예제로 플어보는 구글 딥러닝 프레임워크: 텐서플로우 실전
없습니다
도서+교보Only(교보배송)을 함께 15,000원 이상 구매 시 무료배송
15,000원 미만 시 2,500원 배송비 부과
20,000원 미만 시 2,500원 배송비 부과
15,000원 미만 시 2,500원 배송비 부과
1Box 기준 : 도서 10권
해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.
패키지
북카드
키워드 Pick
키워드 Pick 안내
관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.
개발자에게 매우 적합한 최고의 책
2016년 초, 저자와 몇몇의 친구들은 미국 구글에서 사직하고 항저우로 돌아와 기업을 대상으로 인공지능 플랫폼과 솔루션을 제공하는 CaiYun(Caicloud.io)을 공동 창립했습니다. 저자가 중국에 왔을 땐 이미 많은 기업이 TensorFlow에 대해 큰 관심을 보이고 있었습니다. 하지만 이들과 깊은 대화를 나눈 뒤에 저자는 TensorFlow가 사용하기 매우 쉬운 도구임에도 불구하고 당시 모든 기업에서 딥러닝 기술을 제대로 활용할 수 없다는 사실을 발견했습니다. 그리하여 저자는 더 많은 개인과 기업이 딥러닝 기술의 혜택을 누릴 수 있도록 이 책을 쓰기 시작했습니다.
이 책은 TensorFlow를 통한 딥러닝 구현을 중점으로 소개합니다. TensorFlow 설치를 시작으로 TensorFlow의 기본 개념을 차례대로 설명하고, 궁극적으로 완전 연결 신경망, 합성곱 신경망과 순환 신경망 등 여러 딥러닝 알고리즘을 직접 구현해 볼 것입니다. 이와 동시에 딥러닝 알고리즘에 대한 이론과 해결할 수 있는 문제를 알기 쉽게 설명합니다. 이 책에서 저자는 지루하고 복잡한 수학 공식을 피하고 실제 학습에서의 딥러닝 개념과 TensorFlow 사용법을 소개합니다. 또한, TensorFlow 병렬 처리와 시각화 툴인 TensorBoard, 그리고 GPU를 사용한 TensorFlow 분산 처리 사용법에 대해서도 살펴볼 것입니다.
작가정보
저자(글) 정저위
2011년 5월 베이징대학에서 컴퓨터공학 학사 학위, 2013년 5월 미국 카네기멜론 대학(CMU)에서 컴퓨터공학 석사 학위를 취득하고 Siebel 장학금을 받았다. 졸업 후 미국 구글에서 고급 엔지니어로 근무하였고, 현재는 CaiYun의 공동 창립자 겸 수석 데이터 과학자로서 중국 최초로 보안, 전자 상거래, 금융, 물류 및 기타 산업 분야에 인공지능 솔루션을 제공하는 분산형 TensorFlow 딥러닝 플랫폼 개발에 성공했다. 머신러닝 및 인공지능 분야에 다년간의 연구 경력을 보유하고 있으며, SIGAR, SIGKDD, ACL, ICDM, ICWSM 등 정상급 국제학회에서 많은 학술 논문을 발표했다.
저자(글) 구쓰위
베이징 이공대학에서 석사 학위를 취득하고 MSRA, Sougou, 텐센트 등 인터넷 회사에서 근무하였다. ICDM, SIGAR, ADKDD 등 국제학회에서 많은 학술 논문을 발표했으며, 현재 머신러닝, 정보 검색, 인공지능과 관련된 기술을 제품에 적용하는 연구에 전념하고있다.
번역 장우진
일찍이 중국에 유학하여 베이징의 화이러우 제1중학과 칭화대학 자동화과를 졸업하였으며, TensorFlow를 활용하여 작성한 졸업 논문,〈표면 근전도 신호를 이용한 실시간 동작 인식 및 응용〉을 발표해 높은 평가를 받았다. 알파고와 인간의 바둑 대결 이후 딥러닝 분야에 관심을 갖고 중점적으로 학습하였으며, 현재 TensorFlow의 하이 레벨인 keras의 번역에 매진하고 있다.
