간편결제, 신용카드 청구할인
카카오페이 3,000원
(카카오페이 5만원 이상 결제시, 12/1~12/31 기간 중 1회)
인터파크 롯데카드 5% (21,380원)
(최대할인 10만원 / 전월실적 40만원)
북피니언 롯데카드 30% (15,750원)
(최대할인 3만원 / 3만원 이상 결제)
NH쇼핑&인터파크카드 20% (18,000원)
(최대할인 4만원 / 2만원 이상 결제)
Close

딥러닝 모델 설계를 떠받치는 기술 : 딥러닝이 안 풀릴 때 보는 케라스 해법 정리서

원제 : Deep Learning Quick Reference
소득공제

2013년 9월 9일 이후 누적수치입니다.

판매지수 12
?
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

25,000원

  • 22,500 (10%할인)

    1,250P (5%적립)

할인혜택
적립혜택
  • I-Point 적립은 마이페이지에서 직접 구매확정하신 경우만 적립 됩니다.
추가혜택
주문수량
감소 증가

* 배송예정일이 오늘이나 내일인 경우 1) 당일/하루배송 보장! 2) 배송 지연 시 I-Point 2,000P또는 4,000원 도서상품권 지급 &n 더보기

  • 이벤트/기획전

  • 연관도서(46)

  • 상품권

AD

책소개

신경망의 깊숙한 데까지 파고들어 모델을 훈련하고 최적화하자!

인공지능의 세계로 들어가는 데는 딥러닝이 핵심적인 필요조건이다. 이 책을 통해 실무 문제에 직면한 데이터 과학자는 딥러닝 기술에 더 다가설 수 있고 딥러닝을 더 실용적으로 만들 수 있으며 딥러닝과 더 깊은 관계를 맺을 수 있다. 이 책에서는 실용적인 예제를 제시함으로써 딥러닝을 학문의 세계에서 실무의 세계로 옮긴다.

이 책을 통해 심층 신경망 훈련을 지켜보는 일과 딥러닝을 사용해 이진 분류 문제를 해결하는 데 텐서보드를 사용하는 법을 배울 수 있다. 또한 딥러닝 모델에서 하이퍼파라미터를 최적화하는 방법을 배울 수 있다. 워드 임베딩 및 seq2seq 모델과 더불어 CNN, RNN, LSTM을 처음부터 실용적으로 구현하며 실습할 수 있다. 더 나아가 이 책으로 자율 에이전트 문제를 해결하기 위해 심층 Q 신경망과 같은 발전된 주제를 탐구할 수 있고, 두 가지 상호 적대적인 신경망을 사용해 진짜처럼 보이는 가짜 그림을 생성하는 방법을 알 수 있다. 이러한 구현에 필요하고 인기도 있는, 파이썬 기반 딥러닝 프레임워크인 케라스와 텐서플로도 살펴본다. 각 장에서 딥러닝 신경망을 배우는 동안 여러분이 올바른 결정을 내리는 데 도움이 될 모범 사례와 안전한 선택지도 알 수 있다.
이 책의 내용을 배우고 나면 현업 문제를 딥러닝 신경망을 사용해 신속하게 해결할 수 있을 것이다.

출판사 서평

★ 이 책에서 다루는 내용 ★

◎ 텐서플로와 케라스를 사용해 회귀 문제와 분류 문제 풀기
◎ 텐서보드 사용법을 배워 신경망을 관찰하며 훈련하기
◎ 하이퍼파라미터 최적화와 안전한 선택지를 택하는 방법과 모범 사례 배우기
◎ CNN, RNN, LSTM 신경망을 빌드하고 처음부터 워드 임베딩 사용하기
◎ 기계번역 애플리케이션이나 채팅 애플리케이션에 쓸 seq2seq 모델을 구축하고 훈련하기
◎ 심층 Q 신경망을 이해하고 이를 활용해 자율 에이전트 문제 해결하기
◎ 심층 Q 신경망을 탐색하고 자율 에이전트 문제 처리하기

★ 주요 특징 ★

◎ 딥러닝의 핵심 개념과 각 개념을 구현하는 기술을 신속히 찾아 볼 수 있다.
◎ CNN, RNN, LSTM 같은 다양한 딥러닝 모델을 훈련하는 데 필수적인 조언, 요령, 기법 등을 제시한다.
◎ 필수 수학과 필수 이론으로 보강한 각 장에서 케라스 및 텐서플로를 사용해 모델을 훈련하고 정밀하게 조율하기 위한 모범 사례와 안전한 선택지를 제시한다.

