1.3.1 미국 1.3.2 중국 1.3.3 유럽 1.3.4 일본 1.3.5 대한민국 연습문제 1.4 인공지능기술 1.4.1 인공지능 기술 개요 1.4.2 데이터 1.4.3 소프트웨어: 인공지능 모델 1.4.4 인공지능 알고리즘 연습문제 CHAPTER 2 캐글 입문 2.1 캐글이란 2.2 캐글 가입하기 2.3 캐글 데이터셋 2.4 캐글 경진 대회와 타이타닉 데이터 2.4.1 캐글 경진 대회 2.4.2 타이타닉 생존자 예측 대회 2.4.3 타이타닉 데이터 2.4.4 인공지능의 학습과 데이터 2.4.5 엑셀을 사용하는 데이터 분석 2.4.6 엑셀을 사용하는 단순 예측 연습문제 CHAPTER 3 파이썬과 코딩의 기초 3.1 코딩이란? 3.2 구글 코랩을 사용하는 파이썬 코딩 연습문제 3.3 계산식, 라이브러리와 함수 3.3.1 계산식과 라이브러리(모듈) 연습문제 3.4 변수 3.4.1 변수의 개념 3.4.2 변수의 종류 3.4.3 변수의 사용 실습 연습문제 3.5 함수 3.5.1 함수의 기본 개념 3.5.2 파라미터가 두 개 이상인 함수 3.5.3 많이 사용되는 다른 함수들 3.5.4 print 함수를 사용하는 문자열의 출력 3.5.5 함수의 사용 실습 연습문제 3.6 조건문 3.6.1 조건문의 개념 3.6.2 다중 조건문 3.6.3 조건식의 조합 3.6.4 조건문의 사용 실습 연습문제 3.7 고급 데이터 타입 3.7.1 리스트 3.7.2 튜플 3.7.3 딕셔너리(사전) 3.7.4 집합 3.7.5 고급 데이터 사용 실습 연습문제 3.8 반복문 3.8.1 while 반복문 3.8.2 for 반복문 3.8.3 break와 continue 3.8.4 반복문 사용 실습 연습문제 3.9 Numpy 배열 3.9.1 배열의 생성과 접근 3.9.2 numpy 배열의 모양 변경 3.9.3 numpy 배열과 슬라이싱 3.9.4 numpy 라이브러리의 기타 함수들 연습문제 3.10 사용자 정의 함수 3.10.1 사용자 정의 함수의 정의 3.10.2 변수의 범위와 함수 3.10.3 사용자 함수의 활용 3.10.4 객체 참조에 의한 파라미터의 전달 연습문제 CHAPTER 4 구글 코랩과 데이터 분석의 기초 4.1 리눅스 시스템 기초 4.2 구글 코랩과 캐글의 연동 4.3 구글 코랩과 타이타닉 데이터 4.4 파이썬 코드로 타이타닉 데이터 분석하기 4.5 데이터 분석 실습: 코로나19 확진자 추이 데이터 연습문제 CHAPTER 5 딥러닝의 개념 5.1 딥러닝 모델의 기본 구조 5.1.1 딥러닝 모델의 기본 구조 5.1.2 딥러닝 모델의 학습 5.1.3 딥러닝 모델과 네트워크층(Layer) 5.1.4 딥러닝 모델의 네트워크 구조 5.2 네트워크의 입력과 출력을 위한 데이터의 변환 5.2.1 네트워크의 입력과 출력 5.2.2 범주형 데이터의 수치화 5.2.3 수치형 데이터의 정규화 5.2.4 타이타닉 데이터의 수치화 및 정규화 연습문제 CHAPTER 6 완전 연결층과 다층 신경망 6.1 완전 연결층 6.2 다층 신경망 6.3 역전파 알고리즘 6.4 최적화 도구와 학습률, 배치 크기 6.5 실습에 필요한 추가 개념 정리 6.6 완전 연결층과 타이타닉 데이터 연습문제 CHAPTER 7 이미지를 인식하는 네트워크, 합성곱 신경망 7.1 이미지 데이터의 인식 7.2 합성곱과 이미지 7.3 합성곱층 7.4 합성곱 신경망과 숫자 이미지 인식 7.4.1 