목차
- Chapter 01. 딥러닝 개요
1.1 인공지능, 머신러닝, 딥러닝
1.2 딥러닝의 발전 과정
1.3 딥러닝의 응용
1.3.1 컴퓨터 비전
1.3.2 음성 인식
1.3.3 자연어 처리
1.3.4 인간 vs 기계 게임
1.4 딥러닝 도구 소개 및 비교
Chapter 02. TensorFlow 환경 설정
2.1 TensorFlow 주요 의존 패키지
2.1.1 Protocol Buffer
2.1.2 Bazel
2.2 TensorFlow 설치
2.2.1 Docker를 이용한 설치
2.2.2 pip를 이용한 설치
2.2.3 소스 코드를 이용한 설치
2.3 TensorFlow 테스트 예제
Chapter 03. TensorFlow 입문
3.1 TensorFlow 계산 모델 - 계산 그래프
3.1.1 계산 그래프의 개념
3.1.2 계산 그래프의 사용
3.2 TensorFlow 데이터 모델 - 텐서
3.2.1 텐서의 개념
3.2.2 텐서의 용도
3.3 TensorFlow 실행 모델 - 세션
3.4 TensorFlow 신경망 구현
3.4.1 TensorFlow 플레이그라운드와 신경망
3.4.2 순전파 알고리즘
3.4.3 신경망 매개 변수 및 TensorFlow 변수
3.4.4 TensorFlow 신경망 모델 학습
3.4.5 신경망 학습의 전 과정 예제
Chapter 04. 심층 신경망
4.1 딥러닝과 심층 신경망
4.1.1 선형 모델의 한계
4.1.2 활성화 함수
4.1.3 다층 신경망으로 XOR 문제 해결
4.2 손실 함수 정의
4.2.1 전형적인 손실 함수
4.2.2 사용자 정의 손실 함수
4.3 신경망 최적화 알고리즘
4.4 신경망 최적화
4.4.1 학습률 설정
4.4.2 오버피팅(Overfitting)
4.4.3 이동 평균 모델
Chapter 05. MNIST 숫자 인식
5.1 MNIST 데이터 처리
5.2 신경망 모델 학습 및 비교
5.2.1 TensorFlow 신경망 학습
5.2.2 검증 데이터를 사용한 모델 평가
5.2.3 모델 성능 비교
5.3 변수 관리
5.4 TensorFlow 모델 저장 및 불러오기
5.4.1 저장 및 불러오기 코드 구현
5.4.2 원리와 데이터 형식
5.5 TensorFlow 실행 예제 코드
Chapter 06. 이미지 인식과 합성곱 신경망
6.1 이미지 인식 문제 및 데이터셋
6.2 합성곱 신경망 개요
6.3 합성곱 신경망 구조
6.3.1 합성곱 계층
6.3.2 풀링 계층
6.4 합성곱 신경망 모델
6.4.1 LeNet-5
6.4.2 Inception-v3
6.5 합성곱 신경망 전이 학습
6.5.1 전이 학습 소개
6.5.2 TensorFlow 전이 학습 구현
Chapter 07. 이미지 데이터 처리
7.1 TFRecord 입력 데이터 포맷
7.1.1 TFRecord 개요
7.1.2 TFRecord 예제
7.2 이미지 데이터 처리
7.2.1 TensorFlow 이미지 처리 함수
7.2.2 이미지 전처리 예제
7.3 멀티 스레드를 통한 데이터 처리
7.3.1 큐와 멀티 스레드
7.3.2 입력 파일 큐
7.3.3 배치 처리
7.3.4 입력 데이터 처리 프레임워크
Chapter 08. 순환 신경망
8.1 순환 신경망 개요
8.2 장단기 메모리(LSTM) 구조
8.3 순환 신경망의 변형
8.3.1 양방향 순환 신경망과 심층 순환 신경망
8.3.2 순환 신경망의 드롭아웃
8.4 순환 신경망의 응용
8.4.1 언어 모델링
8.4.2 시계열 데이터 예측
Chapter 09. TensorBoard : 그래프 시각화
