000 | 00000nam c2200205 c 4500 | |
001 | 000046015789 | |
005 | 20220106151352 | |
007 | ta | |
008 | 200205s2020 ulka 001c kor | |
020 | ▼a 9791165210397 ▼g 93000 | |
040 | ▼a 211009 ▼c 211009 ▼d 211009 ▼d 211092 | |
082 | ▼a 006.31 ▼2 23 | |
085 | ▼a 006.31 ▼2 DDCK | |
090 | ▼a 006.31 ▼b 2020z1 | |
100 | 1 | ▼a 조태호 |
245 | 1 0 | ▼a 모두의 딥러닝 : ▼b 원리를 쉽게 이해하고 나만의 딥러닝 모델을 만들 수 있다! / ▼d 조태호 지음 |
246 | 1 1 | ▼a Deep-learning for everyone |
250 | ▼a 개정 2판(개정판) | |
260 | ▼a 서울 : ▼b 길벗, ▼c 2020 ▼g (2021 7쇄) | |
300 | ▼a 368 p. : ▼b 천연색삽화 ; ▼c 24 cm | |
440 | 0 0 | ▼a 즐거운 프로그래밍 경험 모두의 시리즈 |
500 | ▼a 텐서플로 2.0 반영 | |
500 | ▼a 부록: A. 구글 코랩과 파이참에서 딥러닝 실행하기, B. 잘 알려지지 않은 딥러닝 시작에 관한 이야기 | |
500 | ▼a 색인수록 | |
945 | ▼a KLPA |
소장정보
No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
---|---|---|---|---|---|---|---|
No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2020z1 | 등록번호 121252221 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
No. 2 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2020z1 | 등록번호 121252781 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
No. 3 | 소장처 의학도서관/실험실습자료/ | 청구기호 구로핵의학 006.31 2020z1 | 등록번호 931003495 | 도서상태 대출불가(열람가능) | 반납예정일 | 예약 | 서비스 |
No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
---|---|---|---|---|---|---|---|
No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2020z1 | 등록번호 121252221 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
No. 2 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2020z1 | 등록번호 121252781 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
---|---|---|---|---|---|---|---|
No. 1 | 소장처 의학도서관/실험실습자료/ | 청구기호 구로핵의학 006.31 2020z1 | 등록번호 931003495 | 도서상태 대출불가(열람가능) | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
책소개
2년 연속 베스트셀러 『모두의 딥러닝』이 최근 주목받는 주제들을 담아 기존 내용을 보강하여 개정 2판으로 돌아왔다. 초판에서 다루지 않았던 GAN, 오토인코더, 자연어 처리, 전이 학습 등 새로운 내용을 수록하였고, 딥러닝을 공부하면서 나오는 수식을 좀 더 수월하게 이해할 수 있도록 기초 수학편을 추가했다.
복잡한 수식은 최대한 걷어내고 기본 동작 원리 → 딥러닝 이론 → 딥러닝 활용 → 심화까지 단계별로 학습할 수 있게 구성했으며, 실전 프로젝트를 통해 다양한 딥러닝 모델을 구현해 볼 수 있다. 이 책이 딥러닝 세계로 입문하려는 여러분의 첫걸음을 도와줄 것이다.
2년 연속 베스트셀러, 내용과 소스 코드 전면 업그레이드!
딥러닝 기초부터 최신 트렌드까지 한 권으로 공부하자
그동안 딥러닝 입문서로 제 역할을 톡톡히 해낸 『모두의 딥러닝』이 최근 주목받는 주제들을 담아 기존 내용을 보강하여 개정 2판으로 돌아왔다. 초판에서 다루지 않았던 GAN, 오토인코더, 자연어 처리, 전이 학습 등 새로운 내용을 수록하였고, 딥러닝을 공부하면서 나오는 수식을 좀 더 수월하게 이해할 수 있도록 기초 수학편을 추가했다. 복잡한 수식은 최대한 걷어내고 기본 동작 원리 → 딥러닝 이론 → 딥러닝 활용 → 심화까지 단계별로 학습할 수 있게 구성했으며, 실전 프로젝트를 통해 다양한 딥러닝 모델을 구현해 볼 수 있다. 이 책이 딥러닝 세계로 입문하려는 여러분의 첫걸음을 도와줄 것이다.
누구나 쉽고 빠르게
나만의 딥러닝 모델을 만들 수 있다!
기초 | 딥러닝을 위한 준비 운동
최소한의 설치로 딥러닝 실행 환경을 갖추고 딥러닝을 이해하는 데 필요한 기초 수학을 학습합니다. 그 다음 선형 회귀, 로지스틱 회귀, 신경망, 오차 역전파 같은 딥러닝의 동작 원리를 배웁니다.
실습 | 딥러닝 내 것으로 만들기
폐암 수술 환자의 생존율 예측하기, 피마 인디언의 당뇨병 예측하기, 아이리스 품종 예측하기, 초음파 광물 예측하기, 보스턴 집값 예측하기 프로젝트를 실습하며 딥러닝 이론이 어떻게 적용되는지 살펴봅니다.
활용 및 심화 | 딥러닝 정복하기
지금까지 배운 내용을 적절하게 활용해 봅니다. CNN, RNN부터 자연어 처리, GAN, 오토인코더, 전이 학습까지 딥러닝에서 주목받는 주제들을 담았습니다. 또한, 심화 학습에서 오차 역전파와 신경망 등의 개념을 수식과 함께 좀 더 깊이 있게 다뤄봅니다.
