간편결제, 신용카드 청구할인
삼성카드 6% (29,610원)
(삼성카드 6% 청구할인)
인터파크 롯데카드 5% (29,930원)
(최대할인 10만원 / 전월실적 40만원)
북피니언 롯데카드 30% (22,050원)
(최대할인 3만원 / 3만원 이상 결제)
NH쇼핑&인터파크카드 20% (25,200원)
(최대할인 4만원 / 2만원 이상 결제)
Close

케라스 딥러닝 응용 : 실생활 시나리오로 28가지 실습하기

원제 : Applied Deep Learning with Keras : Solve complex real-life problems with the simplicity of Keras
소득공제

2013년 9월 9일 이후 누적수치입니다.

판매지수 303
?
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

35,000원

  • 31,500 (10%할인)

    1,750P (5%적립)

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

    • 연관도서(43)

    • 사은품(5)

    책소개

    예전에는 소수의 전문가만 이해하고 사용할 수 있었던 딥러닝 모델을 이제는 누구나 쉽게 만들고 활용할 수 있다. 초보자에게 쉽게 따라 할 수 있는 여러 예제를 통해 머신러닝의 개념과 실생활 문제를 해결하는 데 케라스를 활용하는 방법을 보여준다. 머신러닝을 이미 접해본 사람에게는 딥러닝의 기본 수학 개념과 필요에 따라 케라스를 응용할 수 있는 가이드라인을 제공한다.

    출판사 서평

    ★ 이 책에서 다루는 내용 ★

    ■ 파이썬에서 데이터 전처리와 데이터 정형
    ■ 신경망 이해
    ■ 머신러닝과 딥러닝의 차이 설명
    ■ 케라스를 활용한 논리 회귀 모델, 단일-레이어 신경망과 같은 간단한 모델 구축
    ■ 케라스를 활용한 다중-레이어 신경망, 딥 CNN, 딥 RNN과 같은 복잡한 모델 구축
    ■ 머신러닝으로 환자 질병 정보에 사용 가능한 모델 구성과 질병 예측
    ■ 모델을 평가해 모델이 가진 정확성을 이해하고, 정확성을 높이기 위한 튜닝 진행
    ■ 정확성이 항상 제일 좋은 지표는 아니라는 것을 이해하고 더 좋은 평가를 얻을 수 있는 대안 학습

    ★ 이 책의 대상 독자 ★

    데이터 과학과 머신러닝에 관한 기초 지식을 배운 상태에서 인공신경망과 딥러닝을 배우고자 한다면 많은 도움이 될 것이다. 파이썬 프로그래밍이나 통계학, 논리적 회귀에 대한 경험이 있으면 이 책을 최대한 활용할 수 있다. 사이킷런 라이브러리에 대한 경험도 이 책을 보는 데 도움될 수 있다.

    ★ 이 책의 구성 ★

    이 책을 통해 다음을 목표를 달성할 수 있다.
    ■ 단일-레이어 신경망과 다중-레이어 신경망의 차이 이해
    ■ 케라스를 사용한 간단한 논리 회귀 모델, 딥 신경망, 순환 신경망, 합성곱 신경망 구축
    ■ L1, L2, 드롭아웃 정규화 기법 적용을 통한 모델 정확성 향상
    ■ 케라스 래퍼와 사이킷런을 활용한 교차 검증 시행
    ■ 모델 정확성의 한계 이해

    ★ 지은이의 말 ★

    초보자가 최단 시간 내에 가장 중요한 데이터 분석 방법을 습득할 수 있도록 실제적인 접근 방법을 취한다. 실생활 비즈니스 시나리오를 기반으로 실습할 수 있어서 자신의 상황과 유사한 사례에 새롭게 배운 지식을 연습하고 적용해볼 수 있다..

