간편결제, 신용카드 청구할인
인터파크 롯데카드 5% (37,620원)
(최대할인 10만원 / 전월실적 40만원)
북피니언 롯데카드 30% (27,720원)
(최대할인 3만원 / 3만원 이상 결제)
NH쇼핑&인터파크카드 20% (31,680원)
(최대할인 4만원 / 2만원 이상 결제)
Close

구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js : 자바스크립트만 알고 있다면 시작하기에 충분하다!

원제 : Deep Learning with JavaScript
소득공제

2013년 9월 9일 이후 누적수치입니다.

판매지수 32
?
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

44,000원

  • 39,600 (10%할인)

    2,200P (5%적립)

할인혜택
적립혜택
  • S-Point 적립은 마이페이지에서 직접 구매확정하신 경우만 적립 됩니다.
추가혜택
배송정보
  • 9/30(토) 이내 발송 예정  (서울시 강남구 삼성로 512)
  • 무료배송
주문수량
감소 증가
  • 이벤트/기획전

  • 연관도서

  • 상품권

AD

책소개

브라우저에서 딥러닝 모델을 빌드하고 실행하는 TensorFlow.js
딥러닝 기초부터 구글 브레인 팀의 노하우까지!

딥러닝은 컴퓨터 비전, 이미지 처리, 자연어 처리 등 다양한 분야에 변화를 불러왔다. 이제 자바스크립트 개발자는 파이썬이나 R에 의존하지 않고 TensorFlow.js를 사용하여 딥러닝 모델을 구축할 수 있다. 이 책은 〈케라스 창시자에게 배우는 딥러닝〉 책을 토대로 구글 브레인 팀 핵심 개발자 3인이 TensorFlow.js에 맞춰 코드를 재작성했고, 자바스크립트 생태계를 위한 새로운 내용을 많이 추가했다. TensorFlow.js의 개요부터 이미지와 사운드 인식, 전이 학습, 모델 시각화, 시퀀스와 텍스트를 위한 딥러닝, 생성적 딥러닝 등 딥러닝 기초부터 심층 강화 학습까지 TensorFlow.js로 딥러닝을 시작하기에 필요한 모든 것을 설명한다. 브라우저에서 얼마나 많은 작업을 수행할 수 있는지 알면 놀랄 것이다. 자바스크립트에 능숙한 개발자라면 TensorFlow.js로 딥러닝을 시작해보자.
· 한국어판 예제 데모 사이트: https://ml-ko.kr/tfjs

출판사 서평

기초부터 구글 브레인 팀의 노하우까지!
브라우저에서 바로 실행하며 배우는 딥러닝!

브라우저에서 딥러닝 모델을 빌드하고 실행하는 TensorFlow.js
딥러닝은 컴퓨터 비전, 이미지 처리, 자연어 처리 등 다양한 분야에 변화를 불러왔다. 이제 자바스크립트 개발자는 파이썬이나 R에 의존하지 않고 TensorFlow.js를 사용하여 딥러닝 모델을 구축하고 훈련할 수 있다. 특히 TensorFlow.js로 만든 모델은 자바스크립트가 실행되는 모든 곳에서 실행할 수 있어 이식성은 정말 최고라고 할 수 있다. 자바스크립트에 능숙한 개발자라면 TensorFlow.js로 딥러닝을 시작해보자.

딥러닝 기초부터 심층 강화 학습까지!
TensorFlow.js의 개요, 이미지와 사운드 인식, 전이 학습, 모델 시각화, 시퀀스와 텍스트를 위한 딥러닝, 생성적 딥러닝 등 딥러닝 기초부터 심층 강화 학습까지 TensorFlow.js로 딥러닝을 시작하기에 필요한 모든 것을 설명한다. 브라우저에서 얼마나 많은 작업을 수행할 수 있는지 알면 놀랄 것이다. 이 모든 과정을 TensorFlow.js를 만든 구글 브레인 팀 개발자에게 직접 배워 보자.

실용적이고 확장 가능한 예제로 학습한다
상세한 해설, 실질적인 권장 사항, 구체적인 문제 해결을 위한 저자들의 노하우까지 포괄하는 설명이 포함된 예제로 학습한다. 이 예제들을 학습하면서 딥러닝의 개념, 적용 범위, 한계 등을 확실하게 이해할 수 있다. 이 과정으로 딥러닝으로 문제를 해결하는 과정에 익숙해질 것이며, TensorFlow.js로 전이 학습, 자연어 처리 등 실전 문제까지 해결할 수 있다. 또한, 이 예제들을 확장해 나만의 딥러닝 모델을 만들거나 적용할 수도 있다.

