첫 딥러닝 실무 : 북윈도

이전상품 코드로 배우는 스프링 부트 웹 프로젝트 다음 상품 코드를 통해 본 빵형의 실전 Java 확대보기

리뷰 0 위시 120

첫 딥러닝 실무 요약정보 및 구매

딥러닝을 위한 전처리부터 모델 가속화까지

상품 선택옵션 0 개, 추가옵션 0 개

출판사	남가람북스
저자	권영섭
ISBN	9791189184063 (1189184060)
정가	26,000원
판매가	23,400원(10% 할인)
배송비	무료배송

00포인트

포인트 정책 설명문 출력

선택된 옵션

수량

수량

관심상품

상품 정보

상품정보
회원리뷰 0
상품문의 0
교환/반품/배송

상품 기본설명

딥러닝을 위한 전처리부터 모델 가속화까지

상품 상세설명

이 책은 코딩에 의존하지 않고, 딥러닝 학습에 필요한 기초 수학, 통계이론 그리고 최적화 개념의 설명과 함께 딥러닝 모델의 어떤 부분에서 적용되는지 소개함으로써 딥러닝에 대한 흥미를 높였습니다. 이것을 바탕으로 딥러닝 구조를 해부하듯이 설명함으로써 그 작동 원리를 쉽게 이해할 수 있도록 노력했습니다. 따라서 이 책은 딥러닝 모델 학습(Training) 과정에서 문제에 부딪혔을 때 그 문제의 원인과 해결 방안을 찾을 수 있도록 도움을 주는 가이드 역할을 하는 책입니다. 또한, 이렇게 딥러닝 모델에 대한 기본기를 다진 후 공개된 데이터 세트가 아닌 세상에 없는 학습 데이터 세트를 어떻게 준비하고 처리해야 하는지 방법을 제시함으로써 실제적인 프로젝트 수행 시 도움이 되도록 한 책입니다. 딥러닝 모델 학습이 끝났다고 해도 실제 적용할 경우 또다시 직면하고 있는 문제가 남아 있습니다. 바로 딥러닝 모델 처리 속도 문제인 데, 이 책은 그 해결 방법까지도 제시하고 있습니다. [이 책의 대상 독자] 이 책은 다음과 같은 독자를 대상으로 합니다. 1. 딥러닝 핵심 이론에 대한 이해가 필요한 독자 2. 딥러닝 기술을 한 단계 Jump-up 시키고 싶은 독자 3. 딥러닝 학습 과정에서 일어나는 문제 원인과 해결 방안을 체계적으로 알고 싶은 독자 4. 실무에서 딥러닝 프로젝트를 수행할 때 전반적인 Guidance를 필요로 하는 독자 [Q&A] 이 책으로 공부하다가 이해하기 어려운 부분이나 궁금한 사항이 생기면 저자 블로그를 통해서 검색하거나 질문하여 해결하기 바랍니다. * 저자 블로그: https://blog.naver.com/dancewithdl

서문t
들어가면서t
추천사 1t
추천사 2t

1 기초 수학으로 딥러닝 시작하기

1.1 선형대수t
스칼라와 벡터t
벡터 투영t
벡터 노옴과 내적t

1.2 행렬t
블록 행렬t
행렬의 합t
행렬의 곱t

1.3 미분t
미분t
기울기t
자코비안 행렬t

1.4 확률 통계
확률 통계가 필요한 이유t
확률과 확률 변수
이산 확률 변수t
결합 및 조건부 확률
베이즈 정리t
연속 확률 변수t
평균과 분산
확률 변수의 변환
확률 분포
이산 변수
연속 변수

2 유사도 척도로 딥러닝 학습 접근하기

2.1 유클리디안 거리

2.2 마할라노비스 거리

2.3 코사인 유사도t

2.4 자카드 유사도t

3 예측과 최적화 기법으로 딥러닝 학습 이해하기
매개변수 예측t
선형 회귀 분석t
정규화t

3.1 최대 유사도/가능도 추정법t

3.2 베이지안 추론t
최대 경사 하강법과 최소 자승법t
최대 경사 하강법t
최소 자승법t

4 데이터 전처리 과정 이해하기

4.1 데이터 전처리t
데이터 추출t
데이터 유형 분석t
데이터 정제t
데이터 변환t
데이터 정규화t
데이터 익명화t
데이터 확장t
데이터 표본 추출t
데이터 명명t
수치적으로 묘사된 벡터화 작업t

