
000 | 00000cam c2200205 c 4500 | |
001 | 000045899001 | |
005 | 20170310135841 | |
007 | ta | |
008 | 170308s2017 ulkad 001c kor | |
020 | ▼a 9788960779662 ▼g 94000 | |
020 | 1 | ▼a 9788960772106 (Set) |
035 | ▼a (KERIS)BIB000014405931 | |
040 | ▼a 223009 ▼c 211009 ▼d 211009 | |
041 | 1 | ▼a kor ▼h eng |
082 | 0 4 | ▼a 006.3102855133 ▼2 23 |
085 | ▼a 006.31 ▼2 DDCK | |
090 | ▼a 006.31 ▼b 2017z2 | |
100 | 1 | ▼a 巣籠悠輔 |
245 | 1 0 | ▼a 자바 딥러닝의 핵심 : ▼b 자바만 알면 초보자도 딥러닝을 마스터할 수 있다 / ▼d 유스케 스고모리 지음 ; ▼e 김광일 옮김 |
246 | 1 9 | ▼a Java deep learning essentials : ▼b into the future of data science and learn how to build the sophisticated algorithms that are fundamental to deep learning and AI with Java |
260 | ▼a 서울 : ▼b 에이콘, ▼c 2017 | |
300 | ▼a 306 p. : ▼b 삽화, 도표 ; ▼c 24 cm | |
440 | 0 0 | ▼a acorn+PACKT technical book |
500 | ▼a 기술감수: 웨이 디(Wei Di), 비크럼 칼라비(Vikram Kalabi) | |
500 | ▼a 색인수록 | |
650 | 0 | ▼a Machine learning |
650 | 0 | ▼a Java (Computer program language) |
700 | 1 | ▼a 김광일, ▼e 역 |
900 | 1 0 | ▼a 스고모리 유스케, ▼e 저 |
900 | 1 0 | ▼a Sugomori, Yūsuke, ▼e 저 |
945 | ▼a KLPA |
소장정보
No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
---|---|---|---|---|---|---|---|
No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2017z2 | 등록번호 121239451 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
No. 2 | 소장처 세종학술정보원/과학기술실/ | 청구기호 006.31 2017z2 | 등록번호 151334087 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
---|---|---|---|---|---|---|---|
No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2017z2 | 등록번호 121239451 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
---|---|---|---|---|---|---|---|
No. 1 | 소장처 세종학술정보원/과학기술실/ | 청구기호 006.31 2017z2 | 등록번호 151334087 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
책소개
acorn+PACKT 시리즈. 딥러닝 알고리즘을 자바로 구현하는 과정을 처음부터 단계적으로 설명하며, 수학적인 지식이 부족해도 딥러닝 알고리즘을 쉽게 구현할 수 있게 안내한다.
딥러닝 알고리즘을 배워 응용하고자 하는 자바 개발자를 위한 책이다. 머신 러닝과 딥러닝 두 가지에 공통되는 핵심 개념과 접근 방법을 다루므로, 머신 러닝에 대한 사전 지식은 필요하지 않다. 매우 간단한 코드로 딥러닝 알고리즘을 구현하므로, 자바 기술과 딥러닝 기술을 향상시키는 데 도움이 될 것이다.
인공지능의 열풍이 불고 있다. 알파고를 통해 더욱 대중적으로 알려진 딥러닝은 머지 않아 모든 개발자들이 알아야 할 필수 기술이 될 것이다. 딥러닝의 학습에 있어서 가장 중요한 것은 알고리즘의 이해와 구상하는 모델을 신속하게 구현하고 검증하는 실험을 반복하는 것이며, 이를 통해서 더 깊은 이해와 통찰력을 얻을 수 있는 것이다. 딥러닝 알고리즘을 자바로 구현하는 과정을 처음부터 단계적으로 설명하며, 수학적인 지식이 부족해도 딥러닝 알고리즘을 쉽게 구현할 수 있게 안내한다. 자바(JAVA)는 현재 가장 널리 사용되는 프로그래밍 언어다. 국내에 자바 개발자들에게는 짧은 시간에 딥러닝의 핵심 기술을 구현해 볼 수 있는 좋은 지침서가 될 것이다.
★ 이 책에서 다루는 내용 ★
■ 머신 러닝과 딥러닝 알고리즘에 대한 실용적인 이해
■ 딥러닝에 관련된 머신 러닝 알고리즘 구현
■ 가장 많이 쓰이는 딥러닝 프레임워크를 이용한 신경망 탐구
■ 심층 신뢰 신경망(Deep Belief Nets)과 적층 노이즈 제거 오토엔코더(Denoising Autoencoder) 알고리즘 이해
■ 드롭아웃(Dropout)과 합성곱 신경망(Convolutional Neural Networks)
■ 딥러닝 라이브러리 DL4J에 대한 이해 및 사용법
■ 딥러닝 알고리즘과 라이브러리 실무 이용 전략
■ 테아노(Theano), 텐서플로우(TensorFlow) 및 카페(Caffe)를 통한 딥러닝 심층 탐구
★ 이 책의 대상 독자 ★
이 책은 딥러닝 알고리즘을 배워 응용하고자 하는 자바 개발자를 위한 것이다. 머신 러닝과 딥러닝 두 가지에 공통되는 핵심 개념과 접근 방법을 다루므로, 머신 러닝에 대한 사전 지식은 필요하지 않다. 매우 간단한 코드로 딥러닝 알고리즘을 구현하므로, 자바 기술과 딥러닝 기술을 향상시키는 데 도움이 될 것이다.
★ 이 책의 구성 ★
1장, '딥러닝의 개요'에서는 딥러닝이 어떻게 발전해왔는지 알아본다.
