추가 적립 안내

수학이 어려운 개발자에게 바치는
코드 실습형 머신러닝 가이드북

인공지능 기술 도입률이 늘면서 개발자에게 필요한 역량도 높아지고 있다. 산업을 획기적으로 변화시키는 인공지능, 어떻게 하면 현명하고 실속 있게 마스터할 수 있을까? 이 책의 목표는 개발자가 마주하게 될 다양한 문제를 머신러닝으로 해결하는 방법을 안내하고, 머신러닝과 인공지능 개발자로 레벨 업할 수 있도록 돕는 것이다.
수만 명이 선택한 온라인 강좌 기반으로 내용을 구성했고, 복잡하거나 어려운 수식은 다루지 않으며 다양한 예제 코드를 실습하면서 주요 개념을 배워본다. 머신러닝 세계에서 만나게 될 다양한 시나리오를 구현해보고, 컴퓨터 비전, 자연어 처리, 웹, 모바일, 클라우드 및 임베디드 런타임을 위한 시퀀스 모델링도 소개한다. 이 책을 읽고 나면 여러분은 곧 파이썬과 텐서플로로 머신러닝과 인공지능의 세계를 자유롭게 유영하는 인공지능 개발자로 업그레이드하게 될 것이다.

인공지능 4대 석학 앤드루 응이 추천하는
개발자의, 개발자에 의한, 개발자를 위한 머신러닝 가이드북

바야흐로 인공지능의 시대! 인공지능 기술은 급성장해왔고 금융, 교육, 유통, 제조업 등 다양한 산업에서 앞다투어 인공지능을 도입하고 있습니다. 시대 흐름에 발맞춰 인공지능 관련 교육은 다양화되고 교육에 참여하는 연령층도 점점 낮아지고 있지만, 여전히 머신러닝, 딥러닝 첫걸음을 떼기 어려워하는 개발자가 많습니다. 인공지능을 제대로 배우고 싶은데 복잡한 수식이 부담인 개발자라면, 어려운 이론 없이 파이썬 코드로 머신러닝을 시작해보고 싶은 개발자라면 이 책과 함께 머신러닝 세계에 첫발을 내디딜 차례입니다!

이 책은 개발자의 입장에서 머신러닝과 텐서플로가 무엇인지 설명하고 실습을 위한 텐서플로 설치법을 안내합니다. 간단한 모델을 직접 구현해보고 패션 MNIST, 말-사람, 가위, 바위, 보, Sarcasm, 강아지-고양이 데이터셋 등 다양한 데이터셋을 활용해 머신러닝, 딥러닝 모델을 구축해봅니다. 이 책은 컴퓨터 비전, 합성곱, 순환 신경망은 물론 텐서플로 라이트, TensorFlow.js, 텐서플로 서빙까지 다루는 ‘개발자를 위한 머신러닝 종합 선물 세트’입니다. 명확하고 실용적인 개념 설명과 예제 코드로 차근차근 머신러닝을 배워보세요. 인공지능 개발자로 레벨 업할 여러분을 응원합니다.

대상 독자
● 머신러닝, 시작하고 싶은데 어떻게 시작해야 할지 막막한 개발자
● 어려운 수학이나 이론 없이 파이썬 코드로 직접 실행해보며 머신러닝 개념을 체득하고 싶은 누구나

주요 내용
● 텐서플로로 다양한 모델 구조 만들어보기
● 하나의 뉴런을 가진 신경망으로 모델 구축하기
● 컴퓨터 비전으로 이미지의 특성 감지하기
● 자연어 처리로 단어와 문장을 토큰화하고 순서 지정하기
● 텐서플로 라이트로 모바일 기기에서 모델 사용하기
● 텐서플로 서빙으로 웹이나 클라우드에 모델 배포하기

앤드루 응(코세라&DeepLearning.AI 설립자)
로런스 모로니는 텐서플로를 세계 최고의 인공지능 프레임워크로 만드는 데 중요한 역할을 했습니다. DeepLearning.AI와 코세라에서 8만 명이 넘는 수강생이 로런스의 온라인 강의를 수료했고 그 과정에서 그를 도울 수 있어 영광이었습니다. 여러분도 이 책을 들고 로런스와 함께 엄청난 모험을 떠나보세요. 텐서플로를 배우는 여러분의 여정에 행운이 깃들길 기원하겠습니다.

마거릿 메이너드-리드(ML GDE)
이 책은 복잡한 수식이 아닌 다양한 예제 코드를 통해 여러분을 인공지능의 세계로 안내합니다. 머신러닝, 딥러닝 입문자들의 필독서입니다.

자린 황(마이크로소프트 데이터 및 응용과학자)
모델을 이해하는 법과 다양한 플랫폼의 머신러닝, 딥러닝 애플리케이션에 텐서플로를 적용하는 법도 소개합니다. 인공지능에 관심이 있는 모든 분에게 추천합니다.