9.1 TensorBoard 개요
9.2 TensorFlow 계산 그래프 시각화
9.2.1 네임스페이스와 TensorBoard 그래프 노드
9.2.2 노드 정보
9.3 지표 모니터링
Chapter 09. TensorFlow 계산 가속
10.1 TensorFlow-GPU 사용하기
10.2 딥러닝 모델의 병렬 학습
10.3 멀티 GPU 병렬 처리
10.4 분산식 TensorFlow
10.4.1 분산식 TensorFlow 원리
10.4.2 분산 학습
추천사
-
‘인터넷+’의 물결은 ‘인터넷+배달’, ‘인터넷+택시’, ‘인터넷+집안일’ 등 수많은 비즈니스 모델을 탄생시켰습니다. ‘인터넷+’가 교과서에 실리고 전통 산업이 발전 가도를 달리는 사이 지난 한 해 인공지능과 딥러닝이 세간의 주목을 끌었습니다. 알파고가 바둑을 점령하고 인공지능 산업이 급부상하며 우리를 ‘AI+’ 시대로 이끌어가고 있습니다. 앞으로 우리는 ‘AI+교육’, ‘AI+미디어’, ‘AI+의학’, ‘AI+배송’, ‘AI+농업’ 등 실생활에서 쉽게 접할 수 있을 것입니다.
지금까지 AI는 데이터의 ‘quality’와 ‘quantity’의 향상, 고성능 컴퓨팅의 발전, 그리고 가보된 알고리즘과 불가분적 관계에 있었습니다. 하지만 딥러닝이 알고리즘 개발을 촉진시키는 접점이 되었으며, 구글은 지난 10년 동안 연구한 인공지능 기술을 집약하여 딥러닝 프레임워크 TensorFlow를 개발했습니다. 이를 통해 구글은 자율주행 자동차, 검색, 쇼핑, 광고, 클라우드 컴퓨팅 등의 서비스에서 데이터의 가치를 극대화함으로써 커다란 상업적 가치를 창출하고 있습니다.
오픈소스 프레임워크인 TensorFlow는 단기간에 많은 인기를 얻었습니다. 그러나 딥러닝을 더 깊히 이해하기 위해선 강력한 이론이 밑바탕 되어야 하고, TensorFlow를 제대로 활용하려면 충분한 연습과 분석을 필요로 합니다. 오픈소스 프로젝트와 코드 자체도 중요하지만 사용자의 경험, 도메인 지식, 그리고 저수준 기술 또는 툴을 사용해 현실 문제를 해결할 수 있는 것이 더 중요합니다. 필자는 수년 동안 저자와 함께 일해 왔는데 이 책이야말로 저자가 구글에서 수년간의 경험과 노하우를 담은 작품이라 느꼈습니다. 또한, 입문부터 고급 과정을 아우르는 이 책을 통해 독자들이 새로운 날개를 달 것이라 믿어 의심치 않습니다.
(항저우 CaiYun ㈜ 공동 CEO, 카네기멜론대학 컴퓨터공학박사) -
2015년 11월에 출시된 TensorFlow는 GitHub에서 많은 관심을 받았습니다. TensorFlow는 학술 연구와 산업에서 널리 사용될 수 있다는 것이 가장 큰 특징입니다. TensorFlow의 유연성을 통해 연구원은 최신 모델을 신속하게 구현할 수 있으며, 강력한 분산 처리 지원으로 빅데이터에 대해 산업 모델을 학습시킬 수 있습니다.
제가 속한 구글 번역팀을 예로 들면, 최신 신경망 번역 모델을 연구개발(R&D)하는 과정에서 학계에 발표된 최신 아이디어를 재빨리 시도해야 할 뿐만 아니라, 최종 모델에 대해 수십억 개의 문장을 학습시킬 수 있는 효율적인 분산형 학습 시스템을 필요로 합니다. TensorFlow를 사용하면 한 번에 두 마리 토끼를 잡을 수 있습니다. 모델 학습을 완료한 후, 우리는 TensorFlow의 힘을 빌려 효율적이고 지연이 적은 온라인 번역 서비스를 구축했습니다. 현재 구글 번역은 매일 약 1,000억 개 단어 수준의 텍스트 번역을 맡고 있으며, 이 중 35% 이상이 TensorFlow를 통해 진행됩니다.
