HOME > 상세정보

상세정보

(파이썬 라이브러리로 배우는) 딥러닝 입문과 응용 (7회 대출)

자료유형
단행본
개인저자
Zocca, Valentino, 저 Spacagna, Gianmario, 저 Slater, Daniel, 저 Roelants, Peter, 저 이동근, 역
서명 / 저자사항
(파이썬 라이브러리로 배우는) 딥러닝 입문과 응용 / 발렌티노 조카 [외]지음 ; 이동근 옮김
발행사항
파주 :   제이펍,   2018  
형태사항
xxiii, 388 p. : 삽화, 도표 ; 25 cm
총서사항
제이펍의 인공지능 시리즈 = Japub's A.I. series ; 14
원표제
Python deep learning : next generation techniques to revolutionize computer vision, AI, speech and data analysis
ISBN
9791188621354
일반주기
색인수록  
공저자: 지안마리오 스파카냐, 다니엘 슬레이터, 피터 로런츠  
일반주제명
Python (Computer program language) Machine learning Neural networks (Computer science)
000 00000cam c2200205 c 4500
001 000045978319
005 20190402170008
007 ta
008 190402s2018 ggkad 001c kor
020 ▼a 9791188621354 ▼g 93000
035 ▼a (KERIS)BIB000014992986
040 ▼a 225013 ▼c 225013 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 005.133 ▼a 006.31 ▼2 23
085 ▼a 005.133 ▼2 DDCK
090 ▼a 005.133 ▼b P999 2018z29
245 2 0 ▼a (파이썬 라이브러리로 배우는) 딥러닝 입문과 응용 / ▼d 발렌티노 조카 [외]지음 ; ▼e 이동근 옮김
246 1 9 ▼a Python deep learning : ▼b next generation techniques to revolutionize computer vision, AI, speech and data analysis
260 ▼a 파주 : ▼b 제이펍, ▼c 2018
300 ▼a xxiii, 388 p. : ▼b 삽화, 도표 ; ▼c 25 cm
440 0 0 ▼a 제이펍의 인공지능 시리즈 = ▼x Japub's A.I. series ; ▼v 14
500 ▼a 색인수록
500 ▼a 공저자: 지안마리오 스파카냐, 다니엘 슬레이터, 피터 로런츠
650 0 ▼a Python (Computer program language)
650 0 ▼a Machine learning
650 0 ▼a Neural networks (Computer science)
700 1 ▼a Zocca, Valentino, ▼e
700 1 ▼a Spacagna, Gianmario, ▼e
700 1 ▼a Slater, Daniel, ▼e
700 1 ▼a Roelants, Peter, ▼e
700 1 ▼a 이동근, ▼e
900 1 0 ▼a 조카 발렌티노, ▼e
900 1 0 ▼a 스파카냐 지안마리오, ▼e
900 1 0 ▼a 슬레이터 다니엘, ▼e
900 1 0 ▼a 로런츠 피터, ▼e
945 ▼a KLPA

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 중앙도서관/제2자료실(3층)/ 청구기호 005.133 P999 2018z29 등록번호 111807208 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

실제 적용 사례와 간결한 예제로 배우는 딥러닝의 기본. 중요한 머신러닝 개념을 간단하게 훑어보는 것부터 시작해서 scikit-learn을 활용해서 바로 딥러닝 개념으로 바로 들어간다. 그리고 Theano, Keras, 구글의 TensorFlow, H2O와 같은 최신 라이브러리도 함께 배울 것이다.

나아가, 패턴 인식의 문제점들을 해결해 볼 것이고, 더 나은 정확도를 위해 데이터의 양을 키워도 볼 것이며, 다양한 딥러닝 알고리즘과 기술에 관해서도 살펴볼 것이다. 딥러닝에 대해서 좀 더 깊게 배우고 싶거나 딥러닝이라는 엄청난 기술을 어떻게 사용할지를 보고 싶은 분이라면, 원하는 모든 것을 이 책에서 얻어갈 수 있을 것이다.

컴퓨터 비전, 인공지능, 음성 및 데이터 분석을 위한 차세대 핵심 테크닉!
실제 적용 사례와 간결한 예제로 배우는 딥러닝의 기본!
주요 파이썬 라이브러리를 활용한 딥러닝 실습!


인공지능에 대한 관심이 전 세계적으로 높아지면서 딥러닝 기술이 광범위하게 사용되고 있습니다. 이런 흐름에 발맞추고자 한다면 이 책을 통해 머신러닝의 주요 개념을 학습하고 딥러닝의 모범 사례를 비롯한 실제 사용 사례를 살펴볼 수 있습니다. 더불어서 파이썬 기반의 머신러닝/딥러닝 기법을 한층 더 향상시키는 방법을 배울 수 있으며, Theano, TensorFlow, H2O와 같은 인기 있는 최신 오픈소스 라이브러리로 따라 하기 쉬운 튜토리얼을 실행해 보기도 하고, 실생활 예시에 적용하면서 정보를 인식하고 추출하여 예측 정확도를 높이고 결과를 최적화하는 방법을 배울 수도 있습니다.

