간편결제, 신용카드 청구할인
삼성카드 6% (22,000원)
(삼성카드 6% 청구할인)
인터파크 롯데카드 5% (22,230원)
(최대할인 10만원 / 전월실적 40만원)
북피니언 롯데카드 30% (16,380원)
(최대할인 3만원 / 3만원 이상 결제)
NH쇼핑&인터파크카드 20% (18,720원)
(최대할인 4만원 / 2만원 이상 결제)
Close

딥러닝 부트캠프 with 케라스 : GPU 실습 환경 준비부터 이미지 분류, 물체 검출, 강화 학습까지

소득공제

2013년 9월 9일 이후 누적수치입니다.

판매지수 40
?
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

26,000원

  • 23,400 (10%할인)

    1,300P (5%적립)

  • 구매

    20,800 (20%할인)

    1,040P (5%적립)

할인혜택
적립혜택
  • I-Point 적립은 출고완료 후 14일 이내 마이페이지에서 적립받기한 경우만 적립됩니다.
  • 추가혜택
    배송정보
    주문수량
    감소 증가
    • 북카트 담기
    • 바로구매
    • 매장픽업
    • 이벤트/기획전

    • 연관도서

    • 사은품(5)

    책소개

    딥러닝은 이미지 인식, 음성 인식, 자연어 처리 등의 분야에서 가장 활발하게 이용되고 있다. 이 책은 그중 ‘이미지 인식’에 초점을 맞춰 이미지 클래스 분류, 물체 검출 등을 케라스로 쉽고 빠르게 실습하면서 딥러닝의 원리를 익히도록 구성했다. 또한, 게임, 자율 주행 등에 많이 활용되는 강화 학습으로 삼목 게임에 강한 컴퓨터도 만들어 본다.

    출판사 서평

    딥러닝, 케라스로 더 쉽고 빠르게 구현하자!

    케라스로 더 쉽게 구현하자!

    케라스는 공식 문서에서 "30초면 시작한다"라고 할 만큼 사용법이 간단합니다. 이미지 분류와 물체 검출을 단계별로 쉽고 빠르게 케라스로 구현해 봅니다.

    강화 학습을 경험하자!
    게임, 자율 주행, 금융 데이터 분석 등에서 많이 활용되는 강화 학습을 이용해 스스로 삼목 게임을 학습하는 컴퓨터를 만들어 봅니다.

    실습하면서 원리를 익히자!
    학습에 필요한 주요 개념을 간결하게 배우고 예제를 실습하며 핵심 원리를 익힙니다.

    이 책에서 다루는 내용
    - 우분투 설치부터 CUDA, cuDNN, 케라스 설치와 같은 딥러닝 실습 환경 구축
    - 전결합 신경망, 합성곱 신경망(CNN), 활성화 함수, 경사 하강법, 오차역전파법과 같은 핵심 이론
    - VGG-16, ResNet-152를 이용한 이미지 클래스 분류 및 예측 정확도 향상 기법
    - 23층, 26층 네트워크를 이용한 물체 검출
    - 삼목 게임을 스스로 학습하는 강화 학습(DQN)

    목차

    1장 이 책의 개요와 준비
    1.1 이 책의 구성
    - 딥러닝의 성과
    - 이 책에서 학습하는 내용 : 이미지의 클래스 분류, 물체 검출, 강화 학습
    - 이 책에서 다루는 기법 : 사전 학습된 모델의 이용
    1.2 이 책에서 사용하는 데이터셋
    1.3 사용하는 기기와 소프트웨어
    - 사용하는 프레임워크
    - GPU의 이용
    - 사용하는 기기 : 게임용 PC
    - OS 및 미들웨어
    1.4 소프트웨어 설치
    - OS 설치
    - 미들웨어 설치
    1.5 예제 파일 내려받기
    - 파일 내려받기
    - 내려받은 파일의 압축 풀기

    2장. 네트워크의 구성
    2.1 순전파형 네트워크
    - 전결합 신경망
    - 합성곱 신경망(CNN)
    2.2 합성곱 신경망
    - 합성곱층
    - 풀링층
    - 업샘플링층
    2.3 이 책에서 사용하는 네트워크 패턴

    3장 기본 용어
    3.1 딥러닝의 처리 개요
    3.2 활성화 함수
    3.3 손실 문제
    3.4 확률적 경사 하강법
    - 가중치 업데이트의 계산 예
    - 모멘텀
    3.5 오차역전파법
    3.6 과학습
    - 밸리데이션 데이터셋을 사용한 에폭 수 결정
    - 정규화
    - 드롭아웃
    3.7 데이터 확장과 전처리
    3.8 사전 학습된 모델
    3.9 학습 계수 조정

    4장. 이미지 클래스의 분류
    4.1 개요
    4.2 공통 데이터의 구축
    - 이미지 데이터셋 내려받기
    - 데이터 추출과 기본 데이터셋의 구축
    - 데이터 확장과 공통 데이터셋의 구축
    4.3 9층의 네트워크로 클래스 분류
    - 네트워크의 개요
    - 학습과 모델 만들기
    - 모델 읽기와 예측 실행
    - 실행
    4.4 VGG-16으로 클래스 분류 : 16층의 사전 학습된 모델
    - VGG-16의 개요
    - 프로그램의 개요
    - 실행
    4.5 ResNet-152로 클래스 분류 : 152층의 사전 학습된 모델
    - ResNet의 개요
    - 실행 환경 설치
    - 프로그램의 개요
    - 실행
    4.6 예측 정확도 더 향상시키기
    - 개요
    - 복수 모델 사용
    - 2단계 일반화
    - 자기 학습

