간편결제, 신용카드 청구할인
카카오페이 3,000원
(카카오페이 결제 시 최대할인 3천원 / 5만원 이상 결제, 기간 중 1회)
PAYCO(페이코) 최대 5,000원 할인
(페이코 신규 회원 및 90일 휴면 회원 한정)
북피니언 롯데카드 30% (26,460원)
(최대할인 3만원 / 3만원 이상 결제)
EBS 롯데카드 20% (30,240원)
(최대할인 3만원 / 3만원 이상 결제)
인터파크 NEW 우리V카드 10% (34,020원)
(최대할인 3만원 / 3만원 이상 결제)
인터파크 현대카드 7% (35,160원)
(최대할인 3만원 / 3만원 이상 결제)
Close

심층 학습

원제 : Deep Learning
소득공제

2013년 9월 9일 이후 누적수치입니다.

판매지수 2,256
?
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

42,000원

  • 37,800 (10%할인)

    2,100P (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(15)

    • 사은품(3)

    책소개

    심층 학습을 위한 완벽한 참고서이자 바이블!

    이 책은 우선 심층 학습과 관련된 선형대수, 확률론, 정보 이론, 수치 계산, 기계 학습의 여러 주요 개념을 소개한다. 그런 다음에는 심층 순방향 신경망, 정칙화, 최적화 알고리즘, 합성곱 신경망, 순차열 모형화 등등 업계 실무자들이 사용하는 여러 심층 학습 기법들을 설명하고, 현실적인 심층 학습 실천 방법론도 소개한다. 또한 자연어 처리, 음성 인식, 컴퓨터 시각, 온라인 추천 시스템, 생물정보학, 비디오 게임을 위해 심층 학습을 응용하는 방법들도 개괄한다. 마지막으로는 연구의 관점에서 심층 학습을 살펴보는데, 이를테면 선형 인자 모형, 자동부호기, 표현 학습, 구조적 확률 모형, 몬테카를로 방법 같은 이론 연구 주제들을 소개한다.

    출판사 서평

    기계 학습의 한 형태인 심층 학습을 이용하면 컴퓨터가 개념들의 계통구조를 통해서 세계를 경험하고 이해하게 만들 수 있다. 심층 학습에서는 컴퓨터가 경험에서 지식을 수집하므로, 컴퓨터에 필요한 모든 지식을 사람(컴퓨터 운영자)이 일일이 지정할 필요가 없다. 그리고 개념들의 계통구조 덕분에 컴퓨터는 간단한 개념들을 조합해서 좀 더 복잡한 개념을 배우게 된다. 그러한 계통구조의 그래프는 다수의 층으로 이루어진 ‘심층’ 구조를 가질 수 있다. 이 책은 심층 학습의 다양한 주제를 소개한다.

    독자가 이 책을 읽는 데 필요한 수학적, 개념적 토대를 마련할 수 있도록, 이 책은 우선 심층 학습과 관련된 선형대수, 확률론, 정보 이론, 수치 계산, 기계 학습의 여러 주요 개념을 소개한다. 그런 다음에는 심층 순방향 신경망, 정칙화, 최적화 알고리즘, 합성곱 신경망, 순차열 모형화 등등 업계 실무자들이 사용하는 여러 심층 학습 기법들을 설명하고, 현실적인 심층 학습 실천 방법론도 소개한다. 또한 자연어 처리, 음성 인식, 컴퓨터 시각, 온라인 추천 시스템, 생물정보학, 비디오 게임을 위해 심층 학습을 응용하는 방법들도 개괄한다. 마지막으로는 연구의 관점에서 심층 학습을 살펴보는데, 이를테면 선형 인자 모형, 자동부호기, 표현 학습, 구조적 확률 모형, 몬테카를로 방법 같은 이론 연구 주제들을 소개한다.

    [심층 학습]은 업계 또는 학계에서 연구자로서의 경력을 준비하는 학부생이나 대학원생은 물론이고 자신의 제품이나 플랫폼에서 심층 학습을 사용하고자 하는 소프트웨어 기술자들을 위한 책이다. 독자와 강사에게 도움이 될 보충 자료는 부록 웹사이트에 올려 두었다.