딥러닝을 자세히 배우고 싶거나 최대한 활용하려는 분들은 부디 이 책을 통해 보다 정확하게 데이터를 스케일링하고, 다양한 딥러닝 알고리즘 기법을 학습하기 바랍니다.

이 책의 대상 독자
• 데이터 사이언스 실무자 및 관련 분야 취업 준비생
• 머신러닝 기본 개념을 알고 있고 파이썬 프로그래밍 경험이 있는 독자
• 미적분과 통계 등의 수학적 기본 지식을 갖춘 독자

이 책의 주요 내용
• 딥러닝 알고리즘을 배우기 위한 기본 지식
• Theano, Caffe, Keras, TensorFlow를 활용한 딥러닝 실습
• 오토인코더와 제한적 볼츠만 머신
• 딥 빌리프 넷과 딥 뉴럴 네트워크에 대한 심도 있는 학습
• 드롭아웃과 컨볼루셔널 뉴럴 네트워크 등의 다양한 머신러닝 알고리즘
• 딥러닝 알고리즘과 라이브러리를 실생활에 적용하기 위한 전략


정보제공 : Aladin

저자소개

발렌티노 조카(지은이)

보잉에 인수된 오토메트릭(Autometric)에서 3D 시각화 소프트웨어를 만들며 디자인과 개발에 관련된 주요 역할을 담당했다. 보잉에서는 하둡을 사용해서 다양한 수학 알고리즘과 예측 모델을 만들고, 인공위성의 영상 자동 시각화 프로그램을 제작했다. 이후 독립 컨설턴트 자격으로 미국 인구조사국에서 딥러닝과 머신러닝을 사용한 연구를 진행했으며, 밀라노와 뉴욕에서 머신러닝과 딥러닝에 관한 세미나를 자주 열었다. 지금은 프리랜서 컨설턴트로서 뉴욕의 큰 금융회사에서 경제 모델을 보완하고 딥러닝과 머신러닝을 사용하여 예측 모델을 만드는 일을 하고 있다.

지안마리오 스파카냐(지은이)

IoT 센서와 원격 데이터 처리와 관련된 업무와 무선 접속 자동차의 애플리케이션을 만드는 시니어 데이터 과학자다. 주로 타이어 엔지니어, 경영자들과 같이 일하면서 하이브리드 운전과 빅데이터 기반의 무인자동차에 관한 데이터를 분석하고 모델을 만들고, 머신러닝 시스템과 데이터 제품에 적용할 엔드 투 엔드 솔루션도 만든다. datasciencemanifesto.org를 함께 작성했고, 밀라노의 데이터 사이언스 밋업 커뮤니티(datasciencemilan.org)도 만들었다. 지속 가능한 커뮤니티를 위한 규칙을 만들고 즐겁게 실행할 수 있는 일에 열정을 쏟아붓고 있다.

다니엘 슬레이터(지은이)

11살 때부터 1인칭 게임인 Quake의 개발 모드에서 프로그래밍을 시작했다. 게임을 무척 좋아해서 게임 개발자가 되었고, ‘챔피언십 매니저(Championship Manager)’를 만들어서 히트시켰다. 그리고 금융업계로 이직하여 리스크 관리 업무와 고성능 메시지 시스템을 개발했다. 지금은 스킴링크(Skimlinks)에서 빅데이터를 다루며 온라인에서의 사용자 행동을 분석하는 시니어 엔지니어로 일하고 있다.

피터 로런츠(지은이)

KU루벤에서 인공지능으로 컴퓨터과학 석사 학위를 받았다. 이미지 분석, 음성 인식, 자연어 처리, 정보 추출 등의 여러 문제에 딥러닝을 적용하는 일을 했으며, 지금은 온피도(Ondo)에서 ‘공문서로부터 데이터 추출’을 연구하는 팀을 이끌고 있다.

이동근(옮긴이)

대학에서 컴퓨터과학을 전공하고 있으며, 현재는 학업을 잠시 쉬면서 유연하고 합리적인 프로젝트 단위로 전문가 서칭, 플래닝, 매니징 솔루션을 제공하는 시소(seeso)를 창업하여 운영하고 있다. 시소를 통해 약 250여 개의 웹/앱 프로젝트를 수백여 명의 실무 전문가(RUFREE)들과 작업했고, 더 나은 노동에 대해 생각하며 데이터를 바탕으로 실험에 옮기는 일을 한다. 주로 웹서비스를 만들며 경력을 쌓아왔지만, AI에도 관심을 가지고 꾸준히 공부하고 있다. 여유가 있을 때는 사회문제를 IT로 해결하는 다양한 프로젝트를 진행하며 웹과 딥러닝에 대한 글을 읽고, 쓰고, 옮기고 있다. 파이썬과 오픈소스를 사랑한다.

