본문 바로가기

추천 검색어

실시간 인기 검색어

케라스 창시자에게 배우는 딥러닝(Deep Learning with Python)

창시자의 철학까지 담았다
프랑소와 숄레 저자(글) · 박해선 번역
길벗 · 2018년 10월 22일
새로 출시된 개정판이 있습니다. 개정판보기
9.4 (74개의 리뷰)
집중돼요 (38%의 구매자)
  • 케라스 창시자에게 배우는 딥러닝(Deep Learning with Python) 대표 이미지
    케라스 창시자에게 배우는 딥러닝(Deep Learning with Python) 대표 이미지
  • A4
    사이즈 비교
    210x297
    케라스 창시자에게 배우는 딥러닝(Deep Learning with Python) 사이즈 비교 181x232
    단위 : mm
MD의 선택 무료배송 이벤트 소득공제
10% 29,700 33,000
적립/혜택
1,650P

기본적립

5% 적립 1,650P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 1,650P
  • 리뷰 작성 시, e교환권 추가 최대 300원

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

판매종료 되었습니다.

알립니다.

  • 거래처 품절 상태로 재고수량이 충분치 않아 조기 품절될 수 있으며, 상품 상태가 깨끗하지 않을 수 있습니다. 양해 부탁드립니다.

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.

케라스 창시자에게 배우는 딥러닝(Deep Learning with Python) 상세 이미지
단어 하나, 코드 한 줄 버릴 것이 없다!
창시자의 철학까지 담은 딥러닝 입문서
케라스 창시자이자 구글 딥러닝 연구원인 저자는 ‘인공 지능의 민주화’를 강조한다. 이 책 역시 많은 사람에게 딥러닝을 전달하는 또 다른 방법이며, 딥러닝 이면의 개념과 구현을 가능하면 쉽게 이해할 수 있게 하는 데 중점을 두었다. 1부에서는 딥러닝, 신경망, 머신 러닝의 기초를, 2부에서는 컴퓨터 비전, 텍스트, 시퀀스, 생성 모델을 위한 딥러닝 같은 실전 딥러닝을 설명한다. 이외에도 딥러닝을 언제 적용하는지, 한계는 무엇인지, 저자가 생각하는 딥러닝의 방향과 비전까지 엿볼 수 있다. 또한, 실제 사용하는 확장 가능한 다양한 예제를 수록했으며, 수학 장벽을 없애고자 수학적 표기 없이 직관적이고 간결한 코드로 개념을 설명한다. 딥러닝을 처음부터 배우거나 이해의 폭을 넓히고자 하는 분들에게 도움이 될 것이다.

작가정보

저자(글) 프랑소와 숄레

캘리포니아 마운틴 뷰의 구글에서 딥러닝과 관련된 일을 한다. 케라스 딥러닝 라이브러리의 창시자이고 텐서플로 머신 러닝 프레임워크의 기여자다. 컴퓨터 비전과 형식 추론을 위한 머신 러닝 애플리케이션에 초점을 맞춰 딥러닝을 연구한다. 그의 논문은 CVPR(Computer Vision and Pattern Recognition), NIPS(Neural Information Processing Systems), ICLR(International Conference on Learning Representations) 등의 주요 콘퍼런스와 워크숍에서 소개되었다.

번역 박해선

구글 ML GDE(Machine Learning Google Developer Expert). 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 합니다. 텐서플로 블로그(tensorflow.blog)를 운영하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다.
『핸즈온 머신러닝』, 『텐서플로 첫걸음』(이상 한빛미디어), 『케라스 창시자에게 배우는 딥러닝』(길벗)을 우리말로 옮겼습니다.

작가의 말

이 책은 딥러닝을 처음부터 배우거나 이해의 폭을 넓히고자 하는 모든 사람을 위해 썼습니다. 머신 러닝 기술자나 소프트웨어 엔지니어, 대학생에 상관없이 이 책에서 배울 점이 있을 것입니다.
이 책은 딥러닝을 직접 체험해 볼 수 있도록 안내합니다. 수학 표기 대신 프로그래밍 코드로 개념을 설명하고 머신 러닝과 딥러닝의 핵심 개념에 대한 실용적인 직관을 제공합니다.
자세한 주석과 실용적인 가이드라인이 포함된 30개가 넘는 예제가 있습니다. 구체적인 문제를 풀기 위해 딥러닝을 시작할 때 알아야 할 모든 것에 대한 간단명료한 수준 높은 설명도 함께합니다.
예제 코드는 파이썬 딥러닝 프레임워크 케라스와 백엔드 엔진으로 텐서플로를 사용합니다. 케라스는 가장 인기 있고 빠르게 성장하는 딥러닝 프레임워크로 딥러닝을 시작하기 가장 좋은 도구입니다.
이 책을 읽고 나면 딥러닝이 무엇인지, 언제 적용하는지, 한계는 무엇인지에 대한 개념을 확실히 이해할 수 있습니다. 머신 러닝 문제를 구성하고 해결하기 위한 표준적인 작업 흐름에 익숙해지고 자주 마주치는 이슈들을 다루는 방법을 배웁니다. 따라서 케라스를 사용하여 컴퓨터 비전에서 자연어 처리까지 이미지 분류, 시계열 예측, 감성 분석, 이미지와 텍스트 생성 같은 실전 문제를 다룰 수 있을 것입니다.

