- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
R 딥러닝 쿡북 텐서플로, H2O, MxNet으로 구현하는
시리즈 : 에이콘 데이터 과학 시리즈 [40]
원제 : R Deep Learning Cookbook
- PKS 프라카시, 아슈튜니 스리 크리슈나 라오 저
- 정지완 역
- 에이콘출판
- 2018년 06월 11일
-
정가30,000원
-
판매가27,000원 [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
-
적립금1,500원 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 04월 22일(월)※ 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: 9791161751689
352쪽
188 x 235 (㎜)
지금 이책은
- 판매지수 : 630
- 주간 컴퓨터/IT: 95위
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
-
센스메이킹 크리스티안 마두스베르그 14,400원
이 책이 속한 분야
- 컴퓨터/IT > 프로그래밍 > 기타 프로그래밍 언어
이 책의 시리즈
전체 선택
쇼핑카트 담기
-
-
정보 검색의 이론과 실제 40,500원 (10%↓+5%P)
-
피처 엔지니어링, 제대로 시작하기 22,500원 (10%↓+5%P)
-
스칼라와 머신 러닝 [2판] 40,500원 (10%↓+5%P)
-
개발자를 위한 머신 러닝 22,500원 (10%↓+5%P)
-
Pandas로 하는 데이터 과학 [2판] 31,500원 (10%↓+5%P)
-
책 소개
출판사 리뷰
★ 이 책에서 다루는 내용 ★
■ 텐서플로, H2O, MXNet을 사용한 다양한 응용 분야의 딥러닝 모델 개발
■ 심층 볼츠만 머신 분석
■ DBN 설정과 분석
■ 다양한 머신 러닝 알고리즘을 사용한 지도 학습 모델 개발
■ 다양한 종류의 기본 콘볼루션 함수 설정
■ 오토인코더를 사용한 특징 표현 이해
■ 딥러닝에서 가능한 생성 모델을 탐색
■ RNN을 사용한 순차 모델링 발견
■ 강화 학습 기초 이해
■ 텍스트 마이닝에 딥러닝을 적용하는 데 필요한 과정 학습
■ 신호 처리에 딥러닝을 적용하는 방법
■ 이전 학습을 사용한 딥러닝 모델 개발
■ GPU를 사용한 딥러닝 모델 훈련
★ 이 책의 대상 독자 ★
데이터 과학 전문가 혹은 분석가를 대상으로 한다. 머신 러닝 과제를 끝내고 이제 딥러닝 구현에 따라오는 불편을 해결하기 위해 접근이 쉬운 참고서를 원하는 사람에게 적합하다. 다른 딥러닝 전문가보다 앞서가고 싶은 사람에게 유용할 것이다.
★ 이 책의 구성 ★
1장. '시작하기'에서는 딥러닝 모델 개발에 사용되는 텐서플로, MxNet, H2O를 비롯한 다양한 패키지를 소개하고, 나중에 사용할 수 있도록 이 패키지들을 설정해 놓는다.
2장. 'R 딥러닝'에서는 인공 신경망(Neural Network)과 딥러닝의 기초 개념을 소개한다. 또한 R의 다양한 도구들로 신경망을 개발하는 여러 방법을 다룬다.
3장. 'CNN'에서는 이미지 처리와 분류를 통해 CNN 개발 방법을 다룬다.
4장. '오토인코더와 데이터 표현'에서는 다양한 방법으로 오토인코더의 기반을 개발하고, 데이터 압축과 노이즈 제거에 적용하는 방법을 다룬다.
5장. '딥러닝 생성 모델'에서는 오토인코더의 개념을 생성 모델로 확장한다. 나아가 볼츠만 머신(Boltzman machine), 제한 볼츠만 머신(RBM, Restricted Boltzman Machine), 심층 신경망(DBN, Deep Belief Network)를 개발해본다.
6장. '순환 신경망'에서는 다수의 순환 신경망(RNN, Recurrent Neural Networks)을 이용해 순차적 데이터셋을 처리하는 머신 러닝 모델 개발의 기반을 닦는다.
