HOME > 상세정보

상세정보

파이토치 첫걸음 : 딥러닝 모델 생성에서 애플리케이션 개발까지 (16회 대출)

자료유형
단행본
개인저자
杜世橋 김완섭, 역
서명 / 저자사항
파이토치 첫걸음 : 딥러닝 모델 생성에서 애플리케이션 개발까지 / 두세교 지음 ; 김완섭 옮김
발행사항
파주 :   제이펍,   2019  
형태사항
xxi, 210 p. : 삽화 ; 23 cm
총서사항
제이펍의 인공지능 시리즈 = Japub's A.I. series ; 16
원표제
現場で使える!PyTorch開発入門 : 深層学習モデルの作成とアプリケ-ションへの実装
ISBN
9791188621590
일반주기
색인수록  
000 00000cam c2200205 c 4500
001 000045994120
005 20190808155818
007 ta
008 190808s2019 ggka 001c kor
020 ▼a 9791188621590 ▼g 93000
035 ▼a (KERIS)BIB000015135820
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 2019z17
100 1 ▼a 杜世橋
245 1 0 ▼a 파이토치 첫걸음 : ▼b 딥러닝 모델 생성에서 애플리케이션 개발까지 / ▼d 두세교 지음 ; ▼e 김완섭 옮김
246 1 9 ▼a 現場で使える!PyTorch開発入門 : ▼b 深層学習モデルの作成とアプリケ-ションへの実装
246 3 ▼a Genba de tsukaeru paitōchi kaihatsu nyūmon : ▼b shinsō gakushū moderu no sakusei to apurikēshon eno jissō
260 ▼a 파주 : ▼b 제이펍, ▼c 2019
300 ▼a xxi, 210 p. : ▼b 삽화 ; ▼c 23 cm
440 0 0 ▼a 제이펍의 인공지능 시리즈 = ▼x Japub's A.I. series ; ▼v 16
500 ▼a 색인수록
700 1 ▼a 김완섭, ▼e
900 1 0 ▼a To, Seihashi, ▼e
945 ▼a KLPA

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2019z17 등록번호 121249906 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

제이펍의 인공지능 시리즈 16권. 파이토치 입문용 책으로 학습을 위한 자세한 예제는 물론이고 자칫 어려워서 등돌리게 될 수 있는 수식 투성이 구성은 최대한 배제했다. 책 내용에 따라 직접 파이토치 실습을 하다 보면 어느새 파이토치와 딥러닝의 높은 문턱을 넘어선 자신을 발견할 수 있을 것이다.

정말정말 쉽게 시작하는 파이토치&딥러닝 입문!

고도의 기술을 배운다고 해서 그 시작도 어려워야만 할까요? 이 책은 미간 찌푸리지 않고 부담 없이! 마음 편히! 임할 수 있는 파이토치 입문용 최강 서적입니다. 학습을 위한 자세한 예제는 물론이고 자칫 어려워서 등돌리게 될 수 있는 수식 투성이 구성은 최대한 배제하여 초보자를 더욱 배려하였습니다. 책 내용에 따라 직접 파이토치 실습을 하다 보면 어느새 파이토치와 딥러닝의 높은 문턱을 넘어선 자신을 발견할 수 있을 것입니다.

실무에도 바로 활용할 수 있는 파이토치 입문서!

딥러닝의 파이썬 라이브러리로는 구글이 개발한 텐서플로(TensorFlow) 프레임워크가 가장 유명하지만, 심벌을 사용하는 프로그래밍 스타일 때문에 초보자가 접근하기 어렵다는 의견도 존재한다. 반면 이 책에서 다루는 파이토치는 페이스북을 중심으로 개발된 오픈 소스 프로젝트로 동적 네트워크라는 구조를 도입했으며, 일반적인 파이썬 프로그램과 같은 환경에서 간단하게 신경망을 구축할 수 있다는 점에서 많은 관심을 받고 있다. 특히, 해외 연구자들로부터 많은 지지를 받고 있어서 최신 연구들이 파이토치를 사용해 구현되는 중이다. 연구 결과들도 깃허브를 통해 빠르게 공개되는 것이 당연시되고 있다. 아직 한글 자료는 부족하지만, 사용하기 쉽고 최신 연구 결과를 바로 적용할 수 있어서 서비스에 딥러닝을 곧바로 적용하고 싶은 사람에게는 최적의 프레임워크가 될 것이다. 이 책을 통해서 독자 여러분이 신경망이나 딥러닝, 그리고 머신러닝 등에 흥미를 가지고 실제로 자신의 업무에 적용할 수 있게 되기를 바란다.

