- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
예제로 풀어보는 구글 딥러닝 프레임워크 텐서플로우 실전
- 정저위, 구쓰위 저
- 장우진 역
- 광문각
- 2019년 05월 25일
-
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 20일(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: 9788970939445
384쪽
188 x 257 (㎜)
지금 이책은
- 판매지수 : 560
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
-
컴퓨터 비전과 딥러닝 라쟈링가파 샨무갸마니 27,000원
-
칼 세이건의 말 칼 세이건 15,750원
-
OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 황선규 37,800원
-
아날로그의 반격 데이비스 색스 15,120원
책 소개
출판사 리뷰
이 책은 TensorFlow를 통한 딥러닝 구현을 중점으로 소개합니다. TensorFlow 설치를 시작으로 TensorFlow의 기본 개념을 차례대로 설명하고, 궁극적으로 완전 연결 신경망, 합성곱 신경망과 순환 신경망 등 여러 딥러닝 알고리즘을 직접 구현해 볼 것입니다. 이와 동시에 딥러닝 알고리즘에 대한 이론과 해결할 수 있는 문제를 알기 쉽게 설명합니다. 이 책에서 저자는 지루하고 복잡한 수학 공식을 피하고 실제 학습에서의 딥러닝 개념과 TensorFlow 사용법을 소개합니다. 또한, TensorFlow 병렬 처리와 시각화 툴인 TensorBoard, 그리고 GPU를 사용한 TensorFlow 분산 처리 사용법에 대해서도 살펴볼 것입니다.
저자 소개
저자 : 정저위
2011년 5월 베이징대학에서 컴퓨터공학 학사 학위, 2013년 5월 미국 카네기멜론 대학(CMU)에서 컴퓨터공학 석사 학위를 취득하고 Siebel 장학금을 받았다. 졸업 후 미국 구글에서 고급 엔지니어로 근무하였고, 현재는 CaiYun의 공동 창립자 겸 수석 데이터 과학자로서 중국 최초로 보안, 전자 상거래, 금융, 물류 및 기타 산업 분야에 인공지능 솔루션을 제공하는 분산형 TensorFlow 딥러닝 플랫폼 개발에 성공했다. 머신러닝 및 인공지능 분야에 다년간의 연구 경력을 보유하고 있으며, SIGAR, SIGKDD, ACL, ICDM, ICWSM 등 정상급 국제학회에서 많은 학술 논문을 발표했다.
저자 : 구쓰위
베이징 이공대학에서 석사 학위를 취득하고 MSRA, Sougou, 텐센트 등 인터넷 회사에서 근무하였다. ICDM, SIGAR, ADKDD 등 국제학회에서 많은 학술 논문을 발표했으며, 현재 머신러닝, 정보 검색, 인공지능과 관련된 기술을 제품에 적용하는 연구에 전념하고있다.
역자 : 장우진
일찍이 중국에 유학하여 베이징의 화이러우 제1중학과 칭화대학 자동화과를 졸업하였으며, TensorFlow를 활용하여 작성한 졸업 논문,〈표면 근전도 신호를 이용한 실시간 동작 인식 및 응용〉을 발표해 높은 평가를 받았다. 알파고와 인간의 바둑 대결 이후 딥러닝 분야에 관심을 갖고 중점적으로 학습하였으며, 현재 TensorFlow의 하이 레벨인 keras의 번역에 매진하고 있다.
