청구할인 안내(인터파크 제휴카드) | 안내
삼성카드 3% (3만원 이상 결제/최대 1만원 할인)
북피니언 롯데카드 30% (최대할인 3만원 / 3만원 이상 결제)
하나SK 북&카드 30% (최대할인 3만원 / 3만원 이상 결제)
EBS 롯데카드 20% (최대할인 3만원 / 3만원 이상 결제)
인터파크 NEW 우리V카드 10% (최대할인 3만원 / 3만원 이상 결제)
인터파크 현대카드 7% (최대할인 3만원 / 3만원 이상 결제)
Close

그림과 수식으로 배우는 통통 딥러닝 : 딥러닝의 개념부터 활용 노하우까지 한 권에!

원제 : イラストで學ぶ ディ-プラーニング

2013년 9월 9일 이후 누적수치입니다.

판매지수 1,288
?
판매지수란?
사이트의 판매량에 기반하여 판매량 추이를 반영한 인터파크 도서에서의 독립적인 판매 지수입니다. 현재 가장 잘 팔리는 상품에 가중치를 두었기 때문에 실제 누적 판매량과는 다소 차이가 있을 수 있습니다. 판매량 외에도 다양한 가중치로 구성되어 최근의 이슈도서 확인시 유용할 수 있습니다. 해당 지수는 매일 갱신됩니다.
Close
공유하기
정가

23,000원

  • 20,700 (10%할인)

    1,150P (5%적립)

  • (1건)

    19,320원 ~(16%할인)

    [특급]

배송정보
주문수량
감소 증가
  • 이벤트/기획전

  • 연관도서(8)

  • 사은품(4)

책소개

다양한 딥러닝 프레임워크의 사용법을 익힌다!
딥러닝의 주요 개념을 컬러 그림을 통해 직관적으로 이해한다!


이 책은 딥러닝의 개념을 소개하는 것으로 시작해 딥러닝에 사용되는 여러 기법을 안내하고 있다. 딥러닝을 처음 배우려는 입문자부터 연구하는 대학생, 실제로 연구개발을 하는 실무자까지 다양한 독자를 이해시키기 위해 그림과 수식을 사용했다. 입문자들은 수식과 함께 나오는 그림을 통해 이해를 높일 수 있을 것이다.

출판사 서평

다양한 딥러닝 프레임워크의 사용법을 익힌다!
딥러닝의 주요 개념을 컬러 그림을 통해 직관적으로 이해한다!


이 책은 딥러닝의 개념을 소개하는 것으로 시작해 딥러닝에 사용되는 여러 기법을 안내하고 있다. 딥러닝을 처음 배우려는 입문자부터 연구하는 대학생, 실제로 연구개발을 하는 실무자까지 다양한 독자를 이해시키기 위해 그림과 수식을 사용했다. 입문자들은 수식과 함께 나오는 그림을 통해 이해를 높일 수 있을 것이다.

딥러닝의 개념이나 기법을 이론적으로 설명하는 데 그치지 않고 실제로 활용할 수 있도록 다양한 딥러닝 도구도 소개하고 있다. 특히, 텐서플로와 카페 등 오픈소스로 공개된 인기 있는 도구들의 설치부터 활용 사례까지 포함하고 있다.

이 책의 주요 내용

- 딥러닝
딥러닝이란 무엇인가?

- 신경망
퍼셉트론 / 다층 퍼셉트론 / 역전파법 / 오차 함수와 활성화 함수 / 우도 함수 / 확률적 경사 강하법 / 학습률

- 합성곱 신경망
합성곱층 / 풀링층 / 전결합층 / 출력층

- 제약 볼츠만 머신
홉필드 네트워크 / 볼츠만 머신 / 딥 빌리프 넷

- 자기부호화기
디노이징 자기부호화기 / 희소 자기부호화기 / 적층 자기부호화기

- 일반화 성능을 향상시키는 방법
학습 표본 / 전처리 / 활성화 함수 / 드롭아웃 / 드롭커넥트

- 딥러닝을 위한 도구
Theano / Pylearn2 / Caffe / DIGITS / Chainer / TensorFlow

목차

CHAPTER 01 서론
1.1 딥러닝이란
1.2 주목받게 된 계기
1.3 왜 딥러닝인가
1.4 딥러닝이란 무엇인가
1.5 이 책의 구성

CHAPTER 02 신경망

2.1 신경망의 역사
2.2 매컬러-피츠의 신경회로망 모형
2.3 퍼셉트론
2.4 다층 퍼셉트론
2.5 역전파법
2.6 오차 함수와 활성화 함수
2.7 우도 함수
2.8 확률적 경사 하강법
2.9 학습률
2.10 정리

