HOME > 상세정보

상세정보

정석으로 배우는 딥러닝 : 텐서플로와 케라스로 배우는 시계열 데이터 처리 알고리즘 (24회 대출)

자료유형
단행본
개인저자
巣籠悠輔 김범준, 역
서명 / 저자사항
정석으로 배우는 딥러닝 : 텐서플로와 케라스로 배우는 시계열 데이터 처리 알고리즘 / 스고모리 유우스케 지음 ; 김범준 옮김
발행사항
파주 :   위키북스,   2017   (2018 2쇄)  
형태사항
xi, 322 p. : 삽화 ; 24 cm
총서사항
DS 데이터 사이언스 시리즈 ;008
원표제
詳解ディープラーニング : TensorFlow·Kerasによる時系列データ処理
ISBN
9791158390822
일반주기
부록: 1. 모델을 저장하고 읽어 들인다, 2. 텐서보드(Tensorboard), 3. tf.contrib.learn  
감수: 손민규  
색인수록  
000 00000cam c2200205 c 4500
001 000045940055
005 20210105175847
007 ta
008 180423s2017 ggka 001c kor
020 ▼a 9791158390822 ▼g 93000
035 ▼a (KERIS)BIB000014649262
040 ▼a 211040 ▼c 211040 ▼d 211009
041 1 ▼a kor ▼h jpn
082 0 4 ▼a 006.31 ▼2 23
085 ▼a 006.31 ▼2 DDCK
090 ▼a 006.31 ▼b 2017z29
100 1 ▼a 巣籠悠輔 ▼0 AUTH(211009)139470
245 1 0 ▼a 정석으로 배우는 딥러닝 : ▼b 텐서플로와 케라스로 배우는 시계열 데이터 처리 알고리즘 / ▼d 스고모리 유우스케 지음 ; ▼e 김범준 옮김
246 1 9 ▼a 詳解ディープラーニング : ▼b TensorFlow·Kerasによる時系列データ処理
246 3 ▼a Shokai dipu raningu : ▼b TensorFlow Keras niyoru jikeiretsu deta shori
260 ▼a 파주 : ▼b 위키북스, ▼c 2017 ▼g (2018 2쇄)
300 ▼a xi, 322 p. : ▼b 삽화 ; ▼c 24 cm
440 0 0 ▼a DS 데이터 사이언스 시리즈 ; ▼v 008
500 ▼a 부록: 1. 모델을 저장하고 읽어 들인다, 2. 텐서보드(Tensorboard), 3. tf.contrib.learn
500 ▼a 감수: 손민규
500 ▼a 색인수록
700 1 ▼a 김범준, ▼e▼0 AUTH(211009)1512
900 1 0 ▼a 스고모리 유우스케, ▼e
900 1 0 ▼a Sugomori, Yusuke, ▼e

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 중앙도서관/제2자료실(3층)/ 청구기호 006.31 2017z29 등록번호 111794757 도서상태 대출중 반납예정일 2021-10-14 예약 예약가능 R 서비스 M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2017z29 등록번호 121255999 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 세종학술정보원/과학기술실/ 청구기호 006.31 2017z29 등록번호 151341337 도서상태 대출중 반납예정일 2022-01-11 예약 예약가능 R 서비스
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 중앙도서관/제2자료실(3층)/ 청구기호 006.31 2017z29 등록번호 111794757 도서상태 대출중 반납예정일 2021-10-14 예약 예약가능 R 서비스 M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2017z29 등록번호 121255999 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/과학기술실/ 청구기호 006.31 2017z29 등록번호 151341337 도서상태 대출중 반납예정일 2022-01-11 예약 예약가능 R 서비스

컨텐츠정보

책소개

딥러닝과 신경망에 관한 예비 지식 없이도 학습해 나아갈 수 있도록 기본적인 내용부터 이론과 구현에 관해 상세하게 설명한다. 단순 퍼셉트론부터 시작해서 다층 퍼셉트론, 심층 신경망, 순환 신경망 등 다양한 기법에 관해 설명하고 취급할 데이터의 종류에 따라 생각해야 할 과제도 다르므로 이에 맞춰 네트워크를 변화시키며 학습을 진행한다.

