추가 적립 안내

알짜배기 예제로 배우는 텐서플로와 딥러닝의 모든 것

이 책은 머신러닝에 대한 기본적인 내용부터 여러 논문에 수록된 내용까지 알기 쉽게 정리했습니다. 뇌세포를 흉내 낸 뉴런과 뉴럴네트워크(NN)를 사용하여 딥러닝 네트워크를 구성하는 방법을 알아보고, 이미지를 인식하는 CNN, 연속적인 데이터를 다루는 RNN, 진짜 같은 가짜를 만드는 GAN이 어떻게 동작하는지 알아봅니다.

또한 실습으로 NN, CNN, RNN, GAN을 적용한 간단한 소스코드를 살펴봅니다. 파이썬을 기반으로 구글에서 공개한 텐서플로를 사용하며, 실행환경은 고성능 GPU가 탑재된 컴퓨터가 아니어도 괜찮습니다. “인공지능? 딥러닝이 뭘까?” 또는 “흥미롭기는 한데 너무 추상적이라서 무엇을 봐야 하나?”와 같은 궁금증을 가지셨을 분들에게 이 책이 답이 될 것입니다.

이 책의 특징
- 머신러닝의 기초부터 응용 단계까지 실습 코드를 통해 알아간다.
- 상세한 설명과 다양한 그림으로 알기 쉽게 설명한다.
- 프로그래밍 경험이 적은 독자라도 빠르게 이해할 수 있도록 한다.

이 책이 필요한 독자
- 머신러닝/딥러닝 분야에 처음 입문하면서 기초적인 내용을 알고 싶은 독자
- 파이썬 코딩 경험이 있으면서 머신러닝 구현에 대해 좀 더 알고 싶은 독자
- 파이썬은 모르지만 프로그래밍에 관심이 있고 머신러닝도 알고 싶은 독자

소스코드 다운로드
https://github.com/bjpublic/deeplearning/

우리는 이 책을 통해 머신러닝의 이론적 개념과 동작 알고리즘을 익히고 코드로 만들어볼 것입니다. 하지만 독자들이 지금까지 사용해온 언어로 머신러닝 알고리즘을 처음부터 구현하기는 쉽지 않습니다. 이것은 단순히 개인의 구현 실력 때문이 아닙니다. 보통 알고리즘을 보고 동작 과정 전체를 이해한 후에 소스코드를 작성하지만, 머신러닝 알고리즘이 생각보다 복잡한 수식으로 이루어져 한 번에 이해하기가 어렵기 때문입니다.

이 책에서 다룬 머신러닝을 사용하여 해결하려는 문제들도 그렇게 쉽거나 간단하지만은 않습니다. 대신에 이미 주어진 문제를 잘 해결한다고 평가받는 좋은 코드들의 구조를 이해하고, 그 이해를 바탕으로 필요한 부분을 고쳐보면서 나만의 코드로 만들 수 있게 될 것입니다.

머리말
도서소개
저자소개

Chapter 01 인공지능
우리 주위의 인공지능
산업혁명과 인공지능
인공지능
머신러닝
딥러닝과 뉴런, 뉴럴 네트워크
인공지능과 머신러닝, 딥러닝

Chapter 02 Hello world in 텐서플로
텐서플로 소개
Windows에서 텐서플로 설치하기
구글 클라우드 Colaboratory 사용하기
구글 클라우드 GPU로 실행하기
MNIST 소개

Chapter 03 머신러닝 알고리즘 입문
Linear Regression
Cost Funtion
최적화 함수
오버피팅
Train Set과 Validation Set, Test Set
Mini batch와 Epoch
정규화

Chapter 04 가벼운 파이썬 문법 리뷰
기본 명령어
NUMPY
Reshape
Rank
NaN
MATPLOTLIB
tf.Session()
Sigmoid
Linear Regression 실습
Hypyothesis 정의
Cost Funtion 정의
최적화 함수 정의
그래프 실행
변수와 global_variables_initializer()
Placeholder
국어성적 예측하기 실습
MNIST 실습
타이타닉 생존자 예측모델

Chapter 05 뉴럴 네트워크
신경망 소개
Activation Function
역전파 알고리즘
Drop Out
Fully Connected Network

Chapter 06 뉴럴 네트워크의 구현 실습
Sin 그래프의 예측
비행기 이륙거리 예측모델

Chapter 07 Convolutional Neural Network
CNN 소개
Stride
Zero Padding과 출력 이미지의 크기 계산
LeNet과 Alex Net
VGG net
GoogLeNet

Chapter 08 CNN 실습
Inception Module을 활용한 이미지 분류기
Tensorflow Hub 소개
이미지 분류기 Retraining

Chapter 09 RNN과 LSTM
RNN
RNN의 다양한 입력과 출력 관계
BPTT(Backpropagation Through Time)
RNN 모델에서 Vanishing gradient Problem
LSTM(Long Short Term Memory) 네트워크 소개

Chapter 10 RNN의 실습
RNN 실습 내용 소개
RNN 코드 설명
RNN 실습코드의 전체내용

Chapter 11 시각화 도구 Tensor Board
Tensor Board 소개
Tensor Board 사용을 위한 코드 추가
Tensor Board 실행하기
Tensor Board 그래프의 범례
연속적인 선 그래프 그리기
Name Scope로 묶어 표현하기

Chapter 12 학습과정을 저장하고 불러오기
변수를 파일로 저장하기
파일에서 변수 읽어오기

Chapter 13 GAN
GAN의 개념과 이슈
GAN과 DCGAN(Deep Convolutional GAN)
GAN의 수식 리뷰
Stack GAN
Cycle GAN
그 밖의 GAN

Chapter 14 GAN 실습
MNIST 숫자 이미지 생성 실습