CHAPTER 03 합성곱 신경망

3.1 합성곱 신경망의 구성
3.2 합성곱층
3.3 풀링층
3.4 전결합층
3.5 출력층
3.6 신경망의 학습 방법
3.7 정리

CHAPTER 04 제약 볼츠만 머신

4.1 홉필드 네트워크
4.2 볼츠만 머신
4.3 제약 볼츠만 머신
4.4 대조적 발산
4.5 딥 빌리프 넷
4.6 정리

CHAPTER 05 자기부호화기

5.1 자기부호화기
5.2 디노이징 자기부호화기
5.3 희소 자기부호화기
5.4 적층 자기부호화기
5.5 사전 훈련에서의 이용
5.6 정리

CHAPTER 06 일반화 성능을 향상시키기 위한 방법

6.1 학습 표본
6.2 전처리
6.3 활성화 함수
6.4 드롭아웃
6.5 드롭커넥트
6.7 정리

CHAPTER 07 딥러닝을 위한 도구

7.1 딥러닝 개발환경
7.2 Theano
7.3 Pylearn2
7.4 Caffe
7.5 학습 시스템 DIGITS
7.6 Chainer
7.7 텐서플로
7.8 정리

CHAPTER 08 딥러닝의 현재와 미래

8.1 딥러닝의 응용 사례
8.2 딥러닝의 미래
8.3 정리

참고문헌
찾아보기

본문중에서

첫 번째에서 말하는 특징 표현력을 가진 신경망이란, 같은 클래스 안에서 변동이 있는 패턴, 이를테면, 손글씨처럼 개인 차이 혹은 노이즈가 포함된 상태에서도 바르게 인식할 수 있는 특징으로 변환할 수 있는 것을 말한다. 또, 노이즈가 포함된 경우에는 그 노이즈를 제거할 수 있는 신경망이라는 의미도 있다. 이 신경망을 디노이징 자기부호화기(denoising autoencoder)라고 부른다. 또, 잉여성을 제거하기 위해 규제화 항을 추가한 희소 자기부호화기도 있다.
(/ p.70)

딥러닝 학습에서 신경망의 종류나 구성도 중요하지만, 가장 중요한 것은 학습 표본이다. 딥러닝이 일반 물체 인식(classification)에서 성공을 거둔 하나의 요인은 대량의 데이터가 있었기 때문이다. 학습 표본으로 사전에 준비된 대량의 데이터 집합이 있으면 그 데이터 집합으로 학습을 수행할 수 있다. 이에 비해, 제한적인 데이터만 확보된 데이터 집합이나 직접 데이터를 수집해서 충분한 데이터를 모으지 못한 경우에는 확보된 데이터를 최대한 효과적으로 사용할 수 있는 방법인 데이터 확장을 생각해 볼 수 있다. 먼저, 충분히 갖춰진 데이터 집합으로 ImageNet과 Places를 소개한다. 그리고 제한적인 데이터에 대해 데이터의 양을 늘릴 수 있는 데이터 확장에 대해서도 설명하겠다.
(/ p.82)

그럼, 제한된 학습 표본밖에 없다면 딥러닝 기법을 이용한 학습을 수행하기 위해서는 어떻게 해야 할까? 생각해 볼 수 있는 첫 번째 방법으로, 지금 확보한 표본을 기초로 하는 조금 변이된 데이터를 추가하여 이미지 수를 늘리는 데이터 확장(data augmentation)이 있다. 데이터 확장은 표본에 평행이동이나 회전, 거울 반사 등을 적용하여 약간의 변화를 일으킨 새로운 표본을 만드는 방법이다. 여기에 쓴 변화 외에도 기하학적 혹은 이미지의 농담이나 색을 변경하는 경우도 있고, 랜덤 노이즈나 얼룩을 추가하는 경우도 있다.
(/ p.87)

딥러닝에서 일반화 성능을 향상시키기 위해 쓰이는 방법에는 알고리즘뿐 아니라, 학습 표본도 매우 중요한 영향을 끼친다. 학습 표본을 대량으로 수집하는 것은 상당히 어려우므로, ImageNet이나 Places와 같은 공개 데이터 집합을 이용하면 매우 편리하다. 그리고 이들을 단순히 학습에 이용하는 데 그치지 않고, 클래스 내의 변이를 억제하는 전처리를 가하는 것도 중요하다. 또 알고리즘적 수단으로서는 과학습을 억제하기 위한 드롭아웃과 드롭커넥트가 매우 효과적인 것으로 알려져 있으며, 현재의 딥러닝에서는 필수 불가결한 기법이 되고 있다.
(/ p.101)

