HOME > 상세정보

상세정보

파이썬 딥러닝 파이토치 (8회 대출)

자료유형
단행본
개인저자
이경택 방성수, 저 안상준, 저
서명 / 저자사항
파이썬 딥러닝 파이토치 = Python deep learning PyTorch / 이경택, 방성수, 안상준 지음
발행사항
서울 :   정보문화사,   2020  
형태사항
xi, 298 p. : 삽화, 도표 ; 24 cm
ISBN
9788956748573
일반주기
색인수록  
000 00000nam c2200205 c 4500
001 000046062003
005 20210127133851
007 ta
008 201228s2020 ulkad 001c kor
020 ▼a 9788956748573 ▼g 13000
035 ▼a (KERIS)BIB000015692520
040 ▼a 225009 ▼c 225009 ▼d 211009
082 0 4 ▼a 006.31 ▼2 23
085 ▼a 006.31 ▼2 DDCK
090 ▼a 006.31 ▼b 2020z47
100 1 ▼a 이경택
245 1 0 ▼a 파이썬 딥러닝 파이토치 = ▼x Python deep learning PyTorch / ▼d 이경택, ▼e 방성수, ▼e 안상준 지음
260 ▼a 서울 : ▼b 정보문화사, ▼c 2020
300 ▼a xi, 298 p. : ▼b 삽화, 도표 ; ▼c 24 cm
500 ▼a 색인수록
700 1 ▼a 방성수, ▼e
700 1 ▼a 안상준, ▼e

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2020z47 등록번호 121257301 도서상태 대출중 반납예정일 2021-10-14 예약 예약가능 R 서비스 M
No. 2 소장처 세종학술정보원/신착도서코너/ 청구기호 006.31 2020z47 등록번호 151352577 도서상태 대출가능 반납예정일 예약 서비스
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.31 2020z47 등록번호 121257301 도서상태 대출중 반납예정일 2021-10-14 예약 예약가능 R 서비스 M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/신착도서코너/ 청구기호 006.31 2020z47 등록번호 151352577 도서상태 대출가능 반납예정일 예약 서비스

컨텐츠정보

책소개

딥러닝 기술에 초점을 두고 딥러닝을 구현하기 위해 파이썬을 이용하는데, 머신러닝 라이브러리인 파이토치를 활용하여 다양한 텐서를 지원하는 방법을 알아본다. 파이토치는 파이썬 코딩과 비슷하기 때문에 언어가 어렵지 않다. 코드가 간결하고 난이도가 낮아 텐서플로우보다 사용하기 훨씬 쉽다는 특징이 있다.

프로그래밍 언어의 기본적 수준만 갖추고 있다면 고급 스킬이 없어도 코드를 작성해보며 직접 실행해볼 수 있도록 구성하였기 때문에 의미를 정확하고 개념을 이해할 수 있다. 학습을 시작하기 전 기본적인 내용과 코드 작성을 위한 시스템 환경 구축부터 시작하여, 요즘 쉽게 들리는 머신러닝, 딥러닝, 인공지능 등의 개념을 쉽게 설명하고 활용 분야도 알아본다.

파이썬은 선택이 아닌 필수! 파이토치로 딥러닝 입문하기!

이 책은 딥러닝 기술에 초점을 두고 딥러닝을 구현하기 위해 파이썬을 이용하는데, 머신러닝 라이브러리인 파이토치를 활용하여 다양한 텐서를 지원하는 방법을 알아본다. 파이토치는 파이썬 코딩과 비슷하기 때문에 언어가 어렵지 않다. 코드가 간결하고 난이도가 낮아 텐서플로우보다 사용하기 훨씬 쉽다는 특징이 있다. 프로그래밍 언어의 기본적 수준만 갖추고 있다면 고급 스킬이 없어도 코드를 작성해보며 직접 실행해볼 수 있도록 구성하였기 때문에 의미를 정확하고 개념을 이해할 수 있다. 학습을 시작하기 전 기본적인 내용과 코드 작성을 위한 시스템 환경 구축부터 시작하여, 요즘 쉽게 들리는 머신러닝, 딥러닝, 인공지능 등의 개념을 쉽게 설명하고 활용 분야도 알아본다. 특히 중간 중간 예제를 수록하여 코드와 설명을 자세하게 설명하기 때문에 초보자들도 쉽게 접근할 수 있다는 장점이 있다. 코드를 따라하기 위한 실습 파일 다운로드는 정보문화사 홈페이지(infopub.co.kr) 자료실에서 가능하며, 학습 중 궁금한 사항은 저자의 github.com/Justin-A/DeepLearning101/issues에서 피드백 가능하다.

파이토치를 시작하기 위한 밑거름!

딥러닝은 만능이며 이미지 관련 Task에는 CNN, 텍스트 관련 Task에는 RNN을 사용하면 된다고 많은 사람들이 알고 있다. 딥러닝은 이미지나 텍스트에 비해 높은 성능을 지니고 있는 것은 맞지만, 중요한 것은 왜 딥러닝이 이미지나 텍스트에 잘 맞는지를 이해하는 것이다. 딥러닝은 새로운 모델의 개념이 아닌, 신경망이 발전한 모델이므로 학습하는 알고리즘의 특성상 과적합이 심하게 일어난다. 이 책은 파이썬으로 딥러닝을 이해하고자 하는 사람들을 위해 그 분야를 중점적으로 친절하게 설명하고 있다. 세 명의 저자가 인공지능을 공부하면서 궁금했던 부분을 재정립하고, 꼭 알아야 할 내용만 집중적으로 정리하였기 때문에 입문자에게 적합한 도서이다. 평생 프로그래밍을 할 일이 없다고 생각하던 ‘코알못’들도 그 과정을 직접 겪은 저자가 기초부터 설명하기 때문에 어떻게 공부해야 하는지를 알 수 있을 것이다.


