±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
Á¤°¡ |
24,000¿ø |
---|
21,600¿ø (10%ÇÒÀÎ)
1,200P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
¾ËÂ¥¹è±â ¿¹Á¦·Î ¹è¿ì´Â ÅÙ¼ÇÃ·Î¿Í µö·¯´×ÀÇ ¸ðµç °Í
ÀÌ Ã¥Àº ¸Ó½Å·¯´×¿¡ ´ëÇÑ ±âº»ÀûÀÎ ³»¿ëºÎÅÍ ¿©·¯ ³í¹®¿¡ ¼ö·ÏµÈ ³»¿ë±îÁö ¾Ë±â ½±°Ô Á¤¸®Çß½À´Ï´Ù. ³ú¼¼Æ÷¸¦ Èä³» ³½ ´º·±°ú ´º·²³×Æ®¿öÅ©(NN)¸¦ »ç¿ëÇÏ¿© µö·¯´× ³×Æ®¿öÅ©¸¦ ±¸¼ºÇÏ´Â ¹æ¹ýÀ» ¾Ë¾Æº¸°í, À̹ÌÁö¸¦ ÀνÄÇÏ´Â CNN, ¿¬¼ÓÀûÀÎ µ¥ÀÌÅ͸¦ ´Ù·ç´Â RNN, ÁøÂ¥ °°Àº °¡Â¥¸¦ ¸¸µå´Â GANÀÌ ¾î¶»°Ô µ¿ÀÛÇÏ´ÂÁö ¾Ë¾Æº¾´Ï´Ù.
¶ÇÇÑ ½Ç½ÀÀ¸·Î NN, CNN, RNN, GANÀ» Àû¿ëÇÑ °£´ÜÇÑ ¼Ò½ºÄڵ带 »ìÆ캾´Ï´Ù. ÆÄÀ̽ãÀ» ±â¹ÝÀ¸·Î ±¸±Û¿¡¼ °ø°³ÇÑ ÅÙ¼Ç÷θ¦ »ç¿ëÇϸç, ½ÇÇàȯ°æÀº °í¼º´É GPU°¡ žÀçµÈ ÄÄÇ»ÅÍ°¡ ¾Æ´Ï¾îµµ ±¦Âú½À´Ï´Ù. ¡°ÀΰøÁö´É? µö·¯´×ÀÌ ¹»±î?¡± ¶Ç´Â ¡°Èï¹Ì·Ó±â´Â Çѵ¥ ³Ê¹« Ãß»óÀûÀÌ¶ó¼ ¹«¾ùÀ» ºÁ¾ß Çϳª?¡±¿Í °°Àº ±Ã±ÝÁõÀ» °¡Áö¼ÌÀ» ºÐµé¿¡°Ô ÀÌ Ã¥ÀÌ ´äÀÌ µÉ °ÍÀÔ´Ï´Ù.
ÀÌ Ã¥ÀÇ Æ¯Â¡
- ¸Ó½Å·¯´×ÀÇ ±âÃʺÎÅÍ ÀÀ¿ë ´Ü°è±îÁö ½Ç½À Äڵ带 ÅëÇØ ¾Ë¾Æ°£´Ù.
- »ó¼¼ÇÑ ¼³¸í°ú ´Ù¾çÇÑ ±×¸²À¸·Î ¾Ë±â ½±°Ô ¼³¸íÇÑ´Ù.
- ÇÁ·Î±×·¡¹Ö °æÇèÀÌ ÀûÀº µ¶ÀÚ¶óµµ ºü¸£°Ô ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï ÇÑ´Ù.