TensorFlow는 또한 GPU, CPU, Android, iOS 등 여러 컴퓨팅 플랫폼을 지원하여 뛰어난 이식성을 제공합니다. 따라서 개발자는 모바일 플랫폼에서 복잡한 딥러닝 응용 프로그램을 개발할 수 있습니다. 다시 번역을 예로 들면, 구글 번역 애플리케이션 중 호평받는 즉석 카메라 번역은 사용자의 휴대전화에서 연산을 완료하는 모바일 플랫폼의 TensorFlow를 기반으로 합니다.
구글은 이미 TensorFlow를 수십 개 제품의 연구개발에 적용했으며, 중국의 XiaoMi, JD, 그리고 실리콘밸리의 Uber, Airbnb, Twitter 모두 TensorFlow를 채택하고 있습니다. 토론토대학과 버클리대학 등 여러 명문대학교에서도 TensorFlow를 교육하고 있으며, 특히 스탠퍼드대학은 딥러닝 툴에 대한 학생들의 이해를 돕기 위해 ‘TensorFlow for Deep Learning Research’ 강의를 개설했습니다.
저자 정저위는 제 오랜 친구로서 머신러닝에 대한 학술 연구 및 산업 응용 분야에서 풍부한 경험을 쌓았습니다. 이 책은 딥러닝에서 자주 쓰이는 알고리즘의 이론 기초와 TensorFlow 구현을 모두 다루면서 알기 쉽게 표현했습니다. 이 책이 독자가 딥러닝을 이해하고 TensorFlow를 단기간에 능숙하게 다루는 데 큰 도움이 되리라 믿습니다. -
딥러닝에 의해 야기된 기술 혁명은 이미 다양한 학문 분야에 널리 펴졌습니다. 옛 신경망 기술에서 파생된 딥러닝은 단순히 전통적인 신경망의 부활을 상징할 뿐만 아니라, AlphaGo가 인류와의 바둑 대결에서 완승을 거둠으로써 AI 시대를 여는 발판이 되었습니다. 머신러닝은 인공지능이 나아갈 길을 밝혀 주었고 딥러닝은 머신러닝으로 하여금 우리 생활 속에 녹아들게 했습니다. 고등교육을 맡고 있는 교육자로서 학생들이 최신 기술을 이해하고 응용하길 바라는 건 당연한 일입니다. 딥러닝의 중요성은 IT 분야 세계적 권위자들의 미래에 대한 전망에서 분명히 드러납니다. 인공지능 기술은 의심할 여지 없이 다가올 시대를 이끌어갈 주역이자 기둥이 될 것입니다.
그러나 현재 딥러닝과 관련된 자료, 특히 TensorFlow와 같이 미래를 이끌 새로운 기술의 자료가 매우 부족한 실정입니다.
첫째, 대부분의 자료는 영어로 설명되어 있으며, 정보는 분산되어 있고, 체계적이지 않습니다. 많은 자료가 알고리즘을 설명하고 블로그에서 응용 프로그램을 소개하지만, 배우는 학생들이 완전하고 전체적인 개념을 이해하기는 어렵습니다.
둘째, 기존의 딥러닝 자료는 대개 이론 중심으로 이뤄져 확률, 통계 등 수학이란 장벽으로 인해 학생들의 흥미를 자극하기 쉽지 않습니다.
이 책의 저자가 이러한 문제들을 해소시켜 줄 것으로 기대하고 있습니다. 이 책은 딥러닝에 쉽게 접근할 수 있어 대학생들에게 특히 유용한 입문서입니다. 현실 문제를 시작으로 다뤄 독자의 흥미를 자극해 신속하고 직관적으로 문제 해결의 성취감을 누릴 수 있기 때문입니다. 동시에 이 책은 이론과 실전을 중요시해 딥러닝에 대한 심층적인 연구를 위한 기본 개념을 소개할 뿐만 아니라, 독자가 학습 결과를 직접 확인할 수 있도록 TensorFlow 예제 코드도 제공합니다.
