반디앤루니스 인터넷서점
전체

로고이미지

검색

  • ▼
HOT ISSUE

네비게이션 실시간 인기 책

    케라스로 구현하는 딥러닝과 강화학습 - acorn+Packt 시리즈

    케라스로 구현하는 딥러닝과 강화학습 - acorn+Packt 시리즈 신경망 기초부터 CNN, RNN, GAN, 단어 임베딩, 강화학습 배우기

    원제 : Deep Learning with Keras: Get to grips with the basics of Keras to implement fas

    • 안토니오 걸리, 수짓 팔 저
    • 김창엽 역
    • 에이콘출판
    • 2017년 11월 23일
    • 정가
      30,000원
    • 판매가
      27,000원 [10% 할인]
    • 결제 혜택
      무이자
    • 적립금
      1,500원 적립 [5%P]

      NAVER Pay 결제 시 네이버페이 포인트 5% 적립 ?

    • 배송구분
      업체배송(반디북)
    • 배송료
      무료배송
    • 출고예정일

      출고예정일 안내

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

      close

      2024년 04월 22일(월)

      ※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.

    수량
    바로 구매 쇼핑카트 담기 위시리스트
    회원리뷰
    - [0]
    ISBN: 9791161750743 380쪽 190 x 237 (㎜)

    지금 이책은

    이 분야의 베스트셀러

    이 책과 함께 구매한 책

    이 책이 속한 분야

    책 소개

    상품문의 / 정보수정 요청 >

    출판사 리뷰

    ■ 역전파 알고리즘을 활용한 신경망의 단계별 함수 최적화
    ■ 결과 개선을 위한 신경망 미세조정
    ■ 영상과 음성 처리에 심층 학습 활용
    ■ 재귀 신경 텐서 네트워크(RNTN)를 사용한 단어 임베딩 개선
    ■ 순환 신경망(RNN) 구조 탐색
    ■ 오토인코더 구현 과정
    ■ 강화학습을 통한 심층 신경망 발전
    ★ 이 책의 대상 독자 ★
    이 책은 파이썬 지식이 필요하며, 머신 러닝 경험이 있는 데이터 과학자이거나 신경망을 아는 AI 프로그래머라면 케라스로 딥러닝을 배우기에 좋은 시작점으로 활용할 수 있다.
    ★ 이 책...
    ■ 역전파 알고리즘을 활용한 신경망의 단계별 함수 최적화
    ■ 결과 개선을 위한 신경망 미세조정
    ■ 영상과 음성 처리에 심층 학습 활용
    ■ 재귀 신경 텐서 네트워크(RNTN)를 사용한 단어 임베딩 개선
    ■ 순환 신경망(RNN) 구조 탐색
    ■ 오토인코더 구현 과정
    ■ 강화학습을 통한 심층 신경망 발전
    ★ 이 책의 대상 독자 ★
    이 책은 파이썬 지식이 필요하며, 머신 러닝 경험이 있는 데이터 과학자이거나 신경망을 아는 AI 프로그래머라면 케라스로 딥러닝을 배우기에 좋은 시작점으로 활용할 수 있다.
    ★ 이 책의 구성 ★
    1장, '신경망 기초'에서는 신경망의 기초를 배운다.
    2장, '케라스 설치와 API'에서는 AWS, 마이크로소프트 애저, 구글 클라우드, 사용자 컴퓨터에 케라스를 설치하는 방법을 다룬다. 그 외에도 케라스 API에 대해 소개한다.
    3장, '합성곱 신경망을 활용한 딥러닝'에서는 합성곱 신경망 개념을 소개한다. 합성곱 신경망은 텍스트에서 비디오, 음성에 이르기까지 여러 영역에서 성공을 거두고 원래의 이미지 처리 영역을 뛰어넘는, 딥러닝에서의 근본적인 혁신을 가져왔다.
    4장, '적대적 생성 네트워크와 웨이브넷'에서는 사람이 만든 데이터와 유사한 합성 데이터를 재생산하는 데 사용하는 적대적 생성 네트워크를 소개한다. 사람의 목소리와 악기를 아주 잘 재현하는 데 사용하는 심층 신경망인 웨이브넷도 소개한다.
    5장, '단어 임베딩'에서는 단어 임베딩에 대해 설명하고, 단어 간의 관계를 탐지하고 유사한 단어를 그룹화하는 딥러닝 방법론에 관해 설명한다.
    6장, '순환 신경망'에서는 텍스트와 같이 시퀀스 데이터를 처리하기에 적합한 네트워크 종류인 순환 신경망을 다룬다.
    7장, '기타 딥러닝 모델'에서는 케라스 함수 API, 회귀 네트워크, 오토 인코더에 대해 간단히 살펴본다.
    8장, 'AI 게임 플레이'에서는 강화학습을 가르치고 보상 피드백을 기반으로 아케이드 게임을 하는 방법을 배우는 딥러닝 네트워크를 케라스로 어떻게 작성하는지 설명한다.
    부록, '결론'에서는 이 책에서 다루는 주제를 요약하고 케라스 2.0을 독자에게 소개한다.