4.2 데이터 이상치 처리t
표준 편차t
박스 플롯t
DBScan 군집t

4.3 시간-주파수 표현 방법t
고속 푸리에 변환의 단점t
스펙트로그램t
스캘로그램t
멜 스펙트로그램t

5 딥러닝 기본기 다지기

5.1 자율 주행 자동차와 딥러닝 학습 개념 이해하기t

5.2 자동 제어 기법을 통한 학습 개념 이해하기
비례 제어 동작t
적분 제어 동작t
미분 제어 동작t
비례 적분 미분 제어 동작t

5.3 단일 뉴런 모델t

5.4 다층 신경회로망과 딥러닝t

5.5 딥러닝 학습 기법t
초기 가중치 벡터 값 설정t

5.6 과적합 문제t
조기 종료
조정화
드롭아웃과 앙상블t

5.7 기울기 소실 문제t
ReLU 활성화 함수t
배치 정규화t

5.8 경사 하강법에 기반한 학습 방법t
확률적 경사 하강법t
모멘텀t
NAG 경사 하강법
아다그라드 알고리즘t
RMSProp 알고리즘t
아다델타 알고리즘t
아담 알고리즘t
아다바운드 알고리즘t
PID 제어 기법 기반 알고리즘t

5.9 활성화 함수t
보편적 근사 정리t
시그모이드 함수t
하이퍼볼릭 탄젠트 함수t
ReLU 함수t
LReLU 함수t
PReLU 함수t
Elu 함수

6 주요 딥러닝 모델과 응용하기

6.1 합성곱 신경망t
합성곱 신경망의 태동t
완전 연결 신경망의 문제점t
합성곱 신경망의 구조t

6.2 합성곱 신경망의 응용t
기계나 설비 이상 상태 판정t
상담이나 면접 시 화자의 감정 상태 판단t
식물 병충해 및 영양 결핍 진단t
지능형 표면 검사 시스템t

6.3 적대적 생성 신경망t

6.4 적대적 생성 신경망의 응용t
DCGANt
GAN 기반 데이터 확장t
GAN 기반 이미지 변환t

7 딥러닝 모델 가속화

7.1 딥러닝 모델 압축t
가지치기t
가중치 공유t
양자화t

7.2 낮은 차수 행렬 분해t

7.3 지식 증류/전수t

7.4 딥러닝 모델 구조 자동 탐색t

7.5 딥러닝 실행 가속

책을 마무리하면서

참고문헌t

찾아보기

출판사 서평

이 책은 딥러닝 모델 구조를 자세히 알려주며 적용할 때 발생하는 문제의 해결책을 찾을 수 있습니다. 기초: 딥러닝 학습에 필요한 기초 다지기(1장~3장)
딥러닝 학습에 필요한 수학의 기초를 통해 딥러닝을 시작할 수 있도록 하며, 유사도 척도를 통해 딥러닝 학습에 접근하며 그리고 최적화 기법을 통해 딥러닝 학습을 이해할 수 있게 합니다.준비: 딥러닝 학습 데이터 세트 준비하기(4장)
공개된 학습 데이터가 아닌 나만의 딥러닝 프로젝트를 수행할 때 첫 번째 부딪히는 문제인 ‘학습 데이터 준비’ 과정을 배웁니다. 딥러닝 프로젝트를 수행하는 데 필요한 시간과 노력의 80%를 차지하는 학습 데이터 준비는 그동안 알고리즘의 중요성에 가려져 있었습니다. 하지만, 딥러닝 프로젝트의 성공적인 수행을 위해서 학습 데이터 세트의 준비 과정에 많은 시간을 투자하는 것이 필요합니다. 학습: 학습의 개념부터 딥러닝 모델 구조를 자세하게 익히기(5장)
간단한 자율주행자동차 모델을 통해 ‘학습’이 진행되는 과정을 설명함으로써 학습 개념을 누구나 이해할 수 있도록 했습니다. 이것을 바탕으로 단일 뉴런 신경회로망에부터 층과 수를 넓히고 깊이 있게 확장한 딥러닝 모델 구조를 자세하게 파헤치면서 설명하고 있고, 학습 과정에서 부딪히는 문제와 그것을 극복할 수 있는 방법에 대해서 자연스럽게 습득할 수 있도록 했습니다.적용: 주요 딥러닝 모델 소개와 실제적인 딥러닝 모델 응용 시 부딪히는 문제 극복하기(6장~7장)
주요 딥러닝 모델의 구조와 원리를 소개하고, 이러한 모델의 응용 가능 분야에 대해서 몇 가지 소개하고 있습니다. 특히 학습이 완료된 딥러닝 모델을 적용할 때 부딪히는 또 다른 문제가 바로 연산 속도입니다. 엄청난 양의 컴퓨터 연산이 필요한 딥러닝 모델을 적용할 때, 고가의 컴퓨터 하드웨어 추가 없이 딥러닝 모델을 가볍게 함으로써 고속 처리할 수 있는 기법까지도 배울 수 있습니다.

