추가 적립 안내

이 딥러닝 코드는 왜 이렇게 동작할까?
최신 딥러닝 논문, 해외 주요 강의를 보기 전에 꼭 읽어야 할 책!

딥러닝 입문자도, 실무자도 모두 이 책으로 딥러닝 공부를 시작하자! 지금까지 등장한 딥러닝 기술들은 모두 딥러닝 기초 모델을 변형하여 발전한 것이다. 즉, 최신 딥러닝 논문이나 기술을 쉽게 공부하고 제대로 적용하려면 딥러닝 모델이 처음부터 지금까지 어떻게 발전했고, 어떻게 동작하는지, 어떤 부위에 어떤 수식이 적용되는지 속속들이 알아야 한다. 딥러닝 기초를 단단하게 익히고 싶은 입문자라면, 더 깊은 곳으로 나아가길 바라는 개발자라면 이 책으로 딥러닝 공부를 시작해 보자.

퍼셉트론부터 GAN까지 핵심 이론 총망라!
딥러닝 모델이 세상에 나온 배경과 작동 원리를 순서대로, 제대로 알려 주는 책!
순방향 신경망, 콘벌루션 신경망, 순환 신경망, 생성 모델이 세상에 등장한 이유는 무엇이며, 어떻게 작동할까? 이 책은 퍼셉트론부터 GAN까지 딥러닝 모델이 등장한 이유와 특징, 작동 원리를 미적분 통계 등 수학 지식과 함께 구체적으로 알려 준다. 예를 들어 활성화 함수에서 계단 함수는 수식으로 어떻게 표현하며, 계단 함수의 단점은 무엇이길래 시그모이드 함수로 발전할 수 밖에 없었는지, 이런 발전 과정에서 나온 활성화 함수와 특징은 무엇인지 문장과 수식, 그림으로 제대로 알려 준다. 이렇게 공부하다 보면 결국 자신이 입력한 딥러닝 코드가 어떻게, 왜 이렇게 작동하는지 명쾌하게 이해할 수 있다.

딥러닝 입문자, 연구자, 실무자 모두에게 강력 추천!
최신 논문, 해외 주요 딥러닝 강의를 보기 전에 반드시 읽어야 할 책!
딥러닝 기초 이론 공부는 실무자와 연구자 모두에게 필수라고 저자는 설명한다. 그 이유는 간단하다. 애초에 딥러닝은 기초 이론을 바탕으로 새로운 기술, 이론이 만들어지고 발전하는 특성을 지닌 학문이기 때문이다. 최신 논문을 보며 자신의 연구에 적용하고 싶은 연구자라면, 또한 해외 주요 딥러닝 관련 강의를 들으며 자신의 커리어를 더 높이고 싶은 실무 엔지니어라면 이 책으로 딥러닝 기초 체력을 길러 더 깊은 곳으로 나아가 보자.

입문자도 딥러닝 개념을 충분히 이해하고 느낄 수 있는 친절한 설명!
문장으로, 수식으로, 그림으로, 세 번 짚어 주는 책!
저자는 독자가 딥러닝 개념을 충분히 이해하고 느낄 수 있도록 꼭 설명해야 할 부분만 엄선하여 최대한 친절히 딥러닝 이론을 설명하는 것에 중점을 두고 이 책을 집필했다. 본문에서는 새로운 딥러닝 기술이 등장할 때 ‘이 기술은 왜 필요한지’부터 차분히 설명하기 시작한다. 그러면서 이 기술이 수식으로는 어떻게 표현되는지, 그림으로는 이 수식이 딥러닝 모델의 어느 부분에 어떻게 적용되는지 자세히 설명한다. 문장으로, 수식으로, 그림으로 세 번 짚어 깊이 이해할 수 있도록 도와주는 이 책으로 딥러닝을 시작해 보자.

딥러닝 핵심 개념 사전 240 특별 부록 수록!
딥러닝 공부를 마친 뒤에 더 유용해요!
이 책을 읽고 나면 더 유용한 ‘딥러닝 핵심 개념 사전 240’을 책 속 특별 부록으로 제공한다. 이 책에서 설명한 딥러닝 이론을 저자가 직접 엄선하여 ‘딥러닝 핵심 개념 사전 240’으로 정리한 것이다. 책을 다 읽은 뒤 부록을 보면 딥러닝의 이론 전체가 내 손바닥 안에 들어오는 즐거운 경험을 할 수 있을 것이다.

