실전! 딥러닝
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.
1부 기초편에서는 심층학습과 텐서플로, 케라스 기초를 설명하고, 2부 응용편에서는 케라스를 사용해서 ‘노이즈제거’, ‘자동채색’, ‘초해상’, ‘화풍변환’, ‘이미지생성’ 등 텐서플로와 케라스의 기능을 배우면서 현장에서 사용할 수 있는 실용적인 딥러닝 모델까지 다루고 있어, 딥러닝의 기초를 다지고 예제를 통해 딥러닝의 실무를 익히고 싶은 독자에게 좋은 참고서가 될 것입니다.
작가정보
저자(글) 오타 미쯔히사
1986년 도쿄 출생. 나고야에서 성장하고 교토대학 기초물리학연구소에서 소립자론을 전공하면서 2010년에 박사를 취득했다. 그 해 데이터 분석 회사인 브레인 패드사에 입사하면서 수학적인 배경을 살려서 자연어 처리 엔진과 추천 알고리즘 개발을 담당했다. 현재 최신 기술에 대한 조사와검증을 담당하고 있다. TensorFlow User Group Tokyo 책임자로 Google Developer Expert(Machine Learning)이며 일본 딥러닝 협회 시험 위원을 역임하고 있다.
저자(글) 수도 코다이
1991년 카나가와 출생. 1년간 세계 여행을 마친 후 나라최첨단과학기술대학에서 자연어 처리학을 전공하고 정보공학 석사를 취득했다. 브레인 패드사에 입사해서 기계학습 엔지니어로 심층학습에 관련된 분석/개발을 담당하고 있다.
저자(글) 쿠로사와 타쿠마
2017년 데이터 분석 회사인 브레인 패드사에 입사. 2018년 동경이과대학에서 박사 취득.
저자(글) 오다 다이스케
1980년 후쿠오카 출생. 규슈예술공과대학 음향설계학과 졸업 후 게임 제작회사에서 음악/콘텐츠 제작부터 게임 프로그래밍까지 폭넓은 업무를 담당했다. 브레인패드사에 입사해서 마케팅과 데이터 컨설팅을 비롯해서 수많은 분석 프로젝트에 종사한 후 지금은 주로 AI 관련 기술의 프로젝트에 대한 응용/조사를 담당하고 있다.
일본 큐슈대학교에서 신경망과 강화학습 알고리즘 연구로 박사학위를 받았으며 관심 분야는 Reinforcement Learning, Neural Network, Genetic Algorithm 등 Machine Learning Algorithm을 활용한 알고리즘 및 시스템개발이다. 일본 소니 반도체에서 설비 및 공정 데이터 분석 업무로 알고리즘 및 시스템을 개발했으며, 임직원 대상으로 통계 알고리즘 강의를 진행했다. 현재 삼성전자에서도 관련 데이터 분석 업무를 하고 있으며, 임직원 대상 통계 알고리즘 강의를 진행했다. 저서로는 『데이터 분석을 떠받치는 수학』이 있다.
목차
- [1부] 기본편
▣ 01장: 머신러닝 라이브러리 텐서플로와 케라스
1.1 텐서플로와 딥러닝
__1.1.1 텐서플로란
__1.1.2 딥러닝이란
1.2 딥러닝으로 할 수 있는 것
1.2.1 이미지 처리
1.2.2 자연어 처리
1.2.3 음성 처리
__1.2.4 강화학습
__1.2.5 그 외
1.3 텐서플로의 특징
__1.3.1 방향성 비순환 그래프
__1.3.2 다양한 환경에서 동작
__1.3.3 분산 처리
__1.3.4 텐서 보드를 이용한 가시화
__1.3.5 다양한 수준의 API와 에코시스템
1.4 케라스(Keras)