정보제공 :

목차
[첫째 마당] 나의 첫 딥러닝 1장 최고급 요리를 먹을 시간 __1.1 딥러닝 실행을 위한 준비 사항 __1.2 딥러닝 작업 환경 만들기 __1.3 파이참 설치하기 __1.4 딥러닝 실행하기 2장 처음 해 보는 딥러닝 __2.1 미지의 일을 예측하는 힘 __2.2 폐암 수술 환자의 생존율 예측하기 __2.3 딥러닝 코드 분석 __2.4 ‘블랙박스’를 극복하려면? [둘째 마당] 딥러닝의 동작 원리 3장 가장 훌륭한 예측선 긋기: 선형 회귀 __3.1 선형 회귀의 정의 __3.2 가장 훌륭한 예측선이란? __3.3 최소 제곱법 __3.4 코딩으로 확인하는 최소 제곱 __3.5 평균 제곱근 오차 __3.6 잘못 그은 선 바로잡기 __3.7 코딩으로 확인하는 평균 제곱근 오차 4장 오차 수정하기: 경사 하강법 __4.1 미분의 개념 __4.2 경사 하강법의 개요 __4.3 학습률 __4.4 코딩으로 확인하는 경사 하강법 __4.5 다중 선형 회귀란? __4.6 코딩으로 확인하는 다중 선형 회귀 5장 참 거짓 판단 장치: 로지스틱 회귀 __5.1 로지스틱 회귀의 정의 __5.2 시그모이드 함수 __5.3 오차 공식 __5.4 로그 함수 __5.5 코딩으로 확인하는 로지스틱 회귀 __5.6 여러 입력 값을 갖는 로지스틱 회귀 __5.7 실제 값 적용하기 __5.8 로지스틱 회귀에서 퍼셉트론으로 [셋째 마당] 신경망의 이해 6장 퍼셉트론 __6.1 가중치, 가중합, 바이어스, 활성화 함수 __6.2 퍼셉트론의 과제 __6.3 XOR 문제 7장 다층 퍼셉트론 __7.1 다층 퍼셉트론의 설계 __7.2 XOR 문제의 해결 __7.3 코딩으로 XOR 문제 해결하기 8장 오차 역전파 __8.1 오차 역전파의 개념 __8.2 코딩으로 확인하는 오차 역전파 9장 신경망에서 딥러닝으로 __9.1 기울기 소실 문제와 활성화 함수 __9.2 속도와 정확도 문제를 해결하는 고급 경사 하강법 [넷째 마당] 딥러닝 기본기 다지기 10장 모델 설계하기 [실습] 폐암 수술 환자의 생존율 예측 __10.1 모델의 정의 __10.2 입력층, 은닉층, 출력층 __10.3 모델 컴파일 __10.4 교차 엔트로피 __10.5 모델 실행하기 11장 데이터 다루기 [실습] 피마 인디언 당뇨병 예측 __11.1 딥러닝과 데이터 __11.2 피마 인디언 데이터 분석하기 __11.3 panda를 활용한 데이터 조사 __11.4 데이터 가공하기 __11.5 matplotlib를 이용해 그래프로 표현하기 __11.6 피마 인디언의 당뇨병 예측 실행 12장 다중 분류 문제 해결하기 [실습] 아이리스 품종 예측 __12.1 다중 분류 문제 __12.2 상관도 그래프 __12.3 원-핫 인코딩 __12.4 소프트맥스 __12.5 아이리스 품종 예측 실행 13장 과적합 피하기 [실습] 초음파 광물 예측 __13.1 데이터의 확인과 실행 __13.2 과적합 이해하기 __13.3 학습셋과 테스트셋 __13.4 모델 저장과 재사용 __13.5 k겹 교차 검증 14장 베스트 모델 만들기 [실습] 와인의 종류 예측 __14.1 데이터의 확인과 실행 __14.2 모델 업데이트하기 __14.3 그래프로 확인하기 __14.4 학습의 자동 중단 15장 선형 회귀 적용하기 [실습] 보스턴 집값 예측 __15.1 데이터 확인하기 __15.2 선형 회귀 실행 [다섯째 마당] 딥러닝의 활용 16장 이미지 인식의 꽃, CNN 익히기 204 __16.1 데이터 전처리 __16.2 딥러닝 기본 프레임 만들기 __16.3 더 깊은 딥러닝 __16.4 컨볼루션 신경망(CNN) __16.5 맥스 풀링 __16.6 컨볼루션 신경망 실행하기 17장 시퀀스 배열로 다루는 순환 신경망(RNN) __17.1 LSTM을 이용한 로이터 뉴스 카테고리 분류하기 __17.2 LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기 __17.3 케라스 예제를 통한 더 넓은 활용 부록 [부록 A] 심화학습 1: 오차 역전파의 계산법 1. 편미분이란? 2. 출력층의 오차 업데이트 3. 오차 공식 4. 체인 룰 5. 체인 룰 계산하기 6. 가중치 업데이트하기 7. 은닉층의 오차 업데이트 8. 은닉층의 오차 계산 방법 9. 델타 식 [부록 B] 심화학습 2: 파이썬 코드로 확인하는 신경망 1. 환경 변수 설정하기 2. 신경망의 실행 [부록 C] 심화학습 3: 수식과 함께 익히는 고급 경사 하강법 1. 확률적 경사 하강법 2. 모멘텀 3. 네스테로프 모멘텀 4. 아다그라드 5. 알엠에스프롭 6. 아담 [부록 D] 여러 가지 환경 설정 1. GPU 환경에서 설치하기 2. 리눅스에서 설치하기 3. 맥에서 설치하기 [부록 E] 텐서플로 실행 오류 해결하기