간편결제, 신용카드 청구할인
인터파크 롯데카드 5% (19,670원)
(최대할인 10만원 / 전월실적 40만원)
북피니언 롯데카드 30% (14,490원)
(최대할인 3만원 / 3만원 이상 결제)
NH쇼핑&인터파크카드 20% (16,560원)
(최대할인 4만원 / 2만원 이상 결제)
Close

엑셀로 배우는 순환 신경망· 강화학습 초입문: RNN(순환신경망).DQN(심층Q-네트워크)편 : AI 응용 첫걸음! 순환 신경망과 강화학습을 쉽게 이해하는

소득공제

2013년 9월 9일 이후 누적수치입니다.

판매지수 73
?
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

23,000원

  • 20,700 (10%할인)

    1,150P (5%적립)

할인혜택
적립혜택
  • I-Point 적립은 마이페이지에서 직접 구매확정하신 경우만 적립 됩니다.
추가혜택
배송정보
  • 9/27(화) 이내 발송 예정  (서울시 강남구 삼성로 512)
  • 무료배송
주문수량
감소 증가
  • 이벤트/기획전

  • 연관도서

  • 상품권

AD

책소개

엑셀만으로 딥러닝 동작 원리를 이해할 수 있는 AI 응용 입문서!
자연어 처리에서 가장 주목받는 신경망 알고리즘 RNN과 강화학습 기법으로 정확도를 높인 DQN을 엑셀로 쉽게 소개!

〈엑셀로 배우는 딥러닝〉의 속편격인 이 책은 전편이 CNN(합성곱 신경망) 위주였다면 좀 더 딥러닝 쪽에 심화된 RNN(순환 신경망), DQN(심층 Q-네트워크)편이다. 이 책 제목에서 ‘초(超)입문’은 보통 초보자들이 처음 입문한다는 의미에서 쓰는 ‘처음 초(初)자의 ‘초입문(初入門)’이 아닌 ‘입문을 뛰어 넘는다’는 의미에서 ‘초월할 초(超)’ 자를 썼다.
저자는 진화하는 딥러닝 분야의 대표적인 예로 RNN(Recurrent Neural Network, 순환 신경망)과 DQN(Deep Q-Network, 심층 Q-네트워크)를 들면서 RNN은 자연어 처리 분야에서 가장 주목받는 알고리즘이며 DQN은 강화학습의 기법으로 정확도가 놀라울 만큼 높아졌음을 강조한다.
이 책은 누구나 사용하는 엑셀로 인공지능을 실습해 볼 수 있게 함으로써 인공지능 응용 입문서로 RNN과 DQN을 엑셀(Excel)로 어려운 수학이나 프로그래밍 지식 없이도 딥러닝의 구조와 동작 원리를 이해할 수 있도록 한 획기적인 입문서이다. 엑셀로 난해한 RNN, DQN의 ‘최적화’와 동작 원리를 쉽게 이해할 수 있어 AI 학습의 장벽을 단숨에 낮춰줄 것이다.
시리즈 후속작으로 〈엑셀로 배우는 기계학습 초입문〉편도 선보일 예정이다.

목차

머리말
역자 서문
이 책의 사용 방법
엑셀 샘플 파일 다운로드 방법


1장 RNN, DQN을 위한 준비
§ 01 RNN, DQN의 첫걸음
▶ 시계열 데이터를 다루게 된 ‘RNN’.
▶ 학습하는 로봇의 지능을 현실로 만든 ‘DQN’..
▶ 왜, 지금 AI가 꽃을 피웠는가?
▶ RNN, DQN을 엑셀로 체험

§ 02 사용할 엑셀 함수는 10개 남짓
▶ 사용할 주요 엑셀 함수
▶ TANH 함수
▶ OFFSET 함수
▶ MATCH 함수
▶ 배열 수식
▶ MMULT 함수

§ 03 최적화 계산이 불필요한 엑셀의 해 찾기
▶ 해 찾기를 사용해 보자
▶ 해 찾기로 구한 ‘최솟값’은 국소해

§ 04 데이터 분석에는 최적화가 필수
▶ 최적화는 데이터 분석에 필수
▶ 회귀분석이란?
▶ 구체적인 예로 회귀분석의 논리를 이해
▶ 회귀분석을 이해하면 데이터 분석도 이해돼


