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% (15,750원)
(최대할인 3만원 / 3만원 이상 결제)
EBS 롯데카드 20% (18,000원)
(최대할인 3만원 / 3만원 이상 결제)
인터파크 NEW 우리V카드 10% (20,250원)
(최대할인 3만원 / 3만원 이상 결제)
인터파크 현대카드 7% (20,930원)
(최대할인 3만원 / 3만원 이상 결제)
Close

PyTorch로 시작하는 딥러닝 : 딥러닝 기초에서 최신 모던 아키텍처까지

원제 : Deep Learning with PyTorch: A practical approach to building neural network models using PyTorch
소득공제

2013년 9월 9일 이후 누적수치입니다.

판매지수 1,374
?
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

25,000원

  • 22,500 (10%할인)

    1,250P (5%적립)

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

    • 연관도서(28)

    • 사은품(3)

    책소개

    딥러닝 기초에서 최신 모던 아키텍처까지

    이 책은 파이토치를 이용한 딥러닝 입문서다. 파이토치는 최근 글로벌하게 가장 큰 주목을 받는 머신 러닝/딥러닝 프레임워크다. 딥러닝 입문자를 대상으로 기본적인 선형/회귀 모델부터 CNN, RNN, GAN과 같은 고급 네트워크까지 다루며, 더 나아가 전이학습(Transfer Learning)과 VGG16, ResNet, Inception, DeseNet 등 최신 모던 아키텍처를 활용하는 기법까지 체계적으로 학습하고 체험할 수 있도록 구성돼 있다. 이 책을 통해 딥러닝 기본 개념, 데이터 전처리, 신경망 고급 모델 및 딥러닝 응용 기법을 이해할 수 있다.

    역자 블로그(http://taewan.kim/tutorial_manual/dl_pytorch)에서 예제 실습을 돕는 보조 자료를 제공한다.

    출판사 서평

    이 책이 다루는 내용

    ■ 파이토치를 이용한 GPU 가속 텐서 연산
    ■ torchvision와 torchtext를 사용해 이미지용 사용자 정의 데이터셋과 데이터 로더를 만들고 모델을 테스트하는 기법
    ■ 파이토치로 CNN 아키텍처를 구현해 이미지 분류기 제작
    ■ RNN, LSTM 및 GRU를 이용해 텍스트 분류 및 언어 모델링 시스템 구축
    ■ ResNet, Inception, Densenet 같은 고급 CNN 아키텍처를 소개하고, 전이 학습을 이용해 고급 아키텍처 사용
    ■ 여러 모델을 혼합해 강력한 앙상블 모델 구축
    ■ GAN을 사용해 새 이미지를 생성하고 스타일 트랜스퍼를 사용해 예술적 이미지 생성

    이 책의 대상 독자

    딥러닝에 관심이 있는 엔지니어, 데이터 분석가 및 데이터 과학자 그리고 파이토치를 사용해 고급 알고리즘을 탐색하고 구현하려는 사용자를 대상으로 한다. 이 책을 읽는 데 머신 러닝에 대한 지식은 도움이 되지만 필수는 아니다. 그러나 파이썬 프로그래밍은 다룰 줄 알아야 한다.