정보제공 : Aladin

목차

머신러닝이란? 2 
다양한 머신러닝 접근법 3 
지도학습 3 
비지도학습 6 
강화학습 7 
머신러닝에 꼭 필요한 것들 8 
유명한 기법 / 알고리즘의 간단한 소개 12 
실생활에 적용하기 25 
유명한 오픈소스 패키지 27 
요약 34 

CHAPTER 2 뉴럴 네트워크 35 
왜 뉴럴 네트워크인가? 36 
뉴럴 네트워크의 기본 37 
뉴런과 레이어 38 
활성화 함수의 종류 43 
역전파 알고리즘 48 
현업에서의 활용 사례 57 
뉴럴 네트워크에 대한 XOR 함수의 사용 예시 58 
요약 65 

CHAPTER 3 딥러닝 기초 67 
딥러닝이란? 68 
기본 개념 70 
특징 학습 71 
딥러닝 알고리즘 80 
딥러닝 사용 예시 81 
음성 인식 81 
객체 인식과 분류 83 
GPU vs. CPU 86 
인기 많은 오픈소스 라이브러리 ─ 소개 88 
테아노 88 
텐서플로 88 
케라스 89 
케라스를 사용한 간단한 딥 뉴럴 네트워크 코드 샘플 90 
요약 96 

CHAPTER 4 비지도 특징 학습 99 
오토인코더 101 
네트워크 디자인 105 
오토인코더의 정규화 테크닉 108 
오토인코더 요약 114 
제한적 볼츠만 머신 115 
홉필드 네트워크와 볼츠만 머신 117 
볼츠만 머신 120 
제한적 볼츠만 머신 122 
텐서플로로 향상시키기 124 
딥 빌리프 네트워크 130 
요약 131 

CHAPTER 5 이미지 인식 135 
인공모델과 생물학적 모델 사이의 유사성 136 
직관적 이해와 정의 137 
컨볼루션 레이어 139 
컨볼루션 레이어에서의 보폭과 메우기 145 
풀링 레이어 147 
드롭아웃 149 
딥러닝에서의 컨볼루션 레이어 150 
테아노에서 컨볼루션 레이어 활용하기 151 
케라스를 활용한 숫자 인식 컨볼루션 레이어 예제 153 
케라스를 활용한 cifar10 컨볼루션 레이어 예제 157 
사전 학습 159 
요약 161 

CHAPTER 6 순환 뉴럴 네트워크와 언어 모델 163 
순환 뉴럴 네트워크 164 
RNN - 향상 방법과 훈련 방법 166 
장단기 메모리 173 
언어 모델링 176 
단어 모델링 177 
철자-기반 모델 182 
음성 인식 191 
음성 인식 전달 경로 191 
음성 데이터 입력하기 192 
전처리 193 
음향 모델 194 
디코딩 197 
엔드-투-엔드 모델 198 
요약 199 
참고 문헌 199 

CHAPTER 7 보드 게임에서의 딥러닝 205 
AI로 게임을 하기 위한 초기 과정 208 
게임 상황을 평가하기 위한 최소-최대 알고리즘 209 
파이썬으로 틱-택-토 게임 실행하기 212 
가치 함수 학습하기 222 
인공지능에게 바둑 학습시키기 222 
트리에 상한 신뢰 구간 적용하기 226 
몬테카를로 트리 탐색에서의 딥러닝 236 
강화학습에 대해 빠르게 훑어보기 237 
정책 기울기를 위한 정책 강하법 238 
알파고에서의 정책 기울기 247 
요약 250 

CHAPTER 8 컴퓨터 게임에 딥러닝 적용하기 251 
지도학습으로 접근해 게임하기 251 
유전 알고리즘을 적용한 게임 253 
Q-러닝 254 
Q-함수 256 
Q-러닝 인 액션 257 
동적인 게임 263 
경험 재반복 268 
엡실론 탐욕 271 
아타리 벽돌 깨기 273 
무작위 규칙을 통한 아타리 벽돌 깨기 274 
스크린 전처리하기 276 
딥 컨볼루션 네트워크 만들기 278 
Q-러닝에서의 수렴 문제 284 
정책 기울기 vs. Q-러닝 286 
배우-비평가 방법 287 
분산 축소를 위한 기준 288 
일반화된 우위 예측기 289 
비동기 방법들 290 
모델-기반 접근 290 
요약 293 

CHAPTER 9 변칙 탐지 295 
변칙과 변칙 탐지란 무엇인가? 296 
변칙 탐지에 대한 실생활 응용 299 
얕은 머신러닝 기법들 301 
데이터 모델링 301 
탐지 모델링 302 
딥 오토인코더를 활용한 변칙 탐지 303 
H2O 306 
H2O로 시작하기 307 
예시 308 
MNIST 숫자 데이터에서의 변칙 탐지 308 
요약 324 

CHAPTER 10 모든 게 준비된 침입 탐지 시스템 만들기 327 
데이터 제품이란 무엇인가? 328 
트레이닝 330 
웨이트 초기화 331 
HOGWILD!를 활용한 병렬 SGD 333 
적응형 학습 335 
맵/리듀스를 통한 분산 학습 341 
스파클링 워터 346 
테스팅 348 
모델 검증 355 
하이퍼 파라미터 조정하기 364 
엔드-투-엔드 평가 367 
테스팅 요약 372 
배포 373 
POJO 모델 내보내기 373 
변칙 점수 APIs 377 
배포 요약 380 
요약 381 

찾아보기 384

관련분야 신착자료