±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
Á¤°¡ |
24,000¿ø |
---|
21,600¿ø (10%ÇÒÀÎ)
1,200P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
±âÃʺÎÅÍ °í±Þ±îÁö, ¸Ó½Å·¯´×°ú µö·¯´×ÀÇ ¸ðµç °Í!
ÀÌ Ã¥Àº ¸Ó½Å·¯´×°ú µö·¯´×¿¡ °ü½ÉÀÌ ÀÖ´Â ºÐµéÀ» À§ÇØ ±âº»ÀûÀÎ ³»¿ëºÎÅÍ µ¿ÀÛ ¿ø¸®±îÁö ¿¹Á¦¿Í ÇÔ²² ¾Ë±â ½¬¿î ³»¿ëÀ¸·Î ±¸¼ºÇß´Ù. µ¥ÀÌÅ͸¦ ÇнÀÇÏ¸é¼ ¹Ì·¡ °ªÀ» ¿¹ÃøÇÏ´Â ¸Ó½Å·¯´×°ú ½Å°æ¸ÁÀ» ±â¹ÝÀ¸·Î ÇÏ´Â µö·¯´× ¾ÆÅ°ÅØó¸¦ ¼³°èÇÏ°í, µö·¯´×ÀÇ ²ÉÀ¸·Î ºÒ¸®´Â ¿ÀÂ÷¿ªÀüÆÄ, À̹ÌÁö¸¦ ÀνÄÇÒ ¼ö ÀÖ´Â CNN, ¼ø¼°¡ ÀÖ´Â µ¥ÀÌÅ͸¦ ´Ù·ç´Â µ¥ ÀûÇÕÇÑ RNN µ¿ÀÛ ¿ø¸®¸¦ ´Ü°èº°·Î ¾Ë¾Æº¼ ¼ö ÀÖ´Ù.
°£´ÜÇÑ ¿ø¸®¸¦ ÀÌÇØÇÑ µÚ¿¡´Â ÃÖ±Ù °¡Àå ÁÖ¸ñ¹Þ°í ÀÖ´Â ÇÁ·Î±×·¡¹Ö ¾ð¾îÀÎ ÆÄÀ̽ã, ÅÙ¼Ç÷θ¦ ÀÌ¿ëÇÏ¿© ¼±Çüȸ±Í, ¼öÄ¡ ¹ÌºÐ, ½Å°æ¸Á, ¿ÀÂ÷¿ªÀüÆÄ, CNN, RNN Äڵ带 Á÷Á¢ ±¸ÇöÇØ º»´Ù. ¶ÇÇÑ ÀúÀÚÀÇ YouTube °ÀÇ Ã¤³Î±îÁö ¹Ù·Î È®ÀÎÇÒ ¼ö ÀÖ´Â QR Äڵ带 ÇÔ²² ¼ö·ÏÇØ ÇØ´ç ³»¿ëÀ» ´õ¿í Æí¸®ÇÏ°í ÀÚ¼¼ÇÏ°Ô ÀÌÇØÇÒ ¼ö ÀÖ´Ù. ÀÌ Ã¥À¸·Î ÀΰøÁö´É °³¹ß¿¡ ´ëÇØ ÇÑ ¹ß ´õ ¾Ë¾Æº¸ÀÚ.
ÃâÆÇ»ç ¼Æò
¸Ó½Å·¯´×¸¸Å IT ¾÷°è¿¡¼ ²ÙÁØÈ÷ ¾ð±ÞµÇ´Â °ÍÀÌ µû·Î ÀÖÀ»±î? ¿ì¸®´Â ¿©·¯ ¸Åü¿¡¼ ¸Ó½Å·¯´×¿¡ ´ëÇØ ±Í°¡ ´âµµ·Ï µé¾î¿Ô´Ù. ±×·³¿¡µµ ºÒ±¸ÇÏ°í ¸Ó½Å·¯´×ÀÌ Á¤È®È÷ ¹«¾ùÀÎÁö ¹°¾îº¸¸é, ±¸Ã¼ÀûÀ¸·Î ´ë´äÇϰųª ¿Ïº®ÇÏ°Ô ÀÌÇØÇß´Ù°í´Â ¸»Çϱ⠾î·Á¿î °ÍÀÌ Çö½ÇÀÌ´Ù.
