HOME > 상세정보

상세정보

(예제로 플어보는) 구글 딥러닝 프레임워크 : 텐서플로우 실전

(예제로 플어보는) 구글 딥러닝 프레임워크 : 텐서플로우 실전 (6회 대출)

자료유형
단행본
개인저자
郑泽宇 顾思宇, 저 장우진, 역
서명 / 저자사항
(예제로 플어보는) 구글 딥러닝 프레임워크 = Google deep learning framework : 텐서플로우 실전 / 정저위, 구쓰위 지음 ; 장우진 옮김
발행사항
파주 :   光文閣,   2019  
형태사항
381 p. : 삽화(일부천연색), 도표 ; 26 cm
원표제
TensorFlow : 实战Google深度学习框架
ISBN
9788970939445
000 00000cam c2200205 c 4500
001 000046009021
005 20191212174927
007 ta
008 191212s2019 ggkad 000c kor
020 ▼a 9788970939445 ▼g 93560
035 ▼a (KERIS)BIB000015190280
040 ▼a 247009 ▼c 247009 ▼d 211009
041 1 ▼a kor ▼h chi
082 0 4 ▼a 006.31 ▼2 23
085 ▼a 006.31 ▼2 DDCK
090 ▼a 006.31 ▼b 2019z36
100 1 ▼a 郑泽宇
245 2 0 ▼a (예제로 플어보는) 구글 딥러닝 프레임워크 = ▼x Google deep learning framework : ▼b 텐서플로우 실전 / ▼d 정저위, ▼e 구쓰위 지음 ; ▼e 장우진 옮김
246 1 9 ▼a TensorFlow : ▼b 实战Google深度学习框架
246 3 ▼a TensorFlow : ▼b shi zhan Google shen du xue xi kuang jia
260 ▼a 파주 : ▼b 光文閣, ▼c 2019
300 ▼a 381 p. : ▼b 삽화(일부천연색), 도표 ; ▼c 26 cm
700 1 ▼a 顾思宇, ▼e
700 1 ▼a 장우진, ▼e
900 1 0 ▼a 정저위, ▼e
900 1 0 ▼a Zheng, Zeyu, ▼e
900 1 0 ▼a 구쓰위, ▼e
900 1 0 ▼a Gu, Siyu, ▼e
945 ▼a KLPA

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2019z36 등록번호 121251456 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

TensorFlow를 통한 딥러닝 구현을 중점으로 소개한다. TensorFlow 설치를 시작으로 TensorFlow의 기본 개념을 차례대로 설명하고, 궁극적으로 완전 연결 신경망, 합성곱 신경망과 순환 신경망 등 여러 딥러닝 알고리즘을 직접 구현해 본다. 이와 동시에 딥러닝 알고리즘에 대한 이론과 해결할 수 있는 문제를 알기 쉽게 설명한다.

기본 개념부터 완전한 모델까지 다룬
개발자에게 매우 적합한 최고의 책


최근 들어 뉴스, 블로그 등 여기저기서 ‘딥러닝’이란 단어를 쉽게 접할 수 있습니다. 수십 년 동안 인공지능 기술은 끊임없이 발전하고 있지만, 딥러닝 같은 학계와 산업에서 각광받는 기술은 10년간 어려움을 겪었습니다. 안타까운 점은 딥러닝을 이해하고 응용하는 것이 어려워 특히 복잡한 수학 모델로 인해 적지 않은 학생들이 포기한다는 것입니다. 설상가상으로 딥러닝 기술이 급속한 발전을 이루면서 글쓰기와 출판 과정이 매우 복잡하여 딥러닝 심화 과정을 서술한 책을 찾아보기가 힘듭니다. 현재 가장 인기 있는 딥러닝 프레임워크인 TensorFlow에 관한 서적은 더욱 그렇습니다. 이것이 저자가 밤을 새어가며 이 책을 쓰게 된 이유입니다. IT 업계 종사자이자 창업자로서 여러분들이 이 책을 통해 복잡한 수학 공식이 아닌 여러 예제 코드로 딥러닝을 신속하게 배우고 문제를 해결하는 데 많은 도움이 되기를 바랍니다.

