모두의 딥러닝
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.
딥러닝 기초부터 최신 트렌드까지 한 권으로 공부하자
작가정보
목차
- 첫째마당 딥러닝 시작을 위한 준비 운동
1장 나의 첫 딥러닝
1.1 딥러닝 실행을 위한 준비 사항
1.2 딥러닝 작업 환경 만들기
1.3 미지의 일을 예측하는 원리
1.4 폐암 수술 환자의 생존율 예측하기
1.5 딥러닝의 개괄 잡기
2장 딥러닝을 위한 기초 수학
2.1 일차 함수, 기울기와 y절편
2.2 이차 함수와 최솟값
2.3 미분, 순간 변화율과 기울기
2.4 편미분
2.5 지수와 지수 함수
2.6 시그모이드 함수
2.7 로그와 로그 함수
3장 가장 훌륭한 예측선 긋기: 선형 회귀
3.1 선형 회귀의 정의
3.2 가장 훌륭한 예측선이란?
3.3 최소 제곱법
3.4 코딩으로 확인하는 최소 제곱
3.5 평균 제곱 오차
3.6 잘못 그은 선 바로잡기
3.7 코딩으로 확인하는 평균 제곱 오차
4장 오차 수정하기: 경사 하강법
4.1 경사 하강법의 개요
4.2 학습률
4.3 코딩으로 확인하는 경사 하강법
4.4 다중 선형 회귀란
4.5 코딩으로 확인하는 다중 선형 회귀
5장 참 거짓 판단 장치: 로지스틱 회귀
5.1 로지스틱 회귀의 정의
5.2 시그모이드 함수
5.3 오차 공식
5.4 로그 함수
5.5 코딩으로 확인하는 로지스틱 회귀
5.6 로지스틱 회귀에서 퍼셉트론으로
셋째마당 신경망의 이해
6장 퍼셉트론
6.1 가중치, 가중합, 바이어스, 활성화 함수
6.2 퍼셉트론의 과제
6.3 XOR 문제
7장 다층 퍼셉트론
7.1 다층 퍼셉트론의 설계
7.2 XOR 문제의 해결
7.3 코딩으로 XOR 문제 해결하기
8장 오차 역전파
8.1 오차 역전파의 개념
8.2 코딩으로 확인하는 오차 역전파
9장 신경망에서 딥러닝으로
9.1 기울기 소실 문제와 활성화 함수
9.2 속도와 정확도 문제를 해결하는 고급 경사 하강법
넷째마당 딥러닝 기본기 다지기
10장 모델 설계하기
10.1 모델의 정의
10.2 입력층, 은닉층, 출력층
10.3 모델 컴파일
10.4 교차 엔트로피
10.5 모델 실행하기
11장 데이터 다루기
11.1 딥러닝과 데이터
11.2 피마 인디언 데이터 분석하기
11.3 pandas를 활용한 데이터 조사
11.4 데이터 가공하기
11.5 matplotlib를 이용해 그래프로 표현하기
11.6 피마 인디언의 당뇨병 예측 실행
12장 다중 분류 문제 해결하기
12.1 다중 분류 문제
12.2 상관도 그래프
12.3 원-핫 인코딩
12.4 소프트맥스
12.5 아이리스 품종 예측 실행
13장 과적합 피하기
13.1 데이터의 확인과 실행
13.2 과적합 이해하기
13.3 학습셋과 테스트셋
13.4 모델 저장과 재사용
13.5 k겹 교차 검증
14장 베스트 모델 만들기
14.1 데이터의 확인과 실행
14.2 모델 업데이트하기
14.3 그래프로 확인하기
14.4 학습의 자동 중단
15장 선형 회귀 적용하기
15.1 데이터 확인하기
15.2 선형 회귀 실행
다섯째마당 딥러닝의 활용
16장 이미지 인식의 꽃, CNN 익히기
16.1 데이터 전처리
16.2 딥러닝 기본 프레임 만들기
16.3 더 깊은 딥러닝
16.4 컨볼루션 신경망(CNN)
16.5 맥스 풀링
16.6 컨볼루션 신경망 실행하기
17장 딥러닝을 이용한 자연어 처리
17.1 텍스트의 토큰화
17.2 단어의 원-핫 인코딩
17.3 단어 임베딩
17.4 텍스트를 읽고 긍정, 부정 예측하기 .