목차

  • 1부 딥러닝의 기초
    1장 딥러닝이란 무엇인가?

    1.1 인공 지능과 머신 러닝, 딥러닝
    1.1.1 인공 지능
    1.1.2 머신 러닝
    1.1.3 데이터에서 표현을 학습하기
    1.1.4 딥러닝에서 ‘딥’이란 무엇일까?
    1.1.5 그림 3개로 딥러닝의 작동 원리 이해하기
    1.1.6 지금까지 딥러닝의 성과
    1.1.7 단기간의 과대 선전을 믿지 말자
    1.1.8 AI에 대한 전망
    1.2 딥러닝 이전: 머신 러닝의 간략한 역사
    1.2.1 확률적 모델링
    1.2.2 초창기 신경망
    1.2.3 커널 방법
    1.2.4 결정 트리, 랜덤 포레스트, 그래디언트 부스팅 머신
    1.2.5 다시 신경망으로
    1.2.6 딥러닝의 특징
    1.2.7 머신 러닝의 최근 동향
    1.3 왜 딥러닝일까? 왜 지금일까?
    1.3.1 하드웨어
    1.3.2 데이터
    1.3.3 알고리즘
    1.3.4 새로운 투자의 바람
    1.3.5 딥러닝의 대중화
    1.3.6 지속될까?

    2장 시작하기 전에: 신경망의 수학적 구성 요소
    2.1 신경망과의 첫 만남
    2.2 신경망을 위한 데이터 표현
    2.2.1 스칼라(0D 텐서)
    2.2.2 벡터(1D 텐서)
    2.2.3 행렬(2D 텐서)
    2.2.4 3D 텐서와 고차원 텐서
    2.2.5 핵심 속성
    2.2.6 넘파이로 텐서 조작하기
    2.2.7 배치 데이터
    2.2.8 텐서의 실제 사례
    2.2.9 벡터 데이터
    2.2.10 시계열 데이터 또는 시퀀스 데이터
    2.2.11 이미지 데이터
    2.2.12 비디오 데이터
    2.3 신경망의 톱니바퀴: 텐서 연산
    2.3.1 원소별 연산
    2.3.2 브로드캐스팅
    2.3.3 텐서 점곱
    2.3.4 텐서 크기 변환
    2.3.5 텐서 연산의 기하학적 해석
    2.3.6 딥러닝의 기하학적 해석
    2.4 신경망의 엔진: 그래디언트 기반 최적화
    2.4.1 변화율이란?
    2.4.2 텐서 연산의 변화율: 그래디언트
    2.4.3 확률적 경사 하강법
    2.4.4 변화율 연결: 역전파 알고리즘
    2.5 첫 번째 예제 다시 살펴보기
    2.6 요약

    3장 신경망 시작하기
    3.1 신경망의 구조
    3.1.1 층: 딥러닝의 구성 단위
    3.1.2 모델: 층의 네트워크
    3.1.3 손실 함수와 옵티마이저: 학습 과정을 조절하는 열쇠
    3.2 케라스 소개
    3.2.1 케라스, 텐서플로, 씨아노, CNTK
    3.2.2 케라스를 사용한 개발: 빠르게 둘러보기
    3.3 딥러닝 컴퓨터 셋팅
    3.3.1 주피터 노트북: 딥러닝 실험을 위한 최적의 방법
    3.3.2 케라스 시작하기: 두 가지 방법
    3.3.3 클라우드에서 딥러닝 작업을 수행했을 때 장단점
    3.3.4 어떤 GPU 카드가 딥러닝에 최적일까?
    3.4 영화 리뷰 분류: 이진 분류 예제
    3.4.1 IMDB 데이터셋
    3.4.2 데이터 준비
    3.4.3 신경망 모델 만들기
    3.4.4 훈련 검증
    3.4.5 훈련된 모델로 새로운 데이터에 대해 예측하기
    3.4.6 추가 실험
    3.4.7 정리
    3.5 뉴스 기사 분류: 다중 분류 문제
    3.5.1 로이터 데이터셋
    3.5.2 데이터 준비
    3.5.3 모델 구성
    3.5.4 훈련 검증
    3.5.5 새로운 데이터에 대해 예측하기
    3.5.6 레이블과 손실을 다루는 다른 방법
    3.5.7 충분히 큰 중간층을 두어야 하는 이유
    3.5.8 추가 실험
    3.5.9 정리
    3.6 주택 가격 예측: 회귀 문제
    3.6.1 보스턴 주택 가격 데이터셋
    3.6.2 데이터 준비
    3.6.3 모델 구성
    3.6.4 K-겹 검증을 사용한 훈련 검증
    3.6.5 정리
    3.7 요약