2장, '머신 러닝 알고리즘: 딥러닝을 위한 준비 단계'에서는 딥러닝과 관련된 머신 러닝 알고리즘을 구현한다.
3장, '심층 신뢰 신경망과 적층 노이즈 제거 오토엔코더'에서는 심층 신뢰 신경망(Deep Belief Nets)과 적층 노이즈 제거 오토엔코더(Stacked Denoising Autoencoders) 알고리즘을 자세히 다룬다.
4장, '드롭아웃과 합성곱 신경망'에서는 드롭아웃(Dropout)과 합성곱 신경망(Convolutional Neural Networks)이라는 딥러닝 알고리즘을 알아본다.
5장, '자바 딥러닝 라이브러리: DL4J, ND4J 등'에서는 딥러닝 라이브러리 DL4J에 대한 이해와 실제 사용법을 알아본다.
6장, '실무 응용을 위한 접근 방법: 순환 신경망 등'에서는 실무에서 딥러닝 알고리즘과 라이브러리를 사용하기 위해 스스로 전략을 고안하는 법을 알아본다.
7장, '기타 중요한 딥러닝 라이브러리'에서는 테아노(Theano), 텐서플로우(TensorFlow), 카페(Caffe)를 통해 딥러닝을 더 자세히 알아본다.
8장, '그다음은 무엇일까?'에서는 딥러닝의 최근 동향과 주요 이벤트를 살펴보고 딥러닝에 관한 유용한 자원들을 알아본다.
정보제공 :

저자소개
스고모리 유우스케(지은이)
Gunosy와 READYFOR의 창업 멤버이다. 덴츠와 구글의 뉴욕 지사에서 근무했고 주식회사 정보의료의 창업에 참가했다. 의료 분야에서 인공지능이 크게 활용되도록 노력하고 있으며, 동경대 초빙 강사를 역임하고 있다. 'Deep Learning Java 프로그래밍 심층학습의 이론과 구현'(임프레스 출판사, Packt Publishing: Java Deep Learning Essentials)의 저자이다.
김광일(옮긴이)
한국과학기술원 경영과학과에서 수리 알고리즘을 전공했으며 소프트웨어 개발자의 삶을 살았다. 몇몇 소프트웨어 벤처기업을 경영하며 성공과 실패의 굴곡을 두루 거치는 사이, 대학에서 강의를 하기도 했다. 2014년부터 머신러닝에 몰두해 프리랜서로 활동하면서 한국외국어대학교 및 경희대학교에서 머신러닝을 강의했으며, 2017년부터 동국대학 융합교육원 및 인공지능대학원에서 머신러닝, 데이터과학, 인공지능수학 등을 가르치고 있다.

목차
1장. 딥러닝의 개요 __인공지능의 변천 ____인공지능의 정의 ____과거의 인공지능 붐 ____머신 러닝은 발전한다 ____머신 러닝도 할 수 없는 것 __기계와 인간을 구분 짓는 것 __인공지능과 딥러닝 __요약 2장. 머신 러닝 알고리즘 딥러닝을 : 위한 준비 단계 __시작하기 __머신 러닝에서 학습의 필요성 __지도 학습과 비지도 학습 ____서포트 벡터 머신 ____은닉 마르코프 모델(HMM) ____신경망 ____로지스틱 회귀 ____강화 학습 __머신 러닝 애플리케이션의 절차 __신경망 이론과 알고리즘 ____퍼셉트론(단일층 신경망) ____로지스틱 회귀 ____다범주 로지스틱 회귀 ____다층 퍼셉트론(다층 신경망) __요약 3장. 심층 신뢰 신경망과 적층 노이즈 제거 오토엔코더 __신경망의 실패 __신경망의 설욕 ____딥러닝의 진화: 돌파구는 무엇이었을까? ____사전 학습을 이용한 딥러닝 __딥러닝 알고리즘 ____제한 볼츠만 머신 ____심층 신뢰망(DBNs) ____노이즈 제거 오토엔코더(DA) ____적층 노이즈 제거 오토엔코더(SDA) __요약 4장. 드롭아웃과 합성곱 신경망 __선행 학습이 없는 딥러닝 알고리즘 __드롭아웃 __합성곱 신경망 ____합성곱 ____수집 ____식과 구현 __요약 5장. 자바 딥러닝 라이브러리: DL4J, ND4J 등 __처음부터 개발과 라이브러리(혹은 프레임워크)를 이용한 개발 __DL4J와 ND4J의 소개 __ND4J를 이용한 구현 __DL4J를 이용한 구현 ____준비(설정) ____구축 ______DBNIrisExample.java ______CSVExample.java ____CNNMnistExample.java/LenetMnistExample.java ____학습률 최적화 __요약 6장. 실무 응용을 위한 접근 방법: 순환 신경망 등 __딥러닝이 활발한 분야 ____이미지 인식 ____자연어 처리 ______NLP를 위한 피드포워드 신경망 ______NLP를 위한 딥러닝 __딥러닝의 문제 __딥러닝의 가능성과 능력을 최대화하기 위한 접근 방법 ____분야 지향 접근 방법 ______의료 ______자동차 ______광고 기술 ______전문직 혹은 실무 ______스포츠 ____세분화 지향 접근 방법 ____출력 지향 접근 방법 __요약 7장. 기타 중요한 딥러닝 라이브러리 __테아노 __텐서플로우 __카페 __요약 8장. 그다음은 무엇일까? __딥러닝에 대한 긴급 뉴스 __예상되는 미래 동향 __딥러닝에 대한 최신 소식을 볼 수 있는 곳 __요약