- ‘시작하며’ 중에서

이 책의 대상 독자
- 인공지능을 배우고자 하는 프로그래머
- 머신러닝 및 딥러닝 엔지니어


정보제공 : Aladin

저자소개

두세교(지은이)

도쿄공업대학에서 계산 기기를 활용한 분자생물학을 연구했으며, 졸업 후에는 IT 기업에서 소프트웨어 개발 및 데이터 분석을 담당하고 있다. 대학원 시절에 아직 유명해지기 전이었던 파이썬과 NumPy를 접했고, 스터디 모임이나 집필 등을 통해 파이썬을 전파했다. 요근래 몇 년 동안은 스타트업을 중심으로 데이터 분석이나 머신러닝 개발 지원 등을 해왔으며, 2018년 4월부터 물류 IT 관련 스타트업에서 근무하고 있다. 머신러닝, 빅데이터 분석, 서버 개발 등에 관심이 많으나, 지금은 자녀 교육을 위해 육아 휴직 중인 아빠 엔지니어다.

김완섭(옮긴이)

네덜란드 ITC에서 Geoinformation for Disaster Risk Management 석사 학위를 취득했다. 약 9년간 일본과 한국의 기업에서 IT 및 GIS/LBS 분야 업무를 담당했으며, 일본에서는 세콤(SECOM) 계열사인 파스코(PASCO)에서 일본 외무부, 국토지리정보원 같은 정부기관을 대상으로 한 시스템 통합(SI) 업무를 담당했다. 이후 야후 재팬으로 직장을 옮겨 야후 맵 개발 담당 시니어 엔지니어로 근무했으며, 한국으로 돌아와 SK에서 내비게이션 지도 데이터 담당 매니저로 근무했다. 현재는 싱가포르에 있는 일본계 회사에서 은행 관련 IT 프로젝트를 담당하고 있다. 저서로는 《나는 도쿄 롯폰기로 출근한다》가 있으며, 역서로는 《알고리즘 도감》, 《처음 만나는 HTML5 & CSS3》, 《인공지능 70》, 《처음 만나는 자바스크립트》, 《다양한 언어로 배우는 정규표현식》, 《그림으로 공부하는 IT 인프라 구조》, 《그림으로 공부하는 시스템 성능 구조》, 《IT에 몸담은 이들을 위한 지적 생산 기술》, 《파이토치 첫걸음》 등 40여 종이 있다. 블로그(blog.naver.com/itbk100)를 통해 IT 번역 관련 이야기와 싱가포르 직장 생활을 소개하고 있다.

정보제공 : Aladin

목차

옮긴이 머리말 
시작하며 
이 책의 대상 독자와 필요한 사전 지식 
이 책의 구성 
About the SAMPLE: 이 책의 개발 환경과 예제 프로그램 
베타리더 후기 

PROLOGUE 개발 환경 준비 1 
0.1 이 책의 검증 환경 2 
0.1.1 OS 환경: 우분투 16.04 2 
0.1.2 엔비디아의 GPU 2 
0.1.3 클라우드에서 GPU를 탑재한 인스턴스 실행하기 3 
0.2 개발 환경 구축 5 
0.2.1 미니콘다 설치 5 
0.2.2 가상 환경 구축 7 

CHAPTER 1 파이토치의 기본 11 
1.1 파이토치의 구성 12 
1.1.1 파이토치의 전반적인 구성 12 
1.2 텐서 13 
1.2.1 텐서 생성과 변환 13 
1.2.2 텐서의 인덱스 조작 15 
1.2.3 텐서 연산 16 
1.3 텐서와 자동 미분 20 
1.4 정리 22 