2장 엑셀로 배우는 신경망
§ 01 출발점이 되는 뉴런 모델
▶ 생물의 뉴런 구조
▶ 뉴런의 입력 처리 방법
▶ 발화
▶ 뉴런의 ‘입출력’을 수식으로 표현
▶ 뉴런의 ‘발화’를 수식으로 표현

§ 02 신경세포를 모델링한 인공 뉴런
▶ 뉴런의 움직임을 정리하면
▶ 발화 조건을 함수로 표현
▶ 인공 뉴런
▶ 뉴런의 간단한 그림
▶ 시그모이드 함수
▶ 시그모이드 뉴런
▶ 시그모이드 뉴런의 일반화
▶ 인공 뉴런과 활성화 함수의 정리
▶ 엑셀로 뉴런의 동작 재현
▶ ‘입력의 선형합’의 내적 표현 .

§ 03 신경망의 사고방식
▶ 입력층의 역할
▶ 은닉층의 역할
▶ 출력층의 역할
▶ 뉴런 1개는 지능이 없다!
▶ 특징 추출의 구조
▶ 출력층의 ‘판정원’은 정리하는 역할
▶ 구조를 정리하면
▶ 임곗값의 역할은 불필요한 정보를 차단하는 것
▶ 가중치와 임곗값의 결정 방법
▶ 신경망의 아이디어 정리

§ 04 신경망을 식으로 표현
▶ 변수명을 정하는 규칙
▶ 신경망을 식으로 표현
▶ 신경망 출력의 의미
▶ 정답을 변수화
▶ 제곱오차의 식 표현
▶ 모델의 최적화
▶ 신경망의 목적 함수

§ 05 엑셀로 배우는 신경망
▶ 훈련 데이터의 준비
▶ 신경망의 사고방식에 따라 함수 설정
▶ 목적 함수의 산출
▶ 신경망의 최적화
▶ 최적화된 파라미터 해석
▶ 신경망을 테스트하자

§ 06 보편성 정리
▶ 가중치와 임곗값을 구하는 방법


3장 엑셀로 배우는 RNN
§ 01 RNN의 사고방식
▶ 구체적인 예로 생각한다
▶ 종래의 신경망에 적용해보면?
▶ 신경망이 기억을 갖게 해주는 RNN
▶ 순환 신경망을 나타내는 그림
▶ 컨텍스트 노드의 계산
▶ 다른 예로 확인
▶ 파라미터의 결정 방법은 신경망과 동일

§ 02 순환 신경망을 식으로 표현
▶ 구체적인 과제로 생각한다 .
▶ 수식화 준비
▶ 뉴런의 입출력을 수식으로 표현
▶ 훈련 데이터 준비
▶ 구체적인 식으로 나타내본다
▶ 최적화를 위한 목적 함수를 구한다
▶ 최적화는 목적 함수의 최소화

§ 03 엑셀로 배우는 순환 신경망
▶ 구체적인 예로 생각한다
▶ 문자 코드화와 단어의 분해
▶ 파라미터의 초깃값 설정
▶ 첫 번째 문자의 계산 확인
▶ 두 번째 문자의 계산 확인
▶ 가중치에 음의 값 허용
▶ 단어 수를 늘려 확인


4장 엑셀로 배우는 Q학습
§ 01 Q학습의 사고방식
▶ 강화학습
▶ Q학습을 개미를 이용해 이해
▶ 좀 더 상세히 알아보자
▶ ‘냄새가 강한 방향으로’가 개미의 기본 행동
▶ ε-greedy 법으로 개미의 모험심을 표현
▶ 출구 정보의 갱신
▶ 학습률
▶ 개미의 행동 요약

§ 02 Q학습을 식으로 표현
▶ 개미를 이용해 배우는 Q학습 용어
▶ Q 값은 표의 이미지
▶ Q 값의 의미
▶ Q 값의 표와 개미와의 대응
▶ Q 학습의 수식에서 이용되는 기호의 의미
▶ 개미의 동작을 기호로 정리하면
▶ 할인율 γ, 학습률 a의 의미
▶ 수정 ε-greedy법
▶ 학습의 종료 조건

§ 03 엑셀로 배우는 Q학습
▶ 과제 확인
▶ 워크시트 작성상의 유의점 .
▶ 워크시트로 Q학습


5장 엑셀로 배우는 DQN
§ 01 DQN의 사고방식
▶ DQN의 구조
▶ 개미를 이용해 배우는 DQN
▶ DQN의 입출력 .
▶ DQN의 목적 함수
▶ 최적화 도구로 해 찾기 이용

§ 02 엑셀로 배우는 DQN
▶ 과제 확인
▶ 신경망과 활성화 함수의 가정
▶ Q학습의 결과 정리
▶ 입력층 데이터의 코드화
▶ 가중치와 임곗값의 초깃값 설정
▶ 은닉층에 대해 ‘입력의 선형합’을 구한다
▶ 은닉층의 출력을 구한다
▶ 출력층에 대한 ‘입력의 선형합’을 구한다
▶ 신경망의 목적 함수 계산
▶ DQN의 최적화
▶ DQN의 결과 확인
▶ 적합도를 올리기 위해서는 .


