본문 바로가기

추천 검색어

실시간 인기 검색어

그로킹 딥러닝

알기 쉬운 비유와 기초 수학으로 시작하는
앤드루 트라스크 저자(글) · 박상현 번역
한빛미디어 · 2019년 11월 21일
8.3
10점 중 8.3점
(6개의 리뷰)
집중돼요 (33%의 구매자)
  • 그로킹 딥러닝 대표 이미지
    그로킹 딥러닝 대표 이미지
  • A4
    사이즈 비교
    210x297
    그로킹 딥러닝 사이즈 비교 184x234
    단위 : mm
01 / 02
MD의 선택 무료배송 이벤트 소득공제
10% 23,400 26,000
적립/혜택
1,300P

기본적립

5% 적립 1,300P

추가적립

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

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

절판되었습니다.
그로킹 딥러닝 상세 이미지

수상내역/미디어추천

딥러닝 문턱을 낮춰 드립니다. 수포자도 이해할 수 있는 명쾌하고 친절한 딥러닝 입문서!
인공지능은 단순한 유행이 아니라 시대의 요구사항이 되었습니다. 두 번의 AI 겨울을 지나고, 전 세계 바둑 챔피언을 꺽으며 새롭게 등장한 인공지능은 기술을 넘어 예술까지도 넘보며 다양한 산업과 함께 발전하고 있습니다. 실시간으로 빠른 길을 안내하는 지도 앱을 보며 길을 찾고 넷플릭스가 취향에 맞는 영화를 추천하고, 은행 앱이 투자 방향을 알려주는 개인 비서 시대, 영화속 스카이넷은 현실에서 점차 구체화되고 있습니다.

지금이 바로 여러분이 이 책을 읽어야 하는 ‘때’입니다. 딥러닝을 이해하는 데 필요한 모든 사전 지식은 이 책 안에 있습니다. 이 책을 위해 여러분이 준비할 것은 아무것도 없습니다. 쉬운 비유와 그림으로 차근차근 책에서 안내하는 대로 앞 장에서 배운 내용을 복기하며 다음 장의 코드를 입력하다 보면 어느새 딥러닝의 기본을 튼튼히 갖추게 될 것입니다.

누구를 위한 책인가요?

. 수학은 자신 없지만, 딥러닝을 배우고 싶은 개발자
. 딥러닝을 연구에 활용하고 싶은 개발자가 아닌 연구자
. 라이브러리를 활용해 딥러닝을 구현했지만 동작원리가 궁금한 개발자
. 프로그래밍에 능숙하진 않지만, 딥러닝 또한 배워두고 싶은 학생

작가정보

구글 DeepMind 리서치 사이언티스트. 인간의 언어와 연관된 딥러닝을 주로 연구하고 있습니다. Digital Reasoning에서 연구원으로 있으며 세계 최대 인공 신경망을 구축했습니다.

번역 박상현

두 아이의 아빠이자, 머신러닝의 도움을 받아 사이버 위협과 전쟁 중인 방위 분야 프로그래머입니다. 한화시스템에 근무하고 있으며, 글쓰기를 좋아해 틈틈이 『이것이 C#이다』, 『뇌를 자극하는 파이썬3』, 『뇌를 자극하는 알고리즘』 등을 집필했습니다.

목차

  • __추천사
    __옮긴이의 글
    __독자들에게
    __마음을 열고 이 책을 읽기 위한 사전 안내
    __각 장의 내용 미리보기
    __감사의 말

    CHAPTER 1 딥러닝을 소개합니다 : 당신이 딥러닝을 공부해야 하는 이유
    __딥러닝의 세계에 어서 오세요
    __왜 딥러닝을 공부해야 할까요?
    __딥러닝을 시작하기가 어렵진 않을까요?
    __이 책으로 딥러닝을 공부해야 하는 이유
    __시작에 앞서 필요한 지식과 실습 환경은?
    __파이썬 지식이 조금 필요합니다
    __요약

    CHAPTER 2 딥러닝의 기초 개념 : 컴퓨터가 학습하는 원리
    __딥러닝이란?
    __머신러닝이란?
    __지도 학습
    __비지도 학습
    __모수적 학습 vs 비모수적 학습
    __모수적 지도 학습
    __모수적 비지도 학습
    __비모수적 학습
    __요약