2016년 초, 저자와 몇몇의 친구들은 미국 구글에서 사직하고 항저우로 돌아와 기업을 대상으로 인공지능 플랫폼과 솔루션을 제공하는 CaiYun(Caicloud.io)을 공동 창립했습니다. 저자가 중국에 왔을 땐 이미 많은 기업이 TensorFlow에 대해 큰 관심을 보이고 있었습니다. 하지만 이들과 깊은 대화를 나눈 뒤에 저자는 TensorFlow가 사용하기 매우 쉬운 도구임에도 불구하고 당시 모든 기업에서 딥러닝 기술을 제대로 활용할 수 없다는 사실을 발견했습니다. 그리하여 저자는 더 많은 개인과 기업이 딥러닝 기술의 혜택을 누릴 수 있도록 이 책을 쓰기 시작했습니다.

이 책은 TensorFlow를 통한 딥러닝 구현을 중점으로 소개합니다. TensorFlow 설치를 시작으로 TensorFlow의 기본 개념을 차례대로 설명하고, 궁극적으로 완전 연결 신경망, 합성곱 신경망과 순환 신경망 등 여러 딥러닝 알고리즘을 직접 구현해 볼 것입니다. 이와 동시에 딥러닝 알고리즘에 대한 이론과 해결할 수 있는 문제를 알기 쉽게 설명합니다. 이 책에서 저자는 지루하고 복잡한 수학 공식을 피하고 실제 학습에서의 딥러닝 개념과 TensorFlow 사용법을 소개합니다. 또한, TensorFlow 병렬 처리와 시각화 툴인 TensorBoard, 그리고 GPU를 사용한 TensorFlow 분산 처리 사용법에 대해서도 살펴볼 것입니다.


정보제공 : Aladin

저자소개

정저위(지은이)

2011년 5월 베이징대학에서 컴퓨터공학 학사 학위, 2013년 5월 미국 카네기멜론 대학(CMU)에서 컴퓨터공학 석사 학위를 취득하고 Siebel 장학금을 받았다. 졸업 후 미국 구글에서 고급 엔지니어로 근무하였고, 현재는 CaiYun의 공동 창립자 겸 수석 데이터 과학자로서 중국 최초로 보안, 전자 상거래, 금융, 물류 및 기타 산업 분야에 인공지능 솔루션을 제공하는 분산형 TensorFlow 딥러닝 플랫폼 개발에 성공했다. 머신러닝 및 인공지능 분야에 다년간의 연구 경력을 보유하고 있으며, SIGAR, SIGKDD, ACL, ICDM, ICWSM 등 정상급 국제학회에서 많은 학술 논문을 발표했다.

구쓰위(지은이)

베이징 이공대학에서 석사 학위를 취득하고 MSRA, Sougou, 텐센트 등 인터넷 회사에서 근무하였다. ICDM, SIGAR, ADKDD 등 국제학회에서 많은 학술 논문을 발표했으며, 현재 머신러닝, 정보 검색, 인공지능과 관련된 기술을 제품에 적용하는 연구에 전념하고있다.

장우진(옮긴이)

일찍이 중국에 유학하여 베이징의 화이러우 제1중학과 칭화대학 자동화과를 졸업하였으며, TensorFlow를 활용하여 작성한 졸업 논문,〈표면 근전도 신호를 이용한 실시간 동작 인식 및 응용〉을 발표해 높은 평가를 받았다. 알파고와 인간의 바둑 대결 이후 딥러닝 분야에 관심을 갖고 중점적으로 학습하였으며, 현재 TensorFlow의 하이 레벨인 keras의 번역에 매진하고 있다.

정보제공 : Aladin

목차

Chapter 01. 딥러닝 개요

 1.1 인공지능, 머신러닝, 딥러닝
 1.2 딥러닝의 발전 과정
 1.3 딥러닝의 응용
  1.3.1 컴퓨터 비전
  1.3.2 음성 인식
  1.3.3 자연어 처리
  1.3.4 인간 vs 기계 게임
 1.4 딥러닝 도구 소개 및 비교

Chapter 02. TensorFlow 환경 설정

 2.1 TensorFlow 주요 의존 패키지
  2.1.1 Protocol Buffer
  2.1.2 Bazel
 2.2 TensorFlow 설치
  2.2.1 Docker를 이용한 설치
  2.2.2 pip를 이용한 설치
  2.2.3 소스 코드를 이용한 설치
 2.3 TensorFlow 테스트 예제

