(Do it!) 정직하게 코딩하며 배우는 딥러닝 입문
- 개인저자
- 박해선 지음
- 발행사항
- 서울 :,이지스퍼블리싱 ,,2019
- 형태사항
- 323 p. : 삽화, 도표 ; 26 cm
- ISBN
- 9791163031093
- 청구기호
- 004.73 박92ㅈ
- 일반주기
- 색인수록
소장정보
위치 | 등록번호 | 청구기호 / 출력 | 상태 | 반납예정일 |
---|---|---|---|---|
이용 가능 (1) | ||||
1자료실 | 00018034 | 대출가능 | - |
- 등록번호
- 00018034
- 상태/반납예정일
- 대출가능
- -
- 위치/청구기호(출력)
- 1자료실
책 소개
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.
딥러닝을 이해하기 위해 꼭 알아야 할
대표 문제 4가지를 실습하며 정복한다!
딥러닝은 복잡한 데이터 속에 있는 현실 문제를 해결하기 위한 기술이다. 그래서 실제 문제를 해결하는 과정을 꼭 경험해 보아야 한다. 이 책은 당뇨병 환자, 위스콘신 유방암, MNIST 패션 이미지, 영화 리뷰 데이터를 가지고 수치 예측, 이진 분류, 다중 분류, 텍스트 분류 문제를 해결한다. 대부분의 딥러닝 문제는 이런 문제의 개념을 확장하여 사용하고 있으므로 이 책에서 다루는 대표 문제 4가지만 알면 실무에서 마주치게 될 문제들도 충분히 해결할 수 있을 것이다.
1분 만에 시작하는 딥러닝!
실습 환경 준비에 힘 빼지 말고 바로 시작하자!
딥러닝은 컴퓨터 준비부터 소프트웨어 설치, 파이썬 패키지 설치 등 실습을 위해 준비해야 할 것이 많다. 그러나 《Do it! 딥러닝 입문》은 실습 준비 과정이 단순하다. 구글에서 제공하는 코랩으로 실습을 진행하여 1분 만에 딥러닝 공부를 시작할 수 있도록 만들어 준다. 코랩은 웹 브라우저에서 실행할 수 있는 구글의 주피터 노트북으로, 딥러닝 학습에 필요한 패키지가 모두 설치되어 있는 훌륭한 파이썬 편집기이다. 코랩에서 작성한 모든 실습 코드는 구글의 클라우드 컴퓨터에서 실행되고 구글 드라이브에 자동으로 저장된다. 이것저것 준비하느라 고생할 필요 없이 웹 브라우저에 접속하여 1분 만에 딥러닝을 시작해 보자.
딥러닝에 왕도는 없지만 정도는 있다!
어렵다고 피하지 않고 정직하게 공부하는 딥러닝 입문서!
딥러닝은 개념과 수식은 물론 코딩까지 삼박자가 맞아야 하는 원래 어려운 기술이다. 특히 수식은 입문자에게 가장 큰 걸림돌이다. 이 수렁에서 헤어 나오는 사람이 많지 않다. 그래서 몇몇 책들은 독자를 배려한다는 이유로 수식을 간략하게 소개하거나 아예 생략하는 방법을 선택한다. 하지만 이 책의 저자는 이 부분을 위해 공을 들였다. 수식은 딥러닝 코드의 기반이므로 모래 위에 집을 지을 수 없다는 게 그 이유다.
그렇다. 딥러닝에 왕도(王道)는 없지만 정도(正道)는 있다. 딥러닝을 제대로 공부하는 방법은 높은 산에 오르는 방법과 같다. 그냥 한 걸음씩 정직하게 내딛으면 된다. 그렇지만 아무렇게나 발을 내디딜 수는 없는 법. 정상을 향해 한 발씩 내딛으며 집중해야 할 3가지 요소 개념, 수식, 실습은 확실하게 챙긴다. 이 책을 초보 인공지능 개발자의 첫 번째 딥러닝 교과서로 추천한다.