목차

▣ 01장: 딥러닝 건축 재료
심층 신경망 아키텍처
__뉴런
__딥러닝의 손실 함수와 비용 함수
__순전파 과정
__역전파 함수
__확률적 경사 하강과 미니배치 경사 하강
딥러닝을 위한 최적화 알고리즘
__경사 하강 시 운동량을 사용하기
__RMSProp 알고리즘
__Adam 최적화기
딥러닝 프레임워크
__텐서플로란 무엇인가?
__케라스란 무엇인가?
__텐서플로의 인기 있는 대안들
__텐서플로와 케라스에 필요한 GPU
__엔비디아 CUDA 툴킷과 cuDNN 설치
__파이썬 설치
__텐서플로와 케라스 설치
딥러닝용 데이터셋 구축
__딥러닝의 편향 오차 및 분산 오차
__train, val, test 데이터 집합
__심층 신경망의 편향과 분산 관리
__k 겹 교차 검증
요약

▣ 02장: 딥러닝으로 회귀 문제를 풀기
회귀 분석과 심층 신경망
__회귀 분석에 신경망을 사용할 때의 이점
__회귀 분석에 신경망을 사용할 때의 단점
회귀 분석에 심층 신경망을 사용하기
__머신러닝 문제를 계획하는 방법
__예제에 쓸 문제를 정의하기
__데이터셋 적재
__비용 함수 정의
케라스로 MLP를 구축하기
__입력 계층의 모양
__은닉 계층의 모양
__출력 계층의 모양
__신경망 아키텍처
__케라스 모델을 훈련하기
__모델의 성능을 측정하기
케라스로 심층 신경망을 구축하기
__심층 신경망 성능 측정
__모델의 하이퍼파라미터 조율
훈련된 케라스 모델을 저장하고 적재하기
요약

▣ 03장: 텐서보드로 신경망의 훈련 과정을 살펴보기
텐서보드에 대한 개요
텐서보드를 설정하기
__텐서보드 설치
__텐서보드가 케라스/텐서플로와 대화하는 방법
__텐서보드 실행
케라스와 텐서보드를 연결하기
__케라스 콜백 소개
__텐서보드 콜백을 생성하기
텐서보드를 사용하기
__훈련 시각화
__신경망 그래프 시각화
__문제가 생긴 신경망을 시각화하기
요약

▣ 04장: 딥러닝으로 이진 분류 문제를 풀기
이진 분류 및 심층 신경망
__심층 신경망의 장점
__심층 신경망의 단점
사례 연구: 간질 발작 인식
__데이터셋 정의하기
__데이터를 적재하기
__모델의 입력과 출력
__비용 함수
__계량을 사용해 성능을 평가하기
케라스에서 이진 분류기를 만들기
__입력 계층
__은닉 계층
__출력 계층
__종합하기
__모델을 훈련하기
케라스에서 검사점 콜백을 사용하기
사용자 지정 콜백에서 ROC AUC를 측정하기
정밀도, 재현율 및 f1 점수 측정하기
요약

▣ 05장: 케라스로 다중 클래스 분류 문제를 풀기
다중 클래스 분류와 관련된 심층 신경망
__장점
__단점
사례 연구: 손글씨 숫자 분류
__문제 정의
__모델 입력 및 출력
__비용 함수
__계량
케라스로 다중 클래스 분류기를 만들기
__MNIST 적재
__입력 계층
__은닉 계층
__출력 계층
__종합하기
__훈련
__다중 클래스 모델에서 사이킷런의 계량을 사용하기
드롭아웃을 사용해 분산을 통제하기
정칙화를 사용해 분산을 통제하기
요약

▣ 06장: 하이퍼파라미터 최적화
신경망 아키텍처도 하이퍼파라미터라고 생각해야 하는가?
__거인의 어깨 위에 서기
__과적합이 될 때까지 추가한 다음에 정칙화하기
__실천적 조언
어떤 하이퍼파라미터를 최적화해야 하는가?
하이퍼 파라미터 최적화 전략으로는 어떤 것들이 있는가?
__공통 전략 93
__사이킷런의 임의 탐색 기능을 사용하기
__하이퍼밴드
요약

▣ 07장: CNN을 처음부터 훈련하기
합성곱 소개
__합성곱의 계층은 어떻게 작용하는가?
__합성곱 계층의 이점
__풀링 계층
__배치 정규화
케라스에서 합성곱 신경망을 훈련하기
__입력
__출력
__비용 함수와 계량
__합성곱 계층
__완전 연결 계층
__케라스의 다중 GPU 모델
__훈련
데이터를 확대하기
__케라스의 ImageDataGenerator
__생성기를 사용한 훈련
요약