7장. '강화 학습'에서는 마르코프 결정 과정(MDP, Markov Decision Process) 강화 모델 개발의 기초를 제공하고, 모델 기반 학습과 모델이 없는 학습을 다룬다.
8장. '텍스트마이닝 딥러닝 응용'에서는 텍스트 마이닝 분야에서 딥러닝을 구현하는 방법을 엔드투엔드로 다룬다.
9장. '신호 처리 딥러닝 응용'에서는 신호 처리 분야에서 딥러닝이 활용되는 사례를 상세하게 분석한다.
10장. '이전 학습'에서는 VGG16, 인셉션(Inception) 등 미리 학습된 모델을 사용하는 방법과 GPU를 사용한 딥러닝 모델 학습 방법을 다룬다.
저자 소개
PKS 프라카시(PKS Prakash)
데이터 과학자이자 작가다. 지난 12년 동안 신체 건강, 제조, 의약, 전자거래 분야 주요 기업에서 데이터 과학을 이용한 해결책을 개발했다. 현재 ZS 어소시에이츠(Associates)에서 근무 중이다.
ZS는 세계에서 가장 큰 사업 서비스 회사 중 하나다. ZS는 고급 분석에 기반을 둔 데이터 주도 전략으로 고객이 사업에 성공하고 필요한 곳에 역량을 집중하게 돕는다. 데이터 주도 전략을 사용해 판매, 마케팅 부서의 경쟁력을 높일 수 있다.
위스콘신 메디슨(Wisconsin-Madison) 대학교에서 산업 및 시스템 엔지니어링으로 박사 학위를 취득했다. 그 후, 영국 워릭 대학교(University of Warwick)에서 두 번째 공학 박사 학위를 받았다. 미국 위스콘신 메디슨에서 석사 학위를 취득했고, 인도의 국립 제련 주조 공대(NIFFT, National Institute of Foundry and Forge Technology)에서 학사 학위를 받았다. 워릭 대학교에서 박사 과정 때 연구한 내용을 바탕으로 워릭 분석 회사(Warwick Analytics)를 공동 창업했다.
오퍼레이션 리서치(operational research)와 관리, 소프트 컴퓨팅(soft computing) 도구, 고급 알고리즘 등 폭넓은 연구 분야의 주요 학술지인 IEEE-Trans, EJOR, IJPR에 논문을 게재했다. 「Intelligent Approaches to Complex Systems」의 한 호를 편집했고, 『Evolutionary Computing in Advanced Manufacturing』(Wiley, 2011)에 감수자로 참여했으며 『R 데이터 구조와 알고리즘』(에이콘, 2017)의 공동 저자다.
역자 소개
머신 러닝 연구를 통해 인간의 사고 과정에 대한 이해를 넓히려 하는 연구자다. 현재 서울대 컴퓨터공학과 시각 학습 연구실에서 연구원으로 근무 중이며, 머신 QA와 자연어 처리에 관심을 두고 연구 중이다. 연세대학교에서 컴퓨터과학과를 이중 전공했으며, 영어영문학을 부전공했다.