    4장 머신 러닝의 기본 요소
    4.1 머신 러닝의 네 가지 분류
    4.1.1 지도 학습
    4.1.2 비지도 학습
    4.1.3 자기 지도 학습
    4.1.4 강화 학습
    4.2 머신 러닝 모델 평가
    4.2.1 훈련, 검증, 테스트 세트
    4.2.2 기억해야 할 것
    4.3 데이터 전처리, 특성 공학, 특성 학습
    4.3.1 신경망을 위한 데이터 전처리
    4.3.2 특성 공학
    4.4 과대적합과 과소적합
    4.4.1 네트워크 크기 축소
    4.4.2 가중치 규제 추가
    4.4.3 드롭아웃 추가
    4.5 보편적인 머신 러닝 작업 흐름
    4.5.1 문제 정의와 데이터셋 수집
    4.5.2 성공 지표 선택
    4.5.3 평가 방법 선택
    4.5.4 데이터 준비
    4.5.5 기본보다 나은 모델 훈련하기
    4.5.6 몸집 키우기: 과대적합 모델 구축
    4.5.7 모델 규제와 하이퍼파라미터 튜닝
    4.6 요약

    2부 실전 딥러닝
    5장 컴퓨터 비전을 위한 딥러닝

    5.1 합성곱 신경망 소개
    5.1.1 합성곱 연산
    5.1.2 최대 풀링 연산
    5.2 소규모 데이터셋에서 밑바닥부터 컨브넷 훈련하기
    5.2.1 작은 데이터셋 문제에서 딥러닝의 타당성
    5.2.2 데이터 내려받기
    5.2.3 네트워크 구성하기
    5.2.4 데이터 전처리
    5.2.5 데이터 증식 사용하기
    5.3 사전 훈련된 컨브넷 사용하기
    5.3.1 특성 추출
    5.3.2 미세 조정
    5.3.3 정리
    5.4 컨브넷 학습 시각화
    5.4.1 중간층의 활성화 시각화하기
    5.4.2 컨브넷 필터 시각화하기
    5.4.3 클래스 활성화의 히트맵 시각화하기
    5.5 요약

    6장 텍스트와 시퀀스를 위한 딥러닝
    6.1 텍스트 데이터 다루기
    6.1.1 단어와 문자의 원-핫 인코딩
    6.1.2 단어 임베딩 사용하기
    6.1.3 모든 내용을 적용하기: 원본 텍스트에서 단어 임베딩까지
    6.1.4 정리
    6.2 순환 신경망 이해하기
    6.2.1 케라스의 순환 층
    6.2.2 LSTM과 GRU 층 이해하기
    6.2.3 케라스를 사용한 LSTM 예제
    6.2.4 정리
    6.3 순환 신경망의 고급 사용법
    6.3.1 기온 예측 문제
    6.3.2 데이터 준비
    6.3.3 상식 수준의 기준점
    6.3.4 기본적인 머신 러닝 방법
    6.3.5 첫 번째 순환 신경망
    6.3.6 과대적합을 감소하기 위해 순환 드롭아웃 사용하기
    6.3.7 스태킹 순환 층
    6.3.8 양방향 RNN 사용하기
    6.3.9 더 나아가서
    6.3.10 정리
    6.4 컨브넷을 사용한 시퀀스 처리
    6.4.1 시퀀스 데이터를 위한 1D 합성곱 이해하기
    6.4.2 시퀀스 데이터를 위한 1D 풀링
    6.4.3 1D 컨브넷 구현
    6.4.4 CNN과 RNN을 연결하여 긴 시퀀스를 처리하기
    6.4.5 정리
    6.5 요약

