이 딥러닝 코드는 왜 이렇게 동작할까?
최신 딥러닝 논문, 해외 주요 강의를 보기 전에 꼭 읽어야 할 책!
딥러닝 입문자도, 실무자도 모두 이 책으로 딥러닝 공부를 시작하자! 지금까지 등장한 딥러닝 기술들은 모두 딥러닝 기초 모델을 변형하여 발전한 것이다. 즉, 최신 딥러닝 논문이나 기술을 쉽게 공부하고 제대로 적용하려면 딥러닝 모델이 처음부터 지금까지 어떻게 발전했고, 어떻게 동작하는지, 어떤 부위에 어떤 수식이 적용되는지 속속들이 알아야 한다. 딥러닝 기초를 단단하게 익히고 싶은 입문자라면, 더 깊은 곳으로 나아가길 바라는 개발자라면 이 책으로 딥러닝 공부를 시작해 보자.
저자 윤성진
출판 이지스퍼블리싱 | 2021년 10월 18일 출간
쪽수 432
크기 188 * 257 mm
저자 윤성진 소개
KAIST 전산학과에서 컴퓨터 그래픽스를 전공했으며 LG전자 전자기술원, 티맥스소프트, 액센추어 등에서 소프트웨어 연구 개발, 미들웨어 및 모듈형 로봇 플랫폼 제품 기획 업무를 수행했습니다. 인공지능 전문가로서 한국외국어대학교에서 딥러닝, 자료구조, 데이터마이닝 등을 가르쳤습니다. 현재 인공지능 연구원(AIRI)에서 딥러닝과 강화학습, 메타학습을 활용한 금융 인공지능 솔루션 개발을 총괄하고 있습니다.
목차
__01 딥러닝 개요
1.1 딥러닝이란?
1.2 인공 신경망의 탄생
1.3 딥러닝의 역사
__02 순방향 신경망
2.1 순방향 신경망의 구조와 설계 항목
2.2 분류와 회귀 문제
2.3 이진 분류 모델
2.4 다중 분류 모델
2.5 회귀 모델
2.6 입력 계층
2.7 활성 함수
2.8 신경망 모델의 크기
2.9 신경망 학습 관련 내용(*)
__03 신경망 학습
3.1 신경망 학습의 의미
3.2 신경망 학습과 최적화
3.3 경사 하강법
3.4 역전파 알고리즘
3.5 데이터셋 구성과 훈련 데이터 단위
3.6 손실 함수 정의(*)
__04 최적화
4.1 확률적 경사 하강법
4.2 SGD 모멘텀
4.3 네스테로프 모멘텀
4.4 AdaGrad
4.5 RMSProp
4.6 Adam
__05 초기화와 정규화
5.1 가중치 초기화
5.2 정규화
5.3 배치 정규화
5.4 가중치 감소
__06 콘벌루션 신경망
6.1 시각 패턴 인식을 위한 신경망 모델
6.2 콘벌루션 신경망의 구조
6.3 콘벌루션 신경망의 가정 사항
6.4 개선된 콘벌루션 연산
6.5 업샘플링 연산
__07 콘벌루션 신경망 모델
7.1 르넷-5
7.2 알렉스넷
7.3 제트에프넷
7.4 브이지지넷
7.5 구글넷
7.6 레즈넷
7.7 콘벌루션 신경망 비교
7.8 다양한 모델의 등장
__08 순환 신경망
8.1 기억을 갖는 신경망 모델 RNN
8.2 순환 신경망의 주요 모델
8.3 시간펼침 역전파
8.4 LSTM과 GRU
8.5 순환 신경망 개선
__09 생성 모델
9.1 생성 모델
9.2 VAE
9.3 GAN
반드시 참고해주세요!
반품/교환 방법
마이페이지>주문조회, 마이페이지>취소/교환/반품 페이지를 통해서 하실 수 있습니다.
반품/교환 가능 시간
변심반품의 경우 수령 후 7일 이내,
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
상품 품절/지연
공급사 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다
반품/교환 시 6,000원의 배송비가 부과됩니다.
제품의 불량 또는 오배송 시 배송비가 부과되지 않습니다.
교환 진행 시 해당 제품의 재고가 부족할 경우 교환이 지연될 수 있습니다.