    저자 소개

    안토니오 걸리
    • 구분 : 저서
    • 국적 : 기타
    • 분류 : 과학/공학 저자
    • 인기지수 : 13
    최근저서

    글로벌 기술 인재, 혁신, 실행을 계획하고 관리하는 데 열정을 가진 소프트웨어 임원이자 비즈니스 리더다. 검색 엔진, 온라인 서비스, 머신 러닝, 정보 검색, 애널리틱스와 클라우드 컴퓨팅 분야의 전문가다. 지금까지 운이 좋게도 유럽의 4개국에서 전문적인 경험을 쌓고, 유럽과 미국의 6개국에서 사람들을 관리했다. 출판사(Elsevier)에서 소비자 인터넷(Ask.com 및 Tiscali), 하이테크 R&D(Microsoft 및 Google)에 이르기까지 여러 분야에서 CEO, GM, CTO, 부사장, 디렉터, 현장 리더로 재직했다.

    수짓 팔
    • 구분 : 저서
    • 국적 : 기타
    • 분류 : 과학/공학 저자
    • 인기지수 : 13
    최근저서

    엘스비어 랩(Elsevier Labs)의 기술 리서치 디렉터로, 연구 내용과 메타데이터를 중심으로 지능형 시스템을 구축하고 있다. 주요 관심사는 정보 검색, 온톨로지, 자연어 처리, 머신 러닝, 분산 처리다. 현재 딥러닝 모델을 사용해 이미지 분류와 유사성을 연구하고 있다. 이전에는 소비자 건강관리 업계에서 일하면서 온톨로지 기반의 의미론적 검색, 콘텐츠 기반 광고, EMR 데이터 처리 플랫폼을 구축하는 데 도움을 받았다.
    살몬 런(Salmon Run)에서 자신의 블로그에 기술을 기고한다.

    역자 소개

    김창엽
    • 국적 : 대한민국
    • 분류 : 과학/공학 저자 , 기타
    • 인기지수 : 56
    최근저서

    데이터 분석과 머신 러닝에 관심이 많아 현재 고려대학교 산업경영공학과 데이터 사이언스 및 비즈니스 어낼리틱스(DSBA) 연구실에서 박사 과정을 밟고 있다. 이전에는 안랩에서 9년간 근무하며 악성코드 대응 및 침해 사고 분석 업무를 수행했다. 에이콘출판사에서 펴낸 『텐서플로 入門』(2016), 『리눅스 바이너리 분석』(2016), 『모의 해킹을 위한 메타스플로잇』(2014), 『케라스로 구현하는 딥러닝과 강화학습』(2017) 등을 번역했다.

