HOME > Detail View

Detail View

(가장 쉬운) 딥러닝 입문 교실 : 그림으로 쉽게 이해하는 딥러닝 이론 (Loan 5 times)

Material type
단행본
Personal Author
谷岡広樹 손민규, 역 康鑫, 저
Title Statement
(가장 쉬운) 딥러닝 입문 교실 : 그림으로 쉽게 이해하는 딥러닝 이론 / 히로키 타니오카, 코우 신 지음 ; 손민규 옮김
Publication, Distribution, etc
서울 :   위키북스,   2018  
Physical Medium
240 p. : 삽화, 도표 ; 24 cm
Series Statement
데이터 사이언스 시리즈 ;021
Varied Title
いちばんやさしいディ?プラ?ニング 入門教室
ISBN
9791158391188
Bibliography, Etc. Note
참고문헌(p. 234-236)과 색인 수록
000 00000cam c2200205 c 4500
001 000045972469
005 20190717134317
007 ta
008 190227s2018 ulkad b 000c kor
020 ▼a 9791158391188 ▼g 93000
035 ▼a (KERIS)BIB000014956104
040 ▼a 247009 ▼c 247009 ▼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 2018z39
100 1 ▼a 谷岡広樹
245 2 0 ▼a (가장 쉬운) 딥러닝 입문 교실 : ▼b 그림으로 쉽게 이해하는 딥러닝 이론 / ▼d 히로키 타니오카, ▼e 코우 신 지음 ; ▼e 손민규 옮김
246 1 9 ▼a いちばんやさしいディ?プラ?ニング 入門教室
260 ▼a 서울 : ▼b 위키북스, ▼c 2018
300 ▼a 240 p. : ▼b 삽화, 도표 ; ▼c 24 cm
490 1 0 ▼a 데이터 사이언스 시리즈 ; ▼v 021
504 ▼a 참고문헌(p. 234-236)과 색인 수록
546 ▼a 일본어로 된 원저작을 한국어로 번역
700 1 ▼a 손민규, ▼e
700 1 ▼a 康鑫, ▼e
900 1 0 ▼a 히로키 타니오카, ▼e
900 1 0 ▼a 코우 신, ▼e

Holdings Information

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Sejong Academic Information Center/Science & Technology/ Call Number 006.31 2018z39 Accession No. 151343885 Availability In loan Due Date 2021-08-02 Make a Reservation Available for Reserve(1persons reqested this item) R Service

Contents information

Book Introduction

머신러닝의 한 방법인 '딥러닝'을 가장 쉽게 배울 수 있는 입문서이다. AI 개발의 필수 기초 이론과 파이썬을 이용한 실전 예제를 텐서플로와 케라스로 쉽게 배울 수 있다. 실전 예제로 문자 인식, 영상 인식, 자연어 처리 등을 구현해 보며 신경망의 기본을 확실히 익힐 수 있다.

AI 개발 필수 기초 이론을 쉽게 설명한다!
딥러닝의 기초를 익히자!

이 책은 머신러닝의 한 방법인 '딥러닝'을 가장 쉽게 배울 수 있는 입문서입니다. AI 개발의 필수 기초 이론과 파이썬을 이용한 실전 예제를 텐서플로와 케라스로 쉽게 배울 수 있습니다. 실전 예제로 문자 인식, 영상 인식, 자연어 처리 등을 구현해 보며 신경망의 기본을 확실히 익힐 수 있습니다. 풍부한 그림과 일러스트로 누구나 어려움 없이 이해할 수 있도록 설명하고 있어 머신러닝을 배우고자 하는 초심자에게는 최고의 교재입니다.

★ 이런 분에게 추천합니다 ★

◎ 'AI 개발에 도전하고 싶은' 학생
◎ '기술 경험을 좀 더 향상시키고 싶은' 엔지니어
◎ '딥러닝의 기초 이론을 공부하고 싶은' 직장인
◎ '텐서플로+케라스를 사용해서 구현해 보고 싶은' 경험자
◎ '머신러닝에 필요한 수학을 알고 싶은' 경험자


Information Provided By: : Aladin

Author Introduction

타니오카 히로키(지은이)

1973년 도쿠시마현 출생으로 1997년에 치바대학을 졸업하고 2004년에 신슈대학 공학계연구과 석사를 거쳐 2008년 신슈대학 종합공학계연구과에서 박사학위를 받았다. 1997년 4월부터 일본 IT기업 소프트웨어 엔지니어와 연구개발 매니저를 거쳐 2016년부터 도쿠시마대학 정보센터 조교로 근무하고 있으며, 정보검색, 기계학습, 자연어처리 등에 흥미가 있음. 현재 대화 시스템, 스포츠테마, 의료정보 등 정보검색과 머신러닝을 응용한 연구개발을 진행 중이다. 정보처리학회, 인공지능학회, 언어처리학회, IEEE, ACM 회원이기도 하다.