    7장 딥러닝을 위한 고급 도구
    7.1 Sequential 모델을 넘어서: 케라스의 함수형 API
    7.1.1 함수형 API 소개
    7.1.2 다중 입력 모델
    7.1.3 다중 출력 모델
    7.1.4 층으로 구성된 비순환 유향 그래프
    7.1.5 층 가중치 공유
    7.1.6 층과 모델
    7.1.7 정리
    7.2 케라스 콜백과 텐서보드를 사용한 딥러닝 모델 검사와 모니터링
    7.2.1 콜백을 사용하여 모델의 훈련 과정 제어하기
    7.2.2 텐서보드 소개: 텐서플로의 시각화 프레임워크
    7.2.3 정리
    7.3 모델의 성능을 최대로 끌어올리기
    7.3.1 고급 구조 패턴
    7.3.2 하이퍼파라미터 최적화
    7.3.3 모델 앙상블
    7.3.4 정리
    7.4 요약

    8장 생성 모델을 위한 딥러닝
    8.1 LSTM으로 텍스트 생성하기
    8.1.1 생성 RNN의 간단한 역사
    8.1.2 시퀀스 데이터를 어떻게 생성할까?
    8.1.3 샘플링 전략의 중요성
    8.1.4 글자 수준의 LSTM 텍스트 생성 모델 구현
    8.1.5 정리
    8.2 딥드림
    8.2.1 케라스 딥드림 구현
    8.2.2 정리
    8.3 뉴럴 스타일 트랜스퍼
    8.3.1 콘텐츠 손실
    8.3.2 스타일 손실
    8.3.3 케라스에서 뉴럴 스타일 트랜스퍼 구현하기
    8.3.4 정리
    8.4 변이형 오토인코더를 사용한 이미지 생성
    8.4.1 이미지의 잠재 공간에서 샘플링하기
    8.4.2 이미지 변형을 위한 개념 벡터
    8.4.3 변이형 오토인코더
    8.4.4 정리
    8.5 적대적 생성 신경망 소개
    8.5.1 GAN 구현 방법
    8.5.2 훈련 방법
    8.5.3 생성자
    8.5.4 판별자
    8.5.5 적대적 네트워크
    8.5.6 DCGAN 훈련 방법
    8.5.7 정리
    8.6 요약

    9장 결론
    9.1 핵심 개념 리뷰
    9.1.1 AI를 위한 여러 방법
    9.1.2 머신 러닝 분야에서 딥러닝이 특별한 이유
    9.1.3 딥러닝에 대하여
    9.1.4 핵심 기술
    9.1.5 일반적인 머신 러닝 작업 흐름
    9.1.6 주요 네트워크 구조
    9.1.7 딥러닝의 가능성
    9.2 딥러닝의 한계
    9.2.1 머신 러닝 모델의 의인화 위험
    9.2.2 지역 일반화 vs. 궁극 일반화
    9.2.3 정리
    9.3 딥러닝의 미래
    9.3.1 프로그램 같은 모델
    9.3.2 역전파와 미분 가능 층을 넘어서
    9.3.3 자동화된 머신 러닝
    9.3.4 영구 학습과 모듈화된 서브루틴 재사용
    9.3.5 장기 비전
    9.4 빠른 변화에 뒤처지지 않기
    9.4.1 캐글의 실전 문제로 연습하기
    9.4.2 아카이브(arXiv)를 통해 최신 논문 읽기
    9.4.3 케라스 생태계 탐험하기
    9.5 맺음말

    부록 A 윈도에 텐서플로와 케라스 설치하기
    A.1 아나콘다 설치하기
    A.2 텐서플로, 케라스 설치하기
    A.3 예제 노트북 실행하기

    부록 B 우분투 리눅스에 케라스와 필수 라이브러리 설치하기
    B.1 파이썬 과학 라이브러리 설치하기
    B.2 GPU 설정하기
    B.3 씨아노 설치하기(선택 사항)
    B.4 케라스 설치하기
    B.5 아나콘다 환경 파일을 사용하여 설치하기

    부록 C EC2 GPU 인스턴스에서 주피터 노트북 실행하기
    C.1 주피터 노트북은 무엇일까? 왜 주피터 노트북을 AWS GPU에서 실행할까?
    C.2 딥러닝 주피터 노트북을 위해 AWS를 사용하지 않는 이유는 무엇일까?
    C.3 AWS GPU 인스턴스 설정하기
    C.4 주피터 설정하기
    C.5 케라스 설치하기
    C.6 로컬 포트포워딩 설정하기
    C.7 로컬 브라우저에서 주피터 사용하기
    C.8 코랩을 사용하여 주피터 노트북 실행하기