    추천사

    심층 학습을 상세히 다룬 책은 이 분야의 세 전문가가 쓴 [심층 학습]이 유일하다. 이 책은 이 분야에 진입하려는 소프트웨어 기술자와 학생이 꼭 갖추어야 할 넓은 관점과 수학적 사전 지식을 제공할 뿐만 아니라, 이 분야의 권위자들에게도 참고자료가 된다.
    - 일론 머스크 / OpenAI 공동 의장이자 Tesla와 SpaceX의 공동 창업자 및 CEO

    이 책은 심층 학습 최고의 교과서이다. 이 분야의 주요 기여자들이 저술한 이 책은 명확하고, 상세하며, 신뢰할 수 있다. 심층 학습이 어디에서 왔고, 어디에 좋으며, 어디로 가고 있는지 알고 싶다면 이 책을 읽기 바란다.
    - 제프리 힌턴 FRS / 토론토 대학교 명예 교수이자 구글의 특훈 연구 과학자

    2010년대 초반부터 심층 학습은 관련 기술 업계를 강타했다. 학생과 실무자, 강사를 위한 기본 개념과 실무적인 측면들, 그리고 고급 연구 주제를 망라하는 교과서를 찾는 요구가 있었다. 이 책은 이 분야에서 가장 혁신적이고 활동적인 연구자들이 쓴, 이 주제에 관한 최초이면서 상세한 교과서이다. 이 책은 오랫동안 하나의 기준이 될 것이다.
    - 얀 르쿤 / 페이스북 AI 연구 책임자이자 뉴욕 대학교 컴퓨터 과학/데이터 과학/신경과학 실버 석좌교수

    목차

    1장 소개 1
    1.1 이 책의 대상 독자 10
    1.2 심층 학습의 역사적 추세 13

    제1부 응용 수학과 기계 학습의 기초 29
    2장 선형대수 31

    2.1 스칼라, 벡터, 행렬, 텐서 32
    2.2 행렬과 벡터의 곱셈 35
    2.3 단위행렬과 역행렬 37
    2.4 일차종속과 생성공간 38
    2.5 노름 41
    2.6 특별한 종류의 행렬과 벡터 43
    2.7 고윳값 분해 44
    2.8 특잇값 분해 47
    2.9 무어-펜로즈 유사역행렬 48
    2.10 대각합 연산자 49
    2.11 행렬식 50
    2.12 예: 주성분분석 50

    3장 확률론과 정보 이론 57
    3.1 확률의 필요성 58
    3.2 확률변수 60
    3.3 확률분포 61
    3.4 주변확률 63
    3.5 조건부 확률 64
    3.6 조건부 확률의 연쇄법칙 64
    3.7 독립과 조건부 독립 65
    3.8 기댓값, 분산, 공분산 65
    3.9 흔히 쓰이는 확률분포들 67
    3.10 흔히 쓰이는 함수들의 유용한 성질들 74
    3.11 베이즈 법칙 76
    3.12 연속 변수의 특별한 세부 사항 76
    3.13 정보 이론 79
    3.14 구조적 확률 모형 83

    4장 수치 계산 87
    4.1 넘침과 아래넘침 87
    4.2 나쁜 조건화 89
    4.3 기울기 벡터 기반 최적화 90
    4.4 제약 있는 최적화 100
    4.5 예제: 선형 최소제곱 문제 104

    5장 기계 학습의 기초 107
    5.1 학습 알고리즘 108
    5.2 수용력, 과대적합, 과소적합 121
    5.3 초매개변수와 검증 집합 133
    5.4 추정량, 편향, 분산 135
    5.5 최대가능도 추정 145
    5.6 베이즈 통계학 149
    5.7 지도 학습 알고리즘 154
    5.8 비지도 학습 알고리즘 161
    5.9 확률적 경사 하강법 167
    5.10 기계 학습 알고리즘 만들기 169
    5.11 심층 학습의 개발 동기가 된 기존 문제점들 171

    제2부 현세대 심층 신경망의 실제 183
    6장 심층 순방향 신경망 185

    6.1 예제: XOR의 학습 189
    6.2 기울기 기반 학습 194
    6.3 은닉 단위 211
    6.4 아키텍처 설계 218
    6.5 역전파와 기타 미분 알고리즘들 225
    6.6 역사적 참고사항 247

    7장 심층 학습을 위한 정칙화 251
    7.1 매개변수 노름 벌점 253
    7.2 제약 있는 최적화로서의 노름 벌점 261
    7.3 정칙화와 과소제약 문제 263
    7.4 자료 집합의 증강 265
    7.5 잡음에 대한 강인성 267
    7.6 준지도 학습 269
    7.7 다중 과제 학습 270
    7.8 조기 종료 271
    7.9 매개변수 묶기와 매개변수 공유 279
    7.10 희소 표현 281
    7.11 배깅과 기타 앙상블 학습법 283
    7.12 드롭아웃 285
    7.13 대립 훈련 296
    7.14 접선 거리, 접선 전파, 다양체 접선 분류기 298

    8장 심층 모형의 훈련을 위한 최적화 기법 303
    8.1 학습과 순수한 최적화의 차이점 304
    8.2 신경망 최적화의 난제들 312
    8.3 기본 알고리즘 324
    8.4 매개변수 초기화 전략 332
    8.5 학습 속도를 적절히 변경하는 알고리즘들 339
    8.6 근사 2차 방법들 344
    8.7 최적화 전략과 메타알고리즘 352