배운 내용은 실전에서 바로바로!
저자가 엄선한 텐서플로 튜토리얼 사이트의 딥러닝 실전 문제!
딥러닝 이론만 공부하면 아쉬워할 독자를 위해 대표 문제를 엄선하여 장 마지막 위치에 배치했다. 딥러닝 입문자라면 꼭 알아야 할 문제이기도 하다. 텐서플로 튜토리얼 사이트에서 저자가 직접 엄선한 대표 문제를 해결해 보며 실력을 키워 보자! 만약 이 문제를 풀 수 있다면 각 장마다 공부한 내용을 완벽하게 이해했다고 자부해도 좋다.
- 텐서플로 튜토리얼 사이트: www.tensorflow.org/tutorials

이런 사람에게 이 책을 추천합니다!
- 딥러닝의 기초 원리부터 제대로 이해하며 입문하고 싶은 사람
- 파이썬 코딩 위주로 딥러닝을 공부해서 뭔가 제대로 안다고 느껴지지 않는 사람
- 왜 하는지 모르고 딥러닝 실무만 하다 공허해진 사람
- 딥러닝 업무를 맡았지만 딥러닝을 입맛에 맞게 활용할 수 있을지 걱정되는 사람

이지스퍼블리싱이 선사하는 독자 지원
- 네이버 카페 ‘Do it! 스터디룸(https://cafe.naver.com/doitstudyroom)’에서 이 책의 독자들과 함께 공부하고 책 선물도 받아 가세요(책 질문 환영)! 스스로 학습 계획을 세우고 스터디 기록을 공유하면 책을 선물로 주는 ‘Do it! 공부단’과 기간을 정해 함께 책을 독파하는 ‘된다스!(된다! 다 함께 스터디!)’ 등 다양한 이벤트 혜택을 누릴 수 있습니다.
- 이지스퍼블리싱 홈페이지(www.easyspub.co.kr)에 회원가입을 하여 매달 정기 소식지를 받아 보세요. 신간과 책 관련 이벤트 소식을 누구보다 빠르게 확인할 수 있습니다. 매달 전자책 한 권을 공개하는 이벤트도 진행하고 있습니다.

윤경구(주식회사 파수 개발본부장, 전무)
최신 논문, 해외 주요 강의를 보기 전에 이 책으로 기초를 다지세요!
이 책은 더 높은 곳을 향해 나아가려면 기초로 돌아가 준비하자는 의도를 담고 있습니다. 수년 간 여러 스터디 그룹을 주도한 경험과 연구 논문이나 해외 주요 대학의 강의를 누구보다 발빠르게 공부한 저자의 노력이 집약되어 있습니다. 그리고 연구든 실무든 더 깊은 단계로 나아가려면 딥러닝의 개념과 작동 원리를 수학과 함께 명확하게 이해하는 것이 매우 중요합니다. 이 책으로 딥러닝의 기초 체력을 단단히 준비하기 바랍니다.

김승일(모두의연구소 CEO)
이 코드는 왜 이렇게 동작할까? 궁금하다면 이 책을!
이미 출간되어 시중에 나온 입문서는 대부분 코드와 함께 이론을 설명합니다. 이런 방식의 입문서는 직접 실행해 보며 눈으로 결과를 확인할 수 있어서 실무의 이해도를 높이기 쉽습니다. 하지만 ‘왜 코드가 그렇게 동작하는지’, ‘무슨 이유로 그런 코드가 나왔는지’는 알기 어렵습니다. 이 책을 펼치면 그런 궁금한 내용을 모두 해결할 수 있습니다.

신찬수(한국외국어대학교 컴퓨터공학부 교수)
내공 가득한 저자의 잘 차린 딥러닝 한 상!
이 책은 친절한 그림과 수식, 꼼꼼한 설명으로 잘 차린 딥러닝 한 상과 같습니다. 주제별 핵심 개념을 군더더기 없이 잘 설명했으며, 더 깊은 내용은 〈조금 더 말하자면〉 코너와 〈팁〉으로 보완해서 더욱 좋았습니다. 이제 딥러닝 공부를 막 시작한 독자나 딥러닝 모델의 심연을 보고 싶은 독자 모두 만족할 만한 책이라고 확신합니다.