목차
Chapter 01. 딥러닝 개요
1.1 인공지능, 머신러닝, 딥러닝
1.2 딥러닝의 발전 과정
1.3 딥러닝의 응용
1.3.1 컴퓨터 비전
1.3.2 음성 인식
1.3.3 자연어 처리
1.3.4 인간 vs 기계 게임
1.4 딥러닝 도구 소개 및 비교
Chapter 02. TensorFlow 환경 설정
2.1 TensorFlow 주요 의존 패키지
2.1.1 Protocol Buffer
2.1.2 Bazel
2.2 TensorFlow 설치
2.2.1 Docker를 이용한 설치
2.2.2 pip를 이용한 설치
2.2.3 소스 코드를 이용한 설치
2.3 TensorFlow 테스트 예제
Chapter 03. TensorFlow 입문
3.1 TensorFlow 계산 모델 - 계산 그래프
3.1.1 계산 그래프의 개념
3.1.2 계산 그래프의 사용
3.2 TensorFlow 데이터 모델 - 텐서
3.2.1 텐서의 개념
3.2.2 텐서의 용도
3.3 TensorFlow 실행 모델 - 세션
3.4 TensorFlow 신경망 구현
3.4.1 TensorFlow 플레이그라운드와 신경망
3.4.2 순전파 알고리즘
3.4.3 신경망 매개 변수 및 TensorFlow 변수
3.4.4 TensorFlow 신경망 모델 학습
3.4.5 신경망 학습의 전 과정 예제
Chapter 04. 심층 신경망
4.1 딥러닝과 심층 신경망
4.1.1 선형 모델의 한계
4.1.2 활성화 함수
4.1.3 다층 신경망으로 XOR 문제 해결
4.2 손실 함수 정의
4.2.1 전형적인 손실 함수
4.2.2 사용자 정의 손실 함수
4.3 신경망 최적화 알고리즘
4.4 신경망 최적화
4.4.1 학습률 설정
4.4.2 오버피팅(Overfitting)
4.4.3 이동 평균 모델
Chapter 05. MNIST 숫자 인식
5.1 MNIST 데이터 처리
5.2 신경망 모델 학습 및 비교
5.2.1 TensorFlow 신경망 학습
5.2.2 검증 데이터를 사용한 모델 평가
5.2.3 모델 성능 비교
5.3 변수 관리
5.4 TensorFlow 모델 저장 및 불러오기
5.4.1 저장 및 불러오기 코드 구현
5.4.2 원리와 데이터 형식
5.5 TensorFlow 실행 예제 코드
Chapter 06. 이미지 인식과 합성곱 신경망
6.1 이미지 인식 문제 및 데이터셋
6.2 합성곱 신경망 개요
6.3 합성곱 신경망 구조
6.3.1 합성곱 계층
6.3.2 풀링 계층
6.4 합성곱 신경망 모델
6.4.1 LeNet-5
6.4.2 Inception-v3
6.5 합성곱 신경망 전이 학습
6.5.1 전이 학습 소개
6.5.2 TensorFlow 전이 학습 구현
Chapter 07. 이미지 데이터 처리
7.1 TFRecord 입력 데이터 포맷
7.1.1 TFRecord 개요
7.1.2 TFRecord 예제
7.2 이미지 데이터 처리
7.2.1 TensorFlow 이미지 처리 함수
7.2.2 이미지 전처리 예제
7.3 멀티 스레드를 통한 데이터 처리
7.3.1 큐와 멀티 스레드
7.3.2 입력 파일 큐
7.3.3 배치 처리
7.3.4 입력 데이터 처리 프레임워크
Chapter 08. 순환 신경망
8.1 순환 신경망 개요
8.2 장단기 메모리(LSTM) 구조
8.3 순환 신경망의 변형
8.3.1 양방향 순환 신경망과 심층 순환 신경망
8.3.2 순환 신경망의 드롭아웃
8.4 순환 신경망의 응용
8.4.1 언어 모델링
8.4.2 시계열 데이터 예측
Chapter 09. TensorBoard : 그래프 시각화
9.1 TensorBoard 개요
9.2 TensorFlow 계산 그래프 시각화
9.2.1 네임스페이스와 TensorBoard 그래프 노드
9.2.2 노드 정보
9.3 지표 모니터링
Chapter 09. TensorFlow 계산 가속
10.1 TensorFlow-GPU 사용하기
10.2 딥러닝 모델의 병렬 학습
10.3 멀티 GPU 병렬 처리
10.4 분산식 TensorFlow
10.4.1 분산식 TensorFlow 원리
10.4.2 분산 학습
1.1 인공지능, 머신러닝, 딥러닝