추천사

  • 이 책은 케라스 창시자인 프랑소와 숄레의 저서로 케라스에 입문하거나 케라스로 처음 딥러닝을 경험하려는 사람에게 좋은 책입니다. 1부는 딥러닝의 대략적인 설명과 케라스의 기초적인 부분을 설명하고, 2부는 이미지, 텍스트, 시계열 데이터를 활용한 예제 및 케라스 고급 기법을 설명합니다. 케라스에 입문하는 분께 자신 있게 추천합니다. (케라스 코리아, 한국 스파크 사용자 모임 운영자, 삼성생명)

  • 케라스 창시자인 저자의 딥러닝 개발에 대한 철학을 엿볼 수 있다는 점이 매력적입니다. 다른 도서에서는 난이도 때문에 깊게 다루지 못했던 RNN을 충분히 다루고 있다는 점 역시 매력적으로 다가옵니다. 그리고 다양한 딥러닝 환경인 아나콘다, 주피터 노트북, 코랩까지 설명하고 있어, 환경 설정에 어려움을 겪었던 분들께 많은 도움이 되리라 믿습니다. 케라스 관련 도서 중에서 이 책이 단연코 최고라고 말하고 싶습니다!

책 속으로

이 책은 딥러닝을 처음부터 배우거나 이해의 폭을 넓히고자 하는 모든 사람을 위해 썼습니다. 머신 러닝 기술자나 소프트웨어 엔지니어, 대학생에 상관없이 이 책에서 배울 점이 있을 것입니다.
이 책은 딥러닝을 직접 체험해 볼 수 있도록 안내합니다. 수학 표기 대신 프로그래밍 코드로 개념을 설명하고 머신 러닝과 딥러닝의 핵심 개념에 대한 실용적인 직관을 제공합니다.
자세한 주석과 실용적인 가이드라인이 포함된 30개가 넘는 예제가 있습니다. 구체적인 문제를 풀기 위해 딥러닝을 시작할 때 알아야 할 모든 것에 대한 간단명료한 수준 높은 설명도 함께합니다.
예제 코드는 파이썬 딥러닝 프레임워크 케라스와 백엔드 엔진으로 텐서플로를 사용합니다. 케라스는 가장 인기 있고 빠르게 성장하는 딥러닝 프레임워크로 딥러닝을 시작하기 가장 좋은 도구입니다.
이 책을 읽고 나면 딥러닝이 무엇인지, 언제 적용하는지, 한계는 무엇인지에 대한 개념을 확실히 이해할 수 있습니다. 머신 러닝 문제를 구성하고 해결하기 위한 표준적인 작업 흐름에 익숙해지고 자주 마주치는 이슈들을 다루는 방법을 배웁니다. 따라서 케라스를 사용하여 컴퓨터 비전에서 자연어 처리까지 이미지 분류, 시계열 예측, 감성 분석, 이미지와 텍스트 생성 같은 실전 문제를 다룰 수 있을 것입니다.

- 〈지은이의 말〉 중에서

출판사 서평

단어 하나, 코드 한 줄 버릴 것이 없다!
파이썬과 케라스로 배우는 딥러닝 핵심 원리!

쉽고 간결하다!
케라스 창시자이자 구글 AI 연구원인 저자는 ‘인공 지능의 민주화’를 강조한다. 이런 개념을 바탕으로 케라스를 만들었으며, 현재 딥러닝을 시작하기에 가장 쉬운 라이브러리로 평가받고 있다. 이 책 역시 ‘인공 지능의 민주화’를 위한 일환이다. 딥러닝 기초부터 설명하기 때문에 파이썬만 알고 있다면 딥러닝 기초 지식이 없어도 학습을 시작할 수 있다. 또한, 수학적 표기법이 학습에 큰 장벽이 된다고 생각해 수학적 표기 없이 직관적이고 간결한 코드로 개념을 설명한다. 코드만으로도 수학 개념을 쉽게 파악할 수 있다.

명확한 학습법을 제시한다!
딥러닝은 이미지 분류, 예측, 음성 인식, 텍스트 분석 등 많은 분야에 활용할 수 있다. 처음부터 이 모든 것을 다 학습할 수는 없다. 오랜 기간 딥러닝 개발자로 활동해온 저자가 딥러닝을 제대로 학습하기 위해 어디서부터 시작해야 하고, 어떻게 학습해야 할지를 고민해 구성했다. 1부에서는 딥러닝, 신경망, 머신 러닝의 기초를, 2부에서는 컴퓨터 비전, 텍스트, 시퀀스, 생성 모델을 위한 딥러닝을 모범 사례와 함께 학습한다.