목차
1장. 소개
__R과 IDE 설치
__주피터 노트북 애플리케이션 설치
__R 머신 러닝 기초 시작
__R 딥러닝 도구/패키지 설치
__R MXNet 설치
__R 텐서플로 설치
__R의 H2O 설치
__도커로 세 패키지 한 번에 설치
2장. R 딥러닝
__로지스틱 회귀 시작
__준비
__데이터셋 도입
__H2O 로지스틱 회귀
__텐서플로 로지스틱 회귀
__텐서플로 그래프 시각화
__다층 퍼셉트론 시작
__H2O 인공 신경망
__H2O 그리드 서치를 활용한 초매개변수 조정
__MXNet 인공 신경망
__텐서플로 인공 신경망
3장. CNN
__소개
__이미지 데이터셋 다운로드와 설정
__CNN 분류기 구조 이해
__가중치와 편향 초기화 함수 정의
__새 콘볼루션 계층 생성 함수 정의
__콘볼루션 계층 평탄화 함수 정의
__과연결 계층 평탄화 함수 정의
__플레이스홀더 변수 정의
__첫 번째 콘볼루션 계층 생성
__두 번째 콘볼루션 계층 생성
__두 번째 콘볼루션 계층 평탄화
__첫 번째 완전 연결 계층 생성
__첫 번째 완전 연결 계층의 드롭아웃 적용
__드롭아웃을 사용한 두 번째 완전 연결 계층 생성
__소프트맥스 활성화를 사용한 클래스 예측
__최적화를 위한 손실 함수 정의
__경사 하강 손실 최적화
__텐서플로 세션에서의 그래프 실행
__테스트 데이터상 성능 평가
4장. 오토인코더 데이터 표현
__소개
__오토인코더 설정
__데이터 정규화
__표준화 오토인코더 설정
__오토인코더 매개변수 조정
__적층 오토인코더 설정
__노이즈 제거 오토인코더 설정
__확률 인코더와 디코더 생성과 비교
__오토인코더 다양체 학습
__희소 분해 평가
5장. 딥러닝 생성 모델
__RBM과 주성분 분석 비교
__베르누이 분포 입력 값의 RBM 설정
__RBM 훈련
__RBM 역방향 혹은 재구성 단계
__재구성 CD 이해
__새 텐서플로 세션 초기화와 시작
__RBM 결과 평가
__RBM 협동 필터링 설정
__RBM 전체 훈련 수행
__DBN 설정
__피드포워드 역전달 신경망 구현
__DRBM 설정
6장. 순환 신경망
__기본 RNN 설정
__양방향 RNN 모델 설정
__심층 RNN 모델 설정
__LSTM 기반 순차 모델 설정
7장. 강화 학습
__소개
__MDP 설정
__모델 기반 학습 수행
__모델 자유 학습 수행
8장. 텍스트 마이닝 딥러닝 응용
__텍스트 데이터 전처리와 감정 추출
__tf-idf를 사용한 문서 분석
__LSTM 망을 사용한 감정 예측
__text2vec를 사용한 응용
9장. 신호 처리 딥러닝 응용
__음악 MIDI 파일 소개와 전처리
__RBM 모델 개발
__새 악보 생성
10장. 이전 학습
__소개
__사전 학습 모델 사용법 설명
__이전 학습 모델 설정
__이미지 분류 모델 개발
__GPU 딥러닝 모델 학습
__CPU와 GPU 성능 비교
__R과 IDE 설치
__주피터 노트북 애플리케이션 설치
__R 머신 러닝 기초 시작
__R 딥러닝 도구/패키지 설치
__R MXNet 설치
__R 텐서플로 설치
__R의 H2O 설치
__도커로 세 패키지 한 번에 설치
2장. R 딥러닝
__로지스틱 회귀 시작
__준비
__데이터셋 도입
__H2O 로지스틱 회귀
__텐서플로 로지스틱 회귀
__텐서플로 그래프 시각화
__다층 퍼셉트론 시작
__H2O 인공 신경망
__H2O 그리드 서치를 활용한 초매개변수 조정
__MXNet 인공 신경망
__텐서플로 인공 신경망
3장. CNN
__소개
__이미지 데이터셋 다운로드와 설정
__CNN 분류기 구조 이해
__가중치와 편향 초기화 함수 정의
__새 콘볼루션 계층 생성 함수 정의
__콘볼루션 계층 평탄화 함수 정의
__과연결 계층 평탄화 함수 정의
__플레이스홀더 변수 정의
__첫 번째 콘볼루션 계층 생성
__두 번째 콘볼루션 계층 생성
__두 번째 콘볼루션 계층 평탄화
__첫 번째 완전 연결 계층 생성
__첫 번째 완전 연결 계층의 드롭아웃 적용
__드롭아웃을 사용한 두 번째 완전 연결 계층 생성
__소프트맥스 활성화를 사용한 클래스 예측
__최적화를 위한 손실 함수 정의
__경사 하강 손실 최적화
__텐서플로 세션에서의 그래프 실행
__테스트 데이터상 성능 평가
4장. 오토인코더 데이터 표현