이주희(J.MARPLE CTO)
절벽 바위틈에서 뿌리내린 아름다운 소나무 같은 책!
책을 덮고 나니 여러 해 동안 딥러닝 이론에 관심을 갖고 연구한 저자의 노력이 집약되었다는 생각이 들었다. 딥러닝의 성장과 함께 공부해 온 저자의 모습을 곁에서 수년 간 지켜본 사람으로서 책의 정확함과 정성을 믿어 의심치 않는다. 절벽 바위틈에 뿌리내려 시원한 그늘을 만들어 주는 소나무처럼, 어렵고 딱딱한 기술서 틈에서 딥러닝 이론을 알고 싶어 하는 독자에게 시원한 교과서가 될 것이다.

조원양(스마트사운드 수석연구원)
최신 기술과 흐름으로 딥러닝의 기초를 단단하게!
이 책은 딥러닝의 기초를 단단하게 해주는 내용으로 가득합니다. 단순히 딥러닝의 개념을 설명하는 수준에 그치지 않고 여러 가지 지식과 개념을 쉽고 논리 정연하게, 그리고 명확하게 설명해 줍니다. 또한 최신 기술과 흐름까지 놓치지 않았으니 금상첨화죠. 입문서 이상으로 가치 있는 책이라고 생각합니다.

한영일(LG 이노텍 CTO 기반 기술 연구소)
딥러닝의 본질을 알기 쉽게, 아름답게 담아낸 책!
인공지능 관련 서적이 넘쳐나는 시대에 딥러닝 역사와 발전, 배경을 매우 흥미롭게 다루는 책입니다. 딥러닝의 본질을 알기 쉽게, 아름답게 담아낸 책이 드디어 출간된 것을 매우 기쁘게 생각합니다. 이 책이 앞으로 딥러닝을 처음 접하는 입문자에게는 학습의 방향을 안내해 주는 좋은 길잡이로, 딥러닝 엔지니어에게는 딥러닝의 전반적인 내용을 짚어주는 곁에 가까이 두고 싶은 든든한 친구가 되었으면 하는 바람입니다.

__01 딥러닝 개요
1.1 딥러닝이란?
1.2 인공 신경망의 탄생
1.3 딥러닝의 역사

__02 순방향 신경망
2.1 순방향 신경망의 구조와 설계 항목
2.2 분류와 회귀 문제
2.3 이진 분류 모델
2.4 다중 분류 모델
2.5 회귀 모델
2.6 입력 계층
2.7 활성 함수
2.8 신경망 모델의 크기
2.9 신경망 학습 관련 내용(*)

__03 신경망 학습
3.1 신경망 학습의 의미
3.2 신경망 학습과 최적화
3.3 경사 하강법
3.4 역전파 알고리즘
3.5 데이터셋 구성과 훈련 데이터 단위
3.6 손실 함수 정의(*)

__04 최적화
4.1 확률적 경사 하강법
4.2 SGD 모멘텀
4.3 네스테로프 모멘텀
4.4 AdaGrad
4.5 RMSProp
4.6 Adam

__05 초기화와 정규화
5.1 가중치 초기화
5.2 정규화
5.3 배치 정규화
5.4 가중치 감소

__06 콘벌루션 신경망
6.1 시각 패턴 인식을 위한 신경망 모델
6.2 콘벌루션 신경망의 구조
6.3 콘벌루션 신경망의 가정 사항
6.4 개선된 콘벌루션 연산
6.5 업샘플링 연산

__07 콘벌루션 신경망 모델
7.1 르넷-5
7.2 알렉스넷
7.3 제트에프넷
7.4 브이지지넷
7.5 구글넷
7.6 레즈넷
7.7 콘벌루션 신경망 비교
7.8 다양한 모델의 등장

__08 순환 신경망
8.1 기억을 갖는 신경망 모델 RNN
8.2 순환 신경망의 주요 모델
8.3 시간펼침 역전파
8.4 LSTM과 GRU
8.5 순환 신경망 개선

__09 생성 모델
9.1 생성 모델
9.2 VAE
9.3 GAN