목차

1부 동기 부여와 기본 개념

1장. 딥러닝과 자바스크립트
1.1 인공 지능, 머신 러닝, 신경망 그리고 딥러닝
__1.1.1 인공 지능
__1.1.2 전통적인 프로그래밍과 머신 러닝의 차이점
__1.1.3 신경망과 딥러닝
__1.1.4 왜 딥러닝인가? 왜 지금인가?
1.2 왜 자바스크립트와 머신 러닝을 합쳐야 하나요?
__1.2.1 Node.js를 사용한 딥러닝
__1.2.2 자바스크립트 생태계
1.3 왜 TensorFlow.js인가?
__1.3.1 TensorFlow, Keras, TensorFlow.js에 대한 간략한 역사
__1.3.2 TensorFlow.js를 선택하는 이유: 비슷한 라이브러리와의 간략한 비교
__1.3.3 전 세계에서 TensorFlow.js가 어떻게 사용되고 있나요?
__1.3.4 이 책이 TensorFlow.js에 대해 가르쳐 줄 것과 그렇지 않은 것
1.4 연습 문제
1.5 요약

2부 TensorFlow.js 소개

2장. TensorFlow.js 시작하기: 간단한 선형 회귀
2.1 예제 1: TensorFlow.js를 사용해 다운로드 시간 예측하기
__2.1.1 프로젝트 개요: 소요 시간 예측
__2.1.2 코드와 콘솔의 상호 작용 안내
__2.1.3 데이터 생성과 포매팅
__2.1.4 간단한 모델 정의하기
__2.1.5 훈련 데이터에서 모델 훈련하기
__2.1.6 훈련된 모델을 사용해 예측 만들기
__2.1.7 첫 번째 예제 요약
2.2 Model.fit( ) 내부: 예제 1의 경사 하강법 분석
__2.2.1 경사 하강법 최적화 이해하기
__2.2.2 역전파: 경사 하강법 내부
2.3 여러 입력 특성을 가진 선형 회귀
__2.3.1 보스턴 주택 데이터셋
__2.3.2 깃허브에서 보스턴 주택 프로젝트를 가져와 실행하기
__2.3.3 보스턴 주택 데이터 얻기
__2.3.4 보스턴 주택 문제를 정확하게 정의하기
__2.3.5 데이터 정규화
__2.3.6 보스턴 주택 데이터에서 선형 회귀 훈련하기
2.4 모델 해석 방법
__2.4.1 학습된 가중치에서 의미 추출하기
__2.4.2 모델에서 가중치 추출하기
__2.4.3 모델 해석 가능성에 대한 주의 사항
2.5 연습 문제
2.6 요약

3장. 비선형성 추가: 가중치 합을 넘어서
3.1 비선형성과 그 필요성
__3.1.1 신경망의 비선형성에 대한 직관 기르기
__3.1.2 하이퍼파라미터 최적화
3.2 출력층의 비선형성: 분류를 위한 모델
__3.2.1 이진 분류
__3.2.2 이진 분류기의 품질 측정: 정밀도, 재현율, 정확도, ROC 곡선
__3.2.3 ROC 곡선: 이진 분류의 균형 관계 확인하기
__3.2.4 이진 크로스 엔트로피: 이진 분류를 위한 손실 함수
3.3 다중 분류
__3.3.1 범주형 데이터의 원-핫 인코딩
__3.3.2 소프트맥스 활성화 함수
__3.3.3 범주형 크로스 엔트로피: 다중 분류를 위한 손실 함수
__3.3.4 오차 행렬: 다중 분류를 상세하게 분석하기
3.4 연습 문제
3.5 요약

4장. 합성곱 신경망을 사용해 이미지와 사운드 인식하기
4.1 벡터에서 텐서로 이미지 표현하기
__4.1.1 MNIST 데이터셋
4.2 첫 번째 합성곱 신경망
__4.2.1 conv2d 층
__4.2.2 maxPooling2d 층 1
__4.2.3 합성곱과 풀링의 반복
__4.2.4 flatten 층과 밀집 층
__4.2.5 합성곱 신경망 훈련하기
__4.2.6 합성곱 신경망을 사용해 예측하기
4.3 브라우저를 넘어서: Node.js로 모델 훈련 속도 높이기
__4.3.1 tfjs-node 사용하기
__4.3.2 Node.js에서 모델을 저장하고 브라우저에서 불러오기
4.4 음성 인식: 합성곱 신경망을 오디오 데이터에 적용하기
__4.4.1 스펙트로그램: 사운드를 이미지로 표현하기
4.5 연습 문제
4.6 요약

