상세정보

acorn+PACKT 시리즈. 이 책은 머신 러닝과 딥 러닝에 관심이 있는 독자들이 텐서플로 예제를 구현해 보면서 쉽게 이해할 수 있도록 구성되어 있다. 기본 파이썬 문법부터 기본적인 머신 러닝 알고리즘(선형회귀, KNN, K-Means), 인공 신경망, 합성곱 신경망, 순환 신경망까지 텐서플로 예제를 통해 자세하게 설명한다. 텐서플로의 중요한 특징 중 하나인 텐서보드를 소개하고 GPU를 사용한 텐서플로 프로그래밍과 머신러닝으로 학습한 모델을 실무에서 활용할 수 있도록 환경을 제공하는 텐서플로 서빙까지 다룬다.

★ 요약 ★

이 책은 머신 러닝과 딥 러닝에 관심이 있는 독자들이 텐서플로 예제를 구현해 보면서 쉽게 이해할 수 있도록 구성되어 있다. 기본 파이썬 문법부터 기본적인 머신 러닝 알고리즘(선형회귀, KNN, K-Means), 인공 신경망, 합성곱 신경망, 순환 신경망까지 텐서플로 예제를 통해 자세하게 설명한다. 텐서플로의 중요한 특징 중 하나인 텐서보드를 소개하고 GPU를 사용한 텐서플로 프로그래밍과 머신러닝으로 학습한 모델을 실무에서 활용할 수 있도록 환경을 제공하는 텐서플로 서빙까지 다룬다. 텐서플로를 통한 머신 러닝과 딥 러닝 구현의 기초를 다지는 데 큰 도움이 될 것이다.

★ 이 책에서 다루는 내용 ★

■ 수학적 문제 해결을 위한 텐서플로 환경 구축
■ 머신 러닝과 딥 러닝 기본 개념 학습
■ 데이터 모델 구축을 위한 인공 신경망 학습 및 검증
■ 회귀 알고리즘을 이용한 예측
■ 군집화를 통한 데이터 분석
■ 군집화와 데이터 분류를 위한 알고리즘 개발
■ 빅데이터 분석을 위한 GPU 컴퓨팅 구현

★ 이 책의 대상 독자 ★

프로그래밍과 수학에 대한 기본 지식이 있으며, 머신 러닝과 딥 러닝을 배우고 싶어 하는 사람을 대상으로 한다. 이 책의 내용을 숙지한다면 텐서플로의 기능을 이용해 강력한 애플리케이션을 제작할 수 있다.

★ 이 책의 구성 ★

1장, ‘텐서플로: 기초’에서는 텐서플로 구조의 전반적인 내용과 개발 배경, 파이썬 프로그래밍 가이드라인을 설명한다. 텐서플로 설치 방법과 세션을 구동시키는 방법, 그리고 최적화와 디버깅에서 사용하는 텐서보드(TensorBoard)에 대해서도 다룬다.
2장, ‘텐서플로 기초 연산’에서는 텐서플로의 수학 연산 기능에 대해 설명한다. 텐서플로의 기초 자료형을 설명하고, 이를 통해 가장 기본적인 연산부터 복잡한 편미분 방정식까지 풀어본다. 텐서플로에서 주요하게 다루는 자료 구조인 텐서(tensor)에 대해서도 설명한다.
3장, ‘머신 러닝 시작’에서는 머신 러닝 모델에 대해 설명한다. 데이터 간 유사성을 특징으로 사용하는 선형 회귀 알고리즘을 직접 구현해보면서 데이터 간의 연관성에 대해 알아본다. 머신 러닝의 학습 방법은 크게 분류(Classification)와 군집화(Clustering)의 두 가지로 나눌 수 있다. 분류는 새로운 데이터가 입력되면 미리 정의된 카테고리로 나누는 방법이며, 군집화는 비슷한 데이터끼리 그룹을 만드는 방법이다.
4장, ‘인공 신경망 소개’에서는 신경망에 대해 간단하면서도 자세히 설명한다. 인공 뉴런의 연결 구조는 사람의 뉴런이 행동하는 방식을 모방하도록 수학적으로 모델링돼 있다. 즉, 인공 뉴런은 실제 뉴런의 특성을 모방하도록 수학적으로 구성됐다고 할 수 있으며, 신경망(Neural Network)은 인공 뉴런을 연결해서 딥 러닝 알고리즘을 구성한 것이다. 단일 계층 퍼셉트론(Single Layer Perceptron)과 다중 계층 퍼셉트론(Multi Layer Perceptron)이 가장 기본적인 신경망이라 할 수 있으며, 이를 이용해 데이터를 분류해본다.
5장, ‘딥 러닝’에서는 딥 러닝 알고리즘을 다룬다. 최근 몇 년 동안 딥 러닝은 급격히 성장해, 과거에는 불가능하게 여겼던 문제를 해결하고 있다. 딥 러닝에서 가장 중요하게 다뤄지고 있는 CNN(Convolutional Neural Network)과 RNN(Recurrent Neural Network)을 이용해 이미지 인식과 번역을 각각 구현해본다.
6장, ‘GPU 프로그래밍과 텐서플로 서빙’에서는 GPU 연산 능력을 이용해 텐서플로를 더 빠르게 구동시키는 방법을 다루며, 머신 러닝에 특화된 고성능의 오픈소스 서빙 시스템인 텐서플로 서빙을 통해 텐서플로에 최적화된 개발 환경을 구성해본다.

