- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
직접 코딩하면서 배우는 머신러닝 딥러닝
- 정재준 저
- 커널연구회
- 2017년 07월 20일
-
정가28,000원
-
판매가25,200원 [10% 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
-
적립금1,400원 적립 [5%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
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2024년 05월 07일(화)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9788997750108
358쪽
183 x 259 (㎜)
지금 이책은
- 판매지수 : 178
- 주간 컴퓨터/IT: 46위
이 분야의 베스트셀러
-
이것이 취업을 위한 코딩 테스트다 with 파이썬
나동빈
30,600원
-
지니어스키트로 배우는 마이크로비트
아이씨뱅큐
18,000원
-
Do it! 점프 투 파이썬 [개정판]
박응용
16,920원
이 책과 함께 구매한 책
-
시골 땅, 내 땅 토지 잘 사는 비법 최영삼 15,300원
-
클라우드 API를 활용한 빅데이터 분석 공용준 27,000원
-
처음 배우는 딥러닝 수학 와쿠이 요시유키, 와쿠이 사다미 22,500원
-
딥러닝의 정석 니킬 부두마 22,500원
-
파이썬을 이용한 머신러닝, 딥러닝 실전 개발 입문 쿠지라 히코우즈쿠에 27,000원
책 소개
출판사 리뷰
제2장에서는 머신러닝 기본 알고리즘을 이해할 수 있도록 했고,
제3장 부터는 Neural Network을 어떻게 구성하여 딥러닝을 전개해 나가는지 자세히 설명한다.
제4장은 CNN 알고리즘에서 어떻게 영상이미지들을 인식하는지 설명하고,
제5장에서는 RNN 알고리즘을 사용하여 문자와 음성 데이터를 어떻게 인식하는지 설명한다.
제2부에서는 C언어로 머신러닝 알고리즘을 직접 코딩하면서 자세히 익...
제1장에서는 머신러닝을 컴퓨터에서 실습할 수 있도록 각종 패키지 프로그램을 설치하고 환경설정하는 방법에 대해서 기술했다.
제2장에서는 머신러닝 기본 알고리즘을 이해할 수 있도록 했고,
제3장 부터는 Neural Network을 어떻게 구성하여 딥러닝을 전개해 나가는지 자세히 설명한다.
제4장은 CNN 알고리즘에서 어떻게 영상이미지들을 인식하는지 설명하고,
제5장에서는 RNN 알고리즘을 사용하여 문자와 음성 데이터를 어떻게 인식하는지 설명한다.
제2부에서는 C언어로 머신러닝 알고리즘을 직접 코딩하면서 자세히 익힐 수 있도록 구성했다.
제1부에 있는 텐서플로우는 머신러닝 알고리즘을 라이브러리에 구현해 놓고 그것의 사용법을 익히면 쉽게 사용할 수 있는 반면에,
알고리즘 소스가 라이브러리에 숨겨져 있기 때문에 Back Propogation과 같은 중요한 알고리즘은 자세히 분석하기 힘들다.
그래서 필자는 C언어로 머신러닝 알고리즘들을 하나씩 코딩해 가면서 상세히 익힐 수 있도록 내용을 구성했다.
필자의 이 책은 머신러닝 알고리즘을 처음부터 끝까지 익혀서 알고리즘 성능 개선에 대해서 연구하고자 하는 독자분들에게 아주 유용할 것이다.
제2부의 제6장부터 머신러닝 알고리즘들을 C언어로 하나씩 코딩하면서 기본기를 탄탄히 익히고
제7장에서는 C언어로 Neural Network 알고리즘을 코딩한다.
이를 바탕으로 제8장에서 얼굴인식 알고리즘에 대해서 설명한다.
