이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 분철옵션 선택 시, 배송일이 변경될 수 있습니다.
- 분철상품은 해외배송이 불가합니다.
- 문화비소득공제 가능
이 분야의 이벤트
이 상품의 태그
상세 이미지
책소개
목차
|
1장 머신 러닝과 신경망 개론
__1.1 머신 러닝이란? ____1.1.1 머신 러닝 알고리즘 ____1.1.2 머신 러닝 워크플로 __1.2 머신 러닝 환경 셋업 __1.3 신경망 ____1.3.1 신경망이 뛰어난 이유 ____1.3.2 신경망 기본 아키텍처 ____1.3.3 파이썬만으로 신경망 만들기 ____1.3.4 딥러닝과 신경망 __1.4 판다스: 파이썬 데이터 분석 도구 ____1.4.1 판다스 DataFrame ____1.4.2 판다스를 활용한 데이터 시각화 ____1.4.3 판다스를 활용한 데이터 전처리 __1.5 텐서플로와 케라스 ____1.5.1 케라스의 기본 빌딩 블록 ____1.5.2 케라스로 신경망 만들기 __1.6 기타 파이썬 라이브러리 __1.7 마무리 2장 다중 레이어 퍼셉트론을 사용한 당뇨 예측 __2.1 실습 환경 설정 __2.2 당뇨병 예측 __2.3 의료 분야의 인공 지능 ____2.3.1 진단 자동화 __2.4 당뇨병 데이터셋 __2.5 탐색적 데이터 분석 __2.6 데이터 전처리 ____2.6.1 결측값 처리 ____2.6.2 데이터 표준화 ____2.6.3 데이터셋 분할 __2.7 다중 레이어 퍼셉트론 ____2.7.1 모델 아키텍처 __2.8 케라스 모델 만들기 ____2.8.1 모델 구성 ____2.8.2 모델 컴파일 ____2.8.3 모델 훈련 __2.9 결과 분석 ____2.9.1 테스트 정확도 ____2.9.2 혼동 행렬 ____2.9.3 ROC 곡선 ____2.9.4 모델 개선 __2.10 마무리 __2.11 복습 3장 심층 전방향 신경망을 사용한 택시 요금 예측 __3.1 실습 환경 설정 __3.2 뉴욕시 택시 요금 예측 __3.3 뉴욕시 택시 요금 데이터셋 __3.4 탐색적 데이터 분석 ____3.4.1 위치 데이터 시각화 ____3.4.2 요일 및 시간별 승차 통계 __3.5 데이터 전처리 ____3.5.1 결측값 및 이상치 처리 __3.6 특징 공학 ____3.6.1 시간 관련 변수 ____3.6.2 위치 특징 변수 __3.7 변수 스케일링 __3.8 심층 전방향 신경망 ____3.8.1 모델 아키텍처 ____3.8.2 회귀 손실 함수 __3.9 케라스로 모델 만들기 __3.10 결과 분석 __3.11 예제 코드 정리 __3.12 마무리 __3.13 복습 4장 컨볼루션 신경망을 사용한 이미지 분류 __4.1 실습 환경 설정 __4.2 컴퓨터 비전과 사물 인식 __4.3 사물 인식 기술 유형 __4.4 신경망에 이미지를 입력하는 방법 __4.5 CNN의 빌딩 블록 ____4.5.1 필터링과 컨볼루션 ____4.5.2 최대 풀링 __4.6 CNN의 기본 아키텍처 __4.7 최신 CNN 아키텍처 ____4.7.1 LeNet(1998) ____4.7.2 AlexNet(2012) ____4.7.3 VGG16(2014) ____4.7.4 Inception(2014) ____4.7.5 ResNet(2015) ____4.7.6 CNN의 미래 __4.8 고양이 개 이미지 데이터셋 __4.9 케라스로 이미지 데이터를 다루는 방법 __4.10 이미지 증강 __4.11 모델 구성 ____4.11.1 기본 CNN ____4.11.2 전이 학습 __4.12 결과 분석 __4.13 마무리 __4.14 복습 5장 오토인코더를 사용한 이미지 노이즈 제거 __5.1 실습 환경 설정 __5.2 오토인코더 __5.3 잠재 표현 __5.4 오토인코더를 사용한 데이터 압축 __5.5 MNIST 데이터셋 __5.6 기본 오토인코더 ____5.6.1 케라스로 오토인코더 만들기 ____5.6.2 은닉 레이어 크기가 오토인코더 성능에 미치는 영향 __5.7 