코우 신(지은이)

1983년생으로 중국 랴오닝성 출신이다. 2006년 중국 동북대학을 졸업하고 2009년 베이징 요우덴대학 정보공학연구과 석사를 거쳐 2013년 도쿠시마대학 공학연구과에서 박사학위를 받았다. 2014년 4월부터 중국 통지대학 전자정보공학과 포스트닥터 연구원을 지냈다. 2015년 4월부터 도쿠시마대학 국제연계교육센터 조교를 거쳐 2015년 12월부터 지금까지 도쿠시마대학 이공학연구부 조교로 재직하고 있다. 자연어처리, 감성계산, 강화학습, 심층언어모델 등에 흥미를 가지고 있으며 현재 대화로봇에 개념인식에 관한 지능을 연구하고 있다. 전자정보통신학회, IEEE 회원이기도 하다.

손민규(옮긴이)

소니 반도체에서 데이터 분석 업무를 통해 알고리즘 및 시스템 개발 업무와 사원 대상 통계 알고리즘 강의를 진행했으며, 현재 삼성전자에서 데이터 분석 업무를 하고 있다. 일본 큐슈대학교에서 인공지능의 한 분야인 Reinforcement Learning 알고리즘 개발로 박사학위를 받았으며, 관심 분야는 Reinforcement Learning, Neural Network, Genetic Algorithm 등 Machine Learning Algorithm을 활용한 시스템 개발이다. - 저서: 데이터 분석을 떠받치는 수학(2018) - 감수: 정석으로 배우는 딥러닝(2017) - 번역: 가장 쉬운 딥러닝 입문 교실(2018), 실전! 딥러닝(2019)

Information Provided By: : Aladin

Table of Contents

▣ 1장: 딥러닝과 머신러닝
Lesson 1-1 딥러닝의 기본
___계층이 깊은 신경망
Lesson 1-2 딥러닝의 역사
___인공지능의 진화로 보는 딥러닝
Lesson 1-3 머신러닝의 기초 지식
___지도 학습과 비지도 학습
___강화 학습
___규칙기반? 지식기반?
___통계적 머신러닝
___전처리와 특징 추출
___배치 학습과 온라인 학습
___성능 평가
___일반화 능력
Lesson 1-4 머신러닝을 위한 수학
___수의 체계와 수식
___변수와 정수
___등식과 대입식
___벡터와 첨자
___합을 나타내는 기호
___최솟값·최댓값
___절댓값
___거리와 노름
___미분과 편미분
___합성함수의 미분
___지수와 로그
COLUMN 1 인공지능이란

▣ 2장: 파이썬 준비와 기본 문법
Lesson 2-1 파이썬 설치 -윈도우 편-
___윈도우에 설치
Lesson 2-2 파이썬 설치 -맥 편-
___맥에서는 파이썬2가 바로 사용 가능합니다
___홈브루 설치
___pyenv 설치
___Python 3을 설치합니다
Lesson 2-3 라이브러리 설치 -윈도우 편-
___윈도우용 아나콘다 설치
Lesson 2-4 라이브러리 설치 -맥 편-
___맥용 아나콘다 설치
Lesson 2-5 파이썬 기본 문법
___Hello, Python!!
___변수
___상수(Constant)
___데이터형
___연산
___리스트형과 튜플형
___집합형
___딕셔너리
___문자열의 연결과 반복
___문자열 포맷
___시퀀스 연산
___함수
___if 문
___반복문
___모듈 호출
COLUMN 2 자바로 구현

▣ 3장: 딥러닝 체험
Lesson 3-1 텐서플로와 케라스 설치
___윈도우 편: 텐서플로 설치
___윈도우 편: 케라스 설치
___맥 편: 텐서플로 설치
___맥 편: 케라스 설치
Lesson 3-2 주피터 노트북을 사용합시다
___주피터 노트북 준비
___주피터 노트북 사용법
Lesson 3-3 수치 계산 라이브러리 넘파이 사용법
___기본적인 사용법
Lesson 3-4 그래프 라이브러리 맷플롯립 사용법
___기본적인 사용법
Lesson 3-5 케라스로 딥러닝 체험
___캐글에서 이미지를 다운로드
___이미지 인식 프로그램 작성
COLUMN 3 텐서플로란?