신경망의 이론을 학습하는 데 필요한 수학 지식, 파이썬 개발 환경을 구축 및 파이썬 라이브러리를 사용법, 신경망 기본형과 심층 신경망(딥러닝) 학습, 시계열 데이터 처리를 위한 RNN 학습과 응용 등을 알려준다.

기초부터 응용까지, 이론에서 구현까지!

이 책은 딥러닝과 신경망에 관한 예비 지식 없이도 학습해 나아갈 수 있도록 기본적인 내용부터 이론과 구현에 관해 상세하게 설명합니다. 구현에는 파이썬의 딥러닝용 라이브러리인 텐서플로(1.0)와 케라스(2.0)를 사용합니다.

이 책은 단순 퍼셉트론부터 시작해서 다층 퍼셉트론, 심층 신경망, 순환 신경망 등 다양한 기법에 관해 설명합니다. 취급할 데이터의 종류에 따라 생각해야 할 과제도 다르므로 이에 맞춰 네트워크를 변화시키며 학습을 진행합니다. 이 책에서 배운 이론만 잘 알고 있으면 앞으로 어떤 딥러닝 기법이 나와도 금방 이해하고 능숙하게 사용할 수 있을 것입니다. 그리고 자신이 직접 새로운 모델을 고안해 낼 수도 있을 것입니다.

★ 이 책에서 다루는 내용 ★

◎ 신경망의 이론을 학습하는 데 필요한 수학 지식
◎ 파이썬 개발 환경을 구축 및 파이썬 라이브러리를 사용법
◎ 신경망 기본형과 심층 신경망(딥러닝) 학습
◎ 시계열 데이터 처리를 위한 RNN 학습과 응용


정보제공 : Aladin

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.

김범준(옮긴이)

일본 호세이대학 경영학부를 졸업했다. 대학 시절 취미로 프로그래밍을 시작한 것을 계기로 이 업계에 발을 들여놓게 됐으며, 한국과 일본에서 임베디드 시스템과 게임 관련 회사에서 개발 프로젝트를 진행했다. 번역서로는 《파이썬으로 다시 배우는 핵심 고등 수학》 《엔지니어를 위한 선형대수》 《기초 수학으로 이해하는 머신러닝 알고리즘》 《프랙티컬 C#》 《정석으로 배우는 딥러닝》 《러닝스쿨! 파이썬 교과서》 《유니티 UI 디자인 교과서》 《머신러닝 이론 입문》 《모던 C 언어 프로그래밍》 《따라 하면서 배우는 유니티 3D 입문》이 있으며, 저서로는 《만들면서 배우는 OS커널의 구조와 원리》 《뇌를 자극하는 하드웨어 입문》이 있다.

손민규(감수)

소니 반도체에서 데이터 분석업무와 알고리즘 및 시스템 개발 업무와 사원 대상 통계 알고리즘 강의를 진행했으며, 현재 삼성전자에서 데이터 분석 업무를 하고 있다. 일본 큐슈대학교에서 인공지능의 한 분야인 강화학습(Reinforcement Learning) 알고리즘 개발로 박사학위를 받았으며, 관심분야는 강화학습, 인공신경망(Neural Network), 유전 알고리즘(Genetic Algorithm) 등 머신러닝(Machine Learning) 알고리즘을 활용한 시스템 개발이다. - 저서: 《데이터 분석을 떠받치는 수학(2018)》 《기초부터 시작하는 강화학습/신경망 알고리즘(2019)》 - 번역: 《가장 쉬운 딥러닝 입문 교실(2018)》 《실전! 딥러닝(2019)》 《파이썬 데이터 분석 실무 테크닉 100(2010)》 - 감수: 《정석으로 배우는 딥러닝(2017)》

정보제공 : Aladin

목차

▣ 01장: 수학 지식 준비 
1.1 편미분 
__1.1.1 도함수와 편도함수 
__1.1.2 미분 계수와 편미분 계수 
__1.1.3 편미분의 기본 공식 
__1.1.4 합성함수의 편미분 
__1.1.5 레벨 업 전미분 
1.2 선형대수 
__1.2.1 벡터 
__1.2.2 행렬 
1.3 정리 