오토인코더를 사용한 노이즈 제거 ____5.7.1 심층 컨볼루션 오토인코더를 사용한 노이즈 제거 __5.8 오토인코더를 사용한 문서 노이즈 제거 ____5.8.1 기본 컨볼루션 오토인코더 ____5.8.2 심층 컨볼루션 오토인코더 __5.9 마무리 __5.10 복습 6장 LSTM을 사용한 영화 리뷰 감성 분석 __6.1 실습 환경 설정 __6.2 시퀀스 문제 __6.3 자연어 처리와 감성 분석 ____6.3.1 감성 분석이 어려운 이유 __6.4 RNN 신경망 ____6.4.1 RNN의 내부 구조 ____6.4.2 RNN의 단기 의존성과 장기 의존성 ____6.4.3 경사 소실 문제 __6.5 LSTM 신경망 ____6.5.1 LSTM의 원리 ____6.5.2 LSTM 신경망의 내부 __6.6 IMDb 영화 리뷰 데이터셋 __6.7 단어의 벡터 표현 ____6.7.1 원핫 인코딩 ____6.7.2 단어 임베딩 __6.8 모델 아키텍처 ____6.8.1 입력 ____6.8.2 단어 임베딩 레이어 ____6.8.3 LSTM 레이어 ____6.8.4 밀집 레이어 ____6.8.5 출력 __6.9 모델 구성 ____6.9.1 데이터 입수 ____6.9.2 제로 패딩 ____6.9.3 단어 임베딩 레이어와 LSTM 레이어 ____6.9.4 모델 컴파일 및 훈련 __6.10 결과 분석 ____6.10.1 혼동 행렬 __6.11 예제 코드 정리 __6.12 마무리 __6.13 복습 7장 샴 신경망을 사용한 안면 인식 __7.1 실습 환경 설정 __7.2 안면 인식 시스템 __7.3 얼굴 검출과 얼굴 인식 ____7.3.1 얼굴 검출 ____7.3.2 얼굴 인식 __7.4 얼굴 인식 시스템 요구 사항 ____7.4.1 속도 ____7.4.2 확장성 ____7.4.3 적은 데이터로 높은 정확도 보장 __7.5 원샷 학습 ____7.5.1 벡터 간 유클리드 거리 __7.6 샴 신경망 __7.7 대조 손실 __7.8 얼굴 데이터셋 __7.9 케라스 샴 신경망 __7.10 모델 훈련 __7.11 결과 분석 __7.12 예제 코드 정리 __7.13 실시간 안면 인식 프로그램 ____7.13.1 온보딩 과정 ____7.13.2 얼굴 인식 및 인증 ____7.13.3 안면 인식 고도화 __7.14 마무리 __7.15 복습 8장 신경망과 인공 지능의 미래 __8.1 요약 ____8.1.1 머신 러닝과 신경망 개론 ____8.1.2 다중 레이어 퍼셉트론을 사용한 당뇨 예측 ____8.1.3 심층 전방향 신경망을 사용한 택시 요금 예측 ____8.1.4 컨볼루션 신경망을 사용한 이미지 분류 ____8.1.5 오토인코더를 사용한 이미지 노이즈 제거 ____8.1.6 LSTM을 사용한 영화 리뷰 감성 분석 ____8.1.7 샴 신경망을 사용한 안면 인식 __8.2 최신 신경망 기술 ____8.2.1 GAN 신경망 ____8.2.2 심층 강화 학습 __8.3 신경망의 한계 __8.4 인공 지능과 머신 러닝의 미래 ____8.4.1 범용 인공 지능 ____8.4.2 머신 러닝 자동화 __8.5 머신 러닝의 최신 기술을 습득하려면 ____8.5.1 기술 서적 ____8.5.2 연구 논문 ____8.5.3 데이터셋을 다루는 연습 __8.6 머신 러닝 도구 __8.7 마무리 찾아보기 |
저자 소개 2
금융 및 의료 산업의 데이터 과학 분야에서 5년 이상 경력을 쌓았다. 싱가포르 최대 은행에서 일하며 예측 분석을 활용해 고객 로열티를 개선하고 혁신을 주도했다. 또한, 의료 분야에 데이터 분석 기법을 적용해 여러 병원의 의사 결정 과정을 개선했다. 조지아 공과 대학교에서 컴퓨터 공학 석사를 취득했으며, 머신 러닝을 전공했다.
주요 연구 분야는 딥러닝과 응용 머신 러닝이며, 산업 자동화를 위한 컴퓨터 비전 기반 인공 지능 에이전트 개발에도 관심이 있다. 또한, 유명 머신 러닝 웹사이트 Towards Data Science에 글을 기고해 월 조회 수 3백만 회 이상을 기록했다.