__소개
__오토인코더 설정
__데이터 정규화
__표준화 오토인코더 설정
__오토인코더 매개변수 조정
__적층 오토인코더 설정
__노이즈 제거 오토인코더 설정
__확률 인코더와 디코더 생성과 비교
__오토인코더 다양체 학습
__희소 분해 평가
5장. 딥러닝 생성 모델
__RBM과 주성분 분석 비교
__베르누이 분포 입력 값의 RBM 설정
__RBM 훈련
__RBM 역방향 혹은 재구성 단계
__재구성 CD 이해
__새 텐서플로 세션 초기화와 시작
__RBM 결과 평가
__RBM 협동 필터링 설정
__RBM 전체 훈련 수행
__DBN 설정
__피드포워드 역전달 신경망 구현
__DRBM 설정
6장. 순환 신경망
__기본 RNN 설정
__양방향 RNN 모델 설정
__심층 RNN 모델 설정
__LSTM 기반 순차 모델 설정
7장. 강화 학습
__소개
__MDP 설정
__모델 기반 학습 수행
__모델 자유 학습 수행
8장. 텍스트 마이닝 딥러닝 응용
__텍스트 데이터 전처리와 감정 추출
__tf-idf를 사용한 문서 분석
__LSTM 망을 사용한 감정 예측
__text2vec를 사용한 응용
9장. 신호 처리 딥러닝 응용
__음악 MIDI 파일 소개와 전처리
__RBM 모델 개발
__새 악보 생성
10장. 이전 학습
__소개
__사전 학습 모델 사용법 설명
__이전 학습 모델 설정
__이미지 분류 모델 개발
__GPU 딥러닝 모델 학습
__CPU와 GPU 성능 비교
머리말
★ 지은이의 말 ★
딥러닝은 머신 러닝에서 가장 자주 논의되는 분야 중 하나다. 딥러닝을 사용해 복잡한 함수를 모델링하고 횡단면 데이터, 순차 데이터, 이미지, 텍스트, 오디오, 영상을 포함한 다양한 데이터 소스와 구조를 이용해서 모델을 학습할 수 있다. 또한 R은 데이터 과학 커뮤니티에서 가장 인기 있는 언어 중 하나다. 딥러닝의 발전에 따라 딥러닝과 R 사이의 관계도 엄청나게 발전하고 있다. 이 책의 목적은 다양한 딥러닝 모델 개발 방법을 집중 훈련하는 것이다. 구조가 있는 데이터, 구조가 없는 데이터, 이미지 오디오 사례 연구를 통해 딥러닝을 적용한다. 또한 이전 학습(Transfer Learning)과 그래픽 처리장치(GPU, Graphics Processing Unit)의 성능을 이용해 딥러닝 모델의 계산 효율을 높이는 방법도 다룬다.
★ 옮긴이의 말 ★
지난 7년간의 딥러닝 연구 발전 속도는 정말 놀랍습니다. 기계가 사진에서 사람, 동물, 물건을 확인하고 이름을 찾아주며, 일상적인 대화를 이해하고 외국어를 어느 정도 자연스럽게 번역하는 등 이전에는 미처 상상하지 못했던 일들을 해내고 있습니다. 아직은 보편적 인공지능을 달성하려면 갈 길이 까마득하지만 현재 가능한 기술로도 얼마든지 우리의 일상과 업무 환경을 바꿀 수 있습니다. 이 책은 이름에 걸맞게 구현된 코드 예시를 제공해주고 실습 후 코드에 담긴 이론을 설명해줍니다. 또한 책의 간결성 때문에 설명이 부족할 때는 담지 못한 개념을 어느 곳에서 더 알아봐야 할지도 알려줍니다.
이 책은 R 통계 언어를 사용하므로 프로그래밍 언어가 익숙하지 않은 사람도 쉽게 접근할 수 있습니다. 또한 다양한 R 패키지의 설치법과 사용법을 다루므로 딥러닝 패키지에 대한 전반적 지식을 얻게 도와줍니다. 현재 폭넓게 사용하는 CNN, 오토인코더, RNN, 전이 학습 등의 개념을 다루고 있기에 좋은 입문서가 될 것으로 생각합니다. 딥러닝을 만나는 즐거운 첫걸음이 되기를 기대합니다
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)