__1.4.1 케라스의 특징
1.5 딥러닝 라이브러리의 동향
__1.5.1 Define and Run과 Define by Run
__1.5.2 여러 라이브러리 간의 모델 공유
__1.5.3 딥러닝의 에코시스템
1.6 이 책의 구성과 내용
__1.6.1 1부에서 다루는 내용
__1.6.2 2부에서 다루는 내용
▣ 02장: 개발 환경을 구축하자
2.1 텐서플로와 GPU
__2.1.1 CPU 버전과 GPU 버전의 차이
2.2 파이썬 환경 구축
__2.2.1 아나콘다란?
__2.2.2 아나콘다 설치
__2.2.3 가상 환경 구축
__2.2.4 필요한 라이브러리 설치
__2.2.5 주피터 노트북으로 동작 확인
2.3 GPU 환경과 클라우드 활용
__2.3.1 GPU 버전 텐서플로 설치
__2.3.2 클라우드 이용
2.4 정리
__2.4.1 개발 환경에 대해서
▣ 03장: 간단한 예제로 배우는 텐서플로의 기본
3.1 텐서플로와 데이터 플로우 그래프
__3.1.1 데이터 플로우 그래프
__3.1.2 세션
3.2 데이터 플로우 그래프의 구성 요소
__3.2.1 데이터 플로우 그래프의 구성 요소란
3.3 다차원 배열과 텐서
__3.3.1 텐서 계산
__3.3.2 텐서 연산과 플레이스홀더
3.4 세션과 Saver
__3.4.1 세션과 Saver의 이용 방법
3.5 텐서보드를 이용한 그래프 가시화
__3.5.1 그래프 가시화
__3.5.2 요약 출력
__3.5.3 텐서보드의 기동과 실행
3.6 최적화와 경사법
__3.6.1 딥러닝과 최적화
__3.6.2 경사법(경사하강법)
__3.6.3 머신러닝에 경사법 적용
__3.6.4 데이터 세트 준비
__3.6.5 데이터의 전처리
__3.6.6 모델 정의
__3.6.7 손실 함수의 정의와 학습
__3.6.8 확률적 경사하강법과 미니배치
3.7 최적화와 경사법
__3.7.1 텐서플로 기본에 대해서
▣ 04장: 신경망과 케라스
4.1 최적화와 경사법
__4.1.1 퍼셉트론이란
__4.1.2 시그모이드 뉴런
4.2 순전파 신경망과 케라스로 구현
__4.2.1 순전파 신경망
__4.2.2 케라스를 사용한 구현
__4.2.3 구축한 모델 학습
4.3 Functional API
__4.3.1 Functional API의 이용
4.4 딥러닝 라이브러리의 동향
__4.4.1 순전파 신경망을 케라스로 구현
▣ 05장: 케라스를 이용한 CNN 구현
5.1 CNN의 개요
__5.1.1 입력 이미지의 크기와 파라미터 수
__5.1.2 합성곱 층과 풀링 층
5.2 케라스로 CNN 구현
__5.2.1 CIFAR-10 데이터 세트
__5.2.2 예제 데이터 임포트
__5.2.3 데이터 변형
__5.2.4 합성곱 층 추가
__5.2.5 풀링 층 추가
__5.2.6 드롭아웃 층 추가
__5.2.7 합성곱 층, 풀링 층 추가
__5.2.8 완전연결 계층 추가
__5.2.9 모델 학습
5.3 정리
__5.3.1 CNN 구현에 대해서
▣ 06장: 사전 학습 모델 활용
6.1 사전 학습 모델의 활용 목적
__6.1.1 딥러닝 모델을 구축할 때의 어려움
__6.1.2 사전 학습 모델이란
__6.1.3 ImageNet의 이미지 데이터 세트
__6.1.4 케라스에서 이용할 수 있는 사전 학습 모델
6.2 학습시키지 않고 그대로 사용
__6.2.1 모델을 그대로 사용
__6.2.2 모델 불러오기
__6.2.3 입력 이미지 준비
__6.2.4 예측
6.3 사전 학습 모델의 일부를 재학습(전이학습)
__6.3.1 전이학습을 하는 경우와 장점
__6.3.2 모델 불러오기
__6.3.3 모델 편집
__6.3.4 모델 컴파일
__6.3.5 생성기 생성
__6.3.6 iterator 생성
__6.3.7 모델 학습
6.4 정리
__6.4.1 사전 학습 모델의 활용에 대해서
▣ 07장: 자주 사용하는 케라스 기능
7.1 케라스의 레이어(Layer) 객체
__7.1.1 케라스 레이어
__7.1.2 드롭아웃(Dropout) 레이어
__7.1.3 BatchNormalization(배치정규화) 레이어
__7.1.4 Lambda(람다) 레이어
7.2 활성화 함수(Activation)
