| 000 | 00000cam c2200205 c 4500 | |
| 001 | 000046105639 | |
| 005 | 20220121144640 | |
| 007 | ta | |
| 008 | 220121s2021 ggka 001c kor | |
| 020 | ▼a 9791158392994 ▼g 93000 | |
| 035 | ▼a (KERIS)BIB000016006153 | |
| 040 | ▼a 211015 ▼c 211015 ▼d 211009 | |
| 082 | 0 4 | ▼a 006.31 ▼2 23 |
| 085 | ▼a 006.31 ▼2 DDCK | |
| 090 | ▼a 006.31 ▼b 2021z42 | |
| 100 | 1 | ▼a 이숙번 |
| 245 | 2 0 | ▼a (헬로! 인공지능) 생활 코딩 러닝머신 with 파이썬 텐서플로 : ▼b 실습편 / ▼d 이숙번, ▼e 이고잉 지음 |
| 246 | 1 3 | ▼a 누구나 쉽게 시작하는 인공지능 첫걸음 |
| 260 | ▼a 파주 : ▼b 위키북스, ▼c 2021 | |
| 300 | ▼a xvi, 304 p. : ▼b 천연색삽화 ; ▼c 24 cm | |
| 490 | 1 0 | ▼a 위키북스 헬로! 인공지능 시리즈 ; ▼v 003 |
| 500 | ▼a 색인수록 | |
| 700 | 0 | ▼a 이고잉, ▼e 저 |
| 830 | 0 | ▼a 헬로! 인공지능 시리즈 ; ▼v 003 |
| 945 | ▼a KLPA |
Holdings Information
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2021z42 | Accession No. 121258815 | Availability Available | Due Date | Make a Reservation | Service |
Contents information
Book Introduction
초등학생부터 어르신까지, 딥러닝이 궁금하고 직접 코딩해보고 싶은 모든 분을 위한 책이다. 복잡한 원리와 수학을 몰라도, 휴대폰 사용법을 익히듯 쉽고 재미있게 딥러닝을 배울 수 있다. 구글의 딥러닝 라이브러리인 텐서플로(TensorFlow)를 활용해 간단한 형태의 딥러닝 모델을 작성한다. 실습은 무료로 사용할 수 있는 구글 코랩(Colaboratory)과 스프레드시트(Google Sheets)를 이용해 이뤄지므로 고성능 컴퓨터가 없어도 충분히 실습할 수 있다.
너무 어려워서 높은 벽처럼 느껴졌던 '딥러닝(deep learning)', 이 책과 함께라면 쉽게 시작할 수 있습니다!
《생활코딩 머신러닝 실습편 with 파이썬 텐서플로》는 초등학생부터 어르신까지, 딥러닝이 궁금하고 직접 코딩해보고 싶은 모든 분을 위한 책입니다. 복잡한 원리와 수학을 몰라도, 휴대폰 사용법을 익히듯 쉽고 재미있게 딥러닝을 배울 수 있습니다.
구글의 딥러닝 라이브러리인 텐서플로(TensorFlow)를 활용해 간단한 형태의 딥러닝 모델을 작성합니다. 실습은 무료로 사용할 수 있는 구글 코랩(Colaboratory)과 스프레드시트(Google Sheets)를 이용해 이뤄지므로 고성능 컴퓨터가 없어도 충분히 실습할 수 있습니다.
★ 이 책에서 배우는 내용 ★
◎ 지도학습(supervised learning)이 이루어지는 과정
◎ 구글 코랩에서 파이썬으로 딥러닝 코드를 작성하는 방법
◎ 판다스(Pandas)를 활용해 표 형태의 데이터를 다루는 법
◎ 텐서플로(TensorFlow)를 활용한 레모네이드 판매 예측, 보스턴 집값 예측, 붓꽃(iris) 품종 분류 실습
◎ CNN의 원리와 사용법
◎ 딥러닝을 활용한 손글씨 이미지(MNIST)와 사물의 이미지(CIFAR-10) 분류
[동영상 강좌]
■ Tensorflow 101 수업: https://opentutorials.org/module/4966
■ Tensorflow 102 수업: https://opentutorials.org/module/5268
Information Provided By: :
Author Introduction
이고잉(지은이)
생활코딩 운영자. EGOING은 프로그래밍과 글을 쓰는 것을 좋아한다. 현재 일반인에게 프로그래밍을 알려주는 활동인 생활코딩과 이와 같은 활동을 할 수 있도록 도와주는 플랫폼인 OPENTUTORIALS.ORG를 친구들과 함께 만들어가고 있다. 블로그 EGOING.NET을 운영한다.