5장. 전이 학습: 사전 훈련된 신경망 재사용하기
5.1 전이 학습: 사전 훈련된 모델을 재사용하기
__5.1.1 출력 크기가 같은 전이 학습: 동결 층
__5.1.2 출력 크기가 같지 않은 전이 학습: 베이스 모델의 출력을 사용해 새로운 모델 만들기
__5.1.3 미세 튜닝을 통해 전이 학습을 최대로 활용하기: 오디오 예제
5.2 합성곱 신경망에서 전이 학습을 통한 객체 탐지
__5.2.1 합성된 장면을 기반으로 한 간단한 객체 탐지 문제
__5.2.2 간단한 객체 탐지 자세히 알아보기
5.3 연습 문제
5.4 요약

3부 TensorFlow.js를 사용한 고급 딥러닝

6장. 데이터 다루기
6.1 tf.data를 사용해 데이터 관리하기
__6.1.1 tf.data.Dataset 객체
__6.1.2 tf.data.Dataset 만들기
__6.1.3 데이터셋에서 데이터 가져오기
__6.1.4 tfjs-data 데이터셋 다루기
6.2 model.fitDataset으로 모델 훈련하기
6.3 데이터 추출의 일반적인 패턴
__6.3.1 CSV 데이터 다루기
__6.3.2 tf.data.webcam()을 사용해 비디오 데이터 가져오기
__6.3.3 tf.data.microphone()을 사용해 오디오 데이터 가져오기
6.4 데이터에 있는 문제 처리하기
__6.4.1 데이터 이론
__6.4.2 데이터 문제를 감지하고 처리하기
6.5 데이터 증식
6.6 연습 문제
6.7 요약

7장. 데이터와 모델 시각화
7.1 데이터 시각화
__7.1.1 tfjs-vis를 사용해 데이터 시각화하기
__7.1.2 통합 사례 연구: tfjs-vis를 사용한 날씨 데이터 시각화
7.2 훈련된 모델 시각화
__7.2.1 합성곱 신경망의 내부 활성화 값 시각화하기
__7.2.2 합성곱 층을 최대로 활성화하는 이미지 시각화하기
__7.2.3 합성곱 분류 결과에 대한 시각적 해석
7.3 추가 자료
7.4 연습 문제
7.5 요약

8장. 과소적합, 과대적합과 머신 러닝의 일반적인 워크플로
8.1 온도 예측 문제 구성
8.2 과소적합, 과대적합 그리고 해결책
__8.2.1 과소적합
__8.2.2 과대적합
__8.2.3 가중치 규제로 과대적합 감소하고 시각화하기
8.3 머신 러닝의 일반적인 워크플로
8.4 연습 문제
8.5 요약

9장. 시퀀스와 텍스트를 위한 딥러닝
9.1 두 번째 날씨 예측: RNN 소개
__9.1.1 밀집 층이 순서를 모델링하지 못하는 이유
__9.1.2 RNN이 순서를 모델링하는 방법
9.2 텍스트를 위한 딥러닝 모델 만들기
__9.2.1 머신 러닝에서의 텍스트 표현 방법: 원-핫 인코딩과 멀티-핫 인코딩
__9.2.2 감성 분석 문제를 위한 첫 번째 모델
__9.2.3 더 효율적인 단어 표현: 단어 임베딩
__9.2.4 1D 합성곱 신경망
9.3 어텐션 메커니즘을 사용한 시퀀스-투-시퀀스 작업
__9.3.1 시퀀스-투-시퀀스 작업 정의
__9.3.2 인코더-디코더 구조와 어텐션 메커니즘
__9.3.3 어텐션 기반의 인코더-디코더 모델 자세히 알아보기
9.4 추가 자료
9.5 연습 문제
9.6 요약

10장. 생성적 딥러닝
10.1 LSTM을 사용해 텍스트 생성하기
__10.1.1 다음 문자 예측기: 간단하게 텍스트를 생성하는 방법
__10.1.2 LSTM 텍스트 생성 예제
__10.1.3 온도: 생성된 텍스트의 무작위성 조절하기
10.2 변이형 오토인코더: 이미지를 위한 효율적이고 구조적인 벡터 표현 찾기
__10.2.1 오토인코더와 VAE: 기본 아이디어
__10.2.2 VAE 예제: 패션 MNIST
10.3 GAN으로 이미지 생성하기
__10.3.1 GAN의 기본 아이디어
__10.3.2 ACGAN의 구성 요소
__10.3.3 ACGAN 훈련 자세히 알아보기
__10.3.4 MNIST ACGAN 훈련과 이미지 생성
10.4 추가 자료
10.5 연습 문제
10.6 요약