    CHAPTER 3 신경망을 소개합니다 : 순전파
    __신경망이 처음으로 할 일 : 예측
    __예측을 수행하는 신경망
    __신경망이 뭔가요?
    __신경망이 하는 일이 궁금합니다
    __복수 입력을 받아 예측하기
    __신경망은 복수 입력을 어떻게 다루나요?
    __복수 입력 코드 : 실행 가능한 완성 버전 코드
    __복수 출력을 하는 예측하기
    __복수 입력을 받아 복수 출력을 하는 예측
    __복수 입력과 복수 출력 : 동작 원리
    __예측에 관한 예측
    __NumPy 빠르게 입문하기
    __요약

    CHAPTER 4 딥러닝을 소개합니다 : 경사하강법
    __예측하고 비교하고 학습하라
    __비교
    __학습
    __비교 : 여러분의 신경망은 예측을 잘하고 있습니까?
    __오차를 측정하는 이유
    __신경망 학습의 가장 간단한 형태는 어떤 걸까요?
    __온냉 학습
    __온냉 학습의 특징
    __오차를 이용하여 이동 방향과 거리 계산하기
    __경사하강법 1회 반복
    __학습이란 오차를 줄이는 것
    __학습의 여러 단계를 관찰해보세요
    __왜 이게 작동하죠? weight_delta는 뭔가요?
    __한 가지 개념에 집중하기
    __툭 튀어나오는 막대기가 있는 상자
    __미분계수 : 두 번째 이야기
    __이건 몰라도 괜찮습니다
    __미분계수를 학습에 이용하는 방법
    __익숙한가요?
    __경사하강법 망가뜨리기
    __과잉 교정 시각화하기
    __발산
    __알파를 소개합니다
    __코드 속의 알파
    __외우기

    CHAPTER 5 복수 가중치 동시에 학습하기 : 경사하강법 일반화 하기
    __복수 입력을 받는 경사하강법
    __복수 입력을 받는 경사하강법 이해하기
    __학습의 각 단계를 관찰해보세요
    __가중치 한 개 동결시키기
    __복수 출력을 하는 경사하강법
    __복수 입력을 받아 복수 출력을 하는 경사하강법
    __가중치가 학습하는 것은 무엇일까요?
    __가중치 시각화하기
    __내적(가중합) 시각화하기
    __요약

    CHAPTER 6 첫 심층 신경망 만들기 : 역전파를 소개합니다
    __신호등 문제
    __데이터 준비하기
    __행렬과 행렬 관계
    __파이썬으로 행렬 만들기
    __신경망 구축하기
    __전체 데이터셋 학습하기
    __전체, 배치, 확률적 경사하강법
    __신경망은 상관관계를 학습합니다
    __상향 압력과 하향 압력
    __경계 조건 : 과적합
    __경계 조건 : 서로 충돌하는 압력
    __간접 상관관계 학습
    __신경망 적층하기 : 복습
    __역전파 : 장거리 오차 귀착법
    __역전파는 왜 효과가 있는 걸까요?
    __선형 vs 비선형
    __아직 신경망이 동작하지 않는 이유
    __간헐적 상관관계의 비밀
    __짧은 휴식
    __첫 심층 신경망 만들기
    __코드로 만나는 역전파
    __역전파의 한살이
    __모두 합치기
    __심층 신경망이 왜 중요한가요?

    CHAPTER 7 신경망 사진 찍기 : 머릿속과 종이 위에
    __이제 단순하게 만들어야 합니다
    __상관관계 요약
    __미리 너무 복잡해져 버린 시각화
    __단순화한 시각화
    __더 단순하게
    __이 신경망이 예측하는 모습을 관찰해봅시다
    __그림 대신 문자로 시각화하기
    __변수 연결하기
    __모두 나란히
    __시각화 도구의 중요성

    CHAPTER 8 신호 학습과 잡음 제거 : 정규화와 배치 소개
    __3계층 신경망으로 MNIST 도전하기
    __흠, 쉬운데요
    __암기 vs 일반화
    __신경망에서의 과적합
    __오버피팅의 원인
    __가장 단순한 정규화 : 조기 종료
    __산업 표준 정규화 : 드롭아웃
    __드롭아웃은 왜 효과가 있을까요 : 앙상블
    __코드 속의 드롭아웃
    __배치 경사하강법
    __요약

