이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
위키북스- 데이터 사이언스 시리즈
이 상품의 시리즈 알림신청
이 상품의 태그
책소개
목차
|
[01부] 컴퓨터 비전에 적용한 텐서플로 2와 딥러닝
▣ 01장: 컴퓨터 비전과 신경망 기술적 요구사항 컴퓨터 비전 ___컴퓨터 비전 소개 ___주요 작업 및 애플리케이션 컴퓨터 비전의 약력 ___최초 성공을 위한 첫 걸음 ___딥러닝의 출현 신경망 시작하기 ___신경망 구성하기 ___신경망 훈련시키기 요약 질문 참고 문헌 ▣ 02장: 텐서플로 기초와 모델 훈련 기술적 요구사항 텐서플로 2와 케라스 시작하기 ___텐서플로 소개 ___케라스를 사용한 간단한 컴퓨터 비전 모델 텐서플로 2와 케라스 자세히 알아보기 ___핵심 개념 ___고급 개념 텐서플로 생태계 ___텐서보드 ___텐서플로 애드온과 텐서플로 확장 ___텐서플로 라이트와 TensorFlow.js ___모델 실행 장소 요약 질문 ▣ 03장: 현대 신경망 기술 요구사항 합성곱 신경망의 발견 ___다차원 데이터를 위한 신경망 ___CNN 작업 ___유효 수용 영역 ___텐서플로로 CNN 구현하기 훈련 프로세스 개선 ___현대 네트워크 최적화 기법 ___정규화 기법 요약 질문 참고 문헌 [02부] 전통적인 인식 문제를 해결하는 최신 솔루션 ▣ 04장: 유력한 분류 도구 기술 요구사항 고급 CNN 아키텍처의 이해 ___VGG, 표준 CNN 아키텍처 ___GoogLeNet, Inception 모듈 ___ResNet - 잔차 네트워크 전이학습 활용 ___개요 ___텐서플로와 케라스로 전이학습 구현 요약 질문 참고 문헌 ▣ 05장: 객체 탐지 모델 기술 요구사항 객체 탐지 소개 ___배경 ___모델 성능 평가 빠른 객체 탐지 알고리즘 - YOLO ___YOLO 소개 ___YOLO로 추론하기 ___YOLO 훈련시키기 Faster R-CNN - 강력한 객체 탐지 모델 ___Faster R-CNN의 일반 아키텍처 ___Faster R-CNN 훈련 ___텐서플로 객체 탐지 API 요약 질문 참고 문헌 ▣ 06장: 이미지 보강 및 분할 기술 요구사항 인코더-디코더로 이미지 변환 ___인코더-디코더 소개 ___기본 예제 - 이미지 노이즈 제거 ___합성곱 인코더-디코더 의미론적 분할 이해하기 ___인코더-디코더를 사용한 객체 분할 ___더 까다로운 인스턴스 분할 요약 질문 참고 문헌 [03부] 컴퓨터 비전의 고급 개념 및 새 지평 ▣ 07장: 복합적이고 불충분한 데이터셋에서 훈련시키기 기술 요구사항 효율적인 데이터 제공 ___텐서플로 데이터 API 소개 ___입력 파이프라인 구성 ___입력 파이프라인 최적화 및 모니터링 데이터가 부족하면 어떻게 처리할까? ___데이터셋 보강 ___합성 데이터셋 렌더링하기 ___도메인 적응과 생성 모델(VAE와 GAN) 활용 요약 질문 참고 문헌 ▣ 08장: 동영상과 순환 신경망 기술 요구사항 RNN 소개 ___기본 형식 ___RNN에 대한 일반적인 이해 ___RNN 가중치 학습 ___장단기 메모리 셀 동영상 분류 ___컴퓨터 비전을 동영상에 적용하기 ___LSTM으로 동영상 분류하기 요약 질문 참고 문헌 ▣ 09장: 모델 최적화 및 모바일 기기 배포 기술 요구사항 계산 및 디스크 용량 최적화 ___추론 속도 측정하기 ___모델 추론 속도 개선하기 ___모델이 여전히 느린 경우 ___모델 크기 축소 온디바이스 머신러닝 ___온디바이스 머신러닝의 고려사항 ___실용적인 온디바이스 컴퓨터 비전 애플리케이션 예제 - 얼굴 표정 인식 ___MobileNet 소개 ___모델을 기기에 배포하기 요약 질문 ▣ [부록] 텐서플로 1.x에서 마이그레이션하기 ___자동 마이그레이션 ___텐서플로 1 코드 마이그레이션하기 참조 ___1장 컴퓨터 비전과 신경망 ___2장 텐서플로 기초와 모델 훈련 ___3장 현대 신경망 ___4장 유력한 분류 도구 ___5장 객체 탐지 모델 ___6장 이미지 보강 및 분할 ___7장 복합적이고 불충분한 데이터셋에서 훈련시키기 ___8장 동영상과 순환 신경망 ___9장 모델 최적화 및 모바일 기기 배포 |
저자 소개 3
(Benjamin Planche
벤자민 플랜치는 파사우 대학교(University of Passau)와 지멘스(Siemens Corporate Technology)에 몸 담고 있는 박사 과정 학생이다. 그는 컴퓨터 비전과 딥러닝 분야에서 5년 넘게 전 세계 다양한 연구소(프랑스 LIRIS, 일본 미쓰비시 전기, 독일 지멘스)에서 일해 왔다. 벤자민은 프랑스 리옹에 위치한 INSA-Lyon과 독일 파사우 대학교에서 두 개의 석사 학위를 우수한 성적으로 취득했다.