MNIST 데이터셋 7.4.2 딥러닝 모델 생성과 학습 7.4.3 테스트 7.4.4 결과 분석 연습문제 CHAPTER 8 시계열 데이터와 딥러닝 네트워크 8.1 시계열 데이터 개요 8.2 티쳐블 머신을 사용하는 사운드 데이터의 인식 8.3 시계열 데이터의 특징 8.4 시계열 데이터의 전처리 8.5 시계열 데이터를 위한 딥러닝 네트워크 구조 8.6 시계열 데이터의 딥러닝 실습 8.6.1 심전도 데이터의 준비 8.6.2 데이터의 기초 분석 8.6.3 딥러닝 연습문제 CHAPTER 9 순환 신경망과 파라미터 최적화 9.1 순환 신경망 9.1.1 순환 네트워크 개요 9.1.2 완전 연결층 리뷰 9.1.3 단순 순환 신경망(Simple Recurrent Neural Network: Simple RNN) 9.2 LSTM층 9.3 딥러닝 파라미터의 최적화 9.3.1 딥러닝 파라미터 최적화 개요 9.3.2 합성곱층의 파라미터 9.3.3 LSTM층의 파라미터 9.3.4 완전 연결층의 파라미터 9.3.5 모델 생성(컴파일) 시의 파라미터 9.3.6 학습 파라미터와 오버피팅(Overfitting) 9.3.7 파라미터 최적화 전략 9.4 합성곱 신경망과 LSTM을 사용하는 시계열 데이터 인식 실습 9.4.1 데이터 개요 9.4.2 학습/테스트 파일 분리와 정답 정보 만들기 9.4.3 데이터 읽기 및 전처리 9.4.4 모델 구조 지정, 학습 및 테스트 9.5 수업용 온라인 대회 만들기 연습문제 CHAPTER 10 생성 네트워크 10.1 생성 네트워크 10.1.1 생성 네트워크 개요 10.1.2 네트워크층 10.1.3 생성 네트워크의 구성 10.2 생성 네트워크 실습 10.3 적대적 생성 네트워크(GAN) 10.3.1 GAN의 개념 10.3.2 GAN의 학습 원리 10.3.3 배치 정규화 층 10.4 GAN 실습 10.4.1 데이터 읽기, Reshape와 정규화 10.4.2 네트워크의 구성 10.4.3 학습 10.4.4 이미지 생성과 생성된 이미지의 확인 연습문제 CHAPTER 11 정답을 찾아가는 에이전시: 강화 학습과 AWS 딥레이서 11.1 강화 학습 개요 11.2 강화 학습의 원리 11.2.1 환경과 에이전트 11.2.2 학습 11.3 아마존 웹 서비스와 딥레이서 11.4 딥레이서 실습 11.5 딥레이서 보상 함수의 수정과 모델 개선 11.5.1 기본 보상 함수 분석 11.5.2 웨이포인트(Waypoints)를 사용하는 보상 함수 11.5.3 새로운 보상 함수의 디자인 11.6 딥레이서 에이전트와 행동(Action) 연습문제 |
저자 소개 1
부산대학교 정보컴퓨터공학부와 컴퓨터공학과에서 학사 및 석사학위를, 일본 Aizu 대학에서 컴퓨터이공학 박사학위를 받았다. 한양대학교 의공학 교실에서 포닥/연구교수로, 몽골국제대학교 IT 학부, 동명대학교 전자 및 의용공학부에서 조교수로 근무하였으며, 현재는 국립부경대학교 컴퓨터·인공지능공학부에서 교수로 재직 중이다. 패턴 인식과 분류 알고리즘의 개발에 관심을 가지고 연구를 수행하고 있으며, 이미지, 생체전기신호, 해상 레이더, 수중 음향 등 다양한 데이터를 다루고 있다．
장원두의 다른 상품
품목정보
- 발행일
- 2021년 07월 30일
- 쪽수, 무게, 크기
- 552쪽 | 190*240*35mm
- ISBN13
- 9788970505121
만든이 코멘트
|
안녕하세요 이 책의 저자입니다.