▣ 4장: 신경망 기초
Lesson 4-1 뉴런과 퍼셉트론
___신경세포(뉴런)
___퍼셉트론
Lesson 4-2 활성화 함수
___여러 가지 활성화 함수
Lesson 4-3 헵의 규칙과 델타 규칙
___가중치(결합하중)의 학습 규칙
Lesson 4-4 신경망의 학습
___개와 고양이를 분류한다
___XOR 문제
___다층 퍼셉트론(신경망)
___OR 문제
___AND 문제
___NAND 문제
___신경망에서의 식별
Lesson 4-5 학습 방법의 차이와 손실 함수
___신경망의 학습 방법
___학습 프로세스로 보는 손실 함수
___여러 가지 손실 함수
Lesson 4-6 경사법
___파라미터는 어떻게 조정하나?
___신경망의 오차의 경사 구하는 법
Lesson 4-7 오차 역전파법(Back propagation)
___오차 역전파법이란?
___연쇄 법칙
Lesson 4-8 MNIST
___Step 1. 주피터 노트북으로 신규 파일을 작성합니다
___Step 2. 손글씨 이미지 데이터 준비
___Step 3. 모델 작성
___Step 4. 신경망의 학습
COLUMN 4 차원의 저주와 과적합

▣ 5장: 합성곱 신경망
Lesson 5-1 합성곱 신경망의 기초
___이미지 분류와 시신경
___하나의 뉴런으로 입력 이미지 전체를 학습시킨다
Lesson 5-2 합성곱 연산
___수용 영역을 슬라이드한다
___포커스의 이동
Lesson 5-3 합성곱층
___다른 패턴을 인식시키려면?
Lesson 5-4 심층 합성곱 신경망
___3차원 데이터를 입력받을 수 있도록 한다
___수축하는 출력의 형태
Lesson 5-5 제로 패딩을 이용한 합성곱
___입력 데이터의 주변 정보 손실
___제로 패딩
Lesson 5-6 범위를 넓히는 합성곱
___스트라이드란
___제로 패딩 이용
Lesson 5-7 합성곱 ReLU층
___비선형 변환으로 인식률 향상
Lesson 5-8 풀링층
___풀링층을 이용한 처리
___풀링층의 장점과 주의점
Lesson 5-9 완전 연결 계층
___완전 연결 계층의 처리
___완전 연결 계층의 수정
___더 복잡한 판단을 하고 싶을 때
Lesson 5-10 심층 합성곱 신경망의 학습
___모델 학습과 훈련
___Step 1. 손실 E 정의
___Step 2. 가중치 w 초기화
___Step 3. 가중치 w를 반복해서 수정
Lesson 5-11 과적합과 드롭아웃
___과적합의 예
___과적합을 방지하는 드롭아웃
___드롭아웃의 장점
Lesson 5-12 합성곱의 더 자세한 정보
___합성곱층 vs. 완전 연결 계층
___깊고 작은 국소 수용 영역 vs. 얕고 넓은 수용 영역
COLUMN 5 GPU를 이용한 학습

▣ 6장: 딥러닝의 응용
Lesson 6-1 순환 신경망(RNN)
___RNN의 특징
___RNN에 의한 정보의 전개
Lesson 6-2 LSTM 신경망
___LSTM의 특징
Lesson 6-3 GRU(Gated Recurrent Unit)
___GRU의 특징
___더 효율적으로 기억할 수 있다
Lesson 6-4 RNN 언어 모델
___다음에 어떤 단어가 올지 추측한다
Lesson 6-5 Sequence-To-Sequence 모델
___시퀀스-투-시퀀스 모델의 특징
Lesson 6-6 어텐션(Attention)
___어텐션의 특징
COLUMN 6 하향식과 상향식


Information Provided By: : Aladin

New Arrivals Books in Related Fields

Baumer, Benjamin (2021)