Chapter 03. TensorFlow 입문

 3.1 TensorFlow 계산 모델 - 계산 그래프
  3.1.1 계산 그래프의 개념
  3.1.2 계산 그래프의 사용
 3.2 TensorFlow 데이터 모델 - 텐서
  3.2.1 텐서의 개념
  3.2.2 텐서의 용도
 3.3 TensorFlow 실행 모델 - 세션
 3.4 TensorFlow 신경망 구현
  3.4.1 TensorFlow 플레이그라운드와 신경망
  3.4.2 순전파 알고리즘
  3.4.3 신경망 매개 변수 및 TensorFlow 변수
  3.4.4 TensorFlow 신경망 모델 학습
  3.4.5 신경망 학습의 전 과정 예제

Chapter 04. 심층 신경망

 4.1 딥러닝과 심층 신경망
  4.1.1 선형 모델의 한계
  4.1.2 활성화 함수
  4.1.3 다층 신경망으로 XOR 문제 해결
 4.2 손실 함수 정의
  4.2.1 전형적인 손실 함수
  4.2.2 사용자 정의 손실 함수
 4.3 신경망 최적화 알고리즘
 4.4 신경망 최적화
  4.4.1 학습률 설정
  4.4.2 오버피팅(Overfitting)
  4.4.3 이동 평균 모델

Chapter 05. MNIST 숫자 인식

 5.1 MNIST 데이터 처리
 5.2 신경망 모델 학습 및 비교
  5.2.1 TensorFlow 신경망 학습
  5.2.2 검증 데이터를 사용한 모델 평가
  5.2.3 모델 성능 비교
 5.3 변수 관리
 5.4 TensorFlow 모델 저장 및 불러오기
  5.4.1 저장 및 불러오기 코드 구현
  5.4.2 원리와 데이터 형식
 5.5 TensorFlow 실행 예제 코드

Chapter 06. 이미지 인식과 합성곱 신경망

 6.1 이미지 인식 문제 및 데이터셋
 6.2 합성곱 신경망 개요
 6.3 합성곱 신경망 구조
  6.3.1 합성곱 계층
  6.3.2 풀링 계층
 6.4 합성곱 신경망 모델
  6.4.1 LeNet-5
  6.4.2 Inception-v3
 6.5 합성곱 신경망 전이 학습
  6.5.1 전이 학습 소개
  6.5.2 TensorFlow 전이 학습 구현

Chapter 07. 이미지 데이터 처리

 7.1 TFRecord 입력 데이터 포맷
  7.1.1 TFRecord 개요
  7.1.2 TFRecord 예제
 7.2 이미지 데이터 처리
  7.2.1 TensorFlow 이미지 처리 함수
  7.2.2 이미지 전처리 예제
 7.3 멀티 스레드를 통한 데이터 처리
  7.3.1 큐와 멀티 스레드
  7.3.2 입력 파일 큐
  7.3.3 배치 처리
  7.3.4 입력 데이터 처리 프레임워크

Chapter 08. 순환 신경망

 8.1 순환 신경망 개요
 8.2 장단기 메모리(LSTM) 구조
 8.3 순환 신경망의 변형
  8.3.1 양방향 순환 신경망과 심층 순환 신경망
  8.3.2 순환 신경망의 드롭아웃
 8.4 순환 신경망의 응용
  8.4.1 언어 모델링
  8.4.2 시계열 데이터 예측

Chapter 09. TensorBoard : 그래프 시각화

 9.1 TensorBoard 개요
 9.2 TensorFlow 계산 그래프 시각화
  9.2.1 네임스페이스와 TensorBoard 그래프 노드
  9.2.2 노드 정보
 9.3 지표 모니터링

Chapter 09. TensorFlow 계산 가속

 10.1 TensorFlow-GPU 사용하기
 10.2 딥러닝 모델의 병렬 학습
 10.3 멀티 GPU 병렬 처리
 10.4 분산식 TensorFlow
  10.4.1 분산식 TensorFlow 원리
  10.4.2 분산 학습

관련분야 신착자료