친절한 설명과 함께 보니 이해가 술술~
100여 개의 그래프, 삽화, 도해로 더 쉽게!
선형 회귀, 과대적합, 과소적합과 같은 수학적인 개념은 그래프로! 이미지 분류, 텍스트 분류, 합성곱, 드롭아웃과 같은 추상적인 개념은 삽화와 도해로! 친절한 설명에 다양한 시각 자료까지 있으니 본문이 술술 읽힌다. '딥러닝에 입문하는 사람이 더 편하게 공부했으면' 하는 마음으로 그래프와 도해까지 직접 스케치했다(책 속 삽화는 저자의 스케치를 전문 작가가 정돈한 것이다). 독자들을 위한 책 속의 정성을 느끼며 딥러닝에 더 쉽게 입문해 보자.
인공지능 관련 블로그 운영자, 번역자, 발표자로
지식 나눔을 끊임없이 실천하는 구글 인증 머신러닝 전문가의 첫 번째 저서!
이 책은 국내에 6명밖에 없는 구글 인증 머신러닝 전문가(ML GDE; Machine Learning Google Developer Experts)가 집필한 책이다. 저자는 인공지능 분야를 공부하기 위해 검색을 하면 누구나 한 번쯤 방문하게 된다는 240만 방문 '텐서플로우 블로그'의 운영자이며, 번역가로서 6권의 인공지능 관련 도서까지 번역했다. 또한 딥러닝 스터디 모임을 주관하며 지식 나눔 활동을 통해 초보자들을 만나 왔다. 딥러닝 입문서를 집필할 수 있는 최적의 저자인 셈이다. 최근에는 다양한 인공지능 관련 콘퍼런스에서 발표자로 참여하기도 하며 다양한 지식 나눔 활동을 이어가는 중이다.
책의 모든 실습 무료 공개! 이지스퍼블리싱 홈페이지와 깃허브에서 제공
책에 나오는 모든 실습의 정답 코드는 저자의 깃허브와 이지스퍼블리싱 홈페이지 자료실에서 제공한다. 책의 예제를 실습한 후 저자가 직접 작성한 코드와 비교하며 공부하면 학습 효과를 높일 수 있다. 또한 노트북 뷰어 링크에 접속하면 파일을 다운로드하지 않고도 저자가 작성한 코드를 간편하게 살펴볼 수 있다.
실습 파일 다운로드
- 저자 깃허브 https://github.com/rickiepark
- 이지스퍼블리싱 자료실: https://easyspub.co.kr - [자료실] (회원가입 필수)
주피터 노트북으로 간편하게 실습 파일 살펴보기
- 주피터 노트북 뷰어 https://nbviewer.jupyter.org/github/rickiepark/do-it-dl
배우고, 나누고, 함께 성장하는 두잇 스터디룸!
베타 테스터와 함께 만드는 두잇 시리즈! 독학도 교재도 OK!
혼자 계획을 세우고 공부하다 보면 금방 지치기 마련이다. 나와 비슷한 고민을 하고 있는 독자를 만나 어려운 내용을 공유해 보는 것은 어떨까? 내가 열심히 공부한 내용으로 다른 사람을 도와준다면 더 큰 뿌듯함을 느낄 수 있다. 배우고, 나누고, 함께 성장하는 두잇 스터디룸 카페에서 책을 통해 스스로 성장하고 싶어하는 동료를 만날 수 있다. 또한 이 책은 독자 중 3명을 베타 테스터로 선정하여 함께 만들었다(베타 테스터는 이지스퍼블리싱 페이스북이나 두잇 스터디룸에서 비정기적으로 공개 모집을 진행한다). 또한 책 속에는 독학용 14일, 교재용 16주 진도표가 들어있어 학습은 물론, 강의에도 도움이 된다.
- 두잇 스터디룸 카페: cafe.naver.com/doitstudyroom
- 이지스퍼블리싱 페이스북: https://www.facebook.com/easyspub/
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