    이 책의 구성

    1장, '파이토치 딥러닝 첫걸음'에서는 인공지능(AI, Artificial Intellligence)과 머신 러닝의 역사를 살펴보고 최근의 딥러닝 성장에 대해 알아본다. 하드웨어와 알고리즘의 다양한 개선이 여러 애플리케이션 분야에서 딥러닝을 구현하는 데 얼마나 큰 성공을 가져왔는지에 관해서도 설명한다. 마지막으로 페이스북(Facebook)에서 토치(Torch) 위에 구축한 아름다운 파이토치 파이썬 라이브러리를 소개한다.
    2장, '신경망 구성 요소'에서는 변수, 텐서 및 nn.module과 같은 파이토치의 구성 요소를 소개한다. 신경망을 개발하는 데 이 구성 요소를 어떻게 사용하는지 알아본다.
    3장, '신경망 파헤치기'에서는 데이터 준비, 텐서를 배치 처리하기 위한 데이터 로더, 네트워크 아키텍처 생성을 위한 torch.nn 패키지, 파이토치 손실 함수 및 옵티마이저 사용과 같은 신경망을 학습시키는 데 필요한 여러 프로세스를 다룬다.
    4장, '머신 러닝 입문'에서는 과대적합, 과소적합과 같은 여러 가지 유형의 머신 러닝 문제에 대해 알아본다. 또한 데이터 증식, 드롭아웃, 과대적합을 방지하는 배치 정규화(batch normalization)와 같은 다양한 기법을 소개한다.
    5장, '컴퓨터 비전 딥러닝'에서는 1차원과 2차원 컨볼루션, 맥스 풀링, 평균 풀링, 기본 CNN 아키텍처와 같은 Convolutional Neural Network(CNN)의 구성 요소에 대해 설명한다. 사전에 학습된 모델을 이용하는 전이 학습에 대해 알아보고, 마지막으로 사전 계산된 컨볼루션 피처를 이용해 전이 학습을 더 빠르게 진행하는 기법을 소개한다.
    6장, '시퀀스 데이터와 텍스트 딥러닝'에서는 IMDB 데이터셋을 텍스트 분류하는 다양한 아키텍처를 소개한다. 워드 임베딩, 사전 학습된 워드 임베딩 사용 방법, RNN, LSTM과 1차원 컨볼루션에 대해 살펴본다.
    7장, '생성적 신경망'에서는 딥러닝을 이용해 예술적 이미지를 생성하는 방법을 설명한다. 또한 DCGAN을 사용해 새로운 이미지를 생성해보고, 언어 모델을 이용해 텍스트를 생성하는 방법을 알아본다.
    8장, '모던 네트워크 아키텍처'에서는 최신 컴퓨터 비전 애플리케이션을 지원하는 ResNet, Inception 및 DenseNet과 같은 아키텍처에 대해 알아본다. 언어 번역 및 이미지 캡션과 같은 최신 시스템을 지원하는 인코더-디코더 아키텍처에 대해 간략하게 살펴본다.
    9장, '마침표 그리고 새로운 시작'에서는 앞에서 무엇을 배웠는지 요약하고 딥러닝 분야에서 지속적으로 최신 정보와 상태를 유지하는 방법을 소개한다.

    지은이의 말

    파이토치는 융통성과 사용 편의성 때문에 데이터 과학 전문가와 딥러닝 학습자의 관심을 끌고 있다. 이 책은 딥러닝과 파이토치의 기본 구성 요소를 소개하고 실용적인 접근 방식을 사용해 실제 문제를 해결하는 방법을 보여준다. 최첨단 연구 문제를 해결하는 데 사용되는 최신 딥러닝 아키텍처 및 기술에 대해 배우게 될 것이다.
    이 책은 ResNet, DenseNet, Inception 및 Seq2Seq와 같은 다양한 최첨단 딥러닝 아키텍처에 대한 직관을 제공하는 반면, 수학에 대한 부담은 최소화한다. 또한 전이 학습을 사용하는 방법, 사전 계산된 피처를 사용해 전이 학습 속도를 높이는 방법, 임베딩, 사전 학습 임베딩, LSTM 그리고 1차원 컨볼루션을 사용해 텍스트를 분류하는 방법을 소개한다.
    이 책을 읽고 나면 여기서 배운 다양한 기술을 사용해 비즈니스 문제를 해결할 수 있는 능숙한 딥러닝 학습자가 될 것이다.