    ★ 옮긴이의 말 ★

    1950년대에 인공지능이라는 용어가 처음 소개됐을 때까지만 해도, 인공지능은 소수의 전문가가 복잡한 수식과 많은 연산 자원을 갖고 연구하던 영역이었습니다. 하지만 최근 관련 하드웨어의 발전과 여러 기업이나 단체에서 제공하는 오픈소스 도구를 활용해 누구라도 필요한 도구를 간단하게 설치하고 딥러닝을 직접 경험해볼 수 있습니다. 라테쉬 바그와트, 말라 압둘라네자드, 매튜 무캄이 쓴 이 책에서는 딥러닝의 기본 개념을 설명하고 많은 사람이 활용하는 케라스를 기반으로 누구나 쉽게 따라 할 수 있는 많은 예제를 살펴봄으로써, 딥러닝을 처음 접하는 독자뿐만 아니라 어느 정도 경험이 있으며 여러 적용 사례를 경험하고 싶은 사람들도 쉽게 이해할 수 있는 책입니다.
    오늘날 딥러닝 관련 기술은 매우 빠르게 발전하고 있습니다. 하루만 지나도 새로운 기술이 개발되고, 현재의 기법이나 도구가 1년 뒤에도 여전히 쓰일지 알 수 없습니다. 하지만 딥러닝이 기본적으로 어떻게 구현되는지 이해하고, 실습을 통해 근간을 이루는 수학 개념에 익숙해지면 차후 새로워진 기법과 도구를 더욱 쉽게 활용할 수 있습니다.
    책 속 예제들은 실생활 데이터를 기반으로 진행됩니다. 그래서 책 속 사례 외에도 데이터를 직접 바꿔 가면서 딥러닝 모델을 훈련할 때 각 특성이 어떤 영향을 주는지, 또 특성을 추가하거나 제외하는 것이 성능에 어떤 영향을 주는지 알아볼 수 있습니다.
    머신러닝, 딥러닝 분야는 대부분의 용어가 영어입니다. 국내에서도 활발하게 사용되기 시작한 지 어느 정도 시간이 지났기 때문에 용어를 원문 그대로 사용하는 것이 편한 사람이 많습니다. 이 책을 옮기는 과정 중에도 원문의 의미를 해치지 않는 범위 내에서 업계에서 흔히 사용하는 용어를 선택하고자 노력했습니다.

    목차

    1장. 케라스를 활용한 머신러닝 입문
    __서론
    __데이터 묘사
    ____데이터 테이블
    ____데이터 로딩
    ____실습 1: UCI 머신러닝 저장소 데이터 세트 로딩
    __데이터 전처리
    ____실습 2: 데이터 정리
    ____데이터의 적절한 표현
    ____실습 3: 데이터의 적절한 표현
    ____모델 생성 수명 주기
    __머신러닝 라이브러리
    __사이킷런
    __케라스
    ____케라스의 장점
    ____케라스의 단점
    ____모델 구축을 넘어서
    __모델 학습
    ____분류 및 회귀 모델
    ____분류 과업
    ____회귀 과업
    ____학습 및 테스트 데이터 세트
    ____모델 평가 측정 항목
    ____실습 4: 간단한 모델 구축
    __모델 튜닝
    ____기준 모델
    ____실습 5: 기준 모델 선정
    ____정규화
    ____교차 - 검증
    ____활동 1: 모델에 정규화를 더하기
    __요약

    2장. 머신러닝 대 딥러닝
    __서론
    ____ANN이 전통적인 머신러닝 알고리즘보다 좋은 점
    ____전통적인 머신러닝 알고리즘이 ANN보다 좋은 점
    ____계층형 데이터 묘사
    __선형 변환
    ____스칼라, 벡터, 행렬, 텐서
    ____텐서 덧셈
    ____실습 6: 스칼라, 행렬, 텐서를 가지고 다양한 연산 해보기
    ____정형
    ____행렬 전치
    ____실습 7: 행렬 정형 및 전치
    ____행렬 곱셈
    ____실습 8: 행렬 곱셈
    ____실습 9: 텐서 곱셈
    __케라스 소개
    ____레이어 유형
    ____활성화 함수
    ____모델 피팅
    ____활동 2: 케라스를 사용해 논리 회귀 모델 생성
    __요약

    3장. 케라스를 활용한 딥러닝
    __서론
    __첫 번째 신경망 구축
    ____논리 회귀에서 딥 신경망으로
    ____활성화 함수
    ____예측을 위한 순전파
    ____손실 함수
    ____손실 함수의 미분계수 계산을 위한 역전파
    ____매개변수 학습을 위한 경사 하강법
    ____실습 10: 케라스를 활용한 신경망 구현
    ____활동 3: 이진 분류를 하는 단일-레이어 신경망 구축 분류 과업
    __모델 평가
    ____케라스에서 훈련된 모델 평가
    ____데이터를 학습 세트와 테스트 세트로 분리
    ____과소적합과 과적합
    ____조기 중단
    ____활동 4: 신경망을 활용한 당뇨병 진단
    __요약

