길벗·이지톡

도서 IT전문서/IT입문서 데이터베이스/데이터분석
자연어 처리, GAN, 오토인코더, 전이 학습 등으로 나만의 모델을 만든다 with 텐서플로2.0 & 케라스, 개정2판 모두의 딥러닝
정 가
24,000원
I S B N
9791165210397
출 간
2020-01-27
분 량
368쪽
지 은 이
조태호
난 이 도
관계없음

딥러닝 입문서 『모두의 딥러닝』이 기존 내용을 보강하여 개정 2판으로 돌아왔다!

2년 연속 베스트셀러, 내용과 소스 코드 전면 업그레이드!
딥러닝 기초부터 최신 트렌드까지 한 권으로 공부하자

그동안 딥러닝 입문서로 제 역할을 톡톡히 해낸 『모두의 딥러닝』이 최근 주목받는 주제들을 담아 기존 내용을 보강하여 개정 2판으로 돌아왔다. 초판에서 다루지 않았던 GAN, 오토인코더, 자연어 처리, 전이 학습 등 새로운 내용을 수록하였고, 딥러닝을 공부하면서 나오는 수식을 좀 더 수월하게 이해할 수 있도록 기초 수학편을 추가했다. 복잡한 수식은 최대한 걷어내고 기본 동작 원리 → 딥러닝 이론 → 딥러닝 활용 → 심화까지 단계별로 학습할 수 있게 구성했으며, 실전 프로젝트를 통해 다양한 딥러닝 모델을 구현해 볼 수 있다. 이 책이 딥러닝 세계로 입문하려는 여러분의 첫걸음을 도와줄 것이다.

 

초판에서 다루지 않았던 GAN, 오토인코더, 자연어 처리, 전이 학습 등 새로운 내용을 수록하였고, 딥러닝을 공부하면서 나오는 수식을 좀 더 수월하게 이해할 수 있도록 기초 수학편을 추가했습니다. 복잡한 수식은 최대한 걷어내고 기본 동작 원리 → 딥러닝 이론 → 딥러닝 활용 → 심화까지 단계별로 학습할 수 있게 구성했으며, 실전 프로젝트를 통해 다양한 딥러닝 모델을 구현해 볼 수 있습니다. 

이 책이 딥러닝 세계로 입문하려는 여러분의 첫걸음을 도와줄 것입니다.  

 

목차

첫째마당 딥러닝 시작을 위한 준비 운동
1장 나의 첫 딥러닝
1.1 딥러닝 실행을 위한 준비 사항
1.2 딥러닝 작업 환경 만들기
1.3 미지의 일을 예측하는 원리
1.4 폐암 수술 환자의 생존율 예측하기
1.5 딥러닝의 개괄 잡기

2장 딥러닝을 위한 기초 수학
2.1 일차 함수, 기울기와 y절편
2.2 이차 함수와 최솟값
2.3 미분, 순간 변화율과 기울기
2.4 편미분
2.5 지수와 지수 함수
2.6 시그모이드 함수
2.7 로그와 로그 함수

3장 가장 훌륭한 예측선 긋기: 선형 회귀
3.1 선형 회귀의 정의
3.2 가장 훌륭한 예측선이란?
3.3 최소 제곱법
3.4 코딩으로 확인하는 최소 제곱
3.5 평균 제곱 오차
3.6 잘못 그은 선 바로잡기
3.7 코딩으로 확인하는 평균 제곱 오차

4장 오차 수정하기: 경사 하강법
4.1 경사 하강법의 개요
4.2 학습률
4.3 코딩으로 확인하는 경사 하강법
4.4 다중 선형 회귀란
4.5 코딩으로 확인하는 다중 선형 회귀

5장 참 거짓 판단 장치: 로지스틱 회귀
5.1 로지스틱 회귀의 정의
5.2 시그모이드 함수
5.3 오차 공식
5.4 로그 함수
5.5 코딩으로 확인하는 로지스틱 회귀
5.6 로지스틱 회귀에서 퍼셉트론으로

셋째마당 신경망의 이해
6장 퍼셉트론
6.1 가중치, 가중합, 바이어스, 활성화 함수
6.2 퍼셉트론의 과제
6.3 XOR 문제

7장 다층 퍼셉트론
7.1 다층 퍼셉트론의 설계
7.2 XOR 문제의 해결
7.3 코딩으로 XOR 문제 해결하기

8장 오차 역전파
8.1 오차 역전파의 개념
8.2 코딩으로 확인하는 오차 역전파

9장 신경망에서 딥러닝으로
9.1 기울기 소실 문제와 활성화 함수
9.2 속도와 정확도 문제를 해결하는 고급 경사 하강법

넷째마당 딥러닝 기본기 다지기
10장 모델 설계하기
10.1 모델의 정의
10.2 입력층, 은닉층, 출력층
10.3 모델 컴파일
10.4 교차 엔트로피
10.5 모델 실행하기

