Detail View

딥러닝이 어떤 기술이고, 어떤 일을 할 수 있는지 소개하고, 딥러닝 알고리즘의 학습 방법을 살펴본다. 또 Caffe를 이용해 실제로 딥러닝의 동작 방법을 경험해본다. 기초편에서는 딥러닝의 개요와 역사를 살펴보고, 음성 인식과 이미지 인식 분야에서 현재까지 이뤄낸 성과를 알아본다. 이론편에서는 컴퓨터가 딥러닝 알고리즘을 사용해 학습하는 방법을 배우고, 기존 방법과 비교하여 딥러닝이 왜 높은 성능을 구현할 수 있는지 살펴본다. 기계 학습이나 딥러닝에 대한 지식이 없고 수학을 몰라도 이해할 수 있도록 쉬운 용어와 구체적인 사례로 설명한다.

인공지능, 기계 학습, 이제는 딥러닝이다!
다양한 매체를 통해 접하는 인공지능 기술은 빛의 속도로 발전하며 수많은 사례와 비즈니스 모델을 쏟아내고 있다. 그 중에서도 최근 알파고를 통해 널리 알려진 딥러닝 기술은 높은 성과를 보이며 주목받고 있다. 우리는 딥러닝을 알아야 하는가? 물론이다. 딥러닝 기술은 다양한 오픈 소스 프레임워크를 통해 누구나 이용할 수 있는 도구가 되어가고 있다. 이 책은 딥러닝이 어떤 기술이고, 어떤 일을 할 수 있는지 소개하고, 딥러닝 알고리즘의 학습 방법을 살펴본다. 또 Caffe를 이용해 실제로 딥러닝의 동작 방법을 경험해본다.

Deep Learning, 누구나 쉽게 사용할 수 있다!

왜 딥러닝에 주목해야 하는가?
딥러닝은 MIT가 선정한 10대 혁신 기술이며, IT 리서치 기업 가트너도 주목해야 할 기술로 선정했다. 구글, 애플, 마이크로소프트, IBM, 삼성전자 같은 글로벌 기업은 모두 딥러닝에 투자하고 있다. 이들은 자사 서비스를 통해 구축된 빅데이터를 활용하기 위해 노력하고 있다. 자동 음성 인식, 자율 주행차, 주가 예측, 기사 작성 등 다양한 분야에 딥러닝이 이미 쓰이고 있으며 기업 경쟁력의 핵심이 될 것으로 예측되고 있다.

딥러닝, 기초부터 차근차근 이해하자!
기초편에서는 딥러닝의 개요와 역사를 살펴보고, 음성 인식과 이미지 인식 분야에서 현재까지 이뤄낸 성과를 알아본다. 이론편에서는 컴퓨터가 딥러닝 알고리즘을 사용해 학습하는 방법을 배우고, 기존 방법과 비교하여 딥러닝이 왜 높은 성능을 구현할 수 있는지 살펴본다. 기계 학습이나 딥러닝에 대한 지식이 없고 수학을 몰라도 이해할 수 있도록 쉬운 용어와 구체적인 사례로 설명한다.

Caffe로 딥러닝을 경험해보자!
오픈 소스 딥러닝 프레임워크 Caffe를 이용하면 딥러닝을 쉽게 사용할 수 있다. Caffe를 설치하고, 파라미터를 설정하고, 실제로 실행해보면서 딥러닝을 경험해보자. 리눅스 사용자는 CUDA와 함께 GPU 환경에서, 윈도 사용자는 VMware에 리눅스를 설치하고 CPU 환경에서 Caffe를 사용해본다.

Information Provided By: :

[기초편] 
1장 딥러닝이란 무엇인가? 
__1.1 기계 학습의 개요 
____1.1.1 기계 학습은 어디에 사용할까? 
____1.1.2 기계 학습이란 어떤 기술인가? 
____1.1.3 기계 학습을 이용해 물체를 인식하는 방법 
____1.1.4 지도 학습에 의한 기계 학습과 비지도 학습에 의한 기계 학습 
____1.1.5 회귀분석, 분류, 클러스터링 
____1.1.6 기계 학습이 왜 필요한가? 
__1.2 딥러닝의 개요 
____1.2.1 인공 신경망이란 무엇인가? 
____1.2.2 인공 신경망을 이용한 이미지 인식 
____1.2.3 딥러닝 알고리즘 