KAIST 정보통신공학과 학사 및 박사 학위를 취득하고, 삼성전자에서 빅데이터 플랫폼 엔지니어로 근무했다. 그 이후 SK 플래닛과 11번가에서 커머스 분야의 데이터 과학자로 경력을 쌓아 현재는 영상 기술 스타트업인 하이퍼커넥트에서 데이터 과학팀과 데이터실을 이끌고 있다.
관련 분류
품목정보
- 발행일
- 2020년 05월 28일
- 쪽수, 무게, 크기
- 292쪽 | 183*235*15mm
- ISBN13
- 9791165211639
출판사 리뷰
|
프로젝트를 만들면서 배우는 신경망
주제별로 여섯 가지 신경망 프로젝트를 준비했다. 프로젝트는 실제 프로세스를 경험해 볼 수 있도록 문제 정의, 데이터 전처리, 모델 만들기, 결과 분석, 마무리, 복습 순서로 진행한다. 과정 안에는 특정 신경망 아키텍처를 이해하는 데 필요한 지식, 진행 시 발생할 수 있는 오류, 오류를 해결하는 방법도 함께 담았다. ● 당뇨 발병 여부 예측: 다중 레이어 퍼셉트론 ● 택시 요금 예측: 특징 공학, 변수 스케일링, 심층 전방향 신경망 ● 이미지 분류 모델: CNN, 전이 학습 ● 이미지 노이즈 제거: 기본/심층 컨볼루션 오토인코더 ● 영화 리뷰 감성 분석: 단어 임베딩, RNN, LSTM ● 안면 인식 시스템: 원샷 학습, 샴 신경망 개념 이해와 파이썬 라이브러리 사용법까지 각 장에서는 프로젝트를 만들기에 앞서 실습에 필요한 핵심 개념과 지식을 간결하게 정리하였으며, 그림도 풍부하게 사용해 이해를 높였다. 즉, 실습에 필요한 이론적 토대를 쌓고, 사용할 알고리즘과 모델 아키텍처를 숙지한 뒤에 직접 신경망을 만들어 볼 것이다. 신경망을 만들 때는 파이썬 코드를 한 줄씩 차근차근 최대한 쉽게 설명하려 노력했다. 또한, 꼭 알아두어야 하는 파이썬 라이브러리인 케라스, 맷플롯립, 판다스, 넘파이, 시본, 사이킷런 등도 사용해 본다. |
추천평
|
전처리 코드를 모듈화해서 헬퍼 함수를 작성하고 결과값을 분석하여 왜 오분류가 되었는지 살펴보는 등 실무적인 내용을 담으려고 노력한 책입니다. MLP, CNN, LSTM, One-Shot Learning 등 다양한 내용을 다루지만 상세한 설명과 도식, 가독성 높은 코드를 통해 쉽게 이해할 수 있었습니다. - 정윤식 (한국생산기술연구원)
|
|
책의 구성은 신경망에 대한 설명(1장, 8장)과 6가지 실습(2~7장)으로 이루어집니다. 실습은 환경설정, 실습 내용 소개, 데이터 전처리, 모델 만들기, 결과분석, 마무리, 복습 순으로 이루어집니다. 가장 눈여겨본 부분은 복습 부분입니다. 한 문장으로 질문을 던지고 답을 알려줘 해당 장의 내용이 잘 정리됩니다. - 황시연 (데이터저널리스트)
|
|
실습을 할 때 특정 라이브러리 사용법에 대해 충분한 설명이 되어 있지 않으면 결과가 나와도 이 코드가 왜 들어갔는지 이해가 되지 않는데, 이 책에서는 pandas, numpy 등 중요 라이브러리의 사용법에 대해 실습을 진행할 수 있는 부분이 있어서 유익했습니다. 또한, 각 코드마다 주석으로 상세히 설명해줬기 때문에 실습 후 결과를 보고 위에서부터 아래로 코드를 분석해보면 왜 그러한 결과가 나왔는지 제대로 알 수 있었습니다. - 임혁 (나일소프트)
|
|
그동안 신경망 프로그래밍을 배우기 위해 필요한 사전 지식과 라이브러리를 익히는 데 시간을 할애할 엄두가 나지 않았고, 신경망에 사용되는 모든 라이브러리의 API를 하나씩 설명해주는 책을 찾기가 쉽지 않았는데, 이 책에서 이런 부분들이 많이 해소되었다. - 이승표 ((전)스마일게이트 서버 프로그래머, (전)넥슨 코리아 서버 프로그래머)
|