이 책의 모든 예제 소스들은 아래의 GitHub 사이트에서 다운로드 받을 수 있다.
https://github.com/kernel-bz/ml
저자 소개
- 구분 : 저서
- 국적 : 대한민국
- 분류 : 과학/공학 저자 , 수험/학습서 저자 , 기타
- 인기지수 : 166
(rgbi3307@nate.com) / 커널연구회(www.kernel.bz)
저자는 학창시절 마이크로프로세서 제어 기술을 배웠으며 리눅스 커널을 연구하고 있다. 15년 이상 쌓아온 실무 경험을 바탕으로 “C언어와 자료구조 알고리즘”, “리눅스 시스템 프로그래밍”, “리눅스 커널과 디바이스드라이버 실습2”, “자료구조 알고리즘 & 머신러닝 상세분석"등의 책을 집필하고, 월간임베디드월드 잡지에 다수의 글을 기고 하였다. 또한 “맞춤형 문장 자동 번역 시스템 및 이를 위한 데이터베이스 구축방법 (The System for the customized automatic sentence translation and database construction method)” 라는 내용으로 프로그래밍을 하여 특허청에 특허출원 하였다. 최근에는 서울시 버스와 지하철 교통카드 요금결재 단말기에 들어가는 리눅스 커널과 디바이스 드라이버 개발 프로젝트를 성공적으로 수행했고 여러가지 임베디드 제품을 개발했다. 저자는 스탠포드대학교의 John L. Hennessy 교수의 저서 “Computer Organization and Design” 책을 읽고 깊은 감명을 받았으며, 컴퓨터구조와 자료구조 알고리즘 효율성 연구를 통한 기술서적 집필에 노력하고 있다. 저자는 온라인 상에서 커널연구회(http://www.kernel.bz/) 웹사이트를 운영하며 연구개발, 교육, 관련기술 공유 등을 위해 노력하고 있다.
목차
직접 코딩하면서 배우는 머신러닝/딥러닝1
저작권2
커널연구회 로드맵3
저자 소개4
5
제1부 텐서플로우/파이썬 기반 머신러닝9
1. 머신러닝 실습 환경10
1.1 머신러닝 소개10
1.2 리눅스용 개발환경 설치16
1.3 윈도우용 개발환경 설치20
1.4 TENSORFLOW 기본21
2. 머신러닝 알고리즘23
2.1 LINEAR REGRESSION23
2.1.1 가설함수(학습 모델)와 비용함수23
2.1.2 비용 줄이기(기울기 예측)30
2.1.3 미분 함수(Convex)32
2.2 LINEAR REGRESSION LEARNING35
2.2.1 단항변수 기울기 학습135
2.2.2 단항변수 기울기 학습237
2.2.3 단항변수 기울기 학습339
2.2.4 다항변수 기울기 학습41
2.2.5 다항변수 매트릭스 처리44
2.2.6 다항변수 파일 읽기47
2.3 LOGISTIC(BINARY) CLASSIFICATION51
2.3.1 학습 모델(Hypothesis)51
2.3.2 비용 함수55
2.3.3 Logistic Regression57
2.4 MULTINOMIAL(SOFTMAX) CLASSIFICATION61
2.4.1 학습 모델(Hypothesis)61
2.4.2 Softmax 함수64
2.4.3 비용 함수67
2.4.4 TensorFlow 실습69
3. DEEP LEARNING77
3.1 딥러닝 기본78
3.1.1 행동 함수80
3.1.2 XOR 문제80
3.1.3 Neural Network82
3.1.4 Back Propagation88
3.2 XOR 문제 해결 실습93
3.2.1 일반적인 XOR 문제93
3.2.2 XOR Neural Network95
3.2.3 XOR Deep Learning98
3.2.4 XOR Deep Learning2105
3.2.5 XOR ReLU108
3.3 딥러닝 정확성 향상110
3.3.1 ReLU110
3.3.2 Good Weight (초기값)112
3.3.3 Overfitting 조정113
3.3.4 DropOut114
3.3.5 Optimizer 성능 비교116
3.4 딥러닝 실습117
3.4.1 일반적인 softmax118
