자연어 처리, GAN, 오토인코더, 전이 학습 등으로 나만의 모델을 만든다 | with 텐서플로2.0 & 케라스

2년 연속 베스트셀러, 내용과 소스 코드 전면 업그레이드! 딥러닝 기초부터 최신 트렌드까지 한 권으로 공부하자

그동안 딥러닝 입문서로 제 역할을 톡톡히 해낸 『모두의 딥러닝』이 최근 주목받는 주제들을 담아 기존 내용을 보강하여 개정 2판으로 돌아왔다. 초판에서 다루지 않았던 GAN, 오토인코더, 자연어 처리, 전이 학습 등 새로운 내용을 수록하였고, 딥러닝을 공부하면서 나오는 수식을 좀 더 수월하게 이해할 수 있도록 기초 수학편을 추가했다. 복잡한 수식은 최대한 걷어내고 기본 동작 원리 → 딥러닝 이론 → 딥러닝 활용 → 심화까지 단계별로 학습할 수 있게 구성했으며, 실전 프로젝트를 통해 다양한 딥러닝 모델을 구현해 볼 수 있다. 이 책이 딥러닝 세계로 입문하려는 여러분의 첫걸음을 도와줄 것이다.

첫째마당 딥러닝 시작을 위한 준비 운동
1장 나의 첫 딥러닝
1.1 딥러닝 실행을 위한 준비 사항
1.2 딥러닝 작업 환경 만들기
1.3 미지의 일을 예측하는 원리
1.4 폐암 수술 환자의 생존율 예측하기
1.5 딥러닝의 개괄 잡기

2장 딥러닝을 위한 기초 수학
2.1 일차 함수, 기울기와 y절편
2.2 이차 함수와 최솟값
2.3 미분, 순간 변화율과 기울기
2.4 편미분
2.5 지수와 지수 함수
2.6 시그모이드 함수
2.7 로그와 로그 함수

3장 가장 훌륭한 예측선 긋기: 선형 회귀
3.1 선형 회귀의 정의
3.2 가장 훌륭한 예측선이란?
3.3 최소 제곱법
3.4 코딩으로 확인하는 최소 제곱
3.5 평균 제곱 오차
3.6 잘못 그은 선 바로잡기
3.7 코딩으로 확인하는 평균 제곱 오차

4장 오차 수정하기: 경사 하강법
4.1 경사 하강법의 개요
4.2 학습률
4.3 코딩으로 확인하는 경사 하강법
4.4 다중 선형 회귀란
4.5 코딩으로 확인하는 다중 선형 회귀

5장 참 거짓 판단 장치: 로지스틱 회귀
5.1 로지스틱 회귀의 정의
5.2 시그모이드 함수
5.3 오차 공식
5.4 로그 함수
5.5 코딩으로 확인하는 로지스틱 회귀
5.6 로지스틱 회귀에서 퍼셉트론으로


셋째마당 신경망의 이해
6장 퍼셉트론
6.1 가중치, 가중합, 바이어스, 활성화 함수
6.2 퍼셉트론의 과제
6.3 XOR 문제

7장 다층 퍼셉트론
7.1 다층 퍼셉트론의 설계
7.2 XOR 문제의 해결
7.3 코딩으로 XOR 문제 해결하기

8장 오차 역전파
8.1 오차 역전파의 개념
8.2 코딩으로 확인하는 오차 역전파

9장 신경망에서 딥러닝으로
9.1 기울기 소실 문제와 활성화 함수
9.2 속도와 정확도 문제를 해결하는 고급 경사 하강법

넷째마당 딥러닝 기본기 다지기
10장 모델 설계하기
10.1 모델의 정의
10.2 입력층, 은닉층, 출력층
10.3 모델 컴파일
10.4 교차 엔트로피
10.5 모델 실행하기

11장 데이터 다루기
11.1 딥러닝과 데이터
11.2 피마 인디언 데이터 분석하기
11.3 pandas를 활용한 데이터 조사
11.4 데이터 가공하기
11.5 matplotlib를 이용해 그래프로 표현하기
11.6 피마 인디언의 당뇨병 예측 실행

12장 다중 분류 문제 해결하기
12.1 다중 분류 문제
12.2 상관도 그래프
12.3 원-핫 인코딩
12.4 소프트맥스
12.5 아이리스 품종 예측 실행

13장 과적합 피하기
13.1 데이터의 확인과 실행
13.2 과적합 이해하기
13.3 학습셋과 테스트셋
13.4 모델 저장과 재사용
13.5 k겹 교차 검증

14장 베스트 모델 만들기
14.1 데이터의 확인과 실행
14.2 모델 업데이트하기
14.3 그래프로 확인하기
14.4 학습의 자동 중단

15장 선형 회귀 적용하기
15.1 데이터 확인하기
15.2 선형 회귀 실행

다섯째마당 딥러닝의 활용
16장 이미지 인식의 꽃, CNN 익히기
16.1 데이터 전처리
16.2 딥러닝 기본 프레임 만들기
16.3 더 깊은 딥러닝
16.4 컨볼루션 신경망(CNN)
16.5 맥스 풀링
16.6 컨볼루션 신경망 실행하기

17장 딥러닝을 이용한 자연어 처리
17.1 텍스트의 토큰화
17.2 단어의 원-핫 인코딩
17.3 단어 임베딩
17.4 텍스트를 읽고 긍정, 부정 예측하기 .

18장 시퀀스 배열로 다루는 순환 신경망(RNN)
18.1 LSTM을 이용한 로이터 뉴스 카테고리 분류하기
18.2 LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기

19장 세상에 없는 얼굴 GAN, 오토인코더
19.1 가짜 제조 공장, 생성자
19.2 진위를 가려내는 장치, 판별자
19.3 적대적 신경망 실행하기
19.4 이미지의 특징을 추출하는 오토인코더

20장 전이 학습을 통해 딥러닝의 성능 극대화하기
20.1 소규모 데이터셋으로 만드는 강력한 학습 모델
20.2 전이 학습으로 모델 성능 극대화하기
20.3 맺음말

심화 학습
심화 학습1 오차 역전파의 계산법
심화 학습2 파이썬 코드로 확인하는 신경망

부록
부록 A 구글 코랩과 파이참에서 딥러닝 실행하기
부록 B 잘 알려지지 않은 딥러닝 시작에 관한 이야기

누구나 쉽고 빠르게
나만의 딥러닝 모델을 만들 수 있다!기초 | 딥러닝을 위한 준비 운동
최소한의 설치로 딥러닝 실행 환경을 갖추고 딥러닝을 이해하는 데 필요한 기초 수학을 학습합니다. 그 다음 선형 회귀, 로지스틱 회귀, 신경망, 오차 역전파 같은 딥러닝의 동작 원리를 배웁니다.실습 | 딥러닝 내 것으로 만들기
폐암 수술 환자의 생존율 예측하기, 피마 인디언의 당뇨병 예측하기, 아이리스 품종 예측하기, 초음파 광물 예측하기, 보스턴 집값 예측하기 프로젝트를 실습하며 딥러닝 이론이 어떻게 적용되는지 살펴봅니다.활용 및 심화 | 딥러닝 정복하기
지금까지 배운 내용을 적절하게 활용해 봅니다. CNN, RNN부터 자연어 처리, GAN, 오토인코더, 전이 학습까지 딥러닝에서 주목받는 주제들을 담았습니다. 또한, 심화 학습에서 오차 역전파와 신경망 등의 개념을 수식과 함께 좀 더 깊이 있게 다뤄봅니다.

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.