__7.2.1 다양한 활성화 함수
__7.2.2 케라스에서 활성화 함수의 이용 방법
__7.2.3 2부에서 사용할 중요한 활성화 함수
7.3 ImageDataGenerator
__7.3.1 ImageDataGenerator의 생성과 전처리
__7.3.2 ImageDataGenerator를 사용한 데이터 불러오기
7.4 정리
__7.4.1 소개한 케라스의 기능에 대해서
[2부] 응용편
▣ 08장: CAE를 이용한 노이즈 제거
8.1 CAE의 유용성
__8.1.1 CAE의 적용 예제와 유용성
8.2 오토인코더, CAE, DAE
__8.2.1 오토인코더란
__8.2.2 CAE란
__8.2.3 DAE란
8.3 노이즈 제거
__8.3.1 노이즈 제거
__8.3.2 데이터 세트 불러오기
__8.3.3 인위적인 노이즈 데이터 작성
__8.3.4 CAE 모델 구축
__8.3.5 모델 요약 확인
__8.3.6 가우시안 노이즈 데이터를 이용한 학습과 예측
__8.3.7 마스킹 노이즈 데이터를 이용한 학습과 예측
__8.3.8 노이즈 이미지 2종류의 예측 결과
8.4 정리
__8.4.1 CAE에 대해서
▣ 09장: 자동 채색
9.1 자동 채색이란
9.2 자동 채색을 위한 연구
__9.2.1 구축할 네트워크 전체 그림
__9.2.2 전처리-후처리 연구(RGB를 LAB로 변환)
9.3 자동 채색을 해보자
__9.3.1 자동 채색 처리의 흐름
__9.3.2 데이터 불러오기
__9.3.3 전처리: 「RGB」를 「LAB」로 변환
__9.3.4 모델 구축
__9.3.5 모델의 학습-예측
__9.3.6 후처리:예측 결과 「AB」를 입력하고 「L」과 RGB」로 변환
9.4 정리
__9.4.1 자동 채색에 대해서자동 채색에 대해서
▣ 10장: 초해상
10.1 CNN을 이용한 초해상
__10.1.1 초해상이란
__10.1.2 SRCNN
__10.1.3 데이터 전처리
__10.1.4 입력 데이터 생성
__10.1.5 모델 구축
__10.1.6 학습-검증
10.2 CAE를 이용한 초해상
__10.2.1 CAE와 스킵 연결
__10.2.2 케라스로 구현
10.3 정리
__10.3.1 CAE와 초해상
▣ 11장: 화풍 변환
11.1 화풍 변환의 방법
__11.1.1 화풍 변환이란
__11.1.2 손실 함수를 연구함으로써 적용 범위가 넓어진다
__11.1.3 구축할 네트워크 개요
11.2 화풍 변환 모델의 학습방법
__11.2.1 학습의 입력과 출력
11.3 화풍 변환 모델의 학습방법
__11.3.1 화풍 변환 실행 순서
__11.3.2 순서 - 네트워크 구축
__11.3.3 순서 - 학습 데이터 준비
__11.3.4 순서 - 손실 함수 정의
__11.3.5 순서 - 모델 학습
__11.3.6 순서 - 모델을 사용해서 화풍 변환
__11.3.7 학습할 때 유의점
11.4 화풍 변환 모델의 학습방법
__11.4.1 화풍 변환에 대해서
▣ 12장: 이미지 생성
12.1 CAE와 이미지 생성
__12.1.1 인코더와 디코더
12.2 DCGAN을 이용한 이미지 생성
__12.2.1 DCGAN
12.3 BEGAN
__12.3.1 BEGAN의 특징
__12.3.2 BEGAN의 수렴 판정
12.4 BEGAN 구현
__12.4.1 데이터 준비
__12.4.2 모델 정의
__12.4.3 손실 함수 정의와 모델 컴파일
__12.4.4 학습
12.5 화풍 변환 모델의 학습방법
__12.5.1 이미지 생성과 BEGAN에 대해서
기본정보
ISBN | 9791158391393 | ||
---|---|---|---|
발행(출시)일자 | 2019년 02월 15일 | ||
쪽수 | 292쪽 | ||
크기 |
175 * 236
* 22
mm
/ 596 g
|
||
총권수 | 1권 | ||
시리즈명 |
데이터 사이언스 시리즈
|
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