3.4.2 ReLU121
3.4.3 DropOut123
3.4.4 초기값 설정126
3.4.5 결과 정리128
4. CONVOLUTIONAL NEURAL NETWORK129
4.1 CONVOLUTION LAYER129
4.2 POOLING LAYER133
4.3 CNN 종류136
4.3.1 AlexNet136
4.3.2 GoogLeNet136
4.3.3 ResNet137
4.3.4 DeepMind AlphaGo138
4.4 CNN 실습139
4.4.1 Adam Optimizer139
4.4.2 RMS Optimizer144
4.4.3 결과 정리148
5. RECURRENT NEURAL NETWORK149
5.1 RNN 이해149
5.2 RNN 활용153
제2부 C언어로 머신러닝/딥러닝 코딩하기154
6. 머신러닝 기본 알고리즘 코딩155
6.1 LINEAR REGRESSION155
6.1.1 가설함수 및 비용함수 코딩156
6.1.2 비용 산출 전체 소스157
6.1.3 최소비용 산출 함수 코딩163
6.1.4 학습진행 함수 코딩165
6.1.5 학습진행 전체 소스166
6.1.6 미분함수 코딩172
6.1.7 미분값 산출함수 코딩179
6.2 다항변수 머신러닝186
6.2.1 다항변수 학습 코딩186
6.2.2 매트릭스(행열) 코딩195
6.2.3 매트릭스(행열) 미분함수 변경210
6.3 LOGISTIC(BINARY) CLASSIFICATION218
6.3.1 학습 모델 코딩218
6.3.2 비용 함수 코딩219
6.3.3 Logistic Regression220
6.3.4 전체 실행 소스224
6.4 MULTINOMIAL(SOFTMAX) CLASSIFICATION231
6.4.1 학습 모델(Hypothesis)231
6.4.2 Softmax 함수 코딩233
2.4.4 TensorFlow 실습234
7. NEURAL NETWORK 알고리즘 코딩235
7.1 데이터 읽기236
7.2 읽기 실행 소스241
7.3 읽기 결과248
7.4 NEURAL NETWORK 코딩250
7.5 FORWARD PROPAGATION251
7.6 BACK PROPAGATION254
7.7 NEURAL NETWORK 소스260
7.8 실행 결과271
8. 얼굴 인식 알고리즘275
8.1 얼굴 검출 알고리즘275
8.2 얼굴 학습310
부록A. 머신러닝 관련 오픈소스들313
부록B. 커널연구회 교육과정 상세안내314
B.1 커널연구회 교육과정 로드맵314
B.2 C언어와 자료구조 알고리즘315
B.3 리눅스 시스템 프로그래밍319
B.4 ARM 아키텍쳐, STM32 프로그래밍323
B.5 리눅스 커널 자료구조 알고리즘 실습326
B.6 리눅스 커널 소스 디버깅 실습330
B.7 리눅스 커널 DEVICE TREE 실습334
B.8 교육 내용 테이블338
저작권2
커널연구회 로드맵3
저자 소개4
5
제1부 텐서플로우/파이썬 기반 머신러닝9
1. 머신러닝 실습 환경10
1.1 머신러닝 소개10
1.2 리눅스용 개발환경 설치16
1.3 윈도우용 개발환경 설치20
1.4 TENSORFLOW 기본21
2. 머신러닝 알고리즘23
2.1 LINEAR REGRESSION23
2.1.1 가설함수(학습 모델)와 비용함수23
2.1.2 비용 줄이기(기울기 예측)30
2.1.3 미분 함수(Convex)32
2.2 LINEAR REGRESSION LEARNING35
2.2.1 단항변수 기울기 학습135
2.2.2 단항변수 기울기 학습237
2.2.3 단항변수 기울기 학습339
2.2.4 다항변수 기울기 학습41
2.2.5 다항변수 매트릭스 처리44
2.2.6 다항변수 파일 읽기47
2.3 LOGISTIC(BINARY) CLASSIFICATION51
2.3.1 학습 모델(Hypothesis)51
2.3.2 비용 함수55
2.3.3 Logistic Regression57
2.4 MULTINOMIAL(SOFTMAX) CLASSIFICATION61
