수학 이론과 알고리즘부터 CNN, RNN 구현까지 한 권으로 해결하기

수식 튼튼! 코드 탄탄! 내 손으로 만드는 딥러닝 모델

2010년 신경망 기술이 딥러닝이라는 이름으로 부활하면서 머신러닝 실무자는 물론, 소프트웨어 엔지니어에게도 딥러닝은 필수 소양이 되었습니다. 이 책은 머신러닝을 처음 접하는 데이터 과학자와 소프트웨어 엔지니어에게 실용적인 정보를 제공합니다. 딥러닝의 기초부터 고급 신경망 구조까지 폭넓게 배우고, 딥러닝 모델을 직접 구현하며 빠르게 개념을 익혀봅니다. 이 책은 먼저 그림으로 개념을 설명하고, 코드의 밑바탕이 되는 수학적 원리를 설명합니다. 그다음 파이썬 코드로 신경망을 구현하며 동작하는 방법을 이해해봅니다. 다층 신경망, 합성곱 신경망, 순환 신경망의 간단한 구조부터 복잡한 구조까지 확장해보며 딥러닝 프로젝트에 준비된 개발자로 성장할 수 있습니다.

chapter 1 신경망 기초 1
1.1 함수
1.2 도함수
1.3 합성함수
1.4 연쇄법칙
1.5 조금 더 복잡한 예제
1.6 입력이 두 개 이상인 함수의 합성함수
1.7 입력이 여러 개인 함수의 도함수
1.8 여러 개의 벡터 입력을 갖는 함수
1.9 기존 특징으로 새로운 특징 만들기
1.10 여러 개의 벡터 입력을 갖는 함수의 도함수
1.11 벡터 함수와 도함수
1.12 두 개의 2차원 행렬을 입력받는 계산 그래프
1.13 역방향 계산
1.14 마치며

chapter 2 신경망 기초 2
2.1 지도 학습
2.2 지도 학습 모델
2.3 선형회귀
2.4 모델 학습하기
2.5 학습 데이터와 테스트 데이터
2.6 모델 성능을 평가하는 코드
2.7 밑바닥부터 만드는 신경망
2.8 첫 번째 신경망 모델의 학습과 성능 평가
2.9 마치며

chapter 3 밑바닥부터 만들어보는 딥러닝
3.1 딥러닝 정의하기
3.2 신경망의 구성 요소: 연산
3.3 신경망의 구성 요소: 층
3.4 모델의 구성 요소 조립하기
3.5 NeuralNetwork 클래스와 그 외 클래스
3.6 딥러닝 구현하기
3.7 Optimizer와 Trainer 클래스
3.8 모든 구성 요소 조합하기
3.9 마치며

chapter 4 프레임워크 확장하기
4.1 신경망에 대한 직관
4.2 소프트맥스 교차 엔트로피 손실함수
4.3 실험
4.4 모멘텀
4.5 학습률 감쇠
4.6 초기 가중치 설정
4.7 드롭아웃
4.8 마치며

chapter 5 합성곱 신경망
5.1 신경망과 표현 학습
5.2 합성곱층
5.3 다채널 합성곱 연산 구현하기
5.4 Conv2DOperation 연산으로 합성곱 신경망 학습하기
5.5 마치며

chapter 6 순환 신경망
6.1 근본적인 한계: 분기 처리하기
6.2 자동 미분
6.3 순환 신경망이 필요한 이유
6.4 순환 신경망이란
6.5 RNN 코드
6.6 마치며

chapter 7 파이토치
7.1 텐서
7.2 파이토치로 딥러닝 구현하기
7.3 합성곱 신경망 구현하기
7.4 오토인코더를 활용한 비지도 학습
7.5 마치며