이숙번(지은이)
프로그래밍하는 것과 프로그래밍 지식을 강의하는 것을 좋아해서 개발자와 강사를 병행하고 있습니다. 현재 주 3일은 (주)에누마에서 백엔드 개발을 담당하고 있고, 그 외의 시간에는 머신러닝과 프로그래밍 분야 강의 및 비영리단체 오픈튜토리얼스의 멤버로 활동하고 있습니다.
Table of Contents
[1부] 텐서플로 101 ▣ 01장: 도입 01 오리엔테이션 __선수 지식 __머신러닝 __머신러닝 알고리즘 __딥러닝 라이브러리 __정리 02 목표와 전략 __딥러닝 입문 강의의 높은 벽 __새로운 배움 전략 03 지도학습의 빅 픽처 __#1 과거의 데이터를 준비합니다 __#2 모델의 구조를 만듭니다 __#3 데이터로 모델을 학습합니다 __#4 모델을 이용합니다 __정리 04 실습 환경: 구글 코랩 __구글 코랩 소개 __코랩 실습 환경 준비 __코랩 노트북 사용해보기 __소스 코드 ▣ 02장: 표를 다루는 도구 ‘판다스’ 01 판다스 __‘변수’의 의미 __판다스 __실습 데이터 02 판다스 실습 __실습 코드와 데이터 __판다스 라이브러리를 임포트 __파일로부터 데이터 읽어오기 __데이터 모양 확인하기 __데이터 칼럼 이름 확인 __독립변수와 종속변수 분리 __각각의 데이터 확인해보기 __전체 코드 ▣ 03장: 첫 번째 딥러닝 - 레모네이드 판매 예측 01 머신러닝 모델을 만드는 과정 __머신러닝의 흐름 __머신러닝 코드 훑어보기 __머신러닝의 흐름과 코드를 함께 살펴보기 __정리 02 손실의 의미 __fit 함수의 실행 결과 __손실을 계산하는 원리 __학습을 반복하며 손실이 줄어듦을 확인 03 레모네이드 판매 예측 실습 __라이브러리 사용 __데이터를 준비 __모델 만들기 __학습 __모델을 이용하기 __전체 코드 ▣ 04장: 두 번째 딥러닝 - 보스턴 집값 예측 01 보스턴 집값 예측 __보스턴 주택 가격 __중앙값 __각 열의 의미 02 수식과 퍼셉트론 __모델을 구성하는 코드 __퍼셉트론, 가중치, 편향의 의미 __데이터의 독립변수가 12개, 종속변수가 2개일 때의 모델 03 보스턴 집값 예측 실습 __라이브러리 사용 __과거의 데이터를 준비 __모델의 구조 만들기 __모델을 학습 __모델을 이용 __모델의 수식 확인 __전체 코드 ▣ 05장: 학습의 실제 01 학습의 실제 __딥러닝 워크북 __실습 준비 __워크북 이용 방법 __초기화 __첫 번째 히스토리 __두 번째 히스토리 __세 번째 히스토리 __정리 ▣ 06장: 세 번째 딥러닝 - 붓꽃 품종 분류 01 개요 __붓꽃의 품종 __붓꽃 데이터 __코드 02 원핫 인코딩 __원핫 인코딩의 원리 __데이터를 원핫 인코딩하는 코드 __모델을 만드는 코드 03 소프트맥스 __정답을 확률 표현으로 예측 __활성화 함수 __크로스엔트로피 __정확도 __정리 04 붓꽃 품종 분류 실습 __라이브러리 임포트 __과거의 데이터를 준비 __원핫 인코딩 __칼럼 이름 출력 __종속변수, 독립변수 __모델의 구조 만들기 __데이터로 모델을 학습 __모델을 이용 __학습한 가중치 __정리 __전체 코드 ▣ 07장: 네 번째 딥러닝 - 멀티 레이어 인공 신경망 01 히든 레이어 __인풋 레이어, 아웃풋 레이어, 히든 레이어 __히든 레이어 추가하기 __히든 레이어를 3개 사용한 모델 02 히든 레이어 실습 __보스턴 집값 예측 __모델 구조 확인 __붓꽃 품종 분류 __전체 코드 ▣ 08장: 데이터를 위한 팁 01 데이터를 위한 팁 __원핫 인코딩이 되지 않는 문제 __NA 값 체크 __전체 코드 ▣ 09장: 모델을 위한 팁 01 모델을 위한 팁 __보스턴 집값 예측에 배치 노멀라이제이션을 적용 __분류 모델에 배치 노멀라이제이션을 적용 __전체 코드 ▣ 10장: 1부 정리 [2부] 텐서플로 102 ▣ 11장: 오리엔테이션 01 오리엔테이션 __이미지 분류 문제 ▣ 12장: 데이터와 차원 01 데이터와 차원 __용어 지옥 __‘차원’이라는 말의 두 가지 의미 __표의 열 vs. 포함 관계 __정리 ▣ 13장: 이미지 데이터 이해 01 이미지 데이터 구경하기 __MNIST 이미지 __CIFAR-10 이미지 __사진의 속성 __샘플 이미지 02 이미지 데이터 실습 __라이브러리 사용 __샘플 이미지셋 불러오기 __화면 출력 __차원 확인 __정리 __전체 코드 ▣ 14장: 다섯 번째 딥러닝 1 - 플래튼 레이어를 활용한 이미지 학습 01 플래튼 __reshape __모델을 조금 더 살펴보기 __코드 사용법 02 플래튼 레이어를 활용한 이미지 학습 모델 실습 __reshape를 사용한 모델 __Flatten 레이어를 사용한 모델 __정리 __전체 코드 ▣ 15장: 다섯 번째 딥러닝 2 - Conv2D 01 컨볼루션의 이해 __숫자 이미지의 특징 __컨볼루션 필터와 특징 맵 __컨볼루션 레이어를 적용한 코드 02 필터의 이해 __딥러닝 모형으로 이해 03 컨볼루션 연산의 이해 __컨볼루션 연산의 원리 __실제 계산의 예 04 Conv2D 실습 __노트북 설정 __라이브러리 사용 __데이터 준비 __모델 만들기 __모델을 학습 __모델을 이용 __정답 확인 __모델 확인 __전체 코드 ▣ 16장: 다섯 번째 딥러닝 3 - MaxPool2D 01 MaxPool2D __플래튼만을 이용한 모델 __컨볼루션 레이어를 추가한 모델 __풀링 레이어를 사용한 모델 __맥스 풀링의 원리 02 MaxPool2D 실습 __컨볼루션 레이어 모델 __맥스 풀링 모델을 활용한 CNN 모델 완성 __전체 코드 ▣ 17장: 다섯 번째 딥러닝 완성 - LeNet 01 LeNet 02 LeNet 실습 __라이브러리 로딩 __MNIST를 사용하는 LeNet 모델 __LeNet으로 CIFAR-10을 학습 __정리 __전체 코드 ▣ 18장: 내 이미지 사용하기 01 내 이미지 사용하기 __notMNIST 이미지셋 __이미지 데이터를 읽어들이기 02 내 이미지 사용하기 실습 __이미지 데이터셋을 읽어 들이기 __독립변수와 종속변수를 변형 __모델 학습 __보충 설명 __전체 코드 ▣ 19장: 2부 정리 차원 특징 자동 추출기 LeNet 딥러닝의 정상 축하합니다!