    옮긴이의 말

    2018년에 가장 뜨거웠던 키워드는 아마도 인공지능, 머신 러닝, 딥러닝이라고 생각한다. 이 키워드의 열기는 2019년에도 계속될 것이다. 이 키워드가 큰 관심을 받는 이유는 머신 러닝에 대한 사회적인 관심, 딥러닝의 엄청난 발전 속도 그리고 신기한 능력 때문일 것이다. 아마도 응용 애플리케이션 개발자들은 딥러닝이 구현한 사례를 보면서 그 매력에 끌려 누구나 딥러닝 책 한두 권쯤은 샀을 거라 생각한다.
    딥러닝 수학, 통계학, 머신 러닝, 딥러닝 프레임워크 및 인프라 등 여러 분야의 기술과 학문에 걸쳐 있다. 이런 이유로 딥러닝 기술의 전반적인 흐름을 다루는 입문서를 고르기란 어렵다.
    이런 의미에서 이 책은 딥러닝 입문서로 적합한 책이다. 우선 예제가 간결하고 이해하기 쉽다. 파이토치 네트워크의 구성 요소를 블록 단위로 처리하기 때문에 이해하기 쉽고 확장하기 편리하다. 또한 수식에 치중하지 않고 직관적인 개념으로 쉽게 설명하고, 딥러닝 구현에 필요한 머신 러닝 개념을 요약해 효과적으로 전달한다. 이러한 구성으로 인해 딥러닝 입문자에게 부담을 줄이고, 반복적인 예제로 파이토치 코드에 익숙해지도록 유도한다.
    처음에는 단순한 선형 모델과 회귀 모델로 딥러닝 네트워크를 구성하는 예제로 시작하지만, 파이토치의 빌딩 블록 개념을 이용해 간단한 모델에서 CNN, RNN, LSTM 및 GAN 모델 등 다양한 유형의 확장된 모델을 발전시켜 나간다. 또한 전이 학습(Transfer Learning)을 이용해 CNN과 RNN을 더 빠르게 학습시키는 방법과 VGG, ResNet, Inception, DenseNet 등 최신 모던 아키텍처를 사용하고 전이 학습 및 앙상블 모델로 응용하는 방법까지도 다룬다.
    한 권의 입문서에 다양한 내용을 담을 수 있는 것은 파이토치의 힘이다. 파이토치는 공개된 지 2년밖에 안 된 딥러닝 프레임워크지만, 간결성과 유연성 덕분에 딥러닝 분야에서 큰 주목을 받고 있다. 이러한 특징과 함께 복잡한 개념을 빌딩 블록으로 추상화하고, 다양한 유틸리티 기능을 제공하는 파이토치는 딥러닝 입문자에게 가장 적합한 딥러닝 프레임워크라고 생각한다.
    딥러닝에 입문하는 분들에게 이 책이 조금이나마 도움이 됐으면 하는 바람으로 이 책을 번역했다.

    목차

    1장. 파이토치로 딥러닝 시작하기

    __인공지능
    ____인공지능의 역사
    __머신 러닝
    ____실생활 머신 러닝 사례
    __딥러닝
    ____딥러닝 애플리케이션
    ____딥러닝의 과장된 미래
    ____딥러닝 역사
    ____왜 지금인가?
    ____하드웨어 가용성
    ____데이터와 알고리즘
    ____딥러닝 프레임워크
    ________파이토치
    __요약

    2장. 신경망 구성 요소

    __파이토치 설치
    __첫 번째 신경망
    ____데이터 준비
    ________스칼라(0차원 텐서)
    ________벡터(1차원 텐서)
    ________행렬(2차원 텐서)
    ________3차원 텐서
    ________텐서 슬라이싱(텐서 자르기)
    ________4차원 텐서
    ________5차원 텐서
    ________GPU 지원 Tensor
    ________Variable
    ____신경망에 사용할 데이터 생성하기
    ________학습 파라미터 생성
    ________신경망 모델
    ________네트워크 구현
    ________오차 함수
    ________신경망 최적화
    ____데이터 로딩
    ________데이터셋 클래스
    ________데이터로더 클래스
    __요약