ÀÌ Ã¥ÀÌ ÇÊ¿äÇÑ µ¶ÀÚ
- ¸Ó½Å·¯´×/µö·¯´× ºÐ¾ß¿¡ óÀ½ ÀÔ¹®ÇÏ¸é¼ ±âÃÊÀûÀÎ ³»¿ëÀ» ¾Ë°í ½ÍÀº µ¶ÀÚ
- ÆÄÀ̽ã ÄÚµù °æÇèÀÌ ÀÖÀ¸¸é¼ ¸Ó½Å·¯´× ±¸Çö¿¡ ´ëÇØ Á» ´õ ¾Ë°í ½ÍÀº µ¶ÀÚ
- ÆÄÀ̽ãÀº ¸ð¸£Áö¸¸ ÇÁ·Î±×·¡¹Ö¿¡ °ü½ÉÀÌ ÀÖ°í ¸Ó½Å·¯´×µµ ¾Ë°í ½ÍÀº µ¶ÀÚ
¼Ò½ºÄÚµå ´Ù¿î·Îµå
https://github.com/bjpublic/deeplearning/
ÃâÆÇ»ç ¼Æò
¿ì¸®´Â ÀÌ Ã¥À» ÅëÇØ ¸Ó½Å·¯´×ÀÇ ÀÌ·ÐÀû °³³ä°ú µ¿ÀÛ ¾Ë°í¸®ÁòÀ» ÀÍÈ÷°í ÄÚµå·Î ¸¸µé¾îº¼ °ÍÀÔ´Ï´Ù. ÇÏÁö¸¸ µ¶ÀÚµéÀÌ Áö±Ý±îÁö »ç¿ëÇØ¿Â ¾ð¾î·Î ¸Ó½Å·¯´× ¾Ë°í¸®ÁòÀ» óÀ½ºÎÅÍ ±¸ÇöÇϱâ´Â ½±Áö ¾Ê½À´Ï´Ù. ÀÌ°ÍÀº ´Ü¼øÈ÷ °³ÀÎÀÇ ±¸Çö ½Ç·Â ¶§¹®ÀÌ ¾Æ´Õ´Ï´Ù. º¸Åë ¾Ë°í¸®ÁòÀ» º¸°í µ¿ÀÛ °úÁ¤ Àüü¸¦ ÀÌÇØÇÑ ÈÄ¿¡ ¼Ò½ºÄڵ带 ÀÛ¼ºÇÏÁö¸¸, ¸Ó½Å·¯´× ¾Ë°í¸®ÁòÀÌ »ý°¢º¸´Ù º¹ÀâÇÑ ¼ö½ÄÀ¸·Î ÀÌ·ç¾îÁ® ÇÑ ¹ø¿¡ ÀÌÇØÇϱⰡ ¾î·Æ±â ¶§¹®ÀÔ´Ï´Ù.
ÀÌ Ã¥¿¡¼ ´Ù·é ¸Ó½Å·¯´×À» »ç¿ëÇÏ¿© ÇØ°áÇÏ·Á´Â ¹®Á¦µéµµ ±×·¸°Ô ½±°Å³ª °£´ÜÇÏÁö¸¸Àº ¾Ê½À´Ï´Ù. ´ë½Å¿¡ ÀÌ¹Ì ÁÖ¾îÁø ¹®Á¦¸¦ Àß ÇØ°áÇÑ´Ù°í Æò°¡¹Þ´Â ÁÁÀº ÄÚµåµéÀÇ ±¸Á¶¸¦ ÀÌÇØÇÏ°í, ±× ÀÌÇظ¦ ¹ÙÅÁÀ¸·Î ÇÊ¿äÇÑ ºÎºÐÀ» °íÃĺ¸¸é¼ ³ª¸¸ÀÇ ÄÚµå·Î ¸¸µé ¼ö ÀÖ°Ô µÉ °ÍÀÔ´Ï´Ù.