ÀÌ Ã¥Àº ¸Ó½Å·¯´×°ú µö·¯´×¿¡ ÇÊ¿äÇÑ ±âÃÊÀûÀÎ ³»¿ëºÎÅÍ ½ÇÁ¦ µö·¯´× ¸ðµ¨ ±¸Á¶ÀÇ ¼³°è °úÁ¤¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. ±âÃÊÀûÀÎ °³³äºÎÅÍ Å¬·¡½º ±¸Çö¿¡ ÇÊ¿äÇÑ ÇÔ¼ö½Ä, ±×¸®°í °¡Àå ³Î¸® ¾²ÀÌ°í ÀÖ´Â ¸ðµ¨ÀÎ CNN, RNN±îÁö ¾Æ¿ï·¯ ¼³¸íÇÑ´Ù. Ã¥À» ´Ù ÀÐÀº µÚ¿¡´Â ±âÃʸ¦ Àß ´ÙÁø ÀΰøÁö´É ºÐ¾ßÀÇ °í±Þ °³¹ßÀÚ°¡ µÉ ¼ö ÀÖÀ» °ÍÀÌ´Ù.
ÀÌ Ã¥ÀÇ Æ¯Â¡
-ÆÄÀ̽㠱âÃʺÎÅÍ ¸Ó½Å·¯´×, µö·¯´×ÀÇ °í±Þ ´Ü°è±îÁö ¿¹Á¦ Äڵ带 ÅëÇØ ¾Ë¾Æ°£´Ù.
-µö·¯´× ±¸Á¶¿Í µ¿ÀÛ ¿ø¸®¸¦ »ó¼¼ÇÑ ¼³¸í°ú ±×¸²À» ÅëÇØ ´Ü°èº°·Î ¾Ë ¼ö ÀÖ´Ù.
-ÀúÀÚÀÇ YouTube °ÀÇ Ã¤³Î(NeoWizard)·Î ¿¬°áµÇ´Â QR Äڵ带 ÅëÇØ Ã¥ÀÇ ³»¿ëÀ» ÇÑÃþ ´õ ±í°Ô ÀÌÇØÇÒ ¼ö ÀÖ´Ù.
ÀÌ Ã¥ÀÌ ÇÊ¿äÇÑ µ¶ÀÚ
-ÆÄÀ̽ã°ú ÅÙ¼Ç÷δ ÀÚ¼¼È÷ ¸ð¸£Áö¸¸ ÇÁ·Î±×·¡¹Ö¿¡ µµÀüÇغ¸°í ½ÍÀº ÀÔ¹®ÀÚ
-¸Ó½Å·¯´×ÀÇ ±âÃʺÎÅÍ µö·¯´× °í±Þ ´Ü°è±îÁö Á÷Á¢ ±¸ÇöÇغ¸°í ½ÍÀº ºÐµé
-µö·¯´× ¾ÆÅ°ÅØó¿Í µ¿ÀÛ ¿ø¸®¸¦ ´Ü°èº°·Î »ó¼¼È÷ ¾Ë°í ½ÍÀº ºÐµé
µ¶ÀÚ´ë»ó
ÃÊÁß±Þ
¼Ò½ºÄÚµå ´Ù¿î·Îµå
https://github.com/bjpublic/MLpythonpiece
¸ñÂ÷
¼¹®
1. ¸Ó½Å·¯´× °³¿ä
1.1 4Â÷ »ê¾÷Çõ¸í
1.2 ÀΰøÁö´É°ú ¸Ó½Å·¯´×
1.3 ¸Ó½Å·¯´×¿¡¼ÀÇ È¸±Í¿Í ºÐ·ù
1,4 ¸Ó½Å·¯´× ±¸Çö ¹æ¹ý
1.5 Á¤¸®
2. ÆÄÀ̽ã (Python)
2.1 ÆÄÀ̽㠼³Ä¡ ¹× jupyter notebook ½ÇÇà
2.2 ÆÄÀ̽㠵¥ÀÌÅÍŸÀÔ(DataType)
2.3 ÆÄÀ̽ã Á¶°Ç¹® if
2.4 ÆÄÀ̽ã for ¹Ýº¹¹®
2.5 List Comprehension
2.6 ÆÄÀ̽ã ÇÔ¼ö (Function)
2.7 ÆÄÀ̽ã Ŭ·¡½º (class)
2.8 Á¤¸®
3. ³ÑÆÄÀÌ (numpy)
