±¹³»µµ¼
ÄÄÇ»ÅÍ/ÀÎÅͳÝ
IT Àü¹®¼
ÄÄÇ»ÅÍ°øÇÐ
Á¤°¡ |
25,000¿ø |
---|
22,500¿ø (10%ÇÒÀÎ)
1,250P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
ÆÄÀ̽ãÀº ¼±ÅÃÀÌ ¾Æ´Ñ Çʼö! ÆÄÀÌÅäÄ¡·Î µö·¯´× ÀÔ¹®Çϱâ!
ÀÌ Ã¥Àº µö·¯´× ±â¼ú¿¡ ÃÊÁ¡À» µÎ°í µö·¯´×À» ±¸ÇöÇϱâ À§ÇØ ÆÄÀ̽ãÀ» ÀÌ¿ëÇϴµ¥, ¸Ó½Å·¯´× ¶óÀ̺귯¸®ÀÎ ÆÄÀÌÅäÄ¡¸¦ È°¿ëÇÏ¿© ´Ù¾çÇÑ ÅÙ¼¸¦ Áö¿øÇÏ´Â ¹æ¹ýÀ» ¾Ë¾Æº»´Ù. ÆÄÀÌÅäÄ¡´Â ÆÄÀ̽ã ÄÚµù°ú ºñ½ÁÇϱ⠶§¹®¿¡ ¾ð¾î°¡ ¾î·ÆÁö ¾Ê´Ù. Äڵ尡 °£°áÇÏ°í ³À̵µ°¡ ³·¾Æ ÅÙ¼Ç÷ο캸´Ù »ç¿ëÇϱâ ÈξÀ ½±´Ù´Â Ư¡ÀÌ ÀÖ´Ù. ÇÁ·Î±×·¡¹Ö ¾ð¾îÀÇ ±âº»Àû ¼öÁظ¸ °®Ãß°í ÀÖ´Ù¸é °í±Þ ½ºÅ³ÀÌ ¾ø¾îµµ Äڵ带 ÀÛ¼ºÇغ¸¸ç Á÷Á¢ ½ÇÇàÇغ¼ ¼ö ÀÖµµ·Ï ±¸¼ºÇÏ¿´±â ¶§¹®¿¡ Àǹ̸¦ Á¤È®ÇÏ°í °³³äÀ» ÀÌÇØÇÒ ¼ö ÀÖ´Ù. ÇнÀÀ» ½ÃÀÛÇϱâ Àü ±âº»ÀûÀÎ ³»¿ë°ú ÄÚµå ÀÛ¼ºÀ» À§ÇÑ ½Ã½ºÅÛ È¯°æ ±¸ÃàºÎÅÍ ½ÃÀÛÇÏ¿©, ¿äÁò ½±°Ô µé¸®´Â ¸Ó½Å·¯´×, µö·¯´×, ÀΰøÁö´É µîÀÇ °³³äÀ» ½±°Ô ¼³¸íÇÏ°í È°¿ë ºÐ¾ßµµ ¾Ë¾Æº»´Ù. ƯÈ÷ Áß°£ Áß°£ ¿¹Á¦¸¦ ¼ö·ÏÇÏ¿© ÄÚµå¿Í ¼³¸íÀ» ÀÚ¼¼ÇÏ°Ô ¼³¸íÇϱ⠶§¹®¿¡ Ãʺ¸Àڵ鵵 ½±°Ô Á¢±ÙÇÒ ¼ö ÀÖ´Ù´Â ÀåÁ¡ÀÌ ÀÖ´Ù. Äڵ带 µû¶óÇϱâ À§ÇÑ ½Ç½À ÆÄÀÏ ´Ù¿î·Îµå´Â Á¤º¸¹®È»ç ȨÆäÀÌÁö(infopub.co.kr) ÀÚ·á½Ç¿¡¼ °¡´ÉÇϸç, ÇнÀ Áß ±Ã±ÝÇÑ »çÇ×Àº ÀúÀÚÀÇ github.com/Justin-A/DeepLearning101/issues¿¡¼ Çǵå¹é °¡´ÉÇÏ´Ù.
ÃâÆÇ»ç ¼Æò
ÆÄÀÌÅäÄ¡¸¦ ½ÃÀÛÇϱâ À§ÇÑ ¹Ø°Å¸§!