¸ñÂ÷
¸Ó¸®¸»
µµ¼¼Ò°³
ÀúÀÚ¼Ò°³
Chapter 01 ÀΰøÁö´É
¿ì¸® ÁÖÀ§ÀÇ ÀΰøÁö´É
»ê¾÷Çõ¸í°ú ÀΰøÁö´É
ÀΰøÁö´É
¸Ó½Å·¯´×
µö·¯´×°ú ´º·±, ´º·² ³×Æ®¿öÅ©
ÀΰøÁö´É°ú ¸Ó½Å·¯´×, µö·¯´×
Chapter 02 Hello world in ÅÙ¼Ç÷Î
ÅÙ¼Ç÷Π¼Ò°³
Windows¿¡¼ ÅÙ¼Ç÷Π¼³Ä¡Çϱâ
±¸±Û Ŭ¶ó¿ìµå Colaboratory »ç¿ëÇϱâ
±¸±Û Ŭ¶ó¿ìµå GPU·Î ½ÇÇàÇϱâ
MNIST ¼Ò°³
Chapter 03 ¸Ó½Å·¯´× ¾Ë°í¸®Áò ÀÔ¹®
Linear Regression
Cost Funtion
ÃÖÀûÈ ÇÔ¼ö
¿À¹öÇÇÆÃ
Train Set°ú Validation Set, Test Set
Mini batch¿Í Epoch
Á¤±ÔÈ
Chapter 04 °¡º¿î ÆÄÀ̽㠹®¹ý ¸®ºä
±âº» ¸í·É¾î
NUMPY
Reshape
Rank
NaN
MATPLOTLIB
tf.Session()
Sigmoid
Linear Regression ½Ç½À
Hypyothesis Á¤ÀÇ
Cost Funtion Á¤ÀÇ
ÃÖÀûÈ ÇÔ¼ö Á¤ÀÇ
±×·¡ÇÁ ½ÇÇà
º¯¼ö¿Í global_variables_initializer()
Placeholder
±¹¾î¼ºÀû ¿¹ÃøÇϱ⠽ǽÀ
MNIST ½Ç½À
ŸÀÌŸ´Ð »ýÁ¸ÀÚ ¿¹Ãø¸ðµ¨
Chapter 05 ´º·² ³×Æ®¿öÅ©
½Å°æ¸Á ¼Ò°³
Activation Function
¿ªÀüÆÄ ¾Ë°í¸®Áò
Drop Out
Fully Connected Network
Chapter 06 ´º·² ³×Æ®¿öÅ©ÀÇ ±¸Çö ½Ç½À
Sin ±×·¡ÇÁÀÇ ¿¹Ãø
ºñÇà±â ÀÌ·ú°Å¸® ¿¹Ãø¸ðµ¨
Chapter 07 Convolutional Neural Network
CNN ¼Ò°³
Stride
Zero Padding°ú Ãâ·Â À̹ÌÁöÀÇ Å©±â °è»ê
LeNet°ú Alex Net
VGG net
GoogLeNet
Chapter 08 CNN ½Ç½À
Inception ModuleÀ» È°¿ëÇÑ À̹ÌÁö ºÐ·ù±â
Tensorflow Hub ¼Ò°³
À̹ÌÁö ºÐ·ù±â Retraining
Chapter 09 RNN°ú LSTM
RNN
RNNÀÇ ´Ù¾çÇÑ ÀԷ°ú Ãâ·Â °ü°è
BPTT(Backpropagation Through Time)
RNN ¸ðµ¨¿¡¼ Vanishing gradient Problem
LSTM(Long Short Term Memory) ³×Æ®¿öÅ© ¼Ò°³
Chapter 10 RNNÀÇ ½Ç½À
RNN ½Ç½À ³»¿ë ¼Ò°³
RNN ÄÚµå ¼³¸í
RNN ½Ç½ÀÄÚµåÀÇ Àüü³»¿ë
Chapter 11 ½Ã°¢È µµ±¸ Tensor Board
Tensor Board ¼Ò°³
Tensor Board »ç¿ëÀ» À§ÇÑ ÄÚµå Ãß°¡
Tensor Board ½ÇÇàÇϱâ
Tensor Board ±×·¡ÇÁÀÇ ¹ü·Ê
¿¬¼ÓÀûÀÎ ¼± ±×·¡ÇÁ ±×¸®±â
Name Scope·Î ¹¾î Ç¥ÇöÇϱâ
Chapter 12 ÇнÀ°úÁ¤À» ÀúÀåÇÏ°í ºÒ·¯¿À±â
º¯¼ö¸¦ ÆÄÀÏ·Î ÀúÀåÇϱâ
ÆÄÀÏ¿¡¼ º¯¼ö Àоî¿À±â
Chapter 13 GAN
GANÀÇ °³³ä°ú À̽´
GAN°ú DCGAN(Deep Convolutional GAN)
GANÀÇ ¼ö½Ä ¸®ºä
Stack GAN
Cycle GAN
±× ¹ÛÀÇ GAN
Chapter 14 GAN ½Ç½À
MNIST ¼ýÀÚ À̹ÌÁö »ý¼º ½Ç½À
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.