3.1 ³ÑÆÄÀÌ ¶óÀ̺귯¸® °¡Á®¿À±â(import)
3.2 ³ÑÆÄÀÌ¿Í ¸®½ºÆ®(numpy vs list)
3.3 ³ÑÆÄÀÌ º¤ÅÍ(Vector, 1Â÷¿ø ¹è¿) »ý¼º
3.4 ³ÑÆÄÀÌ Çà·Ä(Matrix, 2Â÷¿ø ¹è¿) »ý¼º
3.5 ³ÑÆÄÀÌ »ê¼ú¿¬»ê
3.6 ³ÑÆÄÀÌ Çü º¯È¯(reshape)
3.7 ³ÑÆÄÀÌ ºê·Îµåij½ºÆ®(Broadcast)
3.8 ³ÑÆÄÀÌ ÀüÄ¡Çà·Ä(Transpose)
3.9 ³ÑÆÄÀÌ Çà·Ä °ö(Matrix Multiplication)
3.10 Çà·Ä ¿ø¼Ò Á¢±Ù(Indexing, Slicing)
3.11 ³ÑÆÄÀÌ ÀÌÅÍ·¹ÀÌÅÍ(Iterator)
3.12 ³ÑÆÄÀÌ À¯¿ëÇÑ ÇÔ¼ö(Useful Function)
3.13 Á¤¸®
4. ¹ÌºÐ (Derivative)
4.1 ¹ÌºÐ °³³ä°ú ÀλçÀÌÆ®(Insight)
4.2 Æí¹ÌºÐ(Partial Derivative)
4.3 üÀÎ ·ê(Chain Rule)
4.4 ¼öÄ¡ ¹ÌºÐ(Numerical Derivative)
4.5 Á¤¸®
5. ¼±Çü ȸ±Í¿Í ºÐ·ù(Linear Regression and Classification)
5.1 ÀΰøÁö´É ¸Ó½Å·¯´× µö·¯´× ¸®ºä
5.2 ¼±Çü ȸ±Í(Linear Regression)
5.3 ºÐ·ù(Classification)
5.4 Á¤¸®
6. XOR ¹®Á¦(XOR Problem)
6.1 ³í¸®°ÔÀÌÆ® AND, OR, NAND, XOR
6.2 ³í¸®°ÔÀÌÆ®(Logic Gate) Ŭ·¡½º ±¸Çö
6.3 ³í¸® °ÔÀÌÆ® °ËÁõ
6.4 XOR ¹®Á¦ ÇØ°á ¹æ¹ý
6.5 Á¤¸®
7. µö·¯´×(Deep Learning)
7.1 XOR ¹®Á¦ ¸®ºä
7.2 ½Å°æ¸Á(Neural Network) °³³ä
7.3 ½Å°æ¸Á°ú Àΰø ½Å°æ¸Á
7.4 µö·¯´×(Deep Learning) ±âÃÊ
7.5 µö·¯´×À¸·Î XOR ¹®Á¦ ÇØ°á
7.6 Á¤¸®
8. MNIST(Çʱâü ¼Õ±Û¾¾)
8.1 MNIST(Çʱâü ¼Õ±Û¾¾)
8.2 MNIST ÀνÄÀ» À§ÇÑ µö·¯´× ¾ÆÅ°ÅØó
8.3 MNIST_Test Ŭ·¡½º ±¸Çö
8.4 MNIST ÀÎ½Ä Á¤È®µµ °ËÁõ
8.5 Á¤¸®
9. ¿ÀÂ÷¿ªÀüÆÄ(Back Propagation)