CHAPTER 2 최대 우도 추정과 선형 모델 23 
2.1 확률 모델과 최대 우도 추정 24 
2.2 확률적 경사 하강법 26 
2.3 선형 회귀 모델 28 
2.3.1 선형 회귀 모델의 최대 우도 추정 28 
2.3.2 파이토치로 선형 회귀 모델 만들기(직접 만들기) 30 
2.3.3 파이토치로 선형 회귀 모델 만들기(nn, optim 모듈 사용) 32 
2.4 로지스틱 회귀 35 
2.4.1 로지스틱 회귀의 최대 우도 추정 35 
2.4.2 파이토치를 사용한 로지스틱 회귀 분석 36 
2.4.3 다중 분류를 위한 로지스틱 회귀 분석 40 
2.5 정리 42 

CHAPTER 3 다층 퍼셉트론 43 
3.1 MLP 구축과 학습 44 
3.2 Dataset과 DataLoader 48 
3.2.1 Dataset과 DataLoader 48 
3.3 학습 효율화 팁 50 
3.3.1 Dropout을 사용한 정규화 50 
3.3.2 Batch Normalization를 사용한 학습 가속 53 
3.4 신경망의 모듈화 55 
3.4.1 자체 신경망 계층(커스텀 계층) 만들기 55 
3.5 정리 57 

CHAPTER 4 이미지 처리와 합성곱 신경망 59 
4.1 이미지와 합성곱 계산 60 
4.2 CNN을 사용한 이미지 분류 62 
4.2.1 Fashion-MNIST 62 
4.2.2 CNN 구축과 학습 65 
4.3 전이 학습 69 
4.3.1 데이터 준비 72 
4.3.2 파이토치를 사용한 전이 학습 75 
4.4 CNN 회귀 모델을 사용한 이미지 해상도 향상 80 
4.4.1 데이터 준비 80 
4.4.2 모델 작성 83 
4.5 DCGAN을 사용한 이미지 생성 89 
4.5.1 GAN이란 89 
4.5.2 데이터 준비 90 
4.5.3 파이토치를 사용한 DCGAN 91 
4.6 정리 101 

CHAPTER 5 자연어 처리와 순환 신경망 103 
5.1 RNN이란? 104 
5.2 텍스트 데이터의 수치화 106 
5.3 RNN과 문장 분류 109 
5.3.1 IMDb 리뷰 데이터 109 
5.3.2 신경망 정의와 훈련 113 
5.3.3 가변 길이 계열 처리 118 
5.4 RNN을 사용한 문장 생성 121 
5.4.1 데이터 준비 122 
5.4.2 모델 정의 및 학습 124 
5.5 인코더-디코더 모델을 사용한 기계 번역 129 
5.5.1 인코더-디코더 모델이란 130 
5.5.2 데이터 준비 131 
5.5.3 파이토치를 사용한 인코더-디코더 모델 135 
5.6 정리 142 

CHAPTER 6 추천 시스템과 행렬 분해 143 
6.1 행렬 인수분해 144 
6.1.1 이론적 배경 144 
6.1.2 MovieLens 데이터 145 
6.1.3 파이토치에서 행렬 인수분해하기 147 
6.2 신경망 행렬 인수분해 151 
6.2.1 행렬 인수분해를 비선형화 151 
6.2.2 부속 정보 이용 153 
6.3 정리 160 

CHAPTER 7 애플리케이션 적용 161 
7.1 모델 저장과 불러오기 162 
7.2 플라스크를 사용한 웹 API화 164 
7.3 도커를 이용한 배포 173 
7.3.1 nvidia-docker 설치 174 
7.3.2 파이토치의 도커 이미지 작성 175 
7.3.3 웹 API 배포 176 
7.4 ONNX를 사용한 다른 프레임워크와의 연계 179 
7.4.1 ONNX란 179 
7.4.2 파이토치 모델 엑스포트 181 
7.4.3 Cae2에서 ONNX 모델 사용하기 183 
7.4.4 ONNX 모델을 Cae2 모델로 저장 184 
7.5 정리 186 

APPENDIX A 훈련 상태 가시화 187 
A1.1 텐서보드를 사용한 가시화 188 

APPENDIX B 컬래버레터리로 파이토치 개발 환경 구축 193 
B1.1 컬래버레터리를 사용한 파이토치 개발 환경 구축 방법 194 
B1.1.1 컬래버레터리란 194 
B1.1.2 장비 사양 194 
B1.1.3 파이토치 환경 구축 195 
B1.1.4 데이터 처리 201

관련분야 신착자료

Cartwright, Hugh M. (2021)
한국소프트웨어기술인협회. 빅데이터전략연구소 (2021)