    9장 합성곱 신경망 367
    9.1 합성곱 연산 368
    9.2 동기 372
    9.3 풀링 377
    9.4 무한히 강한 사전분포로서의 합성곱과 풀링 382
    9.5 기본 합성곱 함수의 여러 변형 383
    9.6 구조적 출력 394
    9.7 자료 형식 396
    9.8 효율적인 합성곱 알고리즘 397
    9.9 무작위 특징 또는 비지도 특징 학습 398
    9.10 합성곱 신경망의 신경과학적 근거 400
    9.11 합성곱 신경망으로 본 심층 학습의 역사 408

    10장 순차열 모형화를 위한 순환 신경망과 재귀 신경망 411
    10.1 계산 그래프 펼치기 413
    10.2 순환 신경망 417
    10.3 양방향 순환 신경망 433
    10.4 부호기-복호기 순차열 대 순차열 아키텍처 435
    10.5 심층 순환 신경망 437
    10.6 재귀 신경망 439
    10.7 장기 의존성의 어려움 440
    10.8 반향 상태 신경망 443
    10.9 누출 단위 및 여러 다중 시간 축척 전략 446
    10.10 장단기 기억과 기타 게이트 제어 RNN들 449
    10.11 장기 의존성을 위한 최적화 453
    10.12 명시적 기억 457

    11장 실천 방법론 463
    11.1 성과 측정 465
    11.2 기준 모형 468
    11.3 추가 자료 수집 여부 결정 469
    11.4 초매개변수 선택 471
    11.5 디버깅 전략 480
    11.6 예제: 여러 자리 수의 인식 485

    12장 응용 489
    12.1 대규모 심층 학습 489
    12.2 컴퓨터 시각 500
    12.3 음성 인식 506
    12.4 자연어 처리 510
    12.5 기타 응용들 529

    제3부 심층 학습 연구 539
    13장 선형 인자 모형 542

    13.1 확률적 PCA와 인자분석 544
    13.2 독립성분분석(ICA) 545
    13.3 느린 특징 분석 548
    13.4 희소 부호화 551
    13.5 PCA의 다양체 해석 555

    14장 자동부호기 557
    14.1 과소완전 자동부호기 558
    14.2 정칙화된 자동부호기 559
    14.3 표현력, 층의 크기, 모형의 깊이 564
    14.4 확률적 부호기와 복호기 565
    14.5 잡음 제거 자동부호기 567
    14.6 자동부호기로 다양체 배우기 572
    14.7 축약 자동부호기 577
    14.8 예측 희소 분해 580
    14.9 자동부호기의 응용 581

    15장 표현 학습 583
    15.1 탐욕적 층별 비지도 사전훈련 585
    15.2 전이 학습과 영역 적응 594
    15.3 준지도 학습 기법을 이용한 원인 분리 599
    15.4 분산 표현 604
    15.5 깊이의 지수적 이득 610
    15.6 바탕 원인을 발견하기 위한 단서 제공 612

    16장 심층 학습을 위한 구조적 확률 모형 617
    16.1 비구조적 모형화의 문제점 618
    16.2 그래프를 이용한 모형 구조의 서술 623
    16.3 그래프 모형의 표본추출 641
    16.4 구조적 모형화의 장점 643
    16.5 종속관계의 학습 643
    16.6 추론과 근사 추론 645
    16.7 구조적 확률 모형에 대한 심층 학습 접근 방식 646

    17장 몬테카를로 방법 653
    17.1 표본추출과 몬테카를로 방법 654
    17.2 중요도 표집 656
    17.3 마르코프 연쇄 몬테카를로 방법 659
    17.4 기브스 표집 664
    17.5 분리된 모드 사이의 혼합과 관련된 어려움들 665

    18장 분배함수 공략 671
    18.1 로그가능도의 기울기 672
    18.2 확률적 최대가능도와 대조 발산 675
    18.3 유사가능도 682
    18.4 점수 부합과 비 부합 685
    18.5 잡음 제거 점수 부합 688
    18.6 잡음 대조 추정 688
    18.7 분배함수의 추정 692

    19장 근사 추론 701
    19.1 최적화로서의 추론 702
    19.2 기댓값 최대화 704
    19.3 MAP 추론과 희소 부호화 706
    19.4 변분 추론과 변분 학습 708
    19.5 학습된 근사 추론 724