    3장. 신경망 파헤치기

    __신경망 구성 요소
    ____레이어 - 신경망 기본 블록
    ____비선형 활성 함수
    ________시그모이드
    ________Tanh
    ________ReLU
    ________Leakly ReLU
    ____파이토치 비선형 활성화 함수
    ________파이토치 딥러닝 알고리즘 구현하기
    ________다양한 머신 러닝 문제를 위한 모델 아키텍처
    ________손실 함수
    ________네트워크 아키텍처 최적화
    ____딥러닝을 이용한 이미지 분류
    ________파이토치 Tensor로 데이터 로딩
    ________일괄 처리 형태로 파이토치 Tensor로 로딩하기
    __네트워크 아키텍처 구축
    ________모델 학습
    __요약

    4장. 머신 러닝 입문

    __머신 러닝의 세 가지 유형
    ____지도학습
    ____비지도학습
    ____강화학습
    __머신 러닝 용어
    __머신 러닝 모델 평가
    ____학습, 검증 및 테스트 분할
    __단순 홀드아웃 검증
    __K-겹 검증
    __데이터 혼합이 적용된 K-겹 검증
    __데이터 전처리와 특성 공학
    ____벡터화
    ____수치 정규화
    ____누락 데이터 처리
    ____특성 공학
    __과대적합과 과소적합
    ____더 많은 데이터 확보
    ____네트워크 크기 줄이기
    ____가중치 규제 적용
    ____드롭아웃
    ____과소적합
    __머신 러닝 프로젝트 워크플로
    ____문제 정의와 데이터셋 만들기
    ____모델 평가 기준
    ____평가 프로토콜
    ____데이터 준비
    ____기준 모델
    ____과대적합 될 정도의 모델
    ____가중치 규제 적용
    ____학습률 선정 전략
    __요약

    5장. 컴퓨터 비전 딥러닝

    __신경망 첫걸음
    ____MNIST - 데이터 가져오기
    __CNN 모델 구축
    CONV2D
    ____풀링
    ____비선형 활성화 레이어- RELU
    ____뷰
    ________선형 레이어
    ____모델 학습
    ____CNN을 이용1개와 고양이 분류
    ____전이 학습을 이용한 개와 고양이 분류
    __VGG16 모델 생성과 탐색
    ____레이어 고정
    ____세부 조정: VGG16
    ____VGG16 모델 학습
    __사전 계산된 컨볼루션 피처 사용
    __CNN 학습에 대한 이해
    ____중간 레이어의 출력 시각화
    __중간 레이어의 가중치 시각화
    __요약

    6장. 시퀀스 데이터와 텍스트 딥러닝

    __텍스트 데이터 분석
    ____토큰화
    ________텍스트를 문자로 변환
    ________텍스트를 단어로 변환
    ________N-그램 표현
    ____벡터화
    ________원-핫 인코딩
    ____워드 임베딩
    __감성 분류기로 워드 임베딩 학습시키기
    ____IMDB 다운로드와 텍스트 토큰화
    ________torchtext
    ________torchtext
    ____어휘 구축
    ____벡터 배치 생성
    ____임베딩으로 네트워크 모델 만들기
    ____모델 학습시키기
    __사전 학습 워드 임베딩
    ____임베딩 다운로드
    ____모델에 임베딩 로딩하기
    ____임베딩 레이어 가중치 고정
    __RNN
    ____RNN 작동 방식 이해
    __LSTM
    ____장기 종속성
    ____LSTM 네트워크
    ________데이터 준비하기
    ________배치 처리기 생성하기
    ________네트워크 생성하기
    ________모델 학습시키기
    __시퀀스 데이터와 CNN
    ____시퀀스 데이터를 위한 1차원 컨볼루션 이해
    ________네트워크 만들기
    ________모델 학습시키기
    __요약

    7장. 생성적 신경망

    __신경망 스타일 트랜스퍼
    ____데이터 로딩
    ____VGG 모델 생성
    ____콘텐츠 손실
    ____스타일 손실
    ____VGG 모델 레이어의 손실 추출
    ____각 레이어의 손실 함수 만들기
    ____옵티마이저 만들기
    ____학습
    __생산적 적대 신경망
    ____심층 컨볼루션 GAN
    ____생성기 네트워크 정의
    ________전치 컨볼루션
    ________배치 정규화
    ________생성기 네트워크 정의
    ____판별기 네트워크 정의
    ____오차와 옵티마이저 정의
    ____판별기 네트워크 학습
    ________실제 이미지로 판별기 학습시키기
    ________가짜 이미지로 판별기 학습시키기
    ____생성기 네트워크 학습
    ____전체 네트워크 학습 시키기
    ____생성 이미지 검토
    __언어 모델
    ____데이터 준비
    ____배치 처리기 생성
    ________배치
    ________Backpropagation through time
    ____LSTM에 기반한 모델 정의
    ____학습과 평가 함수 정의
    ____모델 학습
    __요약