▣ 02장: 파이썬 준비 
2.1 파이썬 2와 파이썬 3 
2.2 아나콘다 배포판 
2.3 파이썬 기초 
__2.3.1 파이썬 프로그램 실행 
__2.3.2 데이터형 
__2.3.3 변수 
__2.3.4 데이터 구조 
__2.3.5 연산 
__2.3.6 기본 구문 
__2.3.7 함수 
__2.3.8 클래스 
__2.3.9 라이브러리 
2.4 NumPy 
__2.4.1 NumPy 배열 
__2.4.2 NumPy로 벡터, 행렬 계산 
__2.4.3 배열과 다차원 배열 생성 
__2.4.4 슬라이스 
__2.4.5 브로드캐스트 
2.5 딥러닝을 위한 라이브러리 
__2.5.1 TensorFlow 
__2.5.2 케라스(Keras) 
__2.5.3 씨아노(Theano) 
2.6 정리 

▣ 03장: 신경망 
3.1 신경망이란? 
__3.1.1 뇌와 신경망 
__3.1.2 딥러닝과 신경망 
3.2 신경망이라는 회로 
__3.2.1 단순한 모델화 
__3.2.2 논리회로 
3.3 단순 퍼셉트론 
__3.3.1 모델화 
__3.3.2 구현 
3.4 로지스틱 회귀 
__3.4.1 계단함수와 시그모이드 함수 
__3.4.2 모델화 
__3.4.3 구현 
__3.4.4 (레벨업) 시그모이드 함수와 확률밀도함수, 누적분포함수 
__3.4.5 (레벨업) 경사하강법과 국소최적해 
3.5 다중 클래스 로지스틱 회귀 
__3.5.1 소프트맥스 함수 
__3.5.2 모델화 
__3.5.3 구현 
3.6 다층 퍼셉트론 
__3.6.1 비선형 분류 
__3.6.2 모델화 
__3.6.3 구현 
3.7 모델 평가 
__3.7.1 분류에서 예측으로 
__3.3.2 예측을 평가 
__3.7.3 간단한 실험 
3.8 정리 

▣ 04장: 심층 신경망 
4.1 딥러닝 준비 
4.2 학습시킬 때 발생하는 문제점 
__4.2.1 경사 소실 문제 
__4.2.2 오버피팅 문제 
4.3 효율적인 학습을 위해 
__4.3.1 활성화 함수 
__4.3.2 드롭아웃 
4.4 구현 설계 
__4.4.1 기본 설계 
__4.4.2 학습을 가시화한다 
4.5 고급 기술 
__4.5.1 데이터를 정규화하고 웨이트를 초기화한다 
__4.5.2 학습률 설정 
__4.5.3 얼리 스탑핑(조기 종료) 
__4.5.4 배치 정규화 
4.6 정리 

▣ 05장: 순환 신경망 
5.1 기본 사항 
__5.1.1 시계열 데이터 
__5.1.2 과거의 은닉층 
__5.1.3 Backpropagation Through Time 
__5.1.4 구현 
5.2 LSTM 
__5.2.1 LSTM 블록 
__5.2.2 CEC?입력 게이트?출력 게이트 
__5.2.3 망각 게이트 
__5.2.4 핍홀 결합 
__5.2.5 모델화 
__5.2.6 구현 
__5.2.7 장기 의존성 학습 평가 - Adding Problem 
5.3 GRU 
__5.3.1 모델화 
__5.3.2 구현 
5.4 정리 

▣ 06장: 순환 신경망 응용 
6.1 Bidirectional RNN 
__6.1.1 미래의 은닉층 
__6.1.2 전방향?후방향 전파 
__6.1.3 MNIST를 사용한 예측 
6.2 RNN Encoder-Decoder 
__6.2.1 Sequence-to-Sequence 모델 
__6.2.2 간단한 Q&A 문제 
6.3 Attention 
__6.3.1 시간의 웨이트 
__6.3.2 LSTM에서의 Attention 
6.4 Memory Networks 
__6.4.1 기억의 외부화 
__6.4.2 Q&A 문제에 적용 
__6.4.3 구현 
6.5 정리 

▣ 부록 
A.1 모델을 저장하고 읽어 들인다 
__A.1.1 텐서플로에서의 처리 
__A.1.2 케라스에서의 처리 
A.2 텐서보드(TensorBoard) 
A.3 tf.contrib.learn

관련분야 신착자료

National Academies of Sciences, Engineering, and Medicine (U.S.) (2020)
Cartwright, Hugh M. (2021)
한국소프트웨어기술인협회. 빅데이터전략연구소 (2021)