11장. 심층 강화 학습
11.1 강화 학습 문제 정의
11.2 정책 네트워크와 정책 그레이디언트: 카트-막대 예제
__11.2.1 카트-막대 강화 학습 문제
__11.2.2 정책 네트워크
__11.2.3 정책 네트워크 훈련하기: REINFORCE 알고리즘
11.3 가치 네트워크와 Q-러닝: 스네이크 게임 예제
__11.3.1 강화 학습 문제로서의 스네이크 게임
__11.3.2 마르코프 결정 과정과 Q-가치
__11.3.3 심층 Q-네트워크
__11.3.4 심층 Q-네트워크 훈련하기
11.4 추가 자료
11.5 연습 문제
11.6 요약

4부 정리와 마무리 멘트

12장. 모델 테스트, 최적화, 배포
12.1 TensorFlow.js 모델 테스트하기
__12.1.1 전통적인 단위 테스트
__12.1.2 골든 값으로 테스트하기
__12.1.3 지속적인 훈련 고려 사항
12.2 모델 최적화
__12.2.1 훈련 후 가중치 양자화를 통한 모델 크기 최적화
__12.2.2 GraphModel 변환을 사용한 추론 속도 최적화
12.3 다양한 플랫폼과 환경에 TensorFlow.js 모델 배포하기
__12.3.1 웹에 배포할 때 추가적인 고려 사항
__12.3.2 클라우드 서비스에 배포
__12.3.3 크롬 확장 같은 브라우저 확장 프로그램으로 배포하기
__12.3.4 자바스크립트 기반 모바일 애플리케이션에 TensorFlow.js 모델 배포하기
__12.3.5 자바스크립트 기반 크로스 플랫폼 데스크톱 애플리케이션에 TensorFlow.js 모델 배포하기
__12.3.6 위챗과 다른 자바스크립트 기반 모바일 앱 플러그인 시스템에 TensorFlow.js 모델 배포하기
__12.3.7 단일 보드 컴퓨터에 TensorFlow.js 모델 배포하기
__12.3.8 배포 방식 정리
12.4 추가 자료
12.5 연습 문제
12.6 요약

13장. 정리, 결론 그리고 그 외 사항
13.1 검토할 주요 개념
__13.1.1 AI, 머신 러닝, 딥러닝
__13.1.2 머신 러닝 중에서 딥러닝이 독보적인 이유
__13.1.3 딥러닝에 대한 고수준의 소개
__13.1.4 딥러닝을 가능하게 한 핵심 기술
__13.1.5 자바스크립트에서 딥러닝으로 가능한 애플리케이션과 기회
13.2 딥러닝 워크플로와 TensorFlow.js 소개
__13.2.1 지도 학습 딥러닝의 일반적인 워크플로
__13.2.2 TensorFlow.js의 모델과 층
__13.2.3 TensorFlow.js에서 사전 훈련된 모델 사용하기
__13.2.4 딥러닝의 가능성
__13.2.5 딥러닝의 한계
13.3 딥러닝 트렌드
13.4 추가 학습을 위한 안내
__13.4.1 캐글에서 실전 머신 러닝 문제 연습하기
__13.4.2 아카이브에서 최신 개발 논문 읽기
__13.4.3 TensorFlow.js 생태계
맺음말

부록 A. 실습 환경 설정

부록 B. tfjs-node-gpu와 필수 라이브러리 설치
B.1 리눅스에서 tfjs-node-gpu 설치하기
B.2 윈도에서 tfjs-node-gpu 설치하기

부록 C. TensorFlow.js 텐서와 연산 튜토리얼
C.1 텐서 생성과 텐서 축 규칙
__C.1.1 스칼라(랭크-0 텐서)
__C.1.2 tensor1d(랭크-1 텐서)
__C.1.3 tensor2d(랭크-2 텐서)
__C.1.4 랭크-3과 고차원 텐서
__C.1.5 데이터 배치 개념
__C.1.6 실제 텐서 예시
__C.1.7 텐서 버퍼에서 텐서 만들기
__C.1.8 값이 0인 텐서와 값이 1인 텐서 만들기
__C.1.9 랜덤한 값을 가진 텐서 만들기
C.2 기본 텐서 연산
__C.2.1 단항 연산
__C.2.2 이진 연산
__C.2.3 텐서 연결과 슬라이싱
C.3 TensorFlow.js의 메모리 관리: tf.dispose( )와 tf.tidy( )
C.4 그레이디언트 계산
C.5 연습 문제