    8장. 모던 네트워크 아키텍처

    __최신 네트워크 아키텍처
    ____ResNe
    ________파이토치 데이터셋 만들기
    ________학습과 검증을 위한 로더 생성
    ________ResNet 모델 만들기
    ________컨볼루션 피처 추출
    ________미리 계산된 컨볼루션 피처와 로더를 위한 사용자 정의 파이토치 데이터셋 클래스 만들기
    ________단순한 선형 모델 만들기
    ________모델 학습과 검증
    ____인셉션
    ________인셉션 모델 만들기
    ________register_forward_hood을 이용해 컨볼루션 피처 추출하기
    ________컨볼루션 피처를 위한 새로운 데이터셋 만들기
    ________전연결 모델 만들기
    ________모델 학습과 검증
    __DenseNet: 컨볼루션 네트워크의 전연결 아키텍처
    ____DenseBlock
    ____DenseLayer
    ________덴스넷 모델 생성
    ________덴스넷 피처 추출
    ________데이터셋과 로더 만들기
    ________전연결 모델을 생성하고 학습
    __앙상블 모델
    ____3개 모델 만들기
    ____Extracting the image features
    ____데이터 로더와 사용자 정의 데이터셋 생성
    ____앙상블 모델 만들기
    ____모델 학습시키고 검증
    __인코더-디코더 아키텍처
    ____인코더
    ____디코더
    __요약

    9장. 마지막 그리고 새로운 시작

    __다음은?
    __개요
    __연구 가치가 있는 흥미로운 아이디어
    ____객체 인식
    ____이미지 분할
    ____파이토치 OPENNMT
    ____ALIEN NLP
    ____FAST
    ____ONNX
    __지속적인 정보 업데이트 방법
    __요약

    저자소개

    비슈누 수브라마니안 [저] 신작알림 SMS신청 작가DB보기
    생년월일 -
    출생지 -
    출간도서 0종
    판매수 0권

    다수의 빅데이터 분석 프로젝트(인공지능, 머신 러닝 및 딥러닝)에서 프로젝트 리딩, 설계 및 구현 역할을 담당했다. 머신 러닝, 딥러닝, 분산 환경 머신 러닝 및 시각화에 전문성을 갖 고 있다. 유통, 금융 및 여행 분야에서 경험을 쌓았다. 비지니스, 인공지능 그리고 엔지니어 팀 간의 이해와 소통을 돕고 조정하는 데 능숙하다.

    생년월일 -
    출생지 -
    출간도서 0종
    판매수 0권

    대우정보시스템에서 자바 웹 개발자로 IT 업계에 입문했다. 대우정보시스템 연구소에서 전사 표준 프레임워크 개발, 보급 및 기술 컨설팅을 수행했다. 그 후 오라클에서 WAS, Memory Grid, CEP, DB 동기화 및 자바 엔지니어로 활동했다. 2015년에 IBM에 합병된 NoSQL 전문 개발 업체인 Cloudant에서 2년간 CouchDB 개발과 클라우드 서비스 개발에 참여했다. 한국 오라클에서 빅데이터 엔지니어로 활동하고 있다. 한 분야에 집중하고 꾸준하게 콘텐츠를 만드는 일에 몰입하고 있으며, 콘텐츠 퍼블리싱 공간으로 http://taewan.kim을 운영하고 있다.

    역자의 다른책

    전체보기

    이 상품의 시리즈

    데이터 과학 시리즈(총 29권 / 현재구매 가능도서 29권)

    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

      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