2.4.1 학습 모델(Hypothesis)61
2.4.2 Softmax 함수64
2.4.3 비용 함수67
2.4.4 TensorFlow 실습69
3. DEEP LEARNING77
3.1 딥러닝 기본78
3.1.1 행동 함수80
3.1.2 XOR 문제80
3.1.3 Neural Network82
3.1.4 Back Propagation88
3.2 XOR 문제 해결 실습93
3.2.1 일반적인 XOR 문제93
3.2.2 XOR Neural Network95
3.2.3 XOR Deep Learning98
3.2.4 XOR Deep Learning2105
3.2.5 XOR ReLU108
3.3 딥러닝 정확성 향상110
3.3.1 ReLU110
3.3.2 Good Weight (초기값)112
3.3.3 Overfitting 조정113
3.3.4 DropOut114
3.3.5 Optimizer 성능 비교116
3.4 딥러닝 실습117
3.4.1 일반적인 softmax118
3.4.2 ReLU121
3.4.3 DropOut123
3.4.4 초기값 설정126
3.4.5 결과 정리128
4. CONVOLUTIONAL NEURAL NETWORK129
4.1 CONVOLUTION LAYER129
4.2 POOLING LAYER133
4.3 CNN 종류136
4.3.1 AlexNet136
4.3.2 GoogLeNet136
4.3.3 ResNet137
4.3.4 DeepMind AlphaGo138
4.4 CNN 실습139
4.4.1 Adam Optimizer139
4.4.2 RMS Optimizer144
4.4.3 결과 정리148
5. RECURRENT NEURAL NETWORK149
5.1 RNN 이해149
5.2 RNN 활용153
제2부 C언어로 머신러닝/딥러닝 코딩하기154
6. 머신러닝 기본 알고리즘 코딩155
6.1 LINEAR REGRESSION155
6.1.1 가설함수 및 비용함수 코딩156
6.1.2 비용 산출 전체 소스157
6.1.3 최소비용 산출 함수 코딩163
6.1.4 학습진행 함수 코딩165
6.1.5 학습진행 전체 소스166
6.1.6 미분함수 코딩172
6.1.7 미분값 산출함수 코딩179
6.2 다항변수 머신러닝186
6.2.1 다항변수 학습 코딩186
6.2.2 매트릭스(행열) 코딩195
6.2.3 매트릭스(행열) 미분함수 변경210
6.3 LOGISTIC(BINARY) CLASSIFICATION218
6.3.1 학습 모델 코딩218
6.3.2 비용 함수 코딩219
6.3.3 Logistic Regression220
6.3.4 전체 실행 소스224
6.4 MULTINOMIAL(SOFTMAX) CLASSIFICATION231
6.4.1 학습 모델(Hypothesis)231
6.4.2 Softmax 함수 코딩233
2.4.4 TensorFlow 실습234
7. NEURAL NETWORK 알고리즘 코딩235
7.1 데이터 읽기236
7.2 읽기 실행 소스241
7.3 읽기 결과248
7.4 NEURAL NETWORK 코딩250
7.5 FORWARD PROPAGATION251
7.6 BACK PROPAGATION254
7.7 NEURAL NETWORK 소스260
7.8 실행 결과271
8. 얼굴 인식 알고리즘275
8.1 얼굴 검출 알고리즘275
8.2 얼굴 학습310
부록A. 머신러닝 관련 오픈소스들313
부록B. 커널연구회 교육과정 상세안내314
B.1 커널연구회 교육과정 로드맵314
B.2 C언어와 자료구조 알고리즘315
B.3 리눅스 시스템 프로그래밍319
B.4 ARM 아키텍쳐, STM32 프로그래밍323
B.5 리눅스 커널 자료구조 알고리즘 실습326
B.6 리눅스 커널 소스 디버깅 실습330
B.7 리눅스 커널 DEVICE TREE 실습334
B.8 교육 내용 테이블338
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)