딥러닝에 관심 있는 수많은 학생이 이 책을 통해 보다 빠르고 깊이 있는 학습을 거쳐 AI 전문가가 될 수 있기를 진심으로 희망합니다.
(베이징대학교 정보과학기술학원 교수) -
이 책은 기술 프레임워크를 소개하는 기존의 책과는 크게 다르다. 딥러닝의 기초부터 시작하여 한 단계씩 심층적인 TensorFlow의 사용으로 이어지며, 알고리즘과 프레임워크를 결합하여 독자가 프레임워크와 알고리즘을 더욱 깊이 있게 이해할 수 있다. 샘플 코드의 주석이 상세하며, 언어 형식이 이해하기 쉽고, 알고리즘의 기초부터 심층 수준까지 소개한다.
-
이 책은 기초부터 심층 단계까지 텐서플로우의 응용 프로그램을 소개하고, 분산식 훈련과 같은 많은 예제를 제공한다. TensorFlow 개발자와 딥러닝 학습자들을 위한 필수 IT 전문서이다.
-
TensorFlow는 새로운 기능이 추가되면서 반복 주기가 짧아지고 응답 속도가 빨라졌다. 알고리즘 모델을 구축하기 위한 Tensor와 Graph의 독특한 접근 방식은 신선하며 모델 디자이너에게 더 많은 자유를 준다. 이 책은 추상적 개념에서 엔지니어링 구현에 이르기까지, 기본 개념부터 완전한 모델까지 개발자에게 매우 적합하다.
(Alibaba Cloud 수석 R & D 엔지니어) -
이 책은 심층 신경망의 기본 기술을 쉽게 설명할 뿐만 아니라 이미지 처리, 의미 이해, 성능 가속화, 데이터 시각화 등에 대한 TensorFlow의 실전 사례를 제공하며 풍부한 개발 경험과 실천적 지식을 담고 있다.
-
이 책은 TensorFlow의 기본 사용법과 고전적인 딥러닝 모델의 실전 사례를 기초부터 심층 수준까지 단계적으로 설명한다. 모델과 연구 문제 등에 대한 저자의 이해뿐만 아니라 다양한 실제 사례가 포함되어 있어, 초보자는 TensorFlow를 빨리 쉽게 배울 수 있으며, 경험 있는 사용자들은 관련 자료에 액세스할 수 있는 훌륭한 책이다
-
이 책의 저자는 Google 알고리즘 전문가의 경험을 바탕으로 딥러닝과 딥러닝 프레임워크인 TensorFlow를 0부터 1까지 체계적으로 설명하고, 다양한 응용 예제를 제공하는 딥러닝 응용 분야의 창의적인 책이다.
(베이징 디지털 테크놀로지 창립자 겸 CEO, Carnegie Mellon University 박사) -
TensorFlow에 관한 최고의 책이다. 이해하기 쉽고, 심오한 내용을 알기 쉽게 설명한다. 강력 추천한다!.
(딥러닝전문가, 미시건대학교 박사후 연구원)
기본정보
ISBN | 9788970939445 |
---|---|
발행(출시)일자 | 2019년 05월 25일 |
쪽수 | 384쪽 |
크기 |
188 * 258
* 19
mm
/ 767 g
|
총권수 | 1권 |
Klover
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
판매가 1,000원 미만 도서의 경우 리워드 지급 대상에서 제외됩니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
- 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
- 도서와 무관한 내용의 리뷰
- 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
- 의성어나 의태어 등 내용의 의미가 없는 리뷰
리뷰는 1인이 중복으로 작성하실 수는 있지만, 평점계산은 가장 최근에 남긴 1건의 리뷰만 반영됩니다.
구매 후 리뷰 작성 시, e교환권 200원 적립
문장수집
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.
구매 후 리뷰 작성 시, e교환권 100원 적립