부록 D. 용어 사전

본문중에서

누구를 위한 책인가
웹 프런트엔드 개발이나 Node.js 기반 백엔드 개발 경험을 바탕으로 자바스크립트에 대한 실무 지식을 가지고 있으며 딥러닝 세계로 모험을 떠나고 싶은 프로그래머를 위해 이 책을 썼습니다. 이 책의 목표는 다음 두 그룹에 해당하는 독자들의 학습 요구를 만족시키는 것입니다.

● 머신 러닝이나 수학적 배경지식이 거의 또는 전혀 없지만 분류와 회귀 같은 일반적인 데이터 과학 문제를 해결하기 위한 딥러닝 워크플로를 이해하고 딥러닝의 작동 방식을 알고 싶은 자바스크립트 프로그래머
● 사전 훈련된 모델을 웹 앱이나 백엔드 스택에 새로운 기능으로 배포하는 작업을 담당하는 웹 또는 Node.js 개발자

첫 번째 그룹의 독자를 위해 이 책은 재미있는 자바스크립트 코드 예제를 사용해 머신 러닝과 딥러닝의 기본 개념을 기초부터 소개합니다. 수학 대신에 그림, 의사 코드, 구체적인 예제를 사용해 딥러닝 작동 방식의 기초를 직관적이지만 확고하게 이해할 수 있도록 돕습니다.
두 번째 그룹의 독자를 위해 기존 모델(예를 들면 파이썬에서 훈련된 모델)을 프런트엔드나 Node.js 스택에 배포하기 위해 웹 또는 Node.js 호환 포맷으로 변환하는 주요 단계를 다룹니다. 모델 크기와 성능 최적화 같은 실용적인 측면은 물론 서버에서 브라우저 확장 프로그램, 모바일 앱까지 다양한 배포 환경에 대한 고려 사항을 강조합니다.
이 책은 모든 독자를 위해 데이터 주입과 포매팅, 모델 구축과 로딩 그리고 추론, 평가, 훈련을 실행하기 위한 TensorFlow.js API를 깊게 다룹니다.
마지막으로, 자바스크립트나 다른 언어로 정기적인 코딩을 하지는 않지만 기술적인 마인드가 있는 사람에게도 이 책이 기초 및 고급 신경망을 위한 입문서로 유용할 것입니다.

책의 구성: 로드맵
이 책은 네 부분으로 구성되어 있습니다.

1장만 포함된 1부는 인공 지능, 머신 러닝, 딥러닝에 대한 전체 그림을 제시하고 자바스크립트로 딥러닝을 하는 것이 왜 의미 있는지 소개합니다.

2부는 딥러닝에서 가장 기초적이고 자주 등장하는 개념을 소개합니다.
● 2장과 3장은 머신 러닝을 소개합니다. 2장은 직선을 훈련하여 한 숫자에서 다른 숫자를 예측하는 간단한 문제(선형 회귀)를 다루고, 이를 사용해 역전파(딥러닝의 엔진)의 작동 방식을 설명합니다. 2장을 토대로 3장은 비선형성, 다층 신경망, 분류 작업을 소개합니다. 3장에서 비선형성이 무엇인지, 왜 비선형성이 심층 신경망의 표현 능력을 높이는지 이해할 수 있습니다.
● 4장은 이미지 데이터와 이미지에 관련된 머신 러닝 문제를 해결하기 위한 신경망 구조인 합성곱 신경망을 다룹니다. 오디오 입력을 예로 들어 합성곱이 이미지 외에 다른 입력에도 사용되는 일반적인 방법인 이유를 보입니다.
● 5장은 계속해서 합성곱과 이미지 입력에 초점을 맞춥니다. 하지만 전이 학습으로 주제를 옮깁니다. 전이 학습은 처음부터 시작하지 않고 기존 모델을 기반으로 새로운 모델을 훈련하는 방법입니다.