    5장. 물체 검출
    5.1 물체의 위치 검출 : 26층의 네트워크
    - 물체의 위치와 크기, 종류 예측
    - 사용하는 소프트웨어의 특성
    - 실행 환경 설치
    - 사전 학습된 모델을 이용하여 물체 검출
    - 오브젝트를 학습하여 물체 검출
    5.2 물체의 형태 검출 : 23층의 네트워크
    - 물체의 위치와 크기, 형태 예측
    - 사용하는 모델과 특성
    - 프로그램의 개요
    - 실행 예

    6장. 강화 학습 : 삼목 게임에 강한 컴퓨터 키우기
    6.1 강화 학습
    - 강화 학습의 개요
    - Q 러닝
    - DQN
    6.2 기본 틀
    - 환경과 에이전트
    - 실행 개요
    - 환경 규칙
    6.3 실행 환경의 설치
    6.4 Q 러닝과 딥러닝
    6.5 실행 사례

    부록
    A Yolo용 오브젝트의 위치 정보를 만드는 방법
    - BBox-Label-Tool 설치
    - 오브젝트의 위치 정보 만들기
    B 주요 예제 소스
    - 4장에서 사용한 예제 소스
    - 5장에서 사용한 예제 소스
    - 6장에서 사용한 예제 소스

    본문중에서

    ‘자동차의 자율 주행’처럼 꿈 같은 이야기도 몇 년 후에는 예사로운 일일 것입니다. 자동차가 자율 주행을 하려면 높은 수준의 기술이 필요합니다. 그중 하나가 정확한 센서 역할을 담당하는 이미지 인식입니다. 또 하나는 사람에 가깝게 좀 더 수준 높은 예측을 가능하게 하는 강화 학습입니다. 책은 이 두 가지에 초점을 맞추어 딥러닝을 이용한 샘플 프로그램을 보여 주며 실전 기법도 함께 소개합니다.
    ('지은이의 말' 중에서)

    저자의 이야기처럼 이미 인공지능은 우리 생활 주변의 여러 곳에서 활용됩니다. 인공지능 청소기, 인공지능 스피커, 시리, 구글 어시스턴트 등 예를 들자면 끝이 없습니다. 나아가 자동차 자율 주행뿐만 아니라 인간처럼 행동하는 로봇도 곧 등장하지 않을까 싶습니다. 역자는 투자 전문가로 오랜 시간을 보냈는데, 특히 퀀트 투자에 관심이 많았습니다. 머신 러닝의 많은 부분이 퀀트 투자의 프로세스 및 방법에 영향을 미치면서 상호 발전합니다. 이 책에서는 이미지 인식과 물체 검출을 중심으로 서술하지만, 그 원리와 방법은 여러 분야에 응용할 수 있으리라 봅니다. 역자가 관심이 많은 투자 분야에서도 이 책에 나오는 CNN(합성곱 신경망)을 이용하여 주식 가격의 패턴들을 인식한다면 매우 재미있는 결과를 얻을 수 있지 않을까 합니다. 강화 학습으로 트레이더가 미지의 투자 환경에서 좀 더 똑똑하게 대응한다면 그 결과 역시 매우 흥미로울 것입니다.
    ('옮긴이의 말' 중에서)

    관련이미지

    저자소개

    후지타 카즈야 [저] 신작알림 SMS신청 작가DB보기
    생년월일 -
    출생지 -
    출간도서 1종
    판매수 75권

    니가타 현에서 태어나 니가타대학 교육학부 수학과를 졸업한 후, 니가타 현 공립중학교에서 수학 교사로 근무했다. 그 후 IT 시스템 회사에 근무하면서 웹 시스템을 개발하고 관공서 등의 통계 업무를 담당했다. 2004년에 주식회사 포워드 네트워크를 설립, 대표이사로 취임했다.

    다카하라 아유무 [저] 신작알림 SMS신청 작가DB보기
    생년월일 -
    출생지 -
    출간도서 1종
    판매수 75권

    요코하마 상과대학의 상학부를 졸업한 후 IT 대기업에서 근무했다. 현재는 주식회사 포워드 네트워크에 입사하여, Hadoop 인정 개발자(CCDH), Hadoop 인정 관리자(CCAH) 자격을 보유하고 빅데이터를 해석하는 업무 등을 맡고 있다.

    생년월일 -
    출생지 -
    출간도서 0종
    판매수 0권

    Finance Ph.D, CFA, FRM이며, 금융 투자/경제 분석 전문가다. 국내 유수 금융기관 및 금융공기업에 근무했으며, 현재 딥러닝과 강화 학습을 투자에 접목시키는 투자 시스템을 개발 중이다.

    이 책과 내용이 비슷한 책 ? 내용 유사도란? 이 도서가 가진 내용을 분석하여 기준 도서와 얼마나 많이 유사한 콘텐츠를 많이 가지고 있는가에 대한 비율입니다.

      리뷰

      0.0 (총 0건)

      구매 후 리뷰 작성 시, 북피니언 지수 최대 600점

      리뷰쓰기

      기대평

      작성시 유의사항

      평점
      0/200자
      등록하기

      기대평

      10.0

      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