    4장. 케라스 래퍼를 활용한 모델 교차 검증
    __서론
    __교차-검증
    ____데이터 세트를 한 번만 나눴을 때의 단점
    ____예제
    ____K-폴드 교차 검증
    ____리브-원-아웃 교차 검증
    ____K-폴드와 LOO 접근법 비교
    __딥러닝 모델의 교차 검증
    ____케라스 래퍼와 사이킷런
    ____실습 11: 사이킷런을 활용해 회귀 문제를 위한 케라스 래퍼 구축
    ____사이킷런을 통한 교차 검증
    ____사이킷런의 교차 검증 반복자
    ____실습 12: 교차 검증을 통한 딥 신경망 평가
    ____활동 5: 교차 검증을 활용한 당뇨병 진단 분류 모델 평가
    __교차 검증을 통한 모델 선택
    ____모델 평가를 위한 교차 검증과 모델 선택
    ____실습 13: 교차 검증을 통한 딥러닝 모델 구성을 위한 사용자 정의 함수 작성
    ____활동 6: 교차 검증을 통한 당뇨병 진단 분류 모델 선택
    ____활동 7: 교차 검증을 활용해 보스턴 주택 가격 데이터 세트에 적합한 모델 선택
    __요약

    5장, 모델 정확성 개선
    __서론
    __정규화
    ____정규화의 필요성
    ____정규화를 통한 과적합 줄이기
    __L1과 L2 정규화
    ____L1과 L2 정규화 공식
    ____케라스에서 L1과 L2 정규화 적용
    ____활동 8: 당뇨병 진단 분류 모델의 가중치 정규화
    __드롭아웃 정규화
    ____드롭아웃 정규화 원리
    ____드롭아웃을 통한 과적합 줄이기
    ____실습 14: 케라스에서 드롭아웃 구현
    ____활동 9: 보스턴 주택 데이터 세트를 가지고 하는 드롭아웃 정규화
    __기타 정규화 기법
    ____조기 중단
    ____실습 15: 케라스에서 조기 중단 구현
    ____데이터 부풀리기
    ____노이즈 추가
    __사이킷런을 활용한 초매개변수 튜닝
    ____사이킷런 그리드 탐색
    ____사이킷런 랜덤 탐색
    ____활동 10: 당뇨병 진단 분류 모델의 초매개변수 튜닝
    __요약

    6장. 모델 평가
    __서론
    __정확성
    ____실습 16: 가상 의료 데이터 세트의 널 정확성 계산
    ____정확성의 정점과 한계
    __불균형 데이터 세트
    ____불균형 데이터 세트로 작업하기
    __혼동행렬
    ____혼동행렬을 바탕으로 계산되는 측정 지표
    ____실습 17: 의료 데이터를 가지고 정확성과 널 정확성 계산하기
    ____데이터 전처리 및 탐색적 데이터 분석
    ____널 정확성 계산
    ____활동 11: 학습/테스트 분할을 바꿨을 때 정확성과 널 정확성 계산하기
    ____활동 12: 혼동행렬을 가지고 측정 지표 도출 및 계산하기
    ____실습 18: ROC와 AUC 곡선 계산
    __요약

    7장. 합성곱 신경망을 활용한 컴퓨터 비전
    __서론
    __컴퓨터 비전
    __합성곱 신경망
    __CNN 아키텍처
    ____입력 이미지
    ____합성곱 레이어
    ____풀링 레이어
    ____플래트닝
    __이미지 어그멘테이션
    ____이미지 어그멘테이션의 장점
    ____실습 19: CNN을 구축해 고양이와 개 이미지 분류
    ____활동 13: 복수 레이어 모델로 변경 및 소프트맥스 활용
    ____실습 20: 시그모이드 활성화 함수로 환원해 모델 변경
    ____실습 21: 최적화를 아담에서 SGD로 변경
    ____실습 22: 신규 이미지 분류
    ____활동 14: 신규 이미지 분류
    __요약

    8장. 학습 이관과 사전 훈련 모델
    __서론
    __사전 훈련 세트와 학습 이관
    ____특성 추출
    __사전 훈련망 미세 튜닝
    ____이미지넷 데이터 세트
    ____케라스가 지원하는 사전 훈련망 몇 가지
    ____실습 23: VGG16 망을 활용한 이미지 식별
    ____활동 15: VGG16 망을 활용해 이미지 식별을 하는 딥러닝 신경망 훈련
    ____실습 24: 이미지넷 데이터베이스에 없는 이미지 분류
    ____실습 25: VGG16 모델 미세 튜닝
    ____실습 26: ResNet을 활용한 이미지 분류
    ____활동 16: ResNet을 사용한 이미지 분류
    __요약