실용적이고 확장 가능한 예제로 학습한다!
상세한 해설, 실질적인 권장 사항, 구체적인 문제 해결을 위한 팁까지 딥러닝 학습을 시작하기 위해 알아야 할 모든 것을 포괄하는 설명이 포함된 예제로 학습한다. 이 예제들을 학습하면서 딥러닝의 개념, 적용 범위, 한계 등을 확실하게 이해할 수 있다. 이 과정으로 머신 러닝 문제를 해결하는 작업 흐름에 익숙해질 것이며, 케라스를 사용해 컴퓨터 비전, 자연어 처리까지 실전 문제를 해결할 수 있다. 또한, 이 예제들을 확장해 나만의 딥러닝 모델을 만들거나 적용할 수도 있다.

기본정보

상품정보
ISBN 9791160505979
발행(출시)일자 2018년 10월 22일
쪽수 476쪽
크기
181 * 232 * 38 mm / 1101 g
총권수 1권
원서명/저자명 Deep Learning with Python/Chollet, Francois
이 책의 개정정보
새로 출시된 개정판이 있습니다. 개정판보기

Klover

Klover 리뷰 안내
교보를 애용해 주시는 고객님들이 남겨주신 평점과 감상을 바탕으로, 다양한 정보를 전달하는 교보문고의 리뷰 서비스입니다.
1.리워드 안내
구매 후 90일 이내에 평점과 10자 이상의 리뷰 작성 시 e교환권 200원을 적립해 드립니다.
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.
한달 후 리뷰
구매 후 30일~ 120일 이내에 작성된 두 번째 구매리뷰에 대해 한 달 후 리뷰로 인지하고 e교환권 100원을 추가 제공합니다.

* 강연, 공연, 여행, 동영상, 사은품, 기프트카드 상품은 지급 제외
2.운영 원칙 안내
Klover 리뷰를 통한 리뷰를 작성해 주셔서 감사합니다. 자유로운 의사 표현의 공간인 만큼 타인에 대한 배려를 부탁합니다.
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.
3.신고하기
다른 고객이 작성리뷰에 대해 불쾌함을 느끼는 경우 신고를 할 수 있으며, 신고 자가 일정수준 이상 누적되면 작성하신 리뷰가 노출되지 않을 수 있습니다.

구매 후 리뷰 작성 시, e교환권 200원 적립

문장수집

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요“ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.
리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해드립니다.
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

이 책의 첫 기록을 남겨주세요

교환/반품/품절 안내

상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

이벤트
TOP

저자 모두보기

저자(글)

번역

매장별 재고 및 도서위치

할인쿠폰 다운로드

  • 쿠폰은 주문결제화면에서 사용 가능합니다.
  • 다운로드한 쿠폰은 마이 > 나의 통장 에서 확인 가능합니다.
  • 도서정가제 적용 대상 상품에 대해서는 정가의 10%까지 쿠폰 할인이 가능합니다.
  • 도서정가제 적용 대상 상품에 10% 할인이 되었다면, 해당 상품에는 사용하실 수
    없습니다.

적립예정포인트 안내

  • 통합포인트 안내

    • 통합포인트는 교보문고(인터넷, 매장), 핫트랙스(인터넷, 매장), 모바일 교보문고 등 다양한 곳에서 사용하실 수 있습니다.
    • 상품 주문 시, 해당 상품의 적립률에 따라 적립 예정 포인트가 자동 합산되고 주문하신 상품이 발송완료 된 후에 자동으로 적립됩니다.
    • 단, 쿠폰 및 마일리지, 통합포인트, e교환권 사용 시 적립 예정 통합포인트가 변동될 수 있으며 주문취소나 반품시에는 적립된 통합포인트가 다시 차감됩니다.
  • 통합포인트 적립 안내

    • 통합포인트는 도서정가제 범위 내에서 적용됩니다.
    • 추가적립 및 회원 혜택은 도서정가제 대상상품(국내도서, eBook등)으로만 주문시는 해당되지 않습니다.
  • 기본적립) 상품별 적립금액

    • 온라인교보문고에서 상품 구매시 상품의 적립률에 따라 적립됩니다.
    • 단 도서정가제 적용 대상인 국내도서,eBook은 15%내에서 할인율을 제외한 금액내로 적립됩니다.
  • 추가적립) 5만원 이상 구매시 통합포인트 2천원 추가적립

    • 5만원 이상 구매시 통합포인트 2천원 적립됩니다.
    • 도서정가제 예외상품(외서,음반,DVD,잡지(일부),기프트) 2천원 이상 포함시 적립 가능합니다.
    • 주문하신 상품이 전체 품절인 경우 적립되지 않습니다.
  • 회원혜택) 3만원이상 구매시 회원등급별 2~4% 추가적립

    • 회원등급이 플래티넘, 골드, 실버 등급의 경우 추가적립 됩니다.
    • 추가적립은 실결제액 기준(쿠폰 및 마일리지, 통합포인트, e교환권 사용액 제외) 3만원 이상일 경우 적립됩니다.
    • 주문 후 취소,반품분의 통합포인트는 단품별로 회수되며, 반품으로 인해 결제잔액이 3만원 미만으로 변경될 경우 추가 통합포인트는 전액 회수될 수 있습니다.

