컨텐츠상세보기

Do it! 정직하게 코딩하며 배우는 딥러닝 입문
Do it! 정직하게 코딩하며 배우는 딥러닝 입문
  • 저자박해선 저
  • 출판사이지스퍼블리싱
  • 출판일2019-09-27
  • 등록일2021-12-06
보유 2, 대출 0, 예약 0, 누적대출 0, 누적예약 0

책소개

※ 이 책은 PDF 북이므로 화면이 작은 단말기(스마트폰)에서는 보기 불편합니다. ※

정직하게 코딩하며
딥러닝을 빠르게 정면 돌파하자!
이 책은 어설픈 지름길을 담지 않았다. 공부는 했는데 남는 게 없으면 안 되니까! 실무에서 제대로 알고 써야 하니까! 국내 6명뿐인 구글 인증 머신러닝 전문가(ML GDE; Machine Learning Google Developer Experts)이자 인공지능 분야 서적, 최다 번역을 진행한 박해선 선생이 이번에는 딥러닝 입문서를 집필했다.
이 책은 개념 한 걸음, 수식 한 걸음 그리고 코딩 한 걸음. 가장 적당한 보폭과 올곧은 방향으로 독자를 딥러닝으로 안내한다. 또한 그래프, 삽화, 도해는 100개가 넘어 추상적인 개념도 쉽고 빠르게 받아들일 수 있다. 프로그램 설치 없이 웹 브라우저에 접속하기만 하면 실습을 바로 시작할 수 있다는 점도 이 책만의 특징이다.
편안하게 이론을 이해한 다음 직접 코딩하며 눈으로 딥러닝 대표 문제 4가지를 정복하니 딥러닝의 교과서로 부족함이 없다. 꼭 짚고 넘어가야 할 개념이나 용어는 본문 중간에 나오는 ‘잠깐! 다음으로 넘어가려면’ 코너와 장 마지막에‘기억 카드’ 코너로 2번 복습하여 학습 효과를 높였다. 《Do it! 딥러닝 입문》과 함께 딥러닝을 빠르게 정면 돌파해 보자.

저자소개

기계공학을 전공했으나 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. 지금은 ML GDE(Machine Learning Google Developer Expert)로 활동하고 있고, 머신러닝과 딥러닝에 관한 책을 집필하고 번역하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다.
『핸즈온 머신러닝 2판』(한빛미디어, 2020)을 포함해서 여러 권의 머신러닝, 딥러닝 책을 우리말로 옮겼고 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필했다.

ML GDE(Machine Learning Google Developer Expert). 기계공학을 전공했지만 졸업 후엔 줄곧 코드를 읽고 쓰는 일을 했다. 블로그(tensorflow.blog)에 글을 쓰고 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있다. 『Do it! 딥러닝 입문』(이지스퍼블리싱, 2019)을 집필하고, 『핸즈온 머신러닝(2판)』(한빛미디어, 2020), 『미술관에 GAN 딥러닝 실전 프로젝트』(한빛미디어, 2019), 『파이썬을 활용한 머신러닝 쿡북』(한빛미디어, 2019), 『머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로』(길벗, 2019), 『파이썬 라이브러리를 활용한 머신러닝』(한빛미디어, 2019), 『케라스 창시자에게 배우는 딥러닝』(길벗, 2018), 『핸즈온 머신러닝』(한빛미디어, 2018), 『텐서플로 첫걸음』(한빛미디어, 2016)을 우리말로 옮겼다.

목차

01 딥러닝을 소개합니다
__01-1 인공지능을 소개합니다
__01-2 머신러닝을 소개합니다
__01-3 딥러닝을 소개합니다
01장에서 꼭 기억해야 할 내용
02 최소한의 도구로 딥러닝을 시작합니다
__02-1 구글 코랩을 소개합니다
__02-2 딥러닝을 위한 도구들을 알아봅니다
02장에서 꼭 기억해야 할 내용
03 머신러닝의 기초를 다집니다 ― 수치 예측
__03-1 선형 회귀에 대해 알아보고 데이터를 준비합니다
__03-2 경사 하강법으로 학습하는 방법을 알아봅니다
__03-3 손실 함수와 경사 하강법의 관계를 알아봅니다
__03-4 선형 회귀를 위한 뉴런을 만듭니다
03장에서 꼭 기억해야 할 내용
04 분류하는 뉴런을 만듭니다 ― 이진 분류
__04-1 초기 인공지능 알고리즘과 로지스틱 회귀를 알아봅니다
__04-2 시그모이드 함수로 확률을 만듭니다
__04-3 로지스틱 손실 함수를 경사 하강법에 적용합니다
__04-4 분류용 데이터 세트를 준비합니다
__04-5 로지스틱 회귀를 위한 뉴런을 만듭니다
__04-6 로지스틱 회귀 뉴런으로 단일층 신경망을 만듭니다
__04-7 사이킷런으로 로지스틱 회귀를 수행합니다
04장에서 꼭 기억해야 할 내용
05 훈련 노하우를 배웁니다
__05-1 검증 세트를 나누고 전처리 과정을 배웁니다
__05-2 과대적합과 과소적합을 알아봅니다
__05-3 규제 방법을 배우고 단일층 신경망에 적용합니다
__05-4 교차 검증을 알아보고 사이킷런으로 수행해 봅니다
05장에서 꼭 기억해야 할 내용
06 2개의 층을 연결합니다 ― 다층 신경망
__06-1 신경망 알고리즘을 벡터화하여 한 번에 전체 샘플을 사용합니다
__06-2 2개의 층을 가진 신경망을 구현합니다
__06-3 미니 배치를 사용하여 모델을 훈련합니다
06장에서 꼭 기억해야 할 내용
07 여러 개를 분류합니다 ― 다중 분류
__07-1 여러 개의 이미지를 분류하는 다층 신경망을 만듭니다. 
__07-2 텐서플로와 케라스를 사용하여 신경망을 만듭니다
07장에서 꼭 기억해야 할 내용
08 이미지를 분류합니다 ― 합성곱 신경망
__08-1 합성곱 연산에 대해 알아봅니다
__08-2 풀링 연산에 대해 알아봅니다
__08-3 합성곱 신경망의 구조를 알아봅니다
__08-4 합성곱 신경망을 만들고 훈련합니다
__08-5 케라스로 합성곱 신경망을 만듭니다
08장에서 꼭 기억해야 할 내용
09 텍스트를 분류합니다 ― 순환 신경망
__09-1 순차 데이터와 순환 신경망을 배웁니다
__09-2 순환 신경망을 만들고 텍스트를 분류합니다
__09-3 텐서플로로 순환 신경망을 만듭니다
__09-4 LSTM 순환 신경망을 만들고 텍스트를 분류합니다
09장에서 꼭 기억해야 할 내용

한줄 서평