이번 장에서는 현재 나온 많은 도구 중에서 Theano와 이를 이용한 Pylearn2, 이미지 인식 분야에서 확고히 자리 잡은 Caffe, 새로 공개된 도구 중 가장 주목을 받고 있는 Chainer와 텐서플로에 대해 그 특징과 사용법을 소개하였다. 이들 도구는 사용법이나 구현하기 위한 코드 구조도 다르다. 또, 신경망의 층이나 유닛 등에 대한 명칭도 서로 다르기 때문에 혼란스러울 수도 있다. 딥러닝을 이제 막 시작하려는 사람은 Caffe나 Chainer, 새로운 알고리즘을 개발하려는 사람은 Theano나 텐서플로를 사용하는 것이 좋다.
(/ p.179)

관련이미지

저자소개

야마시타 타카요시(山下 隆義) [저] 신작알림 SMS신청 작가DB보기
생년월일 -
출생지 -
출간도서 0종
판매수 0권

1978년 고베에서 출생했으며, 1988년 고베시립공업고등전문학교 공학과를 졸업하였다. 2002년 나라첨단과학기술대학원대학교 정보과학연구과 박사전기과정을 수료하였고, 같은 해에 옴론 주식회사에 입사하였다. 옴론에서는 주로 영상에서 사람의 얼굴을 실시간으로 인식하는 소프트웨어의 연구와 개발을 담당하였다. 2011년에는 회사 근무와 병행하여 츄부대학 대학원 공학연구과 박사후기과정을 수료(공학박사)하였다. 2014년부터는 츄부대학 공학부 정보공학과 강사로 나가는 한편, 인간과 같은 인지를 지향하는 동영상 처리, 패턴 인식, 머신러닝 연구를 수행하고 있

펼쳐보기
생년월일 -
출생지 -
출간도서 0종
판매수 0권

연세대학교 문헌정보학과를 졸업하고 모교 중앙도서관과의 인연으로 도서관 솔루션 업체에서 일하게 되면서 개발을 시작했다. 네이버에서 웹 서비스 개발 업무를 맡았으며, 웹 서비스 외에 머신러닝에 대한 공부도 꾸준히 하고 있다. 최근 관심사는 회사에 속하지 않고도 지속 가능한 삶이다. 옮긴 책으로 [딥러닝 제대로 시작하기], [그림과 수식으로 배우는 통통 딥러닝], [그림과 수식으로 배우는 통통 머신러닝], [그림과 수식으로 배우는 통통 인공지능]이 있다.

리뷰

0.0 (총 0건)

기대평

작성시 유의사항

평점
0/200자
등록하기

기대평

0.0

교환/환불

교환/환불 방법

‘마이페이지 > 취소/반품/교환/환불’ 에서 신청함, 1:1 문의 게시판 또는 고객센터(1577-2555) 이용 가능

교환/환불 가능 기간

고객변심은 출고완료 다음날부터 14일 까지만 교환/환불이 가능함

교환/환불 비용

고객변심 또는 구매착오의 경우에만 2,500원 택배비를 고객님이 부담함

교환/환불 불가사유

반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가할 수 있음
배송된 상품의 분실, 상품포장이 훼손된 경우, 비닐랩핑된 상품의 비닐 개봉시 교환/반품이 불가능함

소비자 피해보상

소비자 피해보상의 분쟁처리 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 따라 비해 보상 받을 수 있음
교환/반품/보증조건 및 품질보증 기준은 소비자기본법에 따른 소비자 분쟁 해결 기준에 따라 피해를 보상 받을 수 있음

기타

도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 주문이 취소될 수 있음(이 경우 인터파크도서에서 고객님께 별도로 연락하여 고지함)

배송안내

  • 인터파크 도서 상품은 택배로 배송되며, 출고완료 1~2일내 상품을 받아 보실 수 있습니다

  • 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 상품을 기준으로 배송됩니다.

  • 군부대, 교도소 등 특정기관은 우체국 택배만 배송가능하여, 인터파크 외 타업체 배송상품인 경우 발송되지 않을 수 있습니다.

  • 배송비

도서(중고도서 포함) 구매

2,000원 (1만원이상 구매 시 무료배송)

음반/DVD/잡지/만화 구매

2,000원 (2만원이상 구매 시 무료배송)

도서와 음반/DVD/잡지/만화/
중고직배송상품을 함께 구매

2,000원 (1만원이상 구매 시 무료배송)

업체직접배송상품 구매

업체별 상이한 배송비 적용