    9장. 순환 신경망을 활용한 순차 모델링
    __서론
    __순차 메모리와 순차 모델링
    __순환 신경망
    ____소멸하는 기울기 문제
    ____폭발하는 기울기 문제 소개
    __장단기 메모리
    ____실습 27: 유닛(뉴런) 50개 LSTM을 활용해 애플 주가 추세 예측
    ____활동 17: 유닛(뉴런) 50개 LSTM을 활용해 마이크로소프트 주가 추세 예측
    ____실습 28: 유닛 100개 LSTM을 활용해 애플 주가 추세 예측
    ____활동 18: 정규화를 추가해 마이크로소프트 주가 예측
    ____활동 19: 더 많은 뉴런(100개 유닛)을 가진
    ____LSTM을 활용해 마이크로소프트 주가 추세 예측
    __요약

    부록

    관련이미지

    저자소개

    리테쉬 바그와트 [저] 신작알림 SMS신청 작가DB보기
    생년월일 -
    출생지 -
    출간도서 0종
    판매수 0권

    응용 수학 석사로, 컴퓨터 과학 분야에 많은 경험이 있다. 데이터 주도 기술 분야에서 14년 이상 근무해왔으며, 데이터 수집 분석이나 비즈니스 지능 분야에서부터 머신러닝과 인공지능에 이르기까지 다양하고 복잡한 프로젝트를 수행하거나 프로젝트의 일원으로 참여했다. 세계 최고 수준의 컨설팅 기업과 대형 다국적 금융 회사와 일한 적이 있으며 현재는 데이터 과학자로 일하고 있다. 평소에는 크리켓을 하거나 관전하는 것을 좋아하며, 여행도 즐기고 있다. 베이지안 통계학에도 관심이 많다

    말라 압둘라네자드 [저] 신작알림 SMS신청 작가DB보기
    생년월일 -
    출생지 -
    출간도서 0종
    판매수 0권

    캐나다 칼턴대학교 시스템과 컴퓨터 엔지니어링 분야 박사 후보다. 생체 의학 엔지니어링 학사 및 석사 학위가 있으며, 그 과정에서 인공신경망 분야를 처음 접할 기회를 가졌다. 박사 학위 연구 분야는 응용 컴퓨터 비전 애플리케이션을 위한 딥 비지도학습(deep unsupervised learning)이다. 인간이 시각을 통해 세상을 배우는 방법과 기계가 시각을 통해 세상을 배우는 방법의 차이, 또 어떻게 하면 기계의 학습 알고리즘이 인간과 좀 더 유사하게 학습하고 생각할 수 있을지에 대해 관심이 깊다.

    생년월일 -
    출생지 -
    출간도서 0종
    판매수 0권

    비아콤(Viacom) 홍보 과학 팀의 시니어 데이터 과학자(senior data scientist)다. 비아콤에서 데이터 과학과 머신러닝을 통해 통찰력을 키우고 워크플로를 간소화해 복잡한 문제를 해결할 수 있도록 데이터 주도 솔루션을 설계하고 있다.
    뉴욕에 살고 있으며 딥러닝과 음악 이론의 접목에도 관심이 있다. 물리학을 공부했으며 뉴욕 시립대학원에서 물리학 박사 학위를 받았다. 현재는 인공지능 분야에서 활동하고 있는 개발자, 연구자, 실행자, 교육자다.

    생년월일 -
    출생지 -
    출간도서 0종
    판매수 0권

    IT 회사에서 근무하면서 소프트웨어 제품 품질에 관심을 가져왔다. 현재 소프트웨어 공학 관련 강의를 하고 있으며, 어떻게 하면 사용자가 좀 더 신뢰할 수 있고 안심하며 사용할 수 있는 소프트웨어를 만들지 고민 중이다.
    소프트웨어 관련 국제 표준과 여러 지식 체계에 참여하고 있으며, 최근에는 어떻게 하면 누구나 신뢰하면서 사용할 수 있는 머신러닝 모델을 만들 수 있는지에 관심을 갖고 있다. 자율주행 자동차 등 인공지능이 인간의 삶에 줄 수 있는 많은 가치를 실현하기 위해서는 모델이 가진 한계를 이해하고, 인공지능이 왜, 무언가를, 어떤 방식으로 예측했

    펼쳐보기

    이 상품의 시리즈

    데이터 과학 시리즈(총 44권 / 현재구매 가능도서 44권)

    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)

      구매 후 리뷰 작성 시, 북피니언 지수 최대 600점

      리뷰쓰기

      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