부록 A 더 알아보기
A.1 행렬 미분의 연쇄법칙
A.2 편향 항에 대한 손실의 기울기
A.3 행렬곱으로 합성곱 구현하기

신경망을 확실하게 이해할 수 있는 최고의 딥러닝 입문서넘쳐나는 딥러닝 학습 자료 속에서 어떤 것부터 살펴봐야 할지 모르겠다고요? 대부분의 딥러닝 학습 자료는 크게 두 가지 유형으로 나뉩니다. 수많은 화살표로 나타낸 도표로 딥러닝의 개념을 설명하거나 혹은 빽빽한 코드로 학습 과정을 설명하고 결과를 확인합니다. 이런 유형의 학습 자료는 코드를 구성하는 수학적 원리와 신경망의 개념적 구조, 이들이 서로 동작하는 방법을 제대로 설명하지 못합니다. 이 책에서는 앞선 학습 자료의 맹점을 보완하기 위해 세 가지 관점(수식, 코드, 다이어그램)으로 개념을 설명합니다. 먼저 신경망 개념에 사용하는 수식을 살펴보고, 이 연산 과정을 다이어그램으로 나타냅니다. 개념의 원리를 이해한 후, 파이썬으로 밑바닥부터 구현합니다. 간단한 딥러닝 모델부터 합성곱 신경망, 순환 신경망까지 구현해보고 이 신경망을 파이토치로 다시 한번 구현하며 프레임워크 사용법을 익힙니다. 이 책의 목표는 신경망에 대한 정확하고 확실한 이해입니다. 일단 이 책을 읽고 나면 신경망과 관련된 개념과 프로젝트를 한결 쉽게 이해하고 자신감 있게 응용할 수 있을 것입니다.주요 내용
●신경망 이해에 필요한 명확한 멘탈 모델과 수학적 원리 설명
●객체지향으로 설계한 다층 신경망 프레임워크 구현 방법
●수식과 예제로 배우는 합성곱 신경망과 순환 신경망
●파이토치를 이용한 신경망 구현 방법장별 요약
1장_신경망 기초 1
함수의 연산 과정을 다이어그램으로 이해하고, 미적분의 연쇄법칙으로 도함수를 구하는 방법을 알아봅니다. 2장_신경망 기초 2
선형회귀와 신경망 모델을 적용해 데이터 집합에서 주택 가격의 추이를 예측하는 학습 모델을 구현합니다.3장_밑바닥부터 만들어보는 딥러닝
Layer, Model, Optimizer와 같은 구성 요소를 만들고 이를 조합해 전체 딥러닝 모델을 구현합니다. 4장_프레임워크 확장하기
신경망 모델의 성공 확률을 높이는 주요 학습 방법을 소개합니다.5장_합성곱 신경망
이미지를 다루는 데 특화된 신경망인 합성곱 신경망(CNN)을 소개하고, 합성곱층을 직접 구현하며 동작 원리를 파악합니다.6장_순환 신경망
자동 미분의 동작 과정을 살펴보고, 순환 신경망(RNN)에 이를 적용해봅니다. RNN의 변형 구조인 GRU와 LSTM도 함께 소개합니다.7장_파이토치
1~6장까지 구현한 내용을 고성능 오픈소스 신경망 라이브러리인 파이토치로 구현합니다. 마지막으로 비지도 학습에서 신경망을 활용하는 방법을 간단히 살펴봅니다.

회원리뷰 총 0개

리뷰작성 새 창

사용후기가 없습니다.

등록된 상품문의

상품문의 총 0개

문의작성 새 창

상품문의가 없습니다.

[반품/교환가능 기간]

변심반품의 경우 수령 후 14일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

[반품/교환비용]

단순 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담

[반품/교환 불가 사유]

- 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우

(단지 확인을 위한 포장 훼손은 제외)

- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우

예) 화장품, 식품, 가전제품(악세서리 포함) 등

- 복제가 가능한 상품 등의 포장을 훼손한 경우

예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

- 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)

- 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우

- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

- 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

* (1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시

‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①양서-판매정가의 12%, ②일서-판매정가의 7%를 적용)

[상품 품절]

공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다.

[소비자 피해보상, 환불지연에 따른 배상]

- 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됩니다.

- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함.