HOME > 상세정보

상세정보

fastai와 파이토치가 만나 꽃피운 딥러닝 (2회 대출)

자료유형
단행본
개인저자
Howard, Jeremy Gugger, Sylvain, 저 박찬성, 역 김지은, 역
서명 / 저자사항
fastai와 파이토치가 만나 꽃피운 딥러닝 / 제러미 하워드, 실뱅 거거 지음 ; 박찬성, 김지은 옮김
발행사항
서울 :   한빛미디어,   2021  
형태사항
720 p. : 천연색삽화, 도표 ; 24 cm
원표제
Deep learning for coders with fastai and PyTorch : AI applications without a PhD
ISBN
9791162244630
일반주기
색인수록  
부록: A. 깃허브 기반 블로그 만들기, B. 데이터 프로젝트 점검 목록  
일반주제명
Machine learning Neural networks (Computer science) Python (Computer program language) Artificial intelligence Data mining Natural language processing (Computer science)
000 00000cam c2200205 c 4500
001 000046103564
005 20220105091954
007 ta
008 220104s2021 ulkad 001c kor
020 ▼a 9791162244630 ▼g 93000
035 ▼a (KERIS)BIB000015908944
040 ▼a 248019 ▼c 248019 ▼d 248019 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 006.312 ▼2 23
085 ▼a 006.312 ▼2 DDCK
090 ▼a 006.312 ▼b 2021z13
100 1 ▼a Howard, Jeremy
245 1 0 ▼a fastai와 파이토치가 만나 꽃피운 딥러닝 / ▼d 제러미 하워드, ▼e 실뱅 거거 지음 ; ▼e 박찬성, ▼e 김지은 옮김
246 1 9 ▼a Deep learning for coders with fastai and PyTorch : ▼b AI applications without a PhD
260 ▼a 서울 : ▼b 한빛미디어, ▼c 2021
300 ▼a 720 p. : ▼b 천연색삽화, 도표 ; ▼c 24 cm
500 ▼a 색인수록
500 ▼a 부록: A. 깃허브 기반 블로그 만들기, B. 데이터 프로젝트 점검 목록
650 0 ▼a Machine learning
650 0 ▼a Neural networks (Computer science)
650 0 ▼a Python (Computer program language)
650 0 ▼a Artificial intelligence
650 0 ▼a Data mining
650 0 ▼a Natural language processing (Computer science)
700 1 ▼a Gugger, Sylvain, ▼e
700 1 ▼a 박찬성, ▼e
700 1 ▼a 김지은, ▼e
900 1 0 ▼a 하워드, 제러미, ▼e
900 1 0 ▼a 거거, 실뱅, ▼e
945 ▼a KLPA

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2021z13 등록번호 121258621 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2021z13 등록번호 521006655 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 세종학술정보원/과학기술실/ 청구기호 006.312 2021z13 등록번호 151357772 도서상태 대출가능 반납예정일 예약 서비스 M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2021z13 등록번호 121258621 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2021z13 등록번호 521006655 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/과학기술실/ 청구기호 006.312 2021z13 등록번호 151357772 도서상태 대출가능 반납예정일 예약 서비스 M

컨텐츠정보

책소개

fastai 라이브러리는 딥러닝 응용에 일관된 인터페이스를 최초로 제공하며 '모두를 위한 딥러닝'을 가능하게 한다. 이제 더 이상 딥러닝은 구글, 페이스북, 마이크로소프트 등 거대 기술 기업의 전유물이 아니다. 파이썬에 친숙한 프로그래머라면 약간의 수학적 배경지식, 소규모 데이터, 짧은 코드만으로도 딥러닝을 구현하는 놀라운 경험을 얻을 수 있다. 이 책에서 fastai 라이브러리의 창시자인 제러미와 실뱅은 fastai와 파이토치로 다양한 작업에 대한 모델을 학습시키는 방법을 소개한다. 또한 내부적인 알고리즘을 완전히 이해하는 데 필요한 딥러닝 이론도 설명한다.

널리 개발자를 이롭게 할 최첨단 딥러닝 기술 fast.ai의 모든 것
이 책의 원서는 미국 아마존 컴퓨터 신경망 분야에서 최상위권 자리를 지키고 있습니다. 제일 뜨거운 주제인 fastai 라이브러리를 사용해 딥러닝을 설명하기 때문이죠.
개발과 데이터에 관심을 가지기 시작한 분들과 대화하다 보면 전산 전공자가 아니고, 개발자 출신이 아니기 때문에 코드가 나오는 일을 잘하지 못할 것이라 걱정하는 분들이 계십니다. 당연히 그럴 수 있습니다. 기술을 처음 접할 때는 풀어야 할 문제, 풀고 싶은 문제를 위해 스스로 무엇을 알아야 하는지 몰라서 좌절하기 쉽습니다. 이러한 분들은 이 책을 통해 딥러닝 엔지니어링을 향한 호기심을 충분히 충족할 수 있을 것입니다.