부록
§ A 훈련데이터
§ B 해 찾기의 설치 방법

§ C 순환 신경망을 다섯 문자에 응용

찾아보기 Index

관련이미지

저자소개

와쿠이 요시유키(涌井良幸) [저] 신작알림 SMS신청
생년월일 1950

1950년 도교 출생. 도쿄교육대학(현 츠쿠바대학) 수학과를 졸업 후 치바현립고등학교 교사로 근무했다. 교직 은퇴 후 작가로서 저술활동에 전념하고 있다.

와쿠이 사다미(涌井 貞美) [저] 신작알림 SMS신청
생년월일 1952

저자 와쿠이 사다미는 1952년 도쿄에서 태어났다. 도쿄대학교 이학계 연구과 석사과정을 수료하고 후지쓰에 입사했다. 그 후 가나가와 현립 고등학교에서 학생들을 가르치다가 과학 논픽션 작가로 독립해 지금은 책을 쓰며 잡지에 과학 관련 기사를 연재하고 있다.
어려운 과학 개념을 이해하기 쉽고 친절하게 설명하는 것으로 정평이 나 있다.
국내에 소개된 저서로는 《그림으로 설명하는 개념 쏙쏙 통계학》(공저, 2016), 《과학 잡학사전》(공저, 2013), 《문구의 과학》(공저, 2017) 등이 있고, 그 밖의 주요 저서로는 《도해 베이스 통계 ‘완전’ 입문》, 《Excel로 배우는 통

펼쳐보기
권기태 [역] 신작알림 SMS신청
생년월일 -

저자 권기태는 서울대학교 계산통계학과를 졸업하고 동 대학원에서 전산학 전공으로 이학석사 및 이학박사 학위를 취득했다. 현재 강릉원주대학교 컴퓨터공학과 교수로 재직 중이다.

전공도서/대학교재 분야에서 많은 회원이 구매한 책

    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

    판매자정보

    • 인터파크도서에 등록된 오픈마켓 상품은 그 내용과 책임이 모두 판매자에게 있으며, 인터파크도서는 해당 상품과 내용에 대해 책임지지 않습니다.

    상호

    (주)교보문고

    대표자명

    안병현

    사업자등록번호

    102-81-11670

    연락처

    1544-1900

    전자우편주소

    callcenter@kyobobook.co.kr

    통신판매업신고번호

    01-0653

    영업소재지

    서울특별시 종로구 종로 1(종로1가,교보빌딩)

    교환/환불

    반품/교환 방법

    ‘마이페이지 > 취소/반품/교환/환불’ 에서 신청 또는 1:1 문의 게시판 및 고객센터(1577-2555)에서 신청 가능

    반품/교환가능 기간

    변심 반품의 경우 출고완료 후 6일(영업일 기준) 이내까지만 가능
    단, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

    반품/교환 비용

    변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
    상품이나 서비스 자체의 하자로 인한 교환/반품은 반송료 판매자 부담

    반품/교환 불가 사유

    ·소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)

    ·소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등

    ·복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

    ·시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

    ·전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

    상품 품절

    공급사(출판사) 재고 사정에 의해 품절/지연될 수 있음

    소비자 피해보상
    환불지연에 따른 배상

    ·상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨

    ·대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

    (주) 인터파크 안전결제시스템 (에스크로) 안내

    (주)인터파크의 모든 상품은 판매자 및 결제 수단의 구분없이 회원님들의 구매안전을 위해 안전결제 시스템을 도입하여 서비스하고 있습니다.
    결제대금 예치업 등록 : 02-006-00064 서비스 가입사실 확인

    배송안내

    • 교보문고 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 배송가능합니다.

    • 배송비는 업체 배송비 정책에 따릅니다.

    • - 도서 구매 시, 1만 원 이상 무료, 1만원 미만 2천 원 - 상품별 배송비가 있는 경우, 상품별 배송비 정책 적용