
000 | 00000cam c2200205 c 4500 | |
001 | 000046055249 | |
005 | 20201113155247 | |
007 | ta | |
008 | 201111s2020 ulkad b AZ 001c kor | |
020 | ▼a 9788920036811 ▼g 93310 | |
035 | ▼a (KERIS)BIB000015685820 | |
040 | ▼d 241047 ▼a 241047 ▼c 241047 ▼d 211009 | |
082 | 0 4 | ▼a 006.31 ▼2 23 |
085 | ▼a 006.31 ▼2 DDCK | |
090 | ▼a 006.31 ▼b 2020z37 | |
100 | 1 | ▼a 이긍희, ▼g 李兢熙, ▼d 1962- |
245 | 1 0 | ▼a 딥러닝의 통계적 이해 = ▼x A statistical understanding of deep learning / ▼d 이긍희, ▼e 김용대, ▼e 김기온 공저 |
246 | 3 1 | ▼a Statistical understanding of deep learning |
260 | ▼a 서울 : ▼b 한국방송통신대학교출판문화원), ▼c 2020 | |
300 | ▼a viii, 359 p. : ▼b 천연색삽화, 도표 ; ▼c 25 cm | |
504 | ▼a 참고문헌(p. 350-352)과 색인수록 | |
700 | 1 | ▼a 김용대, ▼g 金容大, ▼d 1968-, ▼e 저 |
700 | 1 | ▼a 김기온, ▼e 저 |
770 | 0 | ▼t 딥러닝의 통계적 이해 : 워크북 ▼w 000046056115 ▼z 9788920037320 |
945 | ▼a KLPA |
소장정보
No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
---|---|---|---|---|---|---|---|
No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2020z37 | 등록번호 121254847 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
책소개
이 책은 통계학의 기본 모형인 선형 회귀모형, 로지스틱 모형, 확률분포와 연결하여 딥러닝을 이해할 수 있도록 설계되었다.
자연어처리 관련 딥러닝 모형은 복잡한 알고리즘으로 구성되어 있지만 이 책에 포함되었다.
이 책으로 빠르게 발전하고 있는 딥러닝의 모든 것을 알기 어렵지만 딥러닝을 이해하고 활용하는 출발점이 될 수 있다.
이 책은 10개 장으로 구성되어 있다. 제1장에서는 딥러닝의 개요, 제2장에서 제4장까지는 일반적 딥러닝의 작성과 특성을 살펴보았다.
제5장과 제6장에서는 이미지 인식, 객체 검출에 이용되는 합성곱 신경망을, 제7장은 GAN과 오토인코더 등 비지도 학습모형을 학습한다.
제8장에서는 시퀀스 데이터에 이용되는 순환신경망, LSTM 등을, 제9장에서는 자연어처리에서 활용되는 Word2Vec, Transformer, BERT에 대하여 설명하였다.
Transformer와 BERT 등은 알고리즘 중심으로 기술되어서 통계학 전공자가 이해하는 데 어려움이 있을 수 있지만
자연어처리에서 실제 이용되는 알고리즘이기 때문에 책에 포함하였다. 제10장에는 딥러닝을 구현하기 위한 Python 코드가 소개되어 있다.
이 책에서 Tensorflow-Keras 기반 기초 코드가 제공되고 있지만 딥러닝 코드 구현이 직접적인 목적은 아니다.
딥러닝을 구현하는 코드는 지속적으로 바뀌어서 공개되므로 관련 사이트를 확인하길 바란다.
정보제공 :

저자소개
이긍희(지은이)
서울대학교 자연과학대학 계산통계학과(학사) 서울대학교 대학원 계산통계학과(석사) Texas A&M Univ.(박사) 한국은행 선임조사역(차장) 현재:한국방송통신대학교 정보통계학과 교수
김기온(지은이)
연세대학교 응용통계학과 (학사, 석사) Penn State University (통계학 박사) 현재: SKT, AI Language Tech Labs
김용대(지은이)
서울대학교 대학원 계산통계학과(통계학 석사) 미국 Ohio State University(통계학 박사) 이화여자대학교 통계학과 교수 현재: 서울대학교 통계학과 교수

목차
제1장 딥러닝의 개요 제2장 딥러닝과 통계학 제3장 딥러닝 모형의 구조와 학습 제4장 딥러닝의 제 문제와 발전 제5장 합성곱신경망의 기초 제6장 합성곱신경망의 응용 제7장 오토인코더와 GAN 제8장 순환신경망 제9장 딥러닝 모형을 이용한 자연어처리 제10장 딥러닝 실습