정보제공 :

1장. 텐서플로: 기초 
__머신 러닝과 딥 러닝 기초 
____지도 학습 
________비지도 학습 
________딥 러닝 
__텐서플로 개요 
__파이썬 기초 
____문법 
____데이터 형식 
____문자열 
____제어 흐름 
____함수 
____클래스 
____예외 처리 
____라이브러리 불러오기 
__텐서플로 설치 
____맥과 리눅스 배포판에 설치 
____윈도우에 설치 
____소스코드로부터 텐서플로 설치 
____텐서플로 동작 확인 
__첫 번째 작업 세션 
__데이터 플로우 그래프 
__텐서플로 프로그래밍 모델 
____텐서보드 사용법 
__요약 

2장. 텐서플로 기초 연산 
__텐서 자료 구조 
____1차원 텐서 
____2차원 텐서 
________텐서 다루기 
____3차원 텐서 
____텐서플로를 이용한 텐서 다루기 
________입력 데이터 준비 
__복소수와 프랙탈 
____망델브로 집합 데이터 준비 
____망델브로 집합의 데이터 플로우 그래프 생성과 실행 
____망델브로 집합 시각화 
____쥘리아 집합 데이터 준비 
____쥘리아 집합의 데이터 플로우 그래프 생성과 실행 
____쥘리아 집합 시각화 
__그레이디언트 계산 
__난수 
____균일 분포 
____정규 분포 
____시드를 이용한 난수 생성 
________몬테카를로 기법 
__편미분 방정식 풀기 
____초기 조건 설정 
____모델 생성 
____그래프 실행 
________연산에 사용된 함수 살펴보기 
__요약 

3장. 머신 러닝 시작 
__선형 회귀 알고리즘 
____데이터 모델 
________비용 함수와 경사 하강법 
________________모델 학습 
__MNIST 데이터 집합 
____데이터 다운로드와 준비 
__분류기 
____최근접 이웃 알고리즘 
________학습군 제작 
________비용 함수와 최적화 
________________테스트와 알고리즘 평가 
__데이터 군집화 
____k-평균 알고리즘 
____학습군 제작 
____비용 함수와 최적화 
________테스트와 알고리즘 평가 
__요약 

4장. 인공 신경망 소개 
__인공 신경망이란? 
____신경망 구조 
____단일 계층 퍼셉트론 
____로지스틱 회귀 
________텐서플로 구현 
________모델 생성 
________세션 실행 
________테스트 평가 
________소스코드 
__다중 계층 퍼셉트론 
____다중 계층 퍼셉트론 분류 
________모델 생성 
________세션 실행 
________소스코드 
____다중 계층 퍼셉트론 함수 추정 
________모델 생성 
________세션 실행 
__요약 

5장. 딥 러닝 
__딥 러닝 기술 
____합성 곱 신경망 
________CNN 구조 
________텐서플로를 이용한 CNN 구현 
________________초기화 단계 
________________첫 번째 합성 곱 레이어 
________________두 번째 합성 곱 레이어 
________________완전 연결 레이어 
________________출력 레이어 
________________모델 학습 및 평가 
________________세션 실행 
________________소스코드 
____순환 신경망 
________RNN 구조 
________LSTM 네트워크 
________텐서플로를 이용한 자연어 처리 
________________데이터 다운로드 
____모델 제작 
____코드 실행 
__요약 

6장. GPU 프로그래밍과 텐서플로 서빙 
__GPU 프로그래밍 
__텐서플로 서빙 
____텐서플로 서빙 설치 
________Bazel 
________gRPC 
________________텐서플로 서빙 의존성 패키지 
________________텐서플로 서빙 설치 
____텐서플로 서빙 사용법 
________텐서플로 모델 학습과 내보내기 
________세션 실행 
__텐서플로 모델 불러오기와 내보내기 
____서버 테스트 
__요약