대상 독자

이 책은 딥러닝과 머신러닝을 처음 시작하는 독자에게 가장 적합합니다. 파이썬 코딩 경험이 있으면 더 좋습니다. 또한 딥러닝 실무자에게 도움이 되는 내용도 담았습니다. 최신 연구에서 다룬 기술을 포함하여 세계적 수준의 결과를 달성하는 방법을 알려줍니다. 높은 수준의 수학 교육이나 수년간의 공부는 필요하지 않습니다. 그저 약간의 상식과 끈기만 필요할 뿐입니다.
● 머신러닝, 딥러닝을 처음 접하는 분(파이썬 또는 프로그래밍 학습을 1년 정도 해보셨으면 충분합니다.)
● 현업에서 머신러닝, 딥러닝을 활용하고 있는 분
주요 내용
● 영상 처리, 자연어 처리, 테이블 데이터, 협업 필터링 모델을 학습합니다.
● 딥러닝 분야의 최신 기법을 배웁니다.
● 딥러닝 모델의 작동 방식을 이해하여 안정성, 정확성, 속도를 개선합니다.
● 딥러닝 모델을 웹 애플리케이션으로 만드는 방법을 배웁니다.
● 밑바닥부터 딥러닝 알고리즘을 구현합니다.
● AI 작업에 내재된 윤리적 문제를 고민해봅니다.


정보제공 : Aladin

저자소개

제러미 하워드(지은이)

딥러닝의 접근성을 높이는 데 집중하는 fast.ai 기관의 창립 연구자이다. 또한 샌프란시스코 대학교의 저명한 연구 과학자이며, 세계 경제 포럼의 글로벌 AI 위원회의 일원이기도 하다.

실뱅 거거(지은이)

허깅 페이스(Hugging Face)의 기술 연구원이다. 제러미 하워드와 마찬가지로 제한된 자원에서도 모델이 빠르게 학습하는 기술을 설계하고 개선하여 딥러닝의 접근성을 높이는 데 집중하는 fast.ai 기관의 연구 과학자로 일했다.

박찬성(옮긴이)

인제대학교와 워싱턴 주립 대학교에서 컴퓨터공학을 전공했으며 현재는 한국전자통신연구원에서 컴퓨터 네트워크 분야를 연구 및 개발하고 있다. ML GDE(Google Developers Expert for Machine Learning)이자 TensorFlow KR 및 fast.ai KR 커뮤니티 운영자이며, 관련 분야의 번역자로도 활동한다. 『나만의 스마트워크 환경 만들기』(비제이퍼블릭, 2020)를 집필했다. 프로그래밍과 다양한 언어에 관심이 많으며 프로젝트를 진행하며 C/C++, 자바, 파이썬, Go 언어를 사용해왔다.

김지은(옮긴이)

산업, 정보시스템공학을 전공했으며 AI 조직과 회사에서 커뮤니티/프로덕트/프로젝트 매니저로서 UX와 관련한 업무를 하고 있다. 사람들이 기술을 더욱 편하고 쉽게 사용하도록 만드는 일(설계)과 기술을 알려주고 소개하는 일(기술 교육)에 관심이 많다. 애자일, 지속가능성, 접근성, 커뮤니티를 좋아하며 fast.ai KR과 딥백수 커뮤니티에서 개발 행사, 스터디, 워크숍을 운영하고 있다.

정보제공 : Aladin

목차

PART I 실전 딥러닝
CHAPTER 1 딥러닝으로 떠나는 여행
1.1 모두를 위한 딥러닝
1.2 신경망: 간략한 역사
1.3 저자 소개
1.4 딥러닝 학습 방법
1.5 소프트웨어: 파이토치, fastai, 주피터 노트북
1.6 첫 번째 모델 만들기
1.7 다양한 분야에서의 딥러닝
1.8 검증용 및 테스트용 데이터셋
1.9 모험의 순간, 여러분만을 위한 선택
1.10 질문지

CHAPTER 2 모델에서 제품까지
2.1 딥러닝 프로젝트를 실천하기
2.2 데이터 수집
2.3 데이터에서 DataLoaders까지
2.4 모델 훈련과 훈련된 모델을 이용한 데이터 정리
2.5 모델을 온라인 애플리케이션으로 전환하기
2.6 재앙을 피하는 방법
2.7 기술적 글쓰기의 장점
2.8 질문지

CHAPTER 3 데이터 윤리
3.1 데이터 윤리의 핵심 사례
3.2 머신러닝과 제품 디자인 통합하기
3.3 데이터 윤리의 주제
3.4 윤리적 문제를 식별하고 해결하기
3.5. 정책의 역할
3.6 결론
3.7 질문지
3.8 실전 딥러닝: 요약