µö·¯´×Àº ¸¸´ÉÀ̸ç À̹ÌÁö °ü·Ã Task¿¡´Â CNN, ÅؽºÆ® °ü·Ã Task¿¡´Â RNNÀ» »ç¿ëÇÏ¸é µÈ´Ù°í ¸¹Àº »ç¶÷µéÀÌ ¾Ë°í ÀÖ´Ù. µö·¯´×Àº À̹ÌÁö³ª ÅؽºÆ®¿¡ ºñÇØ ³ôÀº ¼º´ÉÀ» Áö´Ï°í ÀÖ´Â °ÍÀº ¸ÂÁö¸¸, Áß¿äÇÑ °ÍÀº ¿Ö µö·¯´×ÀÌ À̹ÌÁö³ª ÅؽºÆ®¿¡ Àß ¸Â´ÂÁö¸¦ ÀÌÇØÇÏ´Â °ÍÀÌ´Ù. µö·¯´×Àº »õ·Î¿î ¸ðµ¨ÀÇ °³³äÀÌ ¾Æ´Ñ, ½Å°æ¸ÁÀÌ ¹ßÀüÇÑ ¸ðµ¨À̹ǷΠÇнÀÇÏ´Â ¾Ë°í¸®ÁòÀÇ Æ¯¼º»ó °úÀûÇÕÀÌ ½ÉÇÏ°Ô ÀϾÙ. ÀÌ Ã¥Àº ÆÄÀ̽ãÀ¸·Î µö·¯´×À» ÀÌÇØÇÏ°íÀÚ ÇÏ´Â »ç¶÷µéÀ» À§ÇØ ±× ºÐ¾ß¸¦ ÁßÁ¡ÀûÀ¸·Î Ä£ÀýÇÏ°Ô ¼³¸íÇÏ°í ÀÖ´Ù. ¼¼ ¸íÀÇ ÀúÀÚ°¡ ÀΰøÁö´ÉÀ» °øºÎÇÏ¸é¼ ±Ã±ÝÇß´ø ºÎºÐÀ» ÀçÁ¤¸³ÇÏ°í, ²À ¾Ë¾Æ¾ß ÇÒ ³»¿ë¸¸ ÁýÁßÀûÀ¸·Î Á¤¸®ÇÏ¿´±â ¶§¹®¿¡ ÀÔ¹®ÀÚ¿¡°Ô ÀûÇÕÇÑ µµ¼ÀÌ´Ù. Æò»ý ÇÁ·Î±×·¡¹ÖÀ» ÇÒ ÀÏÀÌ ¾ø´Ù°í »ý°¢ÇÏ´ø ¡®Äھ˸ø¡¯µéµµ ±× °úÁ¤À» Á÷Á¢ °ÞÀº ÀúÀÚ°¡ ±âÃʺÎÅÍ ¼³¸íÇϱ⠶§¹®¿¡ ¾î¶»°Ô °øºÎÇØ¾ß ÇÏ´ÂÁö¸¦ ¾Ë ¼ö ÀÖÀ» °ÍÀÌ´Ù.
¸ñÂ÷
Part 01 ÆÄÀÌÅäÄ¡ ±âÃÊ
1. ÆÄÀ̽㠶Ǵ ¾Æ³ªÄÜ´Ù ¼³Ä¡Çϱâ
1.1 ÆÄÀ̽㠰ø½Ä ȨÆäÀÌÁö¿¡¼ ´Ù¿î·ÎµåÇϱâ
1.2 ¾Æ³ªÄÜ´Ù¸¦ ÀÌ¿ëÇØ ÆÄÀ̽㠴ٿî·ÎµåÇϱâ
1.3 °ø½Ä ȨÆäÀÌÁö¿¡¼ ÆÄÀ̽㠼³Ä¡Çϱâ vs. ¾Æ³ªÄÜ´Ù¸¦ ÀÌ¿ëÇØ ÆÄÀ̽㠼³Ä¡Çϱâ
1.4 °¡»ó ȯ°æ ¼³Á¤Çϱâ
1.5 ÁÖÇÇÅÍ ³ëÆ®ºÏ ¼³Ä¡ ¹× ½ÇÇà
2. CUDA, CuDNN ¼³Ä¡Çϱâ
2.1 CPU vs. GPU
2.2 CUDA ¿ªÇÒ ¹× ¼³Ä¡Çϱâ
2.3 CuDNN ¿ªÇÒ ¹× ¼³Ä¡Çϱâ
2.4 Docker¶õ?
3. ÆÄÀÌÅäÄ¡ ¼³Ä¡Çϱâ
4. ¹Ýµå½Ã ¾Ë¾Æ¾ß ÇÏ´Â ÆÄÀÌÅäÄ¡ ½ºÅ³
4.1 ÅÙ¼
4.2 Autograd
Part 02 AI Background
1. ÀΰøÁö´É(µö·¯´×)ÀÇ Á¤ÀÇ¿Í »ç·Ê
1.1 ÀΰøÁö´ÉÀ̶õ?