    책 속에서

    목차

    1장. 신경망 기초
    __퍼셉트론
    ____첫 케라스 코드 예제
    __다층 퍼셉트론 : 첫 번째 네트워크
    ____퍼셉트론 학습에서의 문제와 해결책
    ____활성화 함수 : 시그모이드
    ____활성화 함수 : ReLU
    ____활성화 함수
    __실전 예제 손글씨 숫자 인식
    ____원핫 인코딩(OHE)
    ____케라스로 간단한 신경망 정의
    ____단순 신경망 실행과 기준선 설정
    ____단순 신경망에 은닉 계층 추가
    ____단순 신경망에 드롭아웃 추가
    ____기타 옵티마이저 테스트
    ____에폭 수 증가
    ____옵티마이저 학습률 조정
    ____은닉 계층의 뉴런 수 증가
    ____배치 크기 증가
    ____손글씨 인식을 위한 실험 요약
    ____과적합을 피하기 위한 일반화 적용
    ____하이퍼파라미터 튜닝
    ____예측
    __역전파의 개요
    __딥러닝 접근
    __요약
    2장. 케라스 설치와 API
    __케라스 설치
    ____1단계 : 유용한 의존성 패키지 설치
    ____2단계 : 떼아노 설치
    ____3단계 : 텐서플로 설치
    ____4단계 : 케라스 설치
    ____5단계 : 떼아노, 텐서플로, 케라스 테스트
    __케라스 설정
    __도커에 케라스 설치
    __구글 클라우드 ML에 케라스 설치
    __아마존 AWS에 케라스 설치
    __마이크로소프트 애저에 케라스 설치
    __케라스 API
    ____케라스 구조 이해
    ____사전 정의 신경망 개요
    ____기본 제공 활성화 함수 개요
    ____손실 함수 개요
    ____메트릭 개요
    ____옵티마이저 개요
    ____기타 유용한 기능
    ____모델의 가중치와 구조 저장 및 불러오기
    __학습 과정 커스터마이징을 위한 콜백
    ____체크포인트
    ____텐서보드 활용과 케라스
    ____퀴버 활용과 케라스
    __요약
    3장. 합성곱 신경망을 활용한 딥러닝
    __심층 합성곱 신경망 : DCNN
    ____지역 수용 영역
    ____공유 가중치와 편향
    ____풀링 계층
    __DCNN 예제 : LeNet
    ____케라스 코드 LeNet
    ____딥러닝의 능력 이해
    __딥러닝을 활용한 CIFAR-10 이미지 인식
    ____더 깊은 네트워크로 CIFAR-10 성능 향상
    ____데이터 증가를 통한 CIFAR-10 성능 향상
    ____CIFAR-10 예측
    __대규모 이미지 인식을 위한 심층 합성곱 신경망
    ____VGG-16 네트워크로 고양이 인식
    ____케라스 내장 VGG-16 네트워크 모듈 활용
    ____특징 추출을 위한 사전 빌드된 딥러닝 모델 재활용
    ____전이 학습을 위한 아주 깊은 인셉션-v3 네트워크
    __요약
    4장. 적대적 생성 네트워크와 웨이브넷
    __GAN은 무엇인가?
    ____GAN의 응용 사례
    __심층 합성곱 적대적 생성 네트워크
    __MNIST 위조 GAN
    __CIFAR 위조 GAN
    __웨이브넷 : 오디오 제작 방법을 학습하는 생성 모델
    __요약
    5장. 단어 임베딩
    __분산 표현
    __word2vec
    ____skip-gram word2vec 모델
    ____CBOW word2vec 모델
    ____모델에서 word2vec 임베딩 추출
    ____word2vec 서드파티 구현 활용
    __GloVe 이해
    __사전 학습 임베딩 활용
    ____처음부터 임베딩 학습
    ____word2vec으로 학습한 임베딩 미세 조정
    ____사전 학습된 GloVe 임베딩 미세 조정
    ____임베딩 룩업
    __요약
    6장. 순환 신경망
    __기본 순환 신경망 셀
    ____텍스트 생성을 위한 기본 순환 신경망 구현
    __순환 신경망 구조
    __그래디언트 소실과 발산
    __장기 - 단기 메모리 : LSTM
    ____LSTM 구현 : 감성 분석
    __GRU
    ____케라스 GRU 구현 : 품사 태깅
    __양방향 순환 신경망
    __상태 보존형 순환 신경망
    ____상태 보존형 순환 신경망 : 전기 소비량 예측
    __기타 순환 신경망의 변형
    __요약
    7장. 기타 딥러닝 모델
    __케라스 함수 API
    __회귀 네트워크
    ____케라스 회귀 예제 : 대기 벤젠 수준 예측
    __비지도 학습 오토인코더
    ____케라스 오토인코더 예제 : 문장 벡터
    __심층망 구성
    ____케라스 예제 : 질의응답을 위한 메모리 네트워크
    __케라스 커스터마이징
    ____케라스 예제 : 람다 계층 활용
    ____케라스 예제 : 사용자 정의 정규화 계층 작성
    __생성 모델
    ____케라스 예제 : 딥 드림
    ____케라스 예제 : 스타일 전이
    __요약
    8장. AI 게임 플레이
    __강화학습
    ____미래의 보상 극대화
    ____Q-학습
    ____심층 Q 네트워크를 사용하는 Q 함수
    ____탐색과 활용
    ____경험 반복 및 경험의 가치
    __예제 : 캐치 게임을 위한 케라스 심층 Q 네트워크 구현
    __이후의 이야기
    __요약

