- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
그림과 수식으로 배우는 통통 딥러닝
시리즈 : I♥A.I. 인공지능 시리즈(아이러브A.I.) [16]
원제 : イラストで学ぶ ディープラーニング
- 야마시타 타카요시 저
- 심효섭 역
- 제이펍
- 2017년 06월 30일
-
정가23,000원
-
판매가23,000원 [0% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금690원 적립 [3%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
품절된 상품입니다.
회원리뷰
ISBN: 9791185890890
224쪽
172 x 225 (㎜)
지금 이책은
- 판매지수 : 261
- 주간 컴퓨터/IT: 73위
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
이 책과 함께 구매한 책
-
그림과 수식으로 배우는 통통 인공지능 타니구치 타다히로 23,000원
-
빅데이터 활용서 1[개정판 2쇄] 김경태, 안정국, 김동현 24,300원
-
블록과 함께 하는 파이썬 딥러닝 케라스 김태영 22,500원
-
Ceph 마스터하기 - acorn+Packt 닉 피스크 22,500원
-
그림과 수식으로 배우는 통통 머신러닝 스기야마 마사시 23,000원
이 책의 시리즈
전체 선택
쇼핑카트 담기
-
-
파이썬으로 시작하는 캐글 18,000원 (0%↓+3%P)
-
단단한 강화학습 35,000원 (0%↓+3%P)
-
케라스 창시자의 딥러닝 with R 29,000원 (0%↓+3%P)
-
심층 학습 42,000원 (0%↓+3%P)
-
백설공주 거울과 인공지능 이야기 19,800원 (0%↓+3%P)
-
책 소개
출판사 리뷰
딥러닝의 주요 개념을 컬러 그림을 통해 직관적으로 이해한다!
이 책은 딥러닝의 개념을 소개하는 것으로 시작해 딥러닝에 사용되는 여러 기법을 안내하고 있다. 딥러닝을 처음 배우려는 입문자부터 연구하는 대학생, 실제로 연구개발을 하는 실무자까지 다양한 독자를 이해시키기 위해 그림과 수식을 사용했다. 입문자들은 수식과 함께 나오는 그림을 통해 이해를 높일 수 있을 것이다.
딥러닝의 개념이나 기법을 이론적으로 설명하는 데 그치지 않고 실제로 활용할 수 있도록 다양한 딥러닝 도구도 ...
다양한 딥러닝 프레임워크의 사용법을 익힌다!
딥러닝의 주요 개념을 컬러 그림을 통해 직관적으로 이해한다!
이 책은 딥러닝의 개념을 소개하는 것으로 시작해 딥러닝에 사용되는 여러 기법을 안내하고 있다. 딥러닝을 처음 배우려는 입문자부터 연구하는 대학생, 실제로 연구개발을 하는 실무자까지 다양한 독자를 이해시키기 위해 그림과 수식을 사용했다. 입문자들은 수식과 함께 나오는 그림을 통해 이해를 높일 수 있을 것이다.
딥러닝의 개념이나 기법을 이론적으로 설명하는 데 그치지 않고 실제로 활용할 수 있도록 다양한 딥러닝 도구도 소개하고 있다. 특히, 텐서플로와 카페 등 오픈소스로 공개된 인기 있는 도구들의 설치부터 활용 사례까지 포함하고 있다.
이 책의 주요 내용
● 딥러닝
딥러닝이란 무엇인가?
● 신경망
퍼셉트론 / 다층 퍼셉트론 / 역전파법 / 오차 함수와 활성화 함수 / 우도 함수 / 확률적 경사 강하법 / 학습률
● 합성곱 신경망
합성곱층 / 풀링층 / 전결합층 / 출력층
● 제약 볼츠만 머신
홉필드 네트워크 / 볼츠만 머신 / 딥 빌리프 넷
● 자기부호화기
디노이징 자기부호화기 / 희소 자기부호화기 / 적층 자기부호화기
● 일반화 성능을 향상시키는 방법
학습 표본 / 전처리 / 활성화 함수 / 드롭아웃 / 드롭커넥트
● 딥러닝을 위한 도구
Theano / Pylearn2 / Caffe / DIGITS / Chainer / TensorFlow
저자 소개
- 구분 : 저서
- 국적 : 일본
- 분류 : 기타
- 인기지수 : 33
(山下 隆義)
1978년 고베에서 출생했으며, 1988년 고베시립공업고등전문학교 공학과를 졸업하였다. 2002년 나라첨단과학기술대학원대학교 정보과학연구과 박사전기과정을 수료하였고, 같은 해에 옴론 주식회사에 입사하였다. 옴론에서는 주로 영상에서 사람의 얼굴을 실시간으로 인식하는 소프트웨어의 연구와 개발을 담당하였다. 2011년에는 회사 근무와 병행하여 츄부대학 대학원 공학연구과 박사후기과정을 수료(공학박사)하였다. 2014년부터는 츄부대학 공학부 정보공학과 강사로 나가는 한편, 인간과 같은 인지를 지향하는 동영상 처리, 패턴 인식, 머신러닝 연구를 수행하고 있다. SSII 타카기상, IEICE 정보시스템학회 논문상, IEICE PRMU 연구회 연구장려상 등을 수상하였으며, SSII 및 MIRU 등에서 딥러닝 세미나의 강사도 맡고 있다.