9.1 ¼öÄ¡ ¹ÌºÐÀÇ ¹®Á¦Á¡
9.2 ¿ÀÂ÷¿ªÀüÆÄ °³³ä ¹× ¿ø¸®
9.3 °¢ Ãþ¿¡¼ÀÇ ¼±Çüȸ±Í °ª(z), Ãâ·Â °ª(a), ¿ÀÂ÷(E)
9.4 ½Ã±×¸ðÀ̵å(sigmoid) ÇÔ¼ö ¹ÌºÐ
9.5 Ãâ·ÂÃþ ¿ÀÂ÷¿ªÀüÆÄ °ø½Ä
9.6 Àº´ÐÃþ ¿ÀÂ÷¿ªÀüÆÄ °ø½Ä
9.7 ¿ÀÂ÷¿ªÀüÆĸ¦ ÀÌ¿ëÇÑ MNIST °ËÁõ
9.8 Á¤¸®
10. ÅÙ¼Ç÷Î(TensorFlow) ±âÃÊ
10.1 ÅÙ¼Ç÷Π¼³Ä¡
10.2 ÅÙ¼Ç÷ΠÅÙ¼(Tensor)
10.3 ÅÙ¼Ç÷Π³ëµå(Node), ¿§Áö(Edge)
10.4 ÅÙ¼Ç÷θ¦ ÀÌ¿ëÇÑ MNIST °ËÁõ
10.5 Á¤¸®
11. ÇÕ¼º°ö ½Å°æ¸Á CNN(Convolutional Neural Network)
11.1 CNN ¾ÆÅ°ÅØó
11.2 Äܺ¼·ç¼ÇÃþ(Convolutional Layer) °³¿ä
11.3 Æеù(padding)
11.4 Äܺ¼·ç¼Ç ¿¬»êÀ» ÅëÇÑ Ãâ·Â µ¥ÀÌÅÍ Å©±â
11.5 CNN ±â¹ÝÀÇ MNIST °ËÁõ
11.6 Á¤¸®
12. ¼øȯ ½Å°æ¸Á RNN(Recurrent Neural Network)
12.1 RNN ¾ÆÅ°ÅØó
12.2 ¼ø¼°¡ ÀÖ´Â µ¥ÀÌÅÍ
12.3 RNN µ¿ÀÛ¿ø¸®(Á¤¼ºÀû ºÐ¼®)
12.4 RNN µ¿ÀÛ¿ø¸®(Á¤·®Àû ºÐ¼®)
12.5 RNN ¿¹Á¦
12.6 Á¤¸®
ã¾Æº¸±â
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
KAIST Àü±â ¹× ÀüÀÚ°øÇаú ÇÐºÎ¿Í ´ëÇпøÀ» Á¹¾÷ÇÏ°í »ï¼ºÀüÀÚ, Google, NIPA¿¡¼ ±Ù¹«ÇÏ¸ç »ï¼ºÀüÀÚ °³¹ß°ø·Î»ó°ú Áö½Ä°æÁ¦ºÎ Àå°ü ǥâÀ» ¼ö»óÇÏ¿´½À´Ï´Ù. ÇöÀç´Â ¼þ½Ç´ëÇб³ ±³¼ö·Î ÀçÁ÷ ÁßÀÌ¸ç ¸Ó½Å·¯´×, µö·¯´×°ú °ÈÇнÀ ºÐ¾ßÀÇ °ÀÇ¿Í ¿¬±¸¿¡ ¸ÅÁøÇÏ°í ÀÖ½À´Ï´Ù. ÀÌ·¯ÇÑ ³»¿ëµéÀ» ´©±¸³ª ½±°Ô Á¢ÇÒ ¼ö ÀÖ°Ô YouTube ä³Î(https://www.youtube.com/NeoWizard)À» ¿î¿µÇÏ¸ç ¸¹Àº ºÐµé°ú ¼ÒÅëÇÏ°í ÀÖ½À´Ï´Ù.
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.