정보제공 : Aladin

저자소개

이경택(지은이)

성균관대학교 통계학을 전공하고, 현재는 연세대학교 산업공학과에서 박사과정을 밟고 있다. 빅데이터 연합 학회 투빅스를 창설했으며, 데이터 분석 및 인공지능 관련 대회에서 다수 수상하였고, 데이터 분석과 인공지능 전 분야에 관심을 가지고 끊임없이 연구 중이다. 딥러닝과 강화학습에 관심이 많으며, 블로그 운영 및 다양한 강의 활동을 진행하고 있다.

방성수(지은이)

고려대학교 수학교육과와 통계학을 전공하고 통계학 석사 후 현재 국내 메신저 IT 기업에 재직 중이다. 투빅스를 통해 인공지능에 관심을 가지기 시작하였다. 회사에서 검색어 관련 연구와 개발을 진행하다가 이를 확장한 추천 연구를 진행하고 있다. 임베딩 벡터에 다양한 정보를 효율적으로 담을 수 있는 방법과 딥러닝 모델의 설명력에 관심이 많다.

안상준(지은이)

국민대학교 빅데이터 경영통계를 전공하고, 연세대학교 산업공학과에서 대학원 과정을 밟고 있다. 현재는 데이터 사이언스 기술을 활용하여 실제 산업에서 발생되는 문제들을 해결하는 프로젝트들을 다양하게 수행하고 있다. 연구실에서는 주로 자연어 처리와 이상 탐지 분야에 대해 연구를 수행하고 있으며, 빅데이터 연합 동아리 투빅스를 통해 저자들을 알게 되어 같이 공부하며 정리한 내용들을 바탕으로 이 책을 집필하게 되었다.

정보제공 : Aladin

목차

Part 01 파이토치 기초
1. 파이썬 또는 아나콘다 설치하기
1.1 파이썬 공식 홈페이지에서 다운로드하기
1.2 아나콘다를 이용해 파이썬 다운로드하기
1.3 공식 홈페이지에서 파이썬 설치하기 vs. 아나콘다를 이용해 파이썬 설치하기
1.4 가상 환경 설정하기
1.5 주피터 노트북 설치 및 실행
2. CUDA, CuDNN 설치하기
2.1 CPU vs. GPU
2.2 CUDA 역할 및 설치하기
2.3 CuDNN 역할 및 설치하기
2.4 Docker란?
3. 파이토치 설치하기
4. 반드시 알아야 하는 파이토치 스킬
4.1 텐서
4.2 Autograd

Part 02 AI Background
1. 인공지능(딥러닝)의 정의와 사례
1.1 인공지능이란?
1.2 인공지능의 사례
2. 파이토치
3. 머신러닝의 정의와 종류
3.1 머신러닝이란?
3.2 머신러닝의 종류
3.3 머신러닝의 구분
3.4 지도학습 모델의 종류
4. 과적합
4.1 학습할 샘플 데이터 수의 부족
4.2 풀고자 하는 문제에 비해 복잡한 모델을 적용
4.3 적합성 평가 및 실험 설계(Training, Validation, Test , Cross Validation)
5. 인공 신경망
5.1 퍼셉트론
5.2 신경망 모형의 단점
6. 성능 지표

Part 03 Deep Learning
1. 딥러닝의 정의
2. 딥러닝이 발전하게 된 계기
3. 딥러닝의 종류
4. 딥러닝의 발전을 이끈 알고리즘
4.1 Dropout
4.2 Activation 함수
4.3 Batch Normalization
4.4 Initialization
4.5 Optimizer
4.6 AutoEncoder(AE)
4.7 Stacked AutoEncoder
4.8 Denoising AutoEncoder(DAE)

Part 04 컴퓨터 비전
1. Convolutional Neural Network(CNN)
2. CNN과 MLP
3. Data Augmentation
4. CNN Architecture
5. Transfer Learning

Part 05 자연어 처리
1. Data & Task: 어떤 데이터가 있을까?
1.1 감정 분석(Sentiment Analysis)
1.2 요약(Summarization)
1.3 기계 번역(Machine Translation)
1.4 질문 응답(Question Answering)
1.5 기타(etc.)
2. 문자를 숫자로 표현하는 방법
2.1 Corpus & Out-of-Vocabulary(OOV)
2.2 Byte Pair Encoding(BPE)
2.3 Word Embedding
3. Models
3.1 Deep Learning Models
3.2 Pre-Trained Model의 시대 - Transformer, BERT의 등장
4. Recap
4.1 ?5-3_model_imdb_glove.ipynb’ 코드에 대한 설명
4.2 ?5-5_model_imdb_BERT.ipynb’ 코드에 대한 설명
4.3 모델 성능 비교

Part 06 Other Topics
1. Generative Adversarial Networks(GAN)
2. 강화학습
3. Domain Adaptation
4. Continual Learning
5. Object Detection
6. Segmentation
7. Meta Learning
8. AutoML

관련분야 신착자료

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