제휴 포인트 안내

제휴 포인트 사용

  • OK CASHBAG 10원 단위사용 (사용금액 제한없음)
  • GS&POINT 최대 10만 원 사용
더보기

구매방법 별 배송안내

지역별 도착 예정일

수도권 지역

배송 일정 안내 테이블로 결제 완료 시간, 도착예정일 결제 완료 시간 컬럼의 하위로 평일 0시 ~ 12시 토요일 0시 ~ 11시 평일 12시 ~ 22시 평일 12시 ~ 24시 토요일 11시 ~ 21시 을(를) 나타낸 표입니다.
결제 완료 시간 도착예정일
평일 0시 ~ 12시

토요일 0시 ~ 11시
당일배송 오늘

당일배송 오늘
평일 12시 ~ 22시

평일 12시 ~ 24시

토요일 11시 ~ 21시
새벽배송 내일 07시 이전

내일

일요배송 일요일

수도권 외 (천안, 대전, 울산, 부산, 대구, 창원)

배송 일정 안내 테이블로 결제 완료 시간, 도착예정일 결제 완료 시간 컬럼의 하위로 월~토 0시 ~ 11시 30분 을(를) 나타낸 표입니다.
결제 완료 시간 도착예정일
월~토 0시 ~ 11시 30분
당일배송 오늘

배송 유의사항

  • 새벽배송과 일요배송은 수도권 일부 지역을 대상으로 합니다. 상품 상세페이지에서 도착 예정일을 확인해 주세요.
  • 수도권 외 지역에서 선물포장하기 또는 사은품을 포함하여 주문할 경우 당일배송 불가합니다.
  • 무통장입금 주문 후 당일 배송 가능 시간 이후 입금된 경우 당일 배송 불가합니다.
  • 새벽배송의 경우 공동 현관 출입 번호가 누락 되었거나 틀릴 경우 요청하신 방법으로 출입이 어려워, 부득이하게 공동 현관 또는 경비실 앞에 배송 될 수 있습니다.
  • 학교, 관공서, 회사 등 출입 제한 시간이 있는 곳은 당일배송, 새벽배송, 일요배송이 제공되지 않을 수 있습니다.
  • 공휴일과 겹친 토요일, 일요일은 일요일 배송에서 제외됩니다. 일요배송은 한정 수량에 한해 제공됩니다. 수량 초과 시 일반배송으로 발송되니 주문 시 도착 예정일을 확인해 주세요.
  • 주문 후 배송지 변경 시 변경된 배송지에 따라 익일 배송될 수 있습니다.
  • 수도권 외 지역의 경우 효율적인 배송을 위해 각 지역 매장에서 택배를 발송하므로, 주문 시의 부록과 상이할 수 있습니다.
  • 각 지역 매장에서 재고 부족 시 재고 확보를 위해 당일 배송이 불가할 수 있습니다.
  • 기상악화로 인한 도로 사정으로 일부 지역의 배송 지연이 발생될 수 있습니다.
  • 출고 예정일이 5일 이상인 상품의 경우(결제일로부터 7일 동안 미입고), 출판사 / 유통사 사정으로 품/절판 되어 구입이 어려울 수 있습니다. 이 경우 SMS, 메일로 알려드립니다.
  • 분철상품 주문 시 분철 작업으로 인해 기존 도착 예정일에 2일 정도 추가되며, 당일 배송, 해외 배송이 불가합니다.
  • 해외주문도서는 해외 거래처 사정에 의해 품절/지연될 수 있습니다.
  • 스페셜오더 도서나 일서 해외 주문 도서와 함께 주문 시 배송일이 이에 맞추어 지연되오니, 이점 유의해 주시기 바랍니다.

