추가 적립 안내

텐서플로 코드로 맛보는 딥러닝 핵심 개념!

이 책은 신경망 기초부터 CNN, Autoencoder, GAN, RNN, DQN까지 딥러닝의 가장 기본이 되는 모델들을 직접 구현하며 몸으로 익히도록 구성했습니다. 이론을 깊이 파헤치기보다는 다양한 딥러닝 모델의 기초 개념과 기본적인 텐서플로 사용법을 학습하는 데 초점을 두고, 각 모델의 논문에 수록된 복잡한 코드들을 그 핵심이 잘 드러나도록 재구현했습니다. 간결해진 예제들이 여러분을 딥러닝과 텐서플로의 세계로 즐겁고 편안히 모실 것입니다.

이론보다는 실전! 몸으로 먼저 익히는 딥러닝!
“한동안 좌절하던 중, 텐서플로 예제나 한번 돌려보자 싶더군요. 그런데 예제들을 돌려보고 나니 어렵게만 느껴지던 강좌들이 어느 정도 이해되는 것이었습니다! 그래서 깨달았죠. “아, 나 같은 사람은 코드로 먼저 공부하는 게 좋겠다!” … 이 책은 딥러닝/머신러닝을 배우고 싶지만, 수식만 나오면 울렁거려서 책을 덮는 저 같은 프로그래머에게 가장 적합합니다. 더불어 딥러닝/머신러닝을 공부하는 학생이나 연구자, 혹은 이론을 먼저 공부한 개발자 중 텐서플로를 써보고 싶은 분께도 좋은 가이드가 될 것입니다.”
_ ‘서문’ 중에서

★ 주요 내용
● 텐서플로 프로그래밍 101
● 기본 신경망 구현
● 텐서보드와 모델 재사용
● 헬로 딥러닝, MNIST
● 이미지 인식의 은총알, CNN
● 대표적 비지도 학습법, Autoencoder
● 딥러닝의 미래, GAN
● 번역과 챗봇 모델의 기본, RNN
● 구글의 핵심 이미지 인식 모델, Inception
● 딥마인드가 개발한 강화학습, DQN

예제 소스: https://github.com/golbin/TensorFlow-Tutorials

조병욱(구글코리아 클라우드 엔지니어)
딥러닝을 공부하는 입장에서 꽤 많은 원서와 국내 번역서와 자료를 읽어보았지만, 핵심을 이렇게 간결하게 실용적으로 잘 풀어놓은 자료를 본 적이 없습니다. 다른 서적들이 보통 CNN 모델 설명까지만 머무르는 데 반해 이 책은 RNN, DQN, 오토인코더까지 주요한 딥러닝 모델을 실용적인 예제로 접근하기 때문에 딥러닝을 공부하는 사람들에게 좋은 방향을 제시해줍니다. 딥러닝을 시작하는 사람이라면 반드시 책꽂이에 한 권쯤 꽂혀 있어야 하는 책이라고 강력하게 추천합니다. (『(조대협의 서버 사이드) 대용량 아키텍처와 성능 튜닝』 저자)

박상길(카카오 신규검색개발 TF장)
“인공지능은 새 시대의 전기다.” 딥러닝의 세계 최고 권위자 앤드류 응 박사는 바이두를 떠나며 AI의 미래 가치를 이렇게 표현했습니다. AI는 더 이상 소수의 과학자를 위한 연구가 아니라 전기처럼 일상에서 누구나 편하게 사용할 수 있는 기술로 다가왔다는 얘기입니다.
실제로 이 책은 AI의 핵심인 딥러닝이 누구나 편하게 사용할 수 있는 전기와 같은 기술이란 걸 잘 설명합니다. 이미지 인식의 은총알인 CNN, 2016년 가장 뜨거운 감자였던 GAN, 자연어 인식을 대표하는 RNN, 알파고로 대표되는 구글 딥마인드의 DQN까지... 처음 보면 다소 어려운 약어지만, 이 책의 예제 코드를 천천히 따라 해보면 누구나 어렵지 않게 인공지능 분야를 대표하는 기술이 실제로 어떤 것인지를 친절한 설명을 통해 쉽게 이해할 수 있습니다.
이 책의 마지막 장까지 읽은 후 저는 앤드류 응의 말에 더욱더 동의하게 되었습니다. 이 책은 전기를 잘 활용하려는 여러분에게 좋은 길잡이가 되어줄 것이라 확신합니다.

서민구(구글코리아 소프트웨어 엔지니어)
이렇게 재미있게 딥러닝에 접근할 수도 있구나 하는 생각이 들었습니다. 너무 가볍지도 않고 지나치게 학술적이지도 않습니다. 하나씩 만들어보는 과정과 잘 짜여진 코드는 이 분야를 처음 시작하는 분들께 하나의 이정표가 되리라 생각합니다. (『R을 이용한 데이터 처리&분석 실무』 저자)

하정우(네이버 클로바 AI 연구팀장)
코드 중심의 구체적인 설명과 어렵지 않은 용어로 기본 개념 정립까지! 딥알못 개발자가 딥러닝의 바다로 출항할 때 지침이 되는 책입니다. 이제 곧 딥러닝의 세계로 뛰어들어야 하는 제 와이프 님께도 꼭 권하고 싶네요!!

1장. 딥러닝과 텐서플로의 만남
__1.1 인공지능, 머신러닝 그리고 딥러닝
__1.2 왜 텐서플로인가?

2장. 텐서플로 설치와 주피터 노트북
__2.1 파이썬 및 필수 라이브러리 설치하기
__2.2 텐서플로 예제 내려받고 실행해보기
__2.3 주피터 노트북

3장. 텐서플로 프로그래밍 101
__3.1 텐서와 그래프 실행
__3.2 플레이스홀더와 변수
__3.3 선형 회귀 모델 구현하기

4장. 기본 신경망 구현
__4.1 인공신경망의 작동 원리
__4.2 간단한 분류 모델 구현하기
__4.3 심층 신경망 구현하기

5장. 텐서보드와 모델 재사용
__5.1 학습 모델 저장하고 재사용하기
__5.2 텐서보드 사용하기
__5.3 더 보기

6장. 헬로 딥러닝, MNIST
__6.1 MNIST 학습하기
__6.2 드롭아웃
__6.3 matplotlib

7장. 이미지 인식의 은총알, CNN
__7.1 CNN 개념
__7.2 모델 구현하기
__7.3 고수준 API
__7.4 더 보기

8장. 대표적 비지도 학습법, Autoencoder
__8.1 오토인코더 개념
__8.2 오토인코더 구현하기

9장. 딥러닝의 미래, GAN
__9.1 GAN 기본 모델 구현하기
__9.2 원하는 숫자 생성하기
__9.3 더 보기

10장. 번역과 챗봇 모델의 기본, RNN
__10.1 MNIST를 RNN으로
__10.2 단어 자동 완성
__10.3 Sequence to Sequence
__10.4 더 보기

11장. 구글의 핵심 이미지 인식 모델, Inception
__11.1 자료 준비
__11.2 학습시키기
__11.3 예측 스크립트
__11.4 더 보기

12장. 딥마인드가 개발한 강화학습, DQN
__12.1 DQN 개념
__12.2 게임 소개
__12.3 에이전트 구현하기
__12.4 신경망 모델 구현하기
__12.5 학습시키기
__12.6 더 보기