2장 딥러닝이 이룩한 성과 
__2.1 딥러닝의 역사 
____2.1.1 딥러닝 연구의 기원 
____2.1.2 인공 신경망 연구, 빙하기를 거쳐 재조명 
____2.1.3 GPU에 의한 병렬 계산: GPGPU와 CUDA 
____2.1.4 딥러닝은 왜 주목 받는가? 
__2.2 음성 인식 분야의 성과 
____2.2.1 음성 인식이란? 
____2.2.2 음성 인식에 딥러닝을 이용 
__2.3 이미지 인식 분야의 성과 
____2.3.1 이미지 인식에 딥러닝을 이용 
____2.3.2 딥러닝을 이용한 이미지의 특징 자동 추출 
____2.3.3 딥러닝을 기존 이미지 처리에 이용 
____2.3.4 딥러닝을 이용해 이미지 주석 만들기 

[이론편] 
3장 딥러닝을 이용한 이미지 인식 
__3.1 이미지 인식이란? 
____3.1.1 이미지 인식은 왜 어려운가? 
__3.2 기존의 이미지 인식 기법 
____3.2.1 이미지 특징량이란 무엇인가? 
____3.2.2 BoF의 개념 
____3.2.3 BoF를 이용한 이미지 인식 알고리즘 
____3.2.4 BoF의 단점 
__3.3 딥러닝의 이용 
____3.3.1 컨볼루션 신경망을 이용한 이미지 인식 
____3.3.2 딥러닝은 무엇을 학습하는가? 
__3.4 어떻게 높은 성능을 구현할 수 있었을까? 
____3.4.1 BoF와 딥러닝의 비교 
____3.4.2 딥러닝의 충격 
____3.4.3 딥러닝에 약점은 없을까? 

4장 딥러닝 알고리즘 학습 방법 
__4.1 딥러닝 알고리즘 학습 방법 
____4.1.1 노드 값의 계산 방법 
____4.1.2 활성화 함수의 종류 
____4.1.3 계층의 종류 
__4.2 신경망 학습 방법 
____4.2.1 신경망을 어떻게 최적화시키는가? 
____4.2.2 경사 하강법이란 무엇인가? 
____4.2.3 오류역전파법에 의한 경사의 계산 
____4.2.4 신경망을 정밀하게 학습하는 방법 
__4.3 딥러닝 알고리즘 
____4.3.1 컨볼루션 신경망 학습 방법 
____4.3.2 오토인코더 학습 방법 
____4.3.3 순환 신경망 학습 방법 

[체험편] 
5장 Caffe를 준비하다 
__5.1 Caffe에 대한 기본 지식 
____5.1.1 Caffe란? 
__5.2 Caffe 설치 방법 
____5.2.1 Caffe에 필요한 라이브러리 설치 
____5.2.2 Caffe 다운로드 
____5.2.3 컴파일러 설정 변경과 make 파일 만들기 
____5.2.4 CPU로 동작하도록 설정 변경 
____5.2.5 Caffe의 컴파일러와 runtest 
____5.2.6 Caffe 폴더 구성 
__5.3 Caffe 동작법 
____5.3.1 이미지 데이터 다운로드와 데이터 형식 변환 
____5.3.2 실행 셸 속 
____5.3.3 솔버의 파라미터 설정 
____5.3.4 네트워크의 파라미터 설정 
____5.3.5 네트워크 파라미터 파일 기술 사례 

6장 Caffe로 딥러닝을 체험하다 
__6.1 Caffe를 샘플 프로그램으로 동작시키다 
____6.1.1 학습률에 대해 
____6.1.2 활성화 함수의 영향 
____6.1.3 네트워크의 구성과 영향 
__6.2 Caffe를 자신이 준비한 데이터로 이용하다 
____6.2.1 convert_imageset 사용법 

부록 A 
__A.1 VMware에 우분투를 설치하는 방법 
____A.1.1 VMware 다운로드 및 설치 
____A.1.2 VMware에 우분투를 설치하는 방법 
__A.2 우분투에서 CUDA를 작동시키는 방법 
____A.2.1 우분투에서 CUDA 설치 
____A.2.2 GPU 환경에서 Caffe 컴파일러 실행 
__A.3 3층 전결합 인공 신경망의 파라미터 파일 

후기 
참고문헌 
찾아보기