바로드림존에서 받기

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상 시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함 되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해 주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반 코너에서 수령확인이 가능합니다
  • 선물 받는 분의 휴대폰번호만 입력하신 후 결제하시면 받는 분 휴대폰으로 선물번호가 전달됩니다.
  • 문자를 받은 분께서는 마이 > 주문관리 > 모바일 선물내역 화면에서 선물번호와 배송지 정보를 입력하시면 선물주문이 완료되어 상품준비 및 배송이 진행됩니다.
  • 선물하기 결제하신 후 14일까지 받는 분이 선물번호를 등록하지 않으실 경우 주문은 자동취소 됩니다.
  • 또한 배송 전 상품이 품절 / 절판 될 경우 주문은 자동취소 됩니다.

바로드림 서비스 안내

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.
  1. STEP 01
    픽업박스에서 찾기 주문
  2. STEP 02
    도서준비완료 후 휴대폰으로 인증번호 전송
  3. STEP 03
    매장 방문하여 픽업박스에서 인증번호 입력 후 도서 픽업
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.

도서 소득공제 안내

  • 도서 소득공제란?

    • 2018년 7월 1일 부터 근로소득자가 신용카드 등으로 도서구입 및 공연을 관람하기 위해 사용한 금액이 추가 공제됩니다. (추가 공제한도 100만원까지 인정)
      • 총 급여 7,000만 원 이하 근로소득자 중 신용카드, 직불카드 등 사용액이 총급여의 25%가 넘는 사람에게 적용
      • 현재 ‘신용카드 등 사용금액’의 소득 공제한도는 300만 원이고 신용카드사용액의 공제율은 15%이지만, 도서·공연 사용분은 추가로 100만 원의 소득 공제한도가 인정되고 공제율은 30%로 적용
      • 시행시기 이후 도서·공연 사용액에 대해서는 “2018년 귀속 근로소득 연말 정산”시기(19.1.15~)에 국세청 홈택스 연말정산간소화 서비스 제공
  • 도서 소득공제 대상

    • 도서(내서,외서,해외주문도서), eBook(구매)
    • 도서 소득공제 대상 상품에 수반되는 국내 배송비 (해외 배송비 제외)
      • 제외상품 : 잡지 등 정기 간행물, 음반, DVD, 기프트, eBook(대여,학술논문), 사은품, 선물포장, 책 그리고 꽃
      • 상품정보의 “소득공제” 표기를 참고하시기 바랍니다.
  • 도서 소득공제 가능 결제수단

    • 카드결제 : 신용카드(개인카드에 한함)
    • 현금결제 : 예치금, 교보e캐시(충전에한함), 해피머니상품권, 컬쳐캐쉬, 기프트 카드, 실시간계좌이체, 온라인입금
    • 간편결제 : 교보페이, 네이버페이, 삼성페이, 카카오페이, PAYCO, 토스, CHAI
      • 현금결제는 현금영수증을 개인소득공제용으로 신청 시에만 도서 소득공제 됩니다.
      • 교보e캐시 도서 소득공제 금액은 교보eBook > e캐시 > 충전/사용내역에서 확인 가능합니다.
      • SKpay, 휴대폰 결제, 교보캐시는 도서 소득공제 불가
  • 부분 취소 안내

    • 대상상품+제외상품을 주문하여 신용카드 "2회 결제하기"를 선택 한 경우, 부분취소/반품 시 예치금으로 환원됩니다.

      신용카드 결제 후 예치금으로 환원 된 경우 승인취소 되지 않습니다.

  • 도서 소득공제 불가 안내

    • 법인카드로 결제 한 경우
    • 현금영수증을 사업자증빙용으로 신청 한 경우
    • 분철신청시 발생되는 분철비용

알림 신청

아래의 알림 신청 시 원하시는 소식을 받아 보실 수 있습니다.
알림신청 취소는 마이룸 > 알림신청내역에서 가능합니다.

케라스 창시자에게 배우는 딥러닝(Deep Learning with Python)
창시자의 철학까지 담았다
신고

신고 사유를 선택해주세요.
신고 내용은 이용약관 및 정책에 의해 처리됩니다.

허위 신고일 경우, 신고자의 서비스 활동이 제한될 수 있으니 유의하시어
신중하게 신고해주세요.

판형알림

  • A3 [297×420mm]
  • A4 [210×297mm]
  • A5 [148×210mm]
  • A6 [105×148mm]
  • B4 [257×364mm]
  • B5 [182×257mm]
  • B6 [128×182mm]
  • 8C [8절]
  • 기타 [가로×세로]
EBS X 교보문고 고객님을 위한 5,000원 열공 혜택!
자세히 보기

해외주문양서 배송지연 안내

현재 미국 현지 눈폭풍으로 인해
해외 거래처 출고가 지연되고 있습니다.

해외주문양서 주문 시
예상 출고일보다 배송기간이 더 소요될 수 있으니
고객님의 너그러운 양해 부탁드립니다.

감사합니다.