3부는 최신 기술을 이해하고 싶은 독자를 위해 딥러닝의 고급 주제를 체계적으로 다룹니다. 이와 함께 머신 러닝 시스템의 도전적인 영역과 이를 해결하기 위한 TensorFlow.js 도구에 초점을 맞춥니다.
● 6장은 딥러닝에서 데이터를 다루는 기술을 설명합니다.
● 7장은 모든 딥러닝 워크플로에서 중요하고 필수적인 단계인 데이터 시각화와 모델 시각화에 대한 기술을 보여 줍니다.
● 8장은 딥러닝에서 중요한 주제인 과소적합과 과대적합, 그리고 이를 분석하고 완화하기 위한 기술에 초점을 맞춥니다. 이런 논의를 통해 지금까지 이 책에서 배운 것을 ‘머신 러닝의 보편적인 워크플로’라는 레시피로 압축합니다. 이 장은 9~11장에서 고급 신경망 구조와 문제를 다루기 위한 준비 작업입니다.
● 9장은 시퀀스 데이터와 텍스트 입력을 처리하는 심층 신경망에 집중합니다.
● 10장과 11장은 고급 딥러닝 영역인 (생성적 적대 신경망을 포함한) 생성 모델과 강화 학습을 각각 다룹니다.

4부에서는 훈련하거나 TensorFlow.js로 변환된 모델의 테스트, 최적화, 배포 기술을 다룹니다(12장). 그리고 가장 중요한 개념과 워크플로를 요약하는 것으로 전체 책을 마무리합니다1(3장). 각 장의 끝에서는 배운 내용을 잘 이해하는지 평가하고 실습을 통해 TensorFlow.js의 딥러닝 기술을 연마하는 데 도움이 되는 연습 문제를 제공합니다.

관련이미지

저자소개

샨칭 차이 [저] 신작알림 SMS신청
생년월일 -

구글 브레인 팀의 소프트웨어 엔지니어이며, TensorFlow.js 고수준 API와 이와 관련된 예제, 문서, 도구의 핵심 개발자다. TensorFlow.js 기반 딥러닝을 장애인을 위한 의사소통 도구 같은 실전 문제에 적용했으며, 모두 MIT에서 학위를 받았다.

스탠 바일시 [저] 신작알림 SMS신청
생년월일 -

구글 브레인 팀의 소프트웨어 엔지니어이며, TensorFlow.js 고수준 API와 이와 관련된 예제, 문서, 도구의 핵심 개발자다. TensorFlow.js 기반 딥러닝을 장애인을 위한 의사소통 도구 같은 실전 문제에 적용했으며, 모두 MIT에서 학위를 받았다.

에릭 닐슨 [저] 신작알림 SMS신청
생년월일 -

구글 브레인 팀의 소프트웨어 엔지니어이며, TensorFlow.js 고수준 API와 이와 관련된 예제, 문서, 도구의 핵심 개발자다. TensorFlow.js 기반 딥러닝을 장애인을 위한 의사소통 도구 같은 실전 문제에 적용했으며, 모두 MIT에서 학위를 받았다.

프랑소와 숄레 [저] 신작알림 SMS신청
생년월일 -

프랑소와 솔레는 캘리포니아 마운틴 뷰의 구글에서 딥러닝과 관련된 일을 한다.
케라스 딥러닝 라이브러리의 창시자이고 텐서플로 머신 러닝 프레임워크의 기여자다.
컴퓨터 비전과 형식 추론을 위한 머신 러닝 애플리케이션에 초점을 맞춰 딥러닝을 연구한다.
그의 논문은 CVPR(Computer Vision and Pattern Recognition), NIPS(Neural Information Processing Systems), ICLR(International Conference on Learning Representations) 등의 주요 콘퍼런스와 워크숍에서 소개되었다

박해선 [역] 신작알림 SMS신청
생년월일 -

기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했습니다. 텐서플로 블로그(tensorflow.blog)를 운영하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다. 『혼자 공부하는 머신러닝+딥러닝』(한빛미디어, 2020), 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했습니다. 『머신러닝 파워드 애플리케이션』(한빛미디어, 2021), 『머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로(개정 3판)』(길벗, 2021), 『파이토치로 배우는 자연어 처리』(한빛미디어, 2021), 『딥러닝 일러스트레이티

펼쳐보기

전공도서/대학교재 분야에서 많은 회원이 구매한 책

    리뷰

    0.0 (총 0건)

    100자평

    작성시 유의사항

    평점
    0/100자
    등록하기

    100자평

    0.0
    (총 0건)

    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) 인터파크커머스 안전결제시스템 (에스크로) 안내

    (주)인터파크커머스의 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 15,000원 이상 무료배송, 15,000원 미만 2,500원 - 상품별 배송비가 있는 경우, 상품별 배송비 정책 적용