11장 데이터 다루기
11.1 딥러닝과 데이터
11.2 피마 인디언 데이터 분석하기
11.3 pandas를 활용한 데이터 조사
11.4 데이터 가공하기
11.5 matplotlib를 이용해 그래프로 표현하기
11.6 피마 인디언의 당뇨병 예측 실행

12장 다중 분류 문제 해결하기
12.1 다중 분류 문제
12.2 상관도 그래프
12.3 원-핫 인코딩
12.4 소프트맥스
12.5 아이리스 품종 예측 실행

13장 과적합 피하기
13.1 데이터의 확인과 실행
13.2 과적합 이해하기
13.3 학습셋과 테스트셋
13.4 모델 저장과 재사용
13.5 k겹 교차 검증

14장 베스트 모델 만들기
14.1 데이터의 확인과 실행
14.2 모델 업데이트하기
14.3 그래프로 확인하기
14.4 학습의 자동 중단

15장 선형 회귀 적용하기
15.1 데이터 확인하기
15.2 선형 회귀 실행

다섯째마당 딥러닝의 활용
16장 이미지 인식의 꽃, CNN 익히기
16.1 데이터 전처리
16.2 딥러닝 기본 프레임 만들기
16.3 더 깊은 딥러닝
16.4 컨볼루션 신경망(CNN)
16.5 맥스 풀링
16.6 컨볼루션 신경망 실행하기

17장 딥러닝을 이용한 자연어 처리
17.1 텍스트의 토큰화
17.2 단어의 원-핫 인코딩
17.3 단어 임베딩
17.4 텍스트를 읽고 긍정, 부정 예측하기 .

18장 시퀀스 배열로 다루는 순환 신경망(RNN)
18.1 LSTM을 이용한 로이터 뉴스 카테고리 분류하기
18.2 LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기

19장 세상에 없는 얼굴 GAN, 오토인코더
19.1 가짜 제조 공장, 생성자
19.2 진위를 가려내는 장치, 판별자
19.3 적대적 신경망 실행하기
19.4 이미지의 특징을 추출하는 오토인코더

20장 전이 학습을 통해 딥러닝의 성능 극대화하기
20.1 소규모 데이터셋으로 만드는 강력한 학습 모델
20.2 전이 학습으로 모델 성능 극대화하기
20.3 맺음말

심화 학습
심화 학습1 오차 역전파의 계산법
심화 학습2 파이썬 코드로 확인하는 신경망

부록
부록 A 구글 코랩과 파이참에서 딥러닝 실행하기
부록 B 잘 알려지지 않은 딥러닝 시작에 관한 이야기

첫째마당 딥러닝 시작을 위한 준비 운동

1장 나의 첫 딥러닝

1.1 딥러닝 실행을 위한 준비 사항

1.2 딥러닝 작업 환경 만들기

1.3 미지의 일을 예측하는 원리

1.4 폐암 수술 환자의 생존율 예측하기

1.5 딥러닝의 개괄 잡기

 

2장 딥러닝을 위한 기초 수학

2.1 일차 함수, 기울기와 y절편

2.2 이차 함수와 최솟값

2.3 미분, 순간 변화율과 기울기

2.4 편미분

2.5 지수와 지수 함수

2.6 시그모이드 함수

2.7 로그와 로그 함수

 

3장 가장 훌륭한 예측선 긋기: 선형 회귀

3.1 선형 회귀의 정의

3.2 가장 훌륭한 예측선이란?

3.3 최소 제곱법

3.4 코딩으로 확인하는 최소 제곱

3.5 평균 제곱 오차

3.6 잘못 그은 선 바로잡기

3.7 코딩으로 확인하는 평균 제곱 오차

 

4장 오차 수정하기: 경사 하강법

4.1 경사 하강법의 개요

4.2 학습률

4.3 코딩으로 확인하는 경사 하강법

4.4 다중 선형 회귀란

4.5 코딩으로 확인하는 다중 선형 회귀

 

5장 참 거짓 판단 장치: 로지스틱 회귀

5.1 로지스틱 회귀의 정의

5.2 시그모이드 함수

5.3 오차 공식

5.4 로그 함수

5.5 코딩으로 확인하는 로지스틱 회귀

5.6 로지스틱 회귀에서 퍼셉트론으로

 

 

셋째마당 신경망의 이해

6장 퍼셉트론

6.1 가중치, 가중합, 바이어스, 활성화 함수

6.2 퍼셉트론의 과제

6.3 XOR 문제

 

7장 다층 퍼셉트론

7.1 다층 퍼셉트론의 설계

7.2 XOR 문제의 해결

7.3 코딩으로 XOR 문제 해결하기

 