역자 소개
- 국적 : 대한민국
- 분류 : 과학/공학 저자 , 기타
- 인기지수 : 244
연세대학교 문헌정보학과를 졸업하고 모교 중앙도서관과의 인연으로 도서관 솔루션 업체에서 일하게 되면서 개발을 시작했다. 네이버에서 웹 서비스 개발 업무를 맡았으며, 웹 서비스 외에 기계 학습에 대한 공부도 꾸준히 하고 있다. 최근 관심사는 회사에 속하지 않고도 지속 가능한 삶이다. 옮긴 책으로 『딥러닝 제대로 시작하기』, 『그림과 수식으로 배우는 통통 딥러닝』이 있다.
책 속에서
첫 번째에서 말하는 특징 표현력을 가진 신경망이란, 같은 클래스 안에서 변동이 있는 패턴, 이를테면, 손글씨처럼 개인 차이 혹은 노이즈가 포함된 상태에서도 바르게 인식할 수 있는 특징으로 변환할 수 있는 것을 말한다. 또, 노이즈가 포함된 경우에는 그 노이즈를 제거할 수 있는 신경망이라는 의미도 있다. 이 신경망을 디노이징 자기부호화기(denoising autoencoder)라고 부른다. 또, 잉여성을 제거하기 위해 규제화 항을 추가한 희소 자기부호화기도 있다.
_70쪽
딥러닝 학습에서 신경망의 종류나 구성도 중요하지만, 가장 중요한 것은 학습 표본이다. 딥러닝이 일반 물체 인식(classification)에서 성공을 거둔 하나의 요인은 대량의 데이터가 있었기 때문이다. 학습 표본으로 사전에 준비된 대량의 데이터 집합이 있으면 그 데이터 집합으로 학습을 수행할 수 있다. 이에 비해, 제한적인 데이터만 확보된 데이터 집합이나 직접 데이터를 수집해서 충분한 데이터를 모으지 못한 경우에는 확보된 데이터를 최대한 효과적으로 사용할 수 있는 방법인 데이터 확장을 생각해 볼 수 있다. 먼저, 충분히 갖춰진 데이터 집합으로 ImageNet과 Places를 소개한다. 그리고 제한적인 데이터에 대해 데이터의 양을 늘릴 수 있는 데이터 확장에 대해서도 설명하겠다.
_82쪽
그럼, 제한된 학습 표본밖에 없다면 딥러닝 기법을 이용한 학습을 수행하기 위해서는 어떻게 해야 할까? 생각해 볼 수 있는 첫 번째 방법으로, 지금 확보한 표본을 기초로 하는 조금 변이된 데이터를 추가하여 이미지 수를 늘리는 데이터 확장(data augmentation)이 있다. 데이터 확장은 표본에 평행이동이나 회전, 거울 반사 등을 적용하여 약간의 변화를 일으킨 새로운 표본을 만드는 방법이다. 여기에 쓴 변화 외에도 기하학적 혹은 이미지의 농담이나 색을 변경하는 경우도 있고, 랜덤 노이즈나 얼룩을 추가하는 경우도 있다.
_87쪽
딥러닝에서 일반화 성능을 향상시키기 위해 쓰이는 방법에는 알고리즘뿐 아니라, 학습 표본도 매우 중요한 영향을 끼친다. 학습 표본을 대량으로 수집하는 것은 상당히 어려우므로, ImageNet이나 Places와 같은 공개 데이터 집합을 이용하면 매우 편리하다. 그리고 이들을 단순히 학습에 이용하는 데 그치지 않고, 클래스 내의 변이를 억제하는 전처리를 가하는 것도 중요하다. 또 알고리즘적 수단으로서는 과학습을 억제하기 위한 드롭아웃과 드롭커넥트가 매우 효과적인 것으로 알려져 있으며, 현재의 딥러닝에서는 필수 불가결한 기법이 되고 있다.
_101쪽
이번 장에서는 현재 나온 많은 도구 중에서 Theano와 이를 이용한 Pylearn2, 이미지 인식 분야에서 확고히 자리 잡은 Caffe, 새로 공개된 도구 중 가장 주목을 받고 있는 Chainer와 텐서플로에 대해 그 특징과 사용법을 소개하였다. 이들 도구는 사용법이나 구현하기 위한 코드 구조도 다르다. 또, 신경망의 층이나 유닛 등에 대한 명칭도 서로 다르기 때문에 혼란스러울 수도 있다. 딥러닝을 이제 막 시작하려는 사람은 Caffe나 Chainer, 새로운 알고리즘을 개발하려는 사람은 Theano나 텐서플로를 사용하는 것이 좋다.
