추가 적립 안내

현재 딥러닝은 빅데이터의 폭발적인 증가와 함께 많은 관심을 받고 있다. 최고의 데이터 과학자가 되고 싶다면 이 책으로 딥러닝을 이해해보는 것은 어떨까. 저자는 딥러닝 모형이 어떻게 작동하는지를 알려주며, R을 사용해 직접 딥러닝 모델을 쉽고 빠르게 구축할 수 있도록 도와준다. 복잡한 수식을 지양하고, 다양한 사례를 통해 딥러닝의 핵심을 쉽게 이해할 수 있을 것이다.

★ 이 책에서 다루는 내용 ★
■ 순환 신경망(Recurrent Neural Network)의 개발
■ 엘만 신경망(Elman Neural Network) 구축
■ 조단 신경망(Jordan Neural Network) 수행
■ 중첩된 상호 연관 신경망(Cascade Correlation Neural Network) 생성
■ 심층 신경망(Deep Neural Network)의 이해
■ 오토인코더(Autoencoder) 활용
■ 다층 오트인코더(Stacked Autoencoder)의 성능을 높이는 방법
■ 제한된 볼츠마 머신(Restricted Boltzmann Machine) 활용
■ 심층 신뢰망(Deep Belief Network) 학습

★ 이 책의 대상 독자 ★
이 책은 데이터 과학자, 연구자, 개인적인 관심을 갖고 딥러닝을 배우고 싶은 사람들 모두에게 딥러닝 기법을 소개시켜주고자 한다. R을 처음 접하는 사람도 이 책을 사전지식 없이 쉽게 읽을 수 있다. 각 예제들을 직접 입력해보며, 예제에 대한 설명을 읽으면 가능하다.

★ 옮긴이의 말★
요즘은 그 어느 때보다 많은 매체에서 '딥러닝'이란 용어가 회자되고 있으며, 이미 우리의 일상 속에서도 어렵지 않게 접할 수 있다. 과연 ‘딥러닝’이란 무엇일까? 우리는 ‘딥러닝’에 대한 이해 없이 이 상황을 맞이해도 괜찮을까? ‘딥러닝’을 이해하면 이를 어떻게 활용할 수 있을까? 딥러닝에 대한 적절한 이해가 중요한 시점이다.
최근 딥러닝 입문서가 적지 않다. 그중에서도 이 책은 상대적으로 적은 분량과 저자의 도발적인 표현(본인이 ‘최고’요, 이 책도 ‘최고’요)때문에 눈길을 끌게 되었다. “정말로 그럴까?”라는 의문과 꽤 얇은 책의 두께 때문에 이 책을 알아가게 됐다. 결론적으로 이 책은 딥러닝의 ‘큰 그림’을 소개하고 쉽고 빠르게 활용 방법을 알려줘 의문에 대한 답을 제시한다.
특히 수식에 대한 자세한 설명을 지양하고 사례를 통해 딥러닝을 소개하는 것은 이 책의 가장 큰 장점이다. (물론 독자들이 직접 실습을 할 수 있게 딥러닝을 위한 R 코드도 같이 제공해 활용 방법도 제시한다.) 사례를 참고해 최대한 쉽게 직접 적용할 수 있으면서 가끔은 저자의 사례도 소개해 꽤 재미있게 책장을 넘길 수도 있다. 반면 딥러닝에 관한 복잡한 수식이나 수준 깊은 기술인 내용은 설명하지 않으니 참고하길 바란다.
딥러닝을 쉽고 빠르게 이해하고 싶은 독자들에게 이 책을 권한다. 책에서는 인공 신경망부터 심층 신경망의 개요 등, 다양한 종류의 심층 신경망을 소개한다. 이 과정에서 다양한 분야에서의 딥러닝 적용 사례를 소개하며, 직접 실습할 수 있게 간결한 R 코드를 함께 제공한다. 이 대목에서 독자들에게 한 가지 부탁이 있다. 각 장의 내용을 읽은 후, 책에서 제공되는 R 코드를 꼭 실행해보길 바란다. 그리고 가능하다면 독자들이 다루는 데이터에 대해서도 책에서 나오는 R 코드를 적용해보기를 바란다. 이 과정으로 딥러닝 내용을 한층 더 잘 이해할 수 있는 계기가 되었으면 한다.

1장. 소개
- 딥러닝이란?
- 딥러닝으로 해결할 수 있는 문제
- 누가 딥러닝을 사용할까?
- 신경망 기초

2장. 심층 신경망
- 심층 신경망의 놀랍도록 간단한 구조
- 60초 내에 DNN을 설명하는 방법
- DNN을 잘 사용하는 세 가지 방법
- 어떤 함수라도 빠르게 근사시키는 방법
- 얼마나 많은 뉴런이 필요한가에 대한 답
- 최적의 계층의 개수를 선택하는 기준
- DNN 성능을 개선하는 세 가지 아이디어
- R로 놀랍도록 쉽게 DNN 구축

3장. 엘만 신경망
- 엘만 신경망이란?
- 컨텍스트 계층 뉴런의 역할
- 정보 흐름 이해
- 엘만 신경망으로 성능을 높이는 방법
- 엘만 신경망을 사용하는 네 가지 방법
- 엘만 신경망을 쉽게 구축하는 방법
- 최고의 패키지 로드
- 데이터를 보는 것이 새로운 과학인 이유
- 데이터 변환의 비밀
- 흥미로운 모델을 만드는 방법
- 이상적인 예측 방법

4장. 조단 신경망
- 조단 신경망이 해결할 수 있는 세 가지 문제
- R에서 조단 모델을 효과적으로 사용하기 위한 필수 요소
- 데이터를 변환하는 좋은 방법
- 훈련 데이터 선택
- 모델에 사용할 팁

5장. 오토인코더의 비밀
- 제다이 기사의 초능력
- 밝혀진 비밀
- 실행할 수 있는 실용적인 정의
- 브라질 세라도 보호
- 반드시 알아야 할 내용
- 희박 오토인코더가 주는 강력한 이점
- Kullback-Leibler 발산의 이해
- 희박 오토인코더가 주는 세 가지 교훈
- 할리우드, 생체 인식, 희박 오토인코더 혼용
- R에서 오토인코더를 바로 사용하는 방법
- R을 사용한 데이터 과학 프로젝트를 위한 아이디어

6장. 다층 오토인코더의 핵심
- 딥러닝 대가의 학습을 위한 비밀 소스
- 하루 몇 시간의 수면이 필요할까?
- 5분 안에 SA 만들기
- 잡음 제거 오토인코더
- 랜덤 마스킹
- DA의 두 가지 필수적인 작업
- 다층 DA의 이해
- 깜짝 놀랄 만한 적용 사례

7장. 제한 볼츠만 머신
- 지식에 이르는 네 단계
- 에너지와 확률의 역할
- 생각하는 훌륭한 방법
- RBM 학습의 목적
- 마법 같은 속임수 훈련
- 딥러닝에 대한 비판
- 세상을 바꿀 두 아이디어
- R에서 제한 볼츠만 머신을 사용하는 비법

8장. 심층 신뢰망
- DBN 훈련 방법
- 더 나은 콜센터 경험하는 방법
- 쉽게 따라할 수 있는 세계 최초의 아이디어
- R에서 DBN을 만드는 단계