    CHAPTER 9 확률과 비선형성 모델링하기 : 활성화 함수
    __활성화 함수란 무엇일까요?
    __표준 은닉 계층 활성화 함수
    __표준 출력 계층 활성화 함수
    __핵심 사안 : 입력에 유사성이 있는 경우
    __softmax 계산하기
    __신경망 계층에 활성화 함수 추가하기
    __delta에 기울기 곱하기
    __출력을 기울기로 변환하기(미분계수)
    __MNIST 신경망 업그레이드하기

    CHAPTER 10 가장자리와 모서리를 학습하는 신경망 : CNN 소개
    __여러 장소에서 가중치 재사용하기
    __합성곱 계층
    __NumPy로 간단하게 구현하기
    __요약

    CHAPTER 11 언어를 이해하는 신경망 : 왕-남자+여자 == ?
    __언어를 이해한다는 것은 무엇을 의미할까요?
    __NLP : 자연어 처리
    __지도 NLP
    __IMDB 영화 리뷰 데이터셋
    __입력 데이터 안에서 단어 상관관계 포착하기
    __영화 리뷰 예측하기
    __임베딩 계층 기초
    __출력 해석하기
    __신경 아키텍처
    __단어 임베딩 비교하기
    __뉴런이 가지는 의미는 뭘까요?
    __공란 채우기
    __King - Man + Woman ~= Queen
    __단어 유추
    __요약

    CHAPTER 12 셰익스피어처럼 글쓰기 : 순환 계층으로 가변 데이터 다루기
    __임의의 길이를 향한 도전
    __비교가 정말 중요할까요?
    __평균 단어 벡터의 놀라운 힘
    __임베딩은 어떻게 정보를 저장할까요?
    __신경망은 임베딩을 어떻게 활용할까요?
    __단어주머니 벡터의 한계
    __단위행렬을 이용해서 단어 임베딩 총합하기
    __정말 아무것도 바꾸지 않는 행렬
    __전이행렬
    __유용한 문장 벡터 생성하는 법 학습하기
    __파이썬으로 순전파 하기
    __어떻게 여기에 역전파를 넣을까요?
    __학습시켜 봅시다!
    __준비하기
    __임의 길이로 순전파 하기
    __임의의 길이로 역전파 하기
    __임의의 길이로 가중치 갱신하기
    __실행과 출력 분석
    __요약

    CHAPTER 13 자동 최적화를 소개합니다 : 딥러닝 프레임워크를 만들어봅시다
    __딥러닝 프레임워크란?
    __텐서를 소개합니다
    __자동 미분, autograd를 소개합니다
    __간단히 점검해보기
    __여러 번 재사용되는 텐서
    __텐서 재사용을 위한 자동 미분 업그레이드
    __덧셈 역전파는 어떻게 이루어질까요?
    __부정 연산 지원하기
    __몇 가지 함수 더 지원하기
    __자동 미분을 이용해서 신경망 학습하기
    __자동 최적화 추가하기
    __계층 형식 지원하기
    __계층을 포함하는 계층
    __손실 함수 계층
    __프레임워크 배우기
    __비선형 계층
    __임베딩 계층
    __자동 미분에 색인화 추가하기
    __임베딩 계층 다시 생각하기
    __교차 엔트로피 계층
    __순환 신경망 계층
    __요약

    CHAPTER 14 셰익스피어처럼 글쓰기 : LSTM
    __문자 언어 모델링
    __부분 역전파의 필요성
    __부분 역전파
    __출력의 샘플
    __소멸하는 기울기, 폭발하는 기울기
    __RNN 역전파의 장난감 예제
    __LSTM 셀
    __LSTM 게이트에 관한 몇 가지 직관
    __LSTM 계층
    __문자 언어 모델 업그레이드하기
    __LSTM 문자 언어 모델 학습하기
    __LSTM 문자 언어 모델 튜닝하기
    __요약

