추가 적립 안내

딥러닝 기초, 실무 활용, 규모 확장
의미를 알고 쓰는 텐서플로

텐서플로는 현재 가장 대중적인 딥러닝 라이브러리로서 각종 튜토리얼 코드를 웹에서 쉽게 찾을 수 있다. 하지만 딥러닝 기법을 이해하는 것도 벅찬 마당에 텐서플로 자체를 자세히 설명하는 자료는 찾아보기 어려운 실정이다. 이 책은 파이썬 지식이 있는 개발자를 대상으로 텐서플로의 구동 원리를 알려주며 기초부터 고급 활용법까지 파헤친다. 텐서보드, 케라스, TFLearn, 텐서플로 서빙 등 텐서플로를 더 강력하게 해주는 도구와 멀티스레딩 및 분산처리를 이용한 규모 확장 등 다른 곳에서 찾을 수 없는 실무 노하우가 담겨 있다. PC 한 대로 MNIST 예제를 돌려보는 단계를 벗어나고 싶다면 이 책을 피할 수 없을 것이다.게 이 책을 추천합니다.

딥러닝 영상처리와 NLP부터 텐서보드 시각화, 멀티스레딩, 분산처리까지
가장 널리 쓰이는 딥러닝 라이브러리인 텐서플로의 모든 것을 다룬다. ‘텐서플로’에서 ‘텐서’는 어떤 의미이고 ‘플로’는 어떤 의미일까? 텐서플로가 그래프 기반이라고 하던데 이 그래프는 어떻게 작동할까? 의미도 모르고 쓰고 있는 변수, 플레이스홀더, 세션, 페치 등의 정확한 정의는 무엇일까? 이 책은 텐서플로 기초를 다루며, 다른 책에서 다루지 않는 이러한 의문에 답한다.
이어서 신경망 구조, 텐서보드 시각화, 추상화 라이브러리(케라스, TF-Slim, TFLearn), 텐서플로 서빙, 멀티스레드 입력 파이프라인, 분산처리 등 심화 주제로 넘어간다. 이 과정에서 CNN, RNN, 오토인코더 등을 활용한 자연어처리, 영상처리, 음성인식, 예측 분석 등 흔히 쓰이는 딥러닝 기법들을 예제로 살펴본다.
이 책을 마스터하면 텐서플로를 사용한 딥러닝 시스템을 구축하고 실무에 운용할 준비를 마친 셈이다.
● 고통 없이 텐서플로를 배우고 돌려보기
● 밑바닥부터 딥러닝 모델 구축하기
● 영상처리와 NLP에 널리 쓰이는 딥러닝 모델 훈련하기
● 개발을 쉽고 빠르게 해주는 추상화 라이브러리 사용하기
● 텐서플로를 확장하여 클러스터로 모델 훈련을 분산처리하기
● 프로덕션 환경으로 텐서플로 배포하기

최용선(S-Core 데이터 과학자)
텐서플로를 기초부터 잘 설명해주는 책이 나왔습니다. 기본적인 변수 설정부터 메서드 같은 텐서플로의 동작 방식, 그리고 분류, CNN, RNN, 텍스트 분석까지 설명합니다. 케라스 등 텐서플로를 더 쉽게 쓸 수 있게 해주는 도구와 텐서플로를 분산 환경에서 돌릴 수 있는 방법도 살펴봅니다. 약간의 딥러닝 지식만 있다면 쉽게 이해할 수 있습니다. 책에서 제공하는 예제에 자신이 구한 데이터셋을 적용해가면서 공부해보면 더 도움이 될 거라고 생각합니다. 텐서플로를 실무에서 사용하고 있는 사람으로서 텐서플로 입문자들에게 추천하고 싶은 책입니다.

비슈와나스 수브라마니안(스타벅스 데이터 엔지니어)
쉬운 예제와 복잡한 예제가 조화롭게 들어 있어 도움이 됐다. 텐서플로 서빙과 모델 훈련을 분산처리하는 챕터가 특히 흥미로웠다. 텐서플로를 이해하고 활용하기 위해 여러 번 읽어볼 만한 책이다.

최용선(S-Core 데이터 과학자)
텐서플로를 기초부터 잘 설명해주는 책이 나왔습니다. 기본적인 변수 설정부터 메서드 같은 텐서플로의 동작 방식, 그리고 분류, CNN, RNN, 텍스트 분석까지 설명합니다. 케라스 등 텐서플로를 더 쉽게 쓸 수 있게 해주는 도구와 텐서플로를 분산 환경에서 돌릴 수 있는 방법도 살펴봅니다. 약간의 딥러닝 지식만 있다면 쉽게 이해할 수 있습니다. 책에서 제공하는 예제에 자신이 구한 데이터셋을 적용해가면서 공부해보면 더 도움이 될 거라고 생각합니다. 텐서플로를 실무에서 사용하고 있는 사람으로서 텐서플로 입문자들에게 추천하고 싶은 책입니다.

CHAPTER 1 개요
1.1 딥러닝 속으로
1.2 텐서플로라는 이름에 담긴 의미
1.3 텐서플로 개괄
1.4 마치며

CHAPTER 2 텐서플로 설치에서 실행까지
2.1 텐서플로 설치
2.2 Hello World
2.3 MNIST
2.4 소프트맥스 회귀
2.5 마치며

CHAPTER 3 텐서플로의 기본 이해하기
3.1 연산 그래프
3.2 그래프, 세션, 페치
3.3 텐서의 흐름
3.4 변수, 플레이스홀더, 간단한 최적화
3.5 마치며

CHAPTER 4 합성곱 신경망
4.1 CNN 소개
4.2 MNIST 분류기: 버전 2
4.3 CIFAR10
4.4 마치며

CHAPTER 5 텍스트 1: 텍스트와 시퀀스 처리 및 텐서보드 시각화
5.1 시퀀스 데이터의 중요성
5.2 RNN 소개
5.3 텍스트 시퀀스용 RNN
5.4 마치며

CHAPTER 6 텍스트 2: 단어 벡터, 고급 RNN, 임베딩 시각화
6.1 단어 임베딩 소개
6.2 word2vec
6.3 사전 학습된 임베딩과 고급 RNN
6.4 마치며

CHAPTER 7 텐서플로 추상화와 간소화
7.1 이번 장의 개요
7.2 contrib.learn
7.3 TFLearn
7.4 마치며

CHAPTER 8 큐, 스레드, 데이터 읽기
8.1 입력 파이프라인
8.2 TFRecord
8.3 큐
8.4 완전한 멀티스레드 입력 파이프라인
8.5 마치며

CHAPTER 9 분산 텐서플로
9.1 분산 컴퓨팅
9.2 텐서플로의 병렬처리 요소
9.3 분산 예제
9.4 마치며

CHAPTER 10 모델 엑스포트와 서빙
10.1 모델을 저장하고 내보내기
10.2 텐서플로 서빙 소개
10.3 마치며

APPENDIX A 모델 구축과 텐서플로 서빙 사용에 관한 팁
A.1 모델 구조화 및 사용자 정의
A.2 텐서플로 서빙의 필수 및 권장 구성 요소

APPENDIX B 한국어판 부록: 텐서플로 1.7의 contrib.learn 폐기

APPENDIX C 한국어판 부록: 7.3.5절 TF-Slim 예제