8장 오차 역전파

8.1 오차 역전파의 개념

8.2 코딩으로 확인하는 오차 역전파

 

9장 신경망에서 딥러닝으로

9.1 기울기 소실 문제와 활성화 함수

9.2 속도와 정확도 문제를 해결하는 고급 경사 하강법

 

넷째마당 딥러닝 기본기 다지기

10장 모델 설계하기

10.1 모델의 정의

10.2 입력층, 은닉층, 출력층

10.3 모델 컴파일

10.4 교차 엔트로피

10.5 모델 실행하기

 

11장 데이터 다루기

11.1 딥러닝과 데이터

11.2 피마 인디언 데이터 분석하기

11.3 pandas를 활용한 데이터 조사

11.4 데이터 가공하기

11.5 matplotlib를 이용해 그래프로 표현하기

11.6 피마 인디언의 당뇨병 예측 실행

 

12장 다중 분류 문제 해결하기

12.1 다중 분류 문제

12.2 상관도 그래프

12.3 -핫 인코딩

12.4 소프트맥스

12.5 아이리스 품종 예측 실행

 

13장 과적합 피하기

13.1 데이터의 확인과 실행

13.2 과적합 이해하기

13.3 학습셋과 테스트셋

13.4 모델 저장과 재사용

13.5 k겹 교차 검증

 

14장 베스트 모델 만들기

14.1 데이터의 확인과 실행

14.2 모델 업데이트하기

14.3 그래프로 확인하기

14.4 학습의 자동 중단

 

15장 선형 회귀 적용하기

15.1 데이터 확인하기

15.2 선형 회귀 실행

 

다섯째마당 딥러닝의 활용

16장 이미지 인식의 꽃, CNN 익히기

16.1 데이터 전처리

16.2 딥러닝 기본 프레임 만들기

16.3 더 깊은 딥러닝

16.4 컨볼루션 신경망(CNN)

16.5 맥스 풀링

16.6 컨볼루션 신경망 실행하기

 

17장 딥러닝을 이용한 자연어 처리

17.1 텍스트의 토큰화

17.2 단어의 원-핫 인코딩

17.3 단어 임베딩

17.4 텍스트를 읽고 긍정, 부정 예측하기 .

 

18장 시퀀스 배열로 다루는 순환 신경망(RNN)

18.1 LSTM을 이용한 로이터 뉴스 카테고리 분류하기

18.2 LSTMCNN의 조합을 이용한 영화 리뷰 분류하기

 

19장 세상에 없는 얼굴 GAN, 오토인코더

19.1 가짜 제조 공장, 생성자

19.2 진위를 가려내는 장치, 판별자

19.3 적대적 신경망 실행하기

19.4 이미지의 특징을 추출하는 오토인코더

 

20장 전이 학습을 통해 딥러닝의 성능 극대화하기

20.1 소규모 데이터셋으로 만드는 강력한 학습 모델

20.2 전이 학습으로 모델 성능 극대화하기

20.3 맺음말

 

심화 학습

심화 학습1 오차 역전파의 계산법

심화 학습2 파이썬 코드로 확인하는 신경망

 

부록

부록 A 구글 코랩과 파이참에서 딥러닝 실행하기

부록 B 잘 알려지지 않은 딥러닝 시작에 관한 이야기

더보기접기

저자

ㆍ지은이 조태호

지은이 소개
머신 러닝, 딥러닝을 이용해 알츠하이머 질병을 연구하며 틈틈이 책을 쓰고 번역하는 학자이자 작가이다. 일본 도쿄의과치과대학에서 단백질 구조 예측으로 박사학위를 받았고, 미국으로 이주해 단백질 구조 예측에 딥러닝을 도입하는 연구를 했다. 2018년부터 미국 인디애나 대학교 의과대학에 재직하며 딥러닝을 이용한 알츠하이머 진단(2019), 딥러닝을 이용한 알츠하이머 원인 단백질 추적(2020), 딥러닝을 이용한 유전자 변이 예측(2021) 등을 연구하고 진행했다. 저서로는 제7회 브런치북 대상 수상작 『당신의 이유는 무엇입니까』, 역서로는 『딥러닝 워크북』, 『쉽게 시작하는 캐글 데이터 분석』, 『그림으로 이해하는 인지과학』 등이 있다. · 유튜브 강의: https://bit.ly/taehojo· 깃 페이지: https://taehojo.github.io · 조태호 브런치 brunch.co.kr/@tjo

연관 프로그램

아래 프로그램은 길벗출판사가 제공하는 것이 아닙니다.
무료로 사용할 수 있는 정보를 안내해 드리니, 지원이 필요하면 해당 프로그렘 제작사로 문의해 주세요.