PART II fastai 애플리케이션 계층 이해하기
CHAPTER 4 숫자 분류기의 학습 내부 들여다보기
4.1 픽셀: 컴퓨터 영상 처리의 기본 토대
4.2 첫 번째 시도: 픽셀 유사성
4.3 브로드캐스팅으로 평가지표 계산하기
4.4 확률적 경사 하강법
4.5 MNIST 손실 함수
4.6 모든 것을 한 자리에
4.7 비선형성 추가
4.8 전문용어 정리
4.9 질문지

CHAPTER 5 이미지 분류
5.1 개/고양이 예를 애완동물 품종으로 확장하기
5.2 사전 크기 조절
5.3 교차 엔트로피 손실
5.4 모델 해석
5.5 모델 향상하기
5.6 결론
5.7 질문지

CHAPTER 6 그 밖의 영상 처리 문제
6.1 다중 레이블 분류
6.2 회귀
6.3 결론
6.4 질문지

CHAPTER 7 최신 모델의 학습
7.1 이미지네트
7.2 정규화
7.3 점진적 크기 조절
7.4 테스트 시 증강
7.5 믹스업
7.6 레이블 평활화
7.7 결론
7.8 질문지

CHAPTER 8 협업 필터링 깊게 알아보기
8.1 데이터의 첫 인상
8.2 잠재 요소 학습하기
8.3 DataLoaders 만들기
8.4 밑바닥부터 만드는 협업 필터링
8.5 임베딩과 편향의 분석
8.6 초기의 협업 필터링 모델 구축하기
8.7 협업 필터링을 위한 딥러닝
8.8 결론
8.9 질문지

CHAPTER 9 테이블 데이터 모델링 깊게 알아보기
9.1 범주형 임베딩
9.2 딥러닝 이외의 기법
9.3 데이터셋
9.4 결정 트리
9.5 랜덤 포레스트
9.6 모델의 해석
9.7 외삽 및 신경망
9.8 앙상블
9.9 결론
9.10 질문지

CHAPTER 10 NLP 깊게 알아보기: 순환 신경망
10.1 텍스트 전처리
10.2 텍스트 분류기의 학습
10.3 허위 정보와 언어 모델
10.4 결론
10.5 질문지

CHAPTER 11 fastai의 중간 수준 API로 데이터 변환하기
11.1 fastai의 계층적 API 깊게 들여다보기
11.2 TfmdLists와 Datasets: 콜렉션 목록의 변환
11.3 중간 수준 데이터 API 적용 해보기: SiamesePair
11.4 결론
11.5 질문지
11.6 fastai의 애플리케이션 이해하기: 요약

PART III 딥러닝의 기반 지식
CHAPTER 12 밑바닥부터 구현하는 언어 모델
12.1 데이터
12.2 첫 번째 언어 모델
12.3 RNN 개선하기
12.4 다층 RNN
12.5 LSTM
12.6 LSTM의 정규화
12.7 결론
12.8 질문지

CHAPTER 13 합성곱 신경망
13.1 합성곱의 마법
13.2 첫 번째 합성곱 신경망
13.3 컬러 이미지
13.4 학습의 안정성 개선하기
13.5 결론
13.6 질문지

CHAPTER 14 ResNets
14.1 이미지네트 문제로 되돌아가기
14.2 현대적 CNN의 구축: ResNet
14.3 결론
14.4 질문지

CHAPTER 15 애플리케이션 구조 깊게 살펴보기
15.1 영상 처리
15.2 자연어 처리
15.3 Tabular
15.4 결론
15.5 질문지

CHAPTER 16 학습 과정
16.1 기준선 정하기
16.2 포괄적 옵티마이저
16.3 모멘텀
16.4 RMSProp
16.5 Adam
16.6 분리된 가중치 감쇠
16.7 콜백
16.8 결론
16.9 질문지
16.10 딥러닝의 기초: 요약

PART IV 밑바닥부터 구현하는 딥러닝
CHAPTER 17 기초부터 만드는 신경망
17.1 밑바닥에서부터 신경망 계층 구축하기
17.2 순전파와 역전파
17.3 결론
17.4 질문지

CHAPTER 18 CAM을 이용한 CNN의 해석
18.1 CAM과 훅
18.2 그레이디언트 CAM
18.3 결론
18.4 질문지

CHAPTER 19 밑바닥부터 만드는 Learner 클래스
19.1 Data
19.2 모듈과 파라미터
19.3 손실
19.4 Learner
19.5 결론
19.6 질문지

CHAPTER 20 맺음말

부록 A 깃허브 기반 블로그 만들기
A.1 깃허브 페이지로 블로깅하기
A.2 주피터 노트북을 블로깅에 활용하기

부록 B 데이터 프로젝트 점검 목록
B.1 데이터 과학자
B.2 전략
B.3 데이터
B.4 분석
B.5 구현
B.6 유지 관리
B.7 제약 사항

관련분야 신착자료

딥노이드. 교육팀 (2021)
Patterson, Josh (2022)