    CHAPTER 15 보이지 않는 데이터로 하는 딥러닝 : 통합 학습 입문
    __딥러닝의 개인정보 문제
    __통합 학습
    __스팸 탐지 학습
    __통합해봅시다
    __통합 학습 해킹하기
    __보안 통합
    __동형 암호화
    __동형 암호화 통합 학습
    __요약

    CHAPTER 16 다음 도약을 위한 준비 : 작은 안내서
    __축하합니다!
    __1단계 : 파이토치를 배우세요
    __2단계 : 새 딥러닝 수업을 수강하세요
    __3단계 : 수학적으로 접근하는 딥러닝 교과서를 구하세요
    __4단계 : 블로그를 개설해서 딥러닝을 가르치세요
    __5단계 : 트위터
    __6단계 : 학술 논문의 내용을 구현하세요
    __7단계 : GPU를 사용할 수 있는 환경을 확보하세요
    __8단계 : 급여를 받으면서 일하세요
    __9단계 : 오픈소스 프로젝트에 참여하세요
    __10단계 : 지역 커뮤니티를 발전시키세요

    __찾아보기

추천사

  • “입문자에게 어려운 수학에 대한 이해를 강요하지 않고, 발생 가능한 여러 경우를 예시와 적절한
    예제를 통해 자연스럽게 쫓아올 수 있도록 걷기 편한 카펫을 깔아주는 책입니다.”

  • “이 책의 목적은 딥러닝을 심층적으로 이해할 수 있도록 도와주는 것입니다. 이와 유사한 책도 있
    지만, 이 책은 단연 가장 쉽게 딥러닝을 이해하는 데 도움을 줄 수 있는 책이라고 생각합니다.”

출판사 서평

[도서 특징]
어려운 수식, 고수준 라이브러리, 복잡한 코드 없이도 단계별 학습으로 완성하는 딥러닝 코드

이 책은 신경망이 어떻게 인간을 모사하는지를 먼저 알려줍니다. 복잡한 수식 없이 서너 줄짜리 간단한 코드로 신경망을 구축한 다음, 이 작은 코드 조각을 다음 장에서 활용해 조금 더 그럴 듯한 프로그램으로 점차 발전시켜갑니다. 책 전체에 걸쳐 다음과 같이 물 흐르듯 학습할 수 있습니다.

인공지능/딥러닝 용어 설명 → 예측, 비교, 학습 패러다임 실습 → 기초 신경망 구축 → 딥러닝 관련 이론 설명 → 최신 기법 소개 → 딥러닝 프레임워크 구축

그리고 마지막 장은 이 책을 읽은 다음 무엇을 할지 10단계에 거쳐 딥러닝을 처음 접하는 입문자에게 방향을 제시합니다.

이 책에서 배우고 구현하는 내용
딥러닝에 필요한 것 / 머신러닝의 기본 개념 / 예측, 비교, 학습 패러다임 / 기초 신경망 구현 / 예측 평가와 에러 식별 / 학습 과정 / 심층 신경망 실습 / 오버피팅 / 드롭아웃 / 경사하강법 / 활성화 함수 / 확률 모델링 / 합성곱 신경망 / 자연어 처리 / 순환 신경망 / 언어 모델링 / 데이터 프라이버시

기본정보

상품정보 테이블로 ISBN, 발행(출시)일자 , 쪽수, 크기, 총권수, 원서(번역서)명/저자명을(를) 나타낸 표입니다.
ISBN 9791162242285
발행(출시)일자 2019년 11월 21일
쪽수 388쪽
크기
184 * 234 * 23 mm / 666 g
총권수 1권
원서(번역서)명/저자명 Grokking Deep Learning/Trask, Andrew W.

Klover 리뷰 (6)

