상세정보

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 :

[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