▣ 08장: 사전 훈련 CNN을 사용한 전이 학습
전이 학습의 개요
전이 학습을 사용해야만 하는 때
__제한된 데이터
__공통 문제 정의역
원본 및 대상의 크기와 유사도의 영향
__더 많은 데이터가 항상 유용하다
__원본/대상 정의역 유사도
케라스로 하는 전이 학습
__대상 정의역 개요
__원본 정의역 개요
__원본 신경망 아키텍처
__전이 신경망 아키텍처
__데이터 준비
__데이터 입력
__훈련(특징 추출)
__훈련(미세 조정)
요약

▣ 09장: RNN을 처음부터 훈련하기
재귀 신경망
__뉴런이 재귀하는 이유는?
__장단기 기억 신경망
__시간 펼침 역전파
시계열 문제
__저량 및 유량
__ARIMA 및 ARIMAX 예측
LSTM을 사용한 시계열 예측
__데이터 준비
__신경망 출력
__신경망 아키텍처
__상태 저장 및 상태 비저장 LSTM
__훈련
__성능 측정
요약

▣ 10장: 처음부터 워드 임베딩으로 LSTM을 훈련하기
자연어 처리 소개
__의미 분석
__문서 분류
텍스트 벡터화
__NLP 용어
__단어 주머니 모델
__어간 추출, 표제어 추출 및 불용어
__계수 벡터화와 TF-IDF 벡터화
워드 임베딩
__간단한 예제
__예측을 통한 워드 임베딩 학습
__셈을 통한 워드 임베딩 학습
__단어에서 문서로 가져오기
케라스 임베딩 계층
자연어 처리를 위한 1D CNN
문서 분류에 대한 사례 연구
__케라스 임베딩 계층 및 LSTM을 이용한 정서 분석
__GloVe를 사용하는 문서 분류와 사용하지 않는 문서 분류
__데이터 준비
요약

▣ 11장: Seq2Seq 모델을 훈련하기
시퀀스-투-시퀀스 모델
__시퀀스-투-시퀀스 모델 응용
__시퀀스-투-시퀀스 모델의 아키텍처
__문자 대 단어
__교사 강요
__주의집중
__번역 계량
기계 번역
__데이터를 이해하기
데이터를 적재하기
__원핫인코딩
__신경망 아키텍처를 훈련하기
__신경망 아키텍처(추론용)
__종합하기
__훈련
__추론
요약

▣ 12장: 심층강화학습을 사용하기
강화학습 개요
__마르코프 결정 과정
__Q 학습
__무한 상태 공간
__심층 Q 신경망
__이용 대 탐색
__딥마인드
케라스 강화학습 프레임워크
__Keras-RL 설치
__OpenAI gym 설치
__OpenAI gym 사용하기
케라스에서 강화학습 에이전트를 구축하기
__카트폴
__루나랜더
요약

▣ 13장: 생성적 적대 신경망
GAN의 개요
심층 합성곱 GAN의 아키텍처
__적대적 훈련 아키텍처
__생성기 아키텍처
__판별기 아키텍처
__적층한 훈련
GAN 훈련에 실패하는 방법
__안정성
__최빈값 붕괴
GAN을 위한 안전한 선택지
케라스 GAN을 사용해 MNIST 이미지를 생성하기
__데이터셋을 적재하기
__생성기를 구축하기
__판별기를 구축하기
__적층 모델을 구축하기
__훈련 루프
__모델 평가
케라스 GAN을 사용해 CIFAR-10 이미지를 생성하기
__CIFAR-10을 적재하기
__생성기를 구축하기
__판별기 구축
__훈련 루프
__모델을 평가하기
요약

저자소개

마이크 베르니코 [저] 신작알림 SMS신청 작가DB보기
생년월일 -

해당작가에 대한 소개가 없습니다.

생년월일 -

해당작가에 대한 소개가 없습니다.

이 상품의 시리즈

(총 48권 / 현재구매 가능도서 47권)

선택한 상품 북카트담기
펼쳐보기

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

    0.0

    판매자정보

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

    판매자

    (주)교보문고

    상호

    (주)교보문고

    사업자 종류

    법인사업자

    사업자번호

    102-81-11670

    연락처

    1544-1900

    이메일

    callcenter@kyobobook.co.kr

    통신판매 신고 번호

    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

    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