_179쪽
목차
CHAPTER 01 서론 1
1.1 딥러닝이란 2
1.2 주목받게 된 계기 3
1.3 왜 딥러닝인가 6
1.4 딥러닝이란 무엇인가 7
1.5 이 책의 구성 8
CHAPTER 02 신경망 11
2.1 신경망의 역사 12
2.2 매컬러-피츠의 신경회로망 모형 14
2.3 퍼셉트론 16
2.4 다층 퍼셉트론 18
2.5 역전파법 19
2.6 오차 함수와 활성화 함수 30
2.7 우도 함수 32
2.8 확률적 경사 하강법 33
2.9 학습률 35
2.10 정리 35
CHAPTER 03 합성곱 신경망 37
3.1 합성곱 신경망의 구성 38
3.2 합성곱층 40
3.3 풀링층 41
3.4 전결합층 42
3.5 출력층 43
3.6 신경망의 학습 방법 43
3.7 정리 50
CHAPTER 04 제약 볼츠만 머신 51
4.1 홉필드 네트워크 52
4.2 볼츠만 머신 57
4.3 제약 볼츠만 머신 61
4.4 대조적 발산 63
4.5 딥 빌리프 넷 66
4.6 정리 68
CHAPTER 05 자기부호화기 69
5.1 자기부호화기 70
5.2 디노이징 자기부호화기 73
5.3 희소 자기부호화기 74
5.4 적층 자기부호화기 79
5.5 사전 훈련에서의 이용 79
5.6 정리 80
CHAPTER 06 일반화 성능을 향상시키기 위한 방법 81
6.1 학습 표본 82
6.2 전처리 89
6.3 활성화 함수 94
6.4 드롭아웃 97
6.5 드롭커넥트 98
6.7 정리 101
CHAPTER 07 딥러닝을 위한 도구 103
7.1 딥러닝 개발환경 104
7.2 Theano 104
7.3 Pylearn2 112
7.4 Caffe 122
7.5 학습 시스템 DIGITS 141
7.6 Chainer 149
7.7 텐서플로 164
7.8 정리 179
CHAPTER 08 딥러닝의 현재와 미래 181
8.1 딥러닝의 응용 사례 182
8.2 딥러닝의 미래 198
8.3 정리 200
참고문헌 202
찾아보기 209
1.1 딥러닝이란 2
1.2 주목받게 된 계기 3
1.3 왜 딥러닝인가 6
1.4 딥러닝이란 무엇인가 7
1.5 이 책의 구성 8
CHAPTER 02 신경망 11
2.1 신경망의 역사 12
2.2 매컬러-피츠의 신경회로망 모형 14
2.3 퍼셉트론 16
2.4 다층 퍼셉트론 18
2.5 역전파법 19
2.6 오차 함수와 활성화 함수 30
2.7 우도 함수 32
2.8 확률적 경사 하강법 33
2.9 학습률 35
2.10 정리 35
CHAPTER 03 합성곱 신경망 37
3.1 합성곱 신경망의 구성 38
3.2 합성곱층 40
3.3 풀링층 41
3.4 전결합층 42
3.5 출력층 43
3.6 신경망의 학습 방법 43
3.7 정리 50
CHAPTER 04 제약 볼츠만 머신 51
4.1 홉필드 네트워크 52
4.2 볼츠만 머신 57
4.3 제약 볼츠만 머신 61
4.4 대조적 발산 63
4.5 딥 빌리프 넷 66
4.6 정리 68
CHAPTER 05 자기부호화기 69
5.1 자기부호화기 70
5.2 디노이징 자기부호화기 73
5.3 희소 자기부호화기 74
5.4 적층 자기부호화기 79
5.5 사전 훈련에서의 이용 79
5.6 정리 80
CHAPTER 06 일반화 성능을 향상시키기 위한 방법 81
6.1 학습 표본 82
6.2 전처리 89
6.3 활성화 함수 94
6.4 드롭아웃 97
6.5 드롭커넥트 98
6.7 정리 101
CHAPTER 07 딥러닝을 위한 도구 103
7.1 딥러닝 개발환경 104
7.2 Theano 104
7.3 Pylearn2 112
7.4 Caffe 122
7.5 학습 시스템 DIGITS 141
7.6 Chainer 149
7.7 텐서플로 164
7.8 정리 179
CHAPTER 08 딥러닝의 현재와 미래 181
8.1 딥러닝의 응용 사례 182
8.2 딥러닝의 미래 198
8.3 정리 200
참고문헌 202
찾아보기 209
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