산업 응용 분야에서 적은 데이터로 더 스마트한 시각 시스템을 개발하는 데 중점적으로 노력을 기울이고 있으며, 자신의 지식과 경험을 StackOverf
벤자민 플랜치는 파사우 대학교(University of Passau)와 지멘스(Siemens Corporate Technology)에 몸 담고 있는 박사 과정 학생이다. 그는 컴퓨터 비전과 딥러닝 분야에서 5년 넘게 전 세계 다양한 연구소(프랑스 LIRIS, 일본 미쓰비시 전기, 독일 지멘스)에서 일해 왔다. 벤자민은 프랑스 리옹에 위치한 INSA-Lyon과 독일 파사우 대학교에서 두 개의 석사 학위를 우수한 성적으로 취득했다.
산업 응용 분야에서 적은 데이터로 더 스마트한 시각 시스템을 개발하는 데 중점적으로 노력을 기울이고 있으며, 자신의 지식과 경험을 StackOverflow와 같은 온라인 플랫폼에서 공유하거나 이 지식을 적용해 아름다운 작품을 만들어 보여주기도 한다.
산업 응용 분야에서 적은 데이터로 더 스마트한 시각 시스템을 개발하는 데 중점적으로 노력을 기울이고 있으며, 자신의 지식과 경험을 StackOverflow와 같은 온라인 플랫폼에서 공유하거나 이 지식을 적용해 아름다운 작품을 만들어 보여주기도 한다.
Eliot Andres
엘리엇 안드레스는 프리랜서로 일하고 있는 딥러닝, 컴퓨터 비전 엔지니어다. 이 분야에서 3년 이상의 경력을 쌓았으며 은행, 의료, 소셜 미디어, 동영상 스트리밍 같은 다양한 산업에 자신의 기술을 적용했다. 엘리엇은 파리 기술 대학 Ecole des Ponts와 Telecom에서 이중 석사 학위를 받았다.
비즈니스 문제에 새로운 기술을 적용함으로써 가치를 제공하는 산업화에 관심을 갖고 있으며, 블로그에서 기사를 게시하고 최신 기술을 사용해 프로토타입을 제작하면서 최신의 기술을 지속적으로 받아들이고 있다.
플랫폼 기업의 빅데이터 서비스 조직에서 근무하고 있다. 업계 용어 중심으로 쓰면 나태하게 보일까 걱정되고, 모두 우리말로 바꾸자니 전문가들과 소통이 어렵지는 않을까 하는 걱정 사이에, 이제는 어떻게 하면 챗GPT보다 더 나은 가치를 제공할 수 있는지까지 고민을 하나 더 얹어 번역하고 있다. 이런 고민을 책 문장마다 잘 녹여내기 바라며 옮기지만, 그에 대한 인정은 독자들 몫이니 마음을 내려놓는 연습도 하고 있다. 옮긴 책으로는 『파이썬 데이터 사이언스 핸드북(개정판)』, 『실전! 파이토치 딥러닝 프로젝트』, 『강화학습/심층강화학습 특강』, 『실전! 텐서플로 2를 활용한 딥러닝 컴퓨
플랫폼 기업의 빅데이터 서비스 조직에서 근무하고 있다. 업계 용어 중심으로 쓰면 나태하게 보일까 걱정되고, 모두 우리말로 바꾸자니 전문가들과 소통이 어렵지는 않을까 하는 걱정 사이에, 이제는 어떻게 하면 챗GPT보다 더 나은 가치를 제공할 수 있는지까지 고민을 하나 더 얹어 번역하고 있다. 이런 고민을 책 문장마다 잘 녹여내기 바라며 옮기지만, 그에 대한 인정은 독자들 몫이니 마음을 내려놓는 연습도 하고 있다. 옮긴 책으로는 『파이썬 데이터 사이언스 핸드북(개정판)』, 『실전! 파이토치 딥러닝 프로젝트』, 『강화학습/심층강화학습 특강』, 『실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전』 등이 있다.
김정인의 다른 상품
관련 분류
- 카테고리 분류
품목정보
- 발행일
- 2020년 06월 02일
- 쪽수, 무게, 크기
- 352쪽 | 188*240*20mm
- ISBN13
- 9791158392123
출판사 리뷰
|
★ 이 책에서 다루는 내용 ★
◎ 신경망을 처음부터 생성하기 ◎ Inception과 ResNet을 포함한 최신 아키텍처로 이미지 분류하기 ◎ YOLO, Mask R-CNN, U-Net으로 이미지에서 객체를 탐지하고 분할하기 ◎ 자율주행차와 얼굴 표정 인식 시스템 개발에 따르는 문제 해결하기 ◎ 전이학습, GAN, 도메인 적응 기법으로 애플리케이션 성능 개선하기 ◎ 동영상 분석을 위해 순환 신경망 사용하기 ◎ 각자 생성한 신경망을 모바일 기기와 브라우저에 맞게 최적화하고 배포하기 |
25,200원
총 1개
25,200원