구매 후 리뷰 작성 시, e교환권 200원 적립

10점 중 5점
공학 비전공자를 위한 딥러닝 서적을 찾다가 이 책을 알게 되었습니다. 원서로 보았을 때 이 책은 상대적으로 직관적으로 인공지능 관련 지식을 재미있게 전달하여 다른 인공지능 관련 서적에 비해 쉽고 신선했습니다. 아울러 이 책은 번역서가 있다는 것을 알게 되었습니다. 그래서 바로 주문해봤습니다. 번역서는 옮기신 분이 얼마나 애를 쓰고 노력하셔서 번역을 하셨는지 잘 알 수 있는 부분이 책 중간 중간에 잘 나타나 있습니다. 오히려 옮기신 분께서는 고맙게도 원서에도 없는 내용을 한국독자를 위하여 더 추가하신 부분이 많습니다. 옮기신 분이 이 분야에 전공자로서 내용을 잘 이해한 상태에서 번역했음은 의심할 여지가 없습니다.아쉬운 점은 한국말입니다. 무슨 말이냐면, 원서에서는 비전공자를 위하여 아주 쉬운 단어와 말의 조합으로 문장을 이어가고 있습니다. 같은 말이라도 더 쉽고 간단하게 쓸 수 있는 방법을 취했다는 것을 알 수 있습니다. 그러나, 번역서에서는 전공서에 가까운 혹은 직역서 처럼 적혀있는 부분이 많습니다. 그래서 영어로는 한번에 이해가 가능한 것이, 오히려 한국말로는 여러번 읽어야 이해가 되는 부분이 많습니다. 이는 옮기신 분의 문제는 아닙니다. 대부분의 우리나라 번역서에 나타나는 문제일 것입니다. 서적에서 다룬 주제의 전공자가 본인의 비전공인 번역을 하다보니 정작 모국어로서는 쉬운 말이 더 어려운 말이 될 경우가 많습니다. 옮기신 분은 IT분야의 전공자이지 전문 번역자가 아니기 때문입니다. 반면에 번역은 전문 번역사의 몫일테지만, 전문 번역사는 서적에서 다룬 전공의 내용을 이해하기 어려울테니 또 다른 번역의 오류가 생길 수 있겠지요. 인공지능 시대에 해외에서 인기있는 서적을 빠르게 번역하여 자국의 사람들에게 알려주는 것은 상당히 고무적입니다. 다만, 이 책과 같이 비전공자를 위한 책이라면, 출판사 측에서는 전공자와 전문 번역사를 함께 섭외해서 작업했더라면, 본 책의 취지에 훨씬 부합하는 번역서가 되었을 것이라는 의견을 드립니다.
10점 중 10점
/집중돼요
마냥 쉽진 않습니다

문장수집 (1)

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.
판매가 5,000원 미만 상품의 경우 리워드 지급 대상에서 제외됩니다. (2024년 9월 30일부터 적용)

구매 후 리뷰 작성 시, e교환권 100원 적립

실시간으로 빠른 길을 안내하는 지도 앱을 보며 길을 찾고 넷플릭스가 취향에 맞는 영화를 추천하고, 은행 앱이 투자 방향을 알려주는 개인 비서 시대, 영화속 스카이넷은 현실에서 점차 구체화되고 있습니다.
그로킹 딥러닝

교환/반품/품절 안내

  • 반품/교환방법

    마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환 신청, [1:1 상담 > 반품/교환/환불] 또는 고객센터 (1544-1900)
    * 오픈마켓, 해외배송 주문, 기프트 주문시 [1:1 상담>반품/교환/환불] 또는 고객센터 (1544-1900)
  • 반품/교환가능 기간

    변심반품의 경우 수령 후 7일 이내,
    상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
  • 반품/교환비용

    변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
  • 반품/교환 불가 사유

    1) 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
    2) 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
    3) 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
    4) 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
    5) 디지털 컨텐츠인 ebook, 오디오북 등을 1회이상 ‘다운로드’를 받았거나 '바로보기'로 열람한 경우
    6) 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
    7) 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
    8) 세트상품 일부만 반품 불가 (필요시 세트상품 반품 후 낱권 재구매)
    9) 기타 반품 불가 품목 - 잡지, 테이프, 대학입시자료, 사진집, 방통대 교재, 교과서, 만화, 미디어전품목, 악보집, 정부간행물, 지도, 각종 수험서, 적성검사자료, 성경, 사전, 법령집, 지류, 필기구류, 시즌상품, 개봉한 상품 등
  • 상품 품절

    공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다.
  • 소비자 피해보상 환불 지연에 따른 배상

    1) 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁 해결 기준 (공정거래위원회 고시)에 준하여 처리됨
    2) 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

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

비전공자도 이해할 수 있는 챗GPT
이벤트
  • [sam] 2025 올해의 직장인 필독서
  • 미리보는 2025 대선
01 / 02
TOP