1.2 ÀΰøÁö´ÉÀÇ »ç·Ê
2. ÆÄÀÌÅäÄ¡
3. ¸Ó½Å·¯´×ÀÇ Á¤ÀÇ¿Í Á¾·ù
3.1 ¸Ó½Å·¯´×À̶õ?
3.2 ¸Ó½Å·¯´×ÀÇ Á¾·ù
3.3 ¸Ó½Å·¯´×ÀÇ ±¸ºÐ
3.4 ÁöµµÇнÀ ¸ðµ¨ÀÇ Á¾·ù
4. °úÀûÇÕ
4.1 ÇнÀÇÒ »ùÇà µ¥ÀÌÅÍ ¼öÀÇ ºÎÁ·
4.2 Ç®°íÀÚ ÇÏ´Â ¹®Á¦¿¡ ºñÇØ º¹ÀâÇÑ ¸ðµ¨À» Àû¿ë
4.3 ÀûÇÕ¼º Æò°¡ ¹× ½ÇÇè ¼³°è(Training, Validation, Test , Cross Validation)
5. Àΰø ½Å°æ¸Á
5.1 ÆÛ¼ÁÆ®·Ð
5.2 ½Å°æ¸Á ¸ðÇüÀÇ ´ÜÁ¡
6. ¼º´É ÁöÇ¥
Part 03 Deep Learning
1. µö·¯´×ÀÇ Á¤ÀÇ
2. µö·¯´×ÀÌ ¹ßÀüÇÏ°Ô µÈ °è±â
3. µö·¯´×ÀÇ Á¾·ù
4. µö·¯´×ÀÇ ¹ßÀüÀ» À̲ö ¾Ë°í¸®Áò
4.1 Dropout
4.2 Activation ÇÔ¼ö
4.3 Batch Normalization
4.4 Initialization
4.5 Optimizer
4.6 AutoEncoder(AE)
4.7 Stacked AutoEncoder
4.8 Denoising AutoEncoder(DAE)
Part 04 ÄÄÇ»ÅÍ ºñÀü
1. Convolutional Neural Network(CNN)
2. CNN°ú MLP
3. Data Augmentation
4. CNN Architecture
5. Transfer Learning
Part 05 ÀÚ¿¬¾î ó¸®
1. Data & Task: ¾î¶² µ¥ÀÌÅÍ°¡ ÀÖÀ»±î?
1.1 °¨Á¤ ºÐ¼®(Sentiment Analysis)
1.2 ¿ä¾à(Summarization)
1.3 ±â°è ¹ø¿ª(Machine Translation)
1.4 Áú¹® ÀÀ´ä(Question Answering)
1.5 ±âŸ(etc.)
2. ¹®ÀÚ¸¦ ¼ýÀڷΠǥÇöÇÏ´Â ¹æ¹ý
2.1 Corpus & Out-of-Vocabulary(OOV)
2.2 Byte Pair Encoding(BPE)
2.3 Word Embedding
3. Models
3.1 Deep Learning Models
3.2 Pre-Trained ModelÀÇ ½Ã´ë - Transformer, BERTÀÇ µîÀå
4. Recap
4.1 ?5-3_model_imdb_glove.ipynb¡¯ Äڵ忡 ´ëÇÑ ¼³¸í
4.2 ?5-5_model_imdb_BERT.ipynb¡¯ Äڵ忡 ´ëÇÑ ¼³¸í
4.3 ¸ðµ¨ ¼º´É ºñ±³
Part 06 Other Topics
1. Generative Adversarial Networks(GAN)
2. °ÈÇнÀ
3. Domain Adaptation
4. Continual Learning
5. Object Detection
6. Segmentation
7. Meta Learning
8. AutoML
°ü·ÃÀ̹ÌÁö
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
ÄÄÇ»ÅÍ/ÀÎÅÍ³Ý 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.