2021-11-25
독자 여러분을 만나게 되어 반갑습니다.
이 책은 파이썬에서 케라스 라이브러리를 사용해 딥러닝의 여러 종류를 직접 구현하며 익히는 것을 목표로 제작되었습니다.
유튜브에서 강좌를 같이 진행하고 있으니, 책과 함께 시청하시면 도움이 되시리라 생각합니다. ^^
https://youtube.com/playlist?list=PL-sgB-_E4raa5dUWECbn7_PXx2bqa2Cn8
|
출판사 리뷰
|
이 책의 구성
이 책의 구성은 다음과 같습니다. 1장에서는 인공지능의 개념과 사회 현황을 다루며, 인공지능 기술의 중요성에 대해 설명하였습니다. 이를 통해 인공지능을 통해 무엇을 할 수 있는지를 이해하고, 인공지능을 공부해야 하는 이유를 살펴볼 수 있도록 하였습니다. 2장에서는 인공지능 대회 플랫폼인 캐글을 사용하는 방법을 익힐 수 있도록 구성하였습니다. 캐글은 4~9장에서 계속 활용하게 되며, 이를 통해 학습 결과를 눈으로 확인하고 스스로의 학습 수준을 평가할 수 있게 됩니다. 코딩을 처음 접하거나 파이썬에 익숙하지 않은 학생들을 위해, 3장에서는 코딩과 파이썬 기초 사용법을 설명합니다. 파이썬 코딩을 한 장에서 모두 설명하는 것은 쉽지 않으나, 이 책에서는 4~11장에서 사용되는 코딩 기술로 한정하여 내용을 최소화하였습니다. 학생들의 배경에 따라 다를 것이라 생각합니다만, 주 3시간의 수업을 기준으로 2~3주에 공부할 수 있는 분량으로 구성하였습니다. 파이썬 코딩은 별도의 설치 없이 곧바로 코딩을 시작할 수 있는 구글 코랩을 사용하여 설명하였습니다. 4장에서는 파이썬을 사용하여 데이터를 분석하는 방법을 학습합니다. 이 장의 실습을 통해 파이썬에 조금 더 익숙해지고, 데이터의 기초 분석 방법을 익힙니다. 5장부터 11장에서는 딥러닝의 여러 알고리즘들에 대한 이론과, 이를 파이썬으로 구현하기 위한 코딩 기술을 본격적으로 설명합니다. 5장에서는 딥러닝의 기본 개념, 6~9장에서는 자동 분류 네트워크인 다층 신경망, 합성곱 신경망, LSTM 등을 학습합니다. 이 책에서는 복잡한 수식을 최소화하고, 개념 중심으로 설명하기 위하여 노력하였습니다. 각 장의 실습에서는 케라스(텐서플로우) 라이브러리를 사용하여 캐글에서 다운로드 받은 데이터들을 학습하고 테스트하는 코드들이 포함되어 있습니다. 10장과 11장에서는 각각 생성 네트워크와 강화 학습을 다룹니다. 생성 네트워크는 이미지/비디오 등의 자동 편집에, 강화 학습은 게임 AI의 개발에 사용되는 도구입니다. 강화 학습은 다른 네트워크에 비해 구현이 까다로운 편에 속하지만, 이 책에서는 AWS의 딥레이서를 사용하여 실습을 진행하며, 강화 학습의 기초 개념인 보상 함수와 할인율을 익히고, 이것만으로 자율주행 자동차의 시뮬레이션 대회에 참가할 수 있도록 하였습니다. 이 책은 딥러닝에 대한 입문서이며, 이론과 실습을 통해 딥러닝의 주요 개념들을 체득할 수 있도록 구성하였습니다. 이 책을 통해 많은 학생들이 딥러닝을 보다 쉽게 접하고, 이를 활용하여 다양한 애플리케이션들을 만들어 가길 기대합니다. |
29,000원
총 1개
29,000원