    20장 심층 생성 모형 727
    20.1 볼츠만 기계 727
    20.2 제한 볼츠만 기계 730
    20.3 심층 믿음망 733
    20.4 심층 볼츠만 기계 737
    20.5 실숫값 자료에 대한 볼츠만 기계 751
    20.6 합성곱 볼츠만 기계 759
    20.7 구조적 출력 또는 순차열 출력을 위한 볼츠만 기계 762
    20.8 기타 볼츠만 기계 763
    20.9 확률적(무작위) 연산에 대한 역전파 764
    20.10 유향 생성망 770
    20.11 자동부호기의 표본추출 791
    20.12 생성 확률적 신경망 794
    20.13 기타 생성 방안들 796
    20.14 생성 모형의 평가 797
    20.15 결론 800

    참고문헌 803
    찾아보기 869

    본문중에서

    좀 더 일반적으로는 심층 학습을 포함한 기계 학습의(그리고 더 크게는 인공지능 분야 전체의) 용어 중 다른 학문 분야에서 비롯된 것들이 많다는 점을 고려해서, 용어 선택 시 관련 분야 학회 또는 단체의 관례를 최대한 따랐습니다. 예를 들어 대한수학회의 수학 용어집과 한국통계학회의 통계용어 자료실, 한국정보통신기술협회의 정보통신용어사전 등을 주되게 참고했습니다.
    (/ p.14)

    제1부에서 다루는 기본 틀은 그리 깊지 않은 기계 학습 접근 방식들을 포함한 아주 다양한 기계 학습 알고리즘들의 토대이다. 이후의 부들은 바로 이 틀 안에서 심층 학습 알고리즘들을 전개한다.
    (/ p.30)

    앞에서 자주 쓰이는 몇 가지 추정량의 정의를 소개하고 그 성질들을 분석해 보았다. 그런데 애초에 사람들이 그런 추정량들을 어떻게 고안했을까? 그냥 좋은 추정량이 될 것 같은 함수들을 떠올려서 그 편향과 분산을 분석하는 주먹구구식 방법 대신, 주어진 모형에 대해 좋은 추정량이 될 가능성이 있는 구체적인 함수들을 어떤 원리에 따라 유도할 수 있다면 좋을 것이다.
    (/ p.145)

    가중치 감쇄는 모형 매개변수들에 직접 벌점을 가해서 모형을 정칙화한다. 그렇게 하는 대신, 신경망 단위들의 활성화 함수에 벌점을 가함으로써 활성화 값들이 희소해지는 쪽으로 모형을 이끄는 전략도 있다. 이는 모형 매개변수들에 단순하지 않은 벌점을 간접적으로 부여하는 한 방법이라 할 수 있다.
    (/ p.281)

    RNN은 그림 10.5에서처럼 하나의 입력 순차열을 고정 크기 벡터로 사상할 수도 있고, 그림 10.9에서처럼 하나의 고정 크기 벡터를 하나의 순차열로 사상할 수도 있다. 또한, 그림 10.3, 10.4, 10.10, 10.11은 입력 순차열을 같은 길이의 출력 순차열로 사상하는 RNN을 보여주었다.
    (/ p.435)

    저자소개

    이안 굿펠로(Ian Goodfellow) [저] 신작알림 SMS신청 작가DB보기
    생년월일 -
    출생지 -
    출간도서 1종
    판매수 195권

    구글의 연구 과학자이다.

    요슈아 벤지오(Yoshua Bengio) [저] 신작알림 SMS신청 작가DB보기
    생년월일 -
    출생지 -
    출간도서 1종
    판매수 195권

    몬트리올 대학교의 컴퓨터 과학 교수이다.

    에런 쿠빌(Aaron Courville) [저] 신작알림 SMS신청 작가DB보기
    생년월일 -
    출생지 -
    출간도서 1종
    판매수 195권

    몬트리올 대학교의 컴퓨터 과학 조교수이다.

    생년월일 -
    출생지 -
    출간도서 0종
    판매수 0권

    25년여의 번역 경력을 가진 전문 번역가로, 커누스 교수의 『The art of computer programming』(한빛미디어) 시리즈와 『컴퓨터과학의 기초를 다지는 단단한 수학』(인사이트, 2018), 『UNIX 고급 프로그래밍』(퍼스트북, 2014), 『Game Programming Gems』 시리즈 등 60여 권의 다양한 IT 전문서를 번역했다.

    번역과 프로그래밍 외에 소프트웨어 문서화에도 많은 관심이 있으며, 수많은 오픈소스 프로젝트의 표준 문서 형식으로 쓰이는 DocBook의 국내 사용자 모임인 닥북 한국(http://docbook.kr)의 일원이다. 홈페이지 occam's Razor(http://occamsrazr.net )와 게임 개발

    펼쳐보기

    역자의 다른책

    전체보기
    펼쳐보기

    이 상품의 시리즈

    I♥A.I. 제이펍의 인공지능 시리즈(총 16권 / 현재구매 가능도서 16권)

    펼쳐보기

    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)

      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