18장 시퀀스 배열로 다루는 순환 신경망(RNN)
18.1 LSTM을 이용한 로이터 뉴스 카테고리 분류하기
18.2 LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기
19장 세상에 없는 얼굴 GAN, 오토인코더
19.1 가짜 제조 공장, 생성자
19.2 진위를 가려내는 장치, 판별자
19.3 적대적 신경망 실행하기
19.4 이미지의 특징을 추출하는 오토인코더
20장 전이 학습을 통해 딥러닝의 성능 극대화하기
20.1 소규모 데이터셋으로 만드는 강력한 학습 모델
20.2 전이 학습으로 모델 성능 극대화하기
20.3 맺음말
심화 학습
심화 학습1 오차 역전파의 계산법
심화 학습2 파이썬 코드로 확인하는 신경망
부록
부록 A 구글 코랩과 파이참에서 딥러닝 실행하기
부록 B 잘 알려지지 않은 딥러닝 시작에 관한 이야기
추천사
-
딥러닝의 기본을 매우 쉽게 설명하는 책으로, 딥러닝이 궁금한 사람이나 관련 개발이나 사업을 하려는 사람 모두에게 이 책으로 시작하기를 추천합니다. 적절한 비유와 케라스로 깔끔하게 정리된 코드 덕분에 어려운 개념들을 쉽게 이해할 수 있습니다.
-
매우 직관적이고 쉬운 설명은 물론이고 쉽게 따라할 수 있는 코드가 같이 제공되는 군계일학 같은 책입니다. 이번 개정 2판에서는 기존 책의 장점을 계승하고, 여기에 최근 관심이 높아진 GAN, 오토인코더 등의 생성형 인공지능 기술과 전이학습, 자연어 처리 등 최신 기술을 추가함으로써 더욱 완성도가 높아졌습니다.
-
≪모두의 딥러닝 개정 2판≫은 입문자들이 '매우 잘 흡수할 수 있는 책'이라 생각합니다. ART Lab도 비전공자 직원 교육에 고민이 많았는데, 앞으로 이 책을 추천할 생각입니다.
출판사 서평
누구나 쉽고 빠르게
나만의 딥러닝 모델을 만들 수 있다!
기초 | 딥러닝을 위한 준비 운동
최소한의 설치로 딥러닝 실행 환경을 갖추고 딥러닝을 이해하는 데 필요한 기초 수학을 학습합니다. 그 다음 선형 회귀, 로지스틱 회귀, 신경망, 오차 역전파 같은 딥러닝의 동작 원리를 배웁니다.
실습 | 딥러닝 내 것으로 만들기
폐암 수술 환자의 생존율 예측하기, 피마 인디언의 당뇨병 예측하기, 아이리스 품종 예측하기, 초음파 광물 예측하기, 보스턴 집값 예측하기 프로젝트를 실습하며 딥러닝 이론이 어떻게 적용되는지 살펴봅니다.
활용 및 심화 | 딥러닝 정복하기
지금까지 배운 내용을 적절하게 활용해 봅니다. CNN, RNN부터 자연어 처리, GAN, 오토인코더, 전이 학습까지 딥러닝에서 주목받는 주제들을 담았습니다. 또한, 심화 학습에서 오차 역전파와 신경망 등의 개념을 수식과 함께 좀 더 깊이 있게 다뤄봅니다.
기본정보
ISBN | 9791165210397 | ||
---|---|---|---|
발행(출시)일자 | 2020년 01월 27일 | ||
쪽수 | 368쪽 | ||
크기 |
183 * 235
* 26
mm
/ 798 g
|
||
총권수 | 1권 | ||
이 책의 개정정보 |
새로 출시된 개정판이 있습니다.
개정판보기
|
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