1.2 딥러닝의 발전 과정
1.3 딥러닝의 응용
1.3.1 컴퓨터 비전
1.3.2 음성 인식
1.3.3 자연어 처리
1.3.4 인간 vs 기계 게임
1.4 딥러닝 도구 소개 및 비교
Chapter 02. TensorFlow 환경 설정
2.1 TensorFlow 주요 의존 패키지
2.1.1 Protocol Buffer
2.1.2 Bazel
2.2 TensorFlow 설치
2.2.1 Docker를 이용한 설치
2.2.2 pip를 이용한 설치
2.2.3 소스 코드를 이용한 설치
2.3 TensorFlow 테스트 예제
Chapter 03. TensorFlow 입문
3.1 TensorFlow 계산 모델 - 계산 그래프
3.1.1 계산 그래프의 개념
3.1.2 계산 그래프의 사용
3.2 TensorFlow 데이터 모델 - 텐서
3.2.1 텐서의 개념
3.2.2 텐서의 용도
3.3 TensorFlow 실행 모델 - 세션
3.4 TensorFlow 신경망 구현
3.4.1 TensorFlow 플레이그라운드와 신경망
3.4.2 순전파 알고리즘
3.4.3 신경망 매개 변수 및 TensorFlow 변수
3.4.4 TensorFlow 신경망 모델 학습
3.4.5 신경망 학습의 전 과정 예제
Chapter 04. 심층 신경망
4.1 딥러닝과 심층 신경망
4.1.1 선형 모델의 한계
4.1.2 활성화 함수
4.1.3 다층 신경망으로 XOR 문제 해결
4.2 손실 함수 정의
4.2.1 전형적인 손실 함수
4.2.2 사용자 정의 손실 함수
4.3 신경망 최적화 알고리즘
4.4 신경망 최적화
4.4.1 학습률 설정
4.4.2 오버피팅(Overfitting)
4.4.3 이동 평균 모델
Chapter 05. MNIST 숫자 인식
5.1 MNIST 데이터 처리
5.2 신경망 모델 학습 및 비교
5.2.1 TensorFlow 신경망 학습
5.2.2 검증 데이터를 사용한 모델 평가
5.2.3 모델 성능 비교
5.3 변수 관리
5.4 TensorFlow 모델 저장 및 불러오기
5.4.1 저장 및 불러오기 코드 구현
5.4.2 원리와 데이터 형식
5.5 TensorFlow 실행 예제 코드
Chapter 06. 이미지 인식과 합성곱 신경망
6.1 이미지 인식 문제 및 데이터셋
6.2 합성곱 신경망 개요
6.3 합성곱 신경망 구조
6.3.1 합성곱 계층
6.3.2 풀링 계층
6.4 합성곱 신경망 모델
6.4.1 LeNet-5
6.4.2 Inception-v3
6.5 합성곱 신경망 전이 학습
6.5.1 전이 학습 소개
6.5.2 TensorFlow 전이 학습 구현
Chapter 07. 이미지 데이터 처리
7.1 TFRecord 입력 데이터 포맷
7.1.1 TFRecord 개요
7.1.2 TFRecord 예제
7.2 이미지 데이터 처리
7.2.1 TensorFlow 이미지 처리 함수
7.2.2 이미지 전처리 예제
7.3 멀티 스레드를 통한 데이터 처리
7.3.1 큐와 멀티 스레드
7.3.2 입력 파일 큐
7.3.3 배치 처리
7.3.4 입력 데이터 처리 프레임워크
Chapter 08. 순환 신경망
8.1 순환 신경망 개요
8.2 장단기 메모리(LSTM) 구조
8.3 순환 신경망의 변형
8.3.1 양방향 순환 신경망과 심층 순환 신경망
8.3.2 순환 신경망의 드롭아웃
8.4 순환 신경망의 응용
8.4.1 언어 모델링
8.4.2 시계열 데이터 예측
Chapter 09. TensorBoard : 그래프 시각화
9.1 TensorBoard 개요
9.2 TensorFlow 계산 그래프 시각화
9.2.1 네임스페이스와 TensorBoard 그래프 노드
9.2.2 노드 정보
9.3 지표 모니터링
Chapter 09. TensorFlow 계산 가속
10.1 TensorFlow-GPU 사용하기
10.2 딥러닝 모델의 병렬 학습
10.3 멀티 GPU 병렬 처리
10.4 분산식 TensorFlow
10.4.1 분산식 TensorFlow 원리
10.4.2 분산 학습
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)