[PART I 모델 구축]

CHAPTER 1 텐서플로 소개
1.1 머신러닝이란
1.2 전통적인 프로그래밍의 한계
1.3 프로그래밍에서 학습으로
1.4 텐서플로란
1.5 텐서플로 사용하기
1.6 머신러닝 시작하기
1.7 마치며

CHAPTER 2 컴퓨터 비전 소개
2.1 의류 아이템 인식하기
2.2 컴퓨터 비전을 위한 뉴런
2.3 신경망 설계
2.4 신경망 훈련하기
2.5 모델 출력 살펴보기
2.6 더 오래 훈련하기: 과대적합
2.7 훈련 조기 종료
2.8 마치며

CHAPTER 3 고급 컴퓨터 비전: 이미지에서 특징 감지하기
3.1 합성곱
3.2 풀링
3.3 합성곱 신경망 만들기
3.4 합성곱 신경망 살펴보기
3.5 말과 사람을 구별하는 CNN 만들기
3.6 이미지 증식
3.7 전이 학습
3.8 다중 분류
3.9 드롭아웃 규제
3.10 마치며

CHAPTER 4 텐서플로 데이터셋으로 공개 데이터셋 사용하기
4.1 텐서플로 데이터셋 시작하기
4.2 케라스 모델에서 텐서플로 데이터셋 사용하기
4.3 데이터 증식을 위해 매핑 함수 사용하기
4.4 사용자 정의 분할 사용하기
4.5 TFRecord 이해하기
4.6 텐서플로에서 데이터 관리를 위한 ETL 프로세스
4.7 마치며

CHAPTER 5 자연어 처리 소개
5.1 언어를 숫자로 인코딩하기
5.2 불용어 제거와 텍스트 정제
5.3 실제 데이터 다루기
5.4 마치며

CHAPTER 6 임베딩을 사용한 감성 프로그래밍
6.1 단어의 의미 구축하기
6.2 텐서플로의 임베딩
6.3 임베딩 시각화
6.4 텐서플로 허브에서 사전 훈련된 임베딩 사용하기
6.5 마치며

CHAPTER 7 자연어 처리를 위한 순환 신경망
7.1 순환 구조
7.2 순환을 언어로 확장하기
7.3 RNN으로 텍스트 분류기 만들기
7.4 RNN에 사전 훈련된 임베딩 사용하기
7.5 마치며

CHAPTER 8 텐서플로로 텍스트 생성하기
8.1 시퀀스를 입력 시퀀스로 변환하기
8.2 모델 만들기
8.3 텍스트 생성하기
8.4 데이터셋 확장하기
8.5 모델 구조 바꾸기
8.6 데이터 개선하기
8.7 문자 기반 인코딩
8.8 마치며

CHAPTER 9 시퀀스와 시계열 데이터 이해하기
9.1 시계열의 공통 특징
9.2 시계열 예측 기법
9.3 마치며

CHAPTER 10 시퀀스를 예측하는 머신러닝 모델 만들기
10.1 윈도 데이터셋 만들기
10.2 DNN을 만들고 시퀀스 데이터로 훈련하기
10.3 DNN의 결과 평가하기
10.4 전반적인 예측 살펴보기
10.5 학습률 튜닝하기
10.6 케라스 튜너로 하이퍼파라미터 튜닝하기
10.7 마치며

CHAPTER 11 시퀀스 모델을 위한 합성곱 신경망과 순환 신경망
11.1 시퀀스 데이터를 위한 합성곱
11.2 NASA 날씨 데이터 사용하기
11.3 RNN으로 시퀀스 모델링하기
11.4 다른 순환 층
11.5 드롭아웃 사용하기
11.6 양방향 RNN 사용하기
11.7 마치며

[PART II 모델 사용]

CHAPTER 12 텐서플로 라이트 소개
12.1 텐서플로 라이트란
12.2 훈련된 모델을 텐서플로 라이트로 변환하기
12.3 전이 학습으로 만든 이미지 분류기를 텐서플로 라이트로 변환하기
12.4 마치며

CHAPTER 13 안드로이드 앱에서 텐서플로 라이트 사용하기
13.1 안드로이드 스튜디오란
13.2 첫 번째 텐서플로 라이트 안드로이드 앱 만들기
13.3 이미지를 처리하는 앱 만들기
13.4 텐서플로 라이트 샘플 앱(안드로이드용)
13.5 마치며

CHAPTER 14 iOS 앱에서 텐서플로 라이트 사용하기
14.1 Xcode로 첫 번째 텐서플로 라이트 앱 만들기
14.2 한 걸음 더: 이미지 처리하기
14.3 텐서플로 라이트 샘플 앱(iOS용)
14.4 마치며

CHAPTER 15 TensorFlow.js 소개
15.1 TensorFlow.js란
15.2 브래킷츠 설치하고 실행하기
15.3 첫 번째 TensorFlow.js 모델 만들기
15.4 붓꽃 분류기 만들기
15.5 마치며

CHAPTER 16 TensorFlow.js에서 컴퓨터 비전 모델 훈련하기
16.1 텐서플로 개발자를 위한 자바스크립트 고려 사항
16.2 자바스크립트로 CNN 만들기
16.3 시각화를 위해 콜백 사용하기
16.4 MNIST 데이터셋으로 훈련하기
16.5 TensorFlow.js로 이미지에 대해 추론 수행하기
16.6 마치며

CHAPTER 17 파이썬 모델을 변환해 재사용하기
17.1 파이썬 기반 모델을 자바스크립트로 변환하기
17.2 사전에 변환된 모델 사용하기
17.3 마치며

CHAPTER 18 자바스크립트의 전이 학습
18.1 MobileNet으로 전이 학습 수행하기
18.2 텐서플로 허브를 사용한 전이 학습
18.3 TensorFlow.org를 사용한 전이 학습
18.4 마치며

CHAPTER 19 텐서플로 서빙으로 배포하기
19.1 텐서플로 서빙이란
19.2 텐서플로 서빙 설치하기
19.3 모델 구축과 배포
19.4 마치며

CHAPTER 20 인공지능 윤리, 공정성, 개인 정보 보호
20.1 프로그래밍의 공정성
20.2 머신러닝의 공정성
20.3 공정성을 위한 도구
20.4 연합 학습
20.5 구글의 인공지능 원칙
20.6 마치며