상품 정보 고시

도서명	첫 딥러닝 실무
저자	권영섭
출판사	남가람북스
ISBN	9791189184063 (1189184060)
쪽수	328
출간일	2020-11-11
사이즈	182 * 232 * 24 mm /604g
목차 또는 책소개	서문t 들어가면서t 추천사 1t 추천사 2t 1 기초 수학으로 딥러닝 시작하기 1.1 선형대수t 스칼라와 벡터t 벡터 투영t 벡터 노옴과 내적t 1.2 행렬t 블록 행렬t 행렬의 합t 행렬의 곱t 1.3 미분t 미분t 기울기t 자코비안 행렬t 1.4 확률 통계 확률 통계가 필요한 이유t 확률과 확률 변수 이산 확률 변수t 결합 및 조건부 확률 베이즈 정리t 연속 확률 변수t 평균과 분산 확률 변수의 변환 확률 분포 이산 변수 연속 변수 2 유사도 척도로 딥러닝 학습 접근하기 2.1 유클리디안 거리 2.2 마할라노비스 거리 2.3 코사인 유사도t 2.4 자카드 유사도t 3 예측과 최적화 기법으로 딥러닝 학습 이해하기 매개변수 예측t 선형 회귀 분석t 정규화t 3.1 최대 유사도/가능도 추정법t 3.2 베이지안 추론t 최대 경사 하강법과 최소 자승법t 최대 경사 하강법t 최소 자승법t 4 데이터 전처리 과정 이해하기 4.1 데이터 전처리t 데이터 추출t 데이터 유형 분석t 데이터 정제t 데이터 변환t 데이터 정규화t 데이터 익명화t 데이터 확장t 데이터 표본 추출t 데이터 명명t 수치적으로 묘사된 벡터화 작업t 4.2 데이터 이상치 처리t 표준 편차t 박스 플롯t DBScan 군집t 4.3 시간-주파수 표현 방법t 고속 푸리에 변환의 단점t 스펙트로그램t 스캘로그램t 멜 스펙트로그램t 5 딥러닝 기본기 다지기 5.1 자율 주행 자동차와 딥러닝 학습 개념 이해하기t 5.2 자동 제어 기법을 통한 학습 개념 이해하기 비례 제어 동작t 적분 제어 동작t 미분 제어 동작t 비례 적분 미분 제어 동작t 5.3 단일 뉴런 모델t 5.4 다층 신경회로망과 딥러닝t 5.5 딥러닝 학습 기법t 초기 가중치 벡터 값 설정t 5.6 과적합 문제t 조기 종료 조정화 드롭아웃과 앙상블t 5.7 기울기 소실 문제t ReLU 활성화 함수t 배치 정규화t 5.8 경사 하강법에 기반한 학습 방법t 확률적 경사 하강법t 모멘텀t NAG 경사 하강법 아다그라드 알고리즘t RMSProp 알고리즘t 아다델타 알고리즘t 아담 알고리즘t 아다바운드 알고리즘t PID 제어 기법 기반 알고리즘t 5.9 활성화 함수t 보편적 근사 정리t 시그모이드 함수t 하이퍼볼릭 탄젠트 함수t ReLU 함수t LReLU 함수t PReLU 함수t Elu 함수 6 주요 딥러닝 모델과 응용하기 6.1 합성곱 신경망t 합성곱 신경망의 태동t 완전 연결 신경망의 문제점t 합성곱 신경망의 구조t 6.2 합성곱 신경망의 응용t 기계나 설비 이상 상태 판정t 상담이나 면접 시 화자의 감정 상태 판단t 식물 병충해 및 영양 결핍 진단t 지능형 표면 검사 시스템t 6.3 적대적 생성 신경망t 6.4 적대적 생성 신경망의 응용t DCGANt GAN 기반 데이터 확장t GAN 기반 이미지 변환t 7 딥러닝 모델 가속화 7.1 딥러닝 모델 압축t 가지치기t 가중치 공유t 양자화t 7.2 낮은 차수 행렬 분해t 7.3 지식 증류/전수t 7.4 딥러닝 모델 구조 자동 탐색t 7.5 딥러닝 실행 가속 책을 마무리하면서 참고문헌t 찾아보기