    머리말

    ★ 지은이의 말 ★

    이 책은 구글의 텐서플로나 리사 연구소(Lisa Lab)의 떼아노(Theano) 백엔드 위에서 실행하는 모듈형 신경망 라이브러리인 케라스를 사용해 파이썬으로 작성한 20개 이상의 심층 신경망을 다룬다.
    독자는 간단한 선형 회귀, 다층 퍼셉트론, 정교한 심층 합성곱 신경망, 적대적 생성 네트워크 같은 지도 학습 알고리즘에 대해 단계별로 학습한다. 이 책은 오토 인코더와 생성 네트워크와 같이 비지도 학습 알고리즘을 다룬다. 순환 신경망과 장기-단기 기억(LSTM, long short-term memory) 네트워크에 대해서도 자세히 설명한다. 이 책은 케라스 함수 API를 다루고 독자가 적용할 사례가 케라스 확장 기능에서 제공하지 않는 경우 케라스를 커스터마이징하는 방법을 설명한다. 그 후, 앞서 다룬 빌딩 블록으로 구성한 좀 더 크고 복잡한 시스템도 살펴본다. 심층 강화학습에 대한 소개와 AI가 게임을 만드는 데 어떻게 활용되는가를 다루면서 결론을 맺는다.
    실용적인 응용 사례로는 뉴스 기사를 사전에 정의한 범주로 분류, 텍스트의 의미 분석, 감성 분석, 텍스트 생성과 품사 태깅 등이 있다. 손글씨 숫자 이미지의 인식, 이미지를 여러 범주로 분류, 이미지 주석 생성을 활용한 고급 개체 인식을 활용해 이미지 처리 분야도 알아본다. 얼굴 인식을 위한 특징점 식별 예제도 다룬다. 음성 분석은 여러 화자가 있을 때 화자의 음성을 인식하는 예제를 다룬다. 강화학습은 자율적으로 게임을 할 수 있는 심층 Q 학습 네트워크 구축에 사용한다.
    실험 예제들은 이 책의 특징이다. 각 신경망은 입력 파라미터, 네트워크의 형태, 손실 함수와 최적화에 사용한 알고리즘을 변경해 학습 성능을 점진적으로 향상되도록 변형할 수 있다. CPU와 GPU를 이용한 학습에 대한 몇 가지 비교 자료도 제공한다.

    ★ 옮긴이의 말 ★

    알파고와 이세돌 9단의 세기의 대결로 일반인들도 점점 머신 러닝에 관심을 갖게 됐다. 또한 많은 기업들이 머신 러닝을 적용해 다양한 문제를 해결해 나가기 시작한다. 자율주행 자동차와 의학 분야 등의 많은 산업 분야에도 머신 러닝으로 커다란 변화가 일어나고 있다. 구글 트렌드에서 ‘Machine Learning’을 검색하면 대한민국이 상위권에 랭크된다. 그만큼 국내에는 머신 러닝에 관심을 갖고 계신 분들이 많다고 생각된다. 얼마 전부터 많은 오프라인 스터디가 생기고 양질의 정보를 제공해주는 블로그가 많아졌다. 훌륭한 연구원 분들과 교수님들은 바쁜 와중에도 일반인들이 쉽게 머신 러닝을 접할 수 있도록 무료 강의를 배포하고 어려운 영어 논문을 이해하기 쉽도록 한글로 풀어서 설명해주고 있다. 기술이 발전하는 속도만큼 학습해야 할 것이 점점 늘어나고 있지만, 이런 분들의 노력이 있다는 건 정말 희소식이다.
    이 책은 딥러닝의 근간을 이루는 신경망 기초에 대한 내용으로 시작해, 실세계에서 다양한 문제 해결에 활용하는 CNN, RNN 등을 학습한다. 최근 관심이 뜨거운 GAN에 대해서도 알아보고, 여러 상황에 맞는 다양한 신경망 구조에 대해 학습한다. 언어의 의미를 파악하고자 하는 텍스트 마이닝에서 널리 활용되는 단어 임베딩에 대해서도 다루고 있다. 마지막으로 알파고로 화제가 되었던 강화학습으로 간단한 게임을 플레이하며 쉽게 설명한다. 책에서 다루는 대부분의 신경망에 대한 소스 코드를 제공해 나중에 독자들이 이 코드를 기반으로 각자의 문제를 해결하는 데에 활용할 수 있을 것이다.

    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)
    • 회사명 : (주)서울문고
    • 대표이사 : 김홍구
    • 개인정보 보호책임자 : 김홍구
    • E-mail : bandi_cs@bnl.co.kr
    • 소재지 : (06168) 서울 강남구 삼성로 96길 6
    • 사업자 등록번호 : 120-81-02543
    • 통신판매업 신고번호 : 제2023-서울강남-03728호
    • 물류센터 : (10881) 경기도 파주시 문발로 77 반디앤루니스
    copyright (c) 2016 BANDI&LUNI'S All Rights Reserved