타 도서로의 교환은 불가합니다.
모든 반품/교환은 상품 수령 후 환불 및 교환이 진행됩니다.
반품/교환 불가능한 사유임에도 반품/교환 신청으로 상품 반송 시 반품/교환 배송비의 3배가 부과됩니다.
상품 수령 후 7일 이내에 반품/교환이 가능합니다.
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내에 가능합니다.
아래의 경우 반품/교환이 불가능합니다!
상품 수령 후 7일이 경과된 경우
상품의 사용감으로 정상적인 판매가 불가능할 경우
고객의 부주의로 상품이 훼손된 경우. 단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외
판매 시 반품/교환이 불가능한 상품으로 명시된 경우
복제가 가능한 상품 등의 포장을 훼손한 경우
이 딥러닝 코드는 왜 이렇게 동작할까?
최신 딥러닝 논문, 해외 주요 강의를 보기 전에 꼭 읽어야 할 책!
딥러닝 입문자도, 실무자도 모두 이 책으로 딥러닝 공부를 시작하자! 지금까지 등장한 딥러닝 기술들은 모두 딥러닝 기초 모델을 변형하여 발전한 것이다. 즉, 최신 딥러닝 논문이나 기술을 쉽게 공부하고 제대로 적용하려면 딥러닝 모델이 처음부터 지금까지 어떻게 발전했고, 어떻게 동작하는지, 어떤 부위에 어떤 수식이 적용되는지 속속들이 알아야 한다. 딥러닝 기초를 단단하게 익히고 싶은 입문자라면, 더 깊은 곳으로 나아가길 바라는 개발자라면 이 책으로 딥러닝 공부를 시작해 보자.
저자 윤성진
출판 이지스퍼블리싱 | 2021년 10월 18일 출간
쪽수 432
크기 188 * 257 mm
저자 윤성진 소개
KAIST 전산학과에서 컴퓨터 그래픽스를 전공했으며 LG전자 전자기술원, 티맥스소프트, 액센추어 등에서 소프트웨어 연구 개발, 미들웨어 및 모듈형 로봇 플랫폼 제품 기획 업무를 수행했습니다. 인공지능 전문가로서 한국외국어대학교에서 딥러닝, 자료구조, 데이터마이닝 등을 가르쳤습니다. 현재 인공지능 연구원(AIRI)에서 딥러닝과 강화학습, 메타학습을 활용한 금융 인공지능 솔루션 개발을 총괄하고 있습니다.
목차
__01 딥러닝 개요
1.1 딥러닝이란?
1.2 인공 신경망의 탄생
1.3 딥러닝의 역사
__02 순방향 신경망
2.1 순방향 신경망의 구조와 설계 항목
2.2 분류와 회귀 문제
2.3 이진 분류 모델
2.4 다중 분류 모델
2.5 회귀 모델
2.6 입력 계층
2.7 활성 함수
2.8 신경망 모델의 크기
2.9 신경망 학습 관련 내용(*)
__03 신경망 학습
3.1 신경망 학습의 의미
3.2 신경망 학습과 최적화
3.3 경사 하강법
3.4 역전파 알고리즘
3.5 데이터셋 구성과 훈련 데이터 단위
3.6 손실 함수 정의(*)
__04 최적화
4.1 확률적 경사 하강법
4.2 SGD 모멘텀
4.3 네스테로프 모멘텀
4.4 AdaGrad
4.5 RMSProp
4.6 Adam
__05 초기화와 정규화
5.1 가중치 초기화
5.2 정규화
5.3 배치 정규화
5.4 가중치 감소
__06 콘벌루션 신경망
6.1 시각 패턴 인식을 위한 신경망 모델
6.2 콘벌루션 신경망의 구조
6.3 콘벌루션 신경망의 가정 사항
6.4 개선된 콘벌루션 연산
6.5 업샘플링 연산
__07 콘벌루션 신경망 모델
7.1 르넷-5
7.2 알렉스넷
7.3 제트에프넷
7.4 브이지지넷
7.5 구글넷
7.6 레즈넷
7.7 콘벌루션 신경망 비교
7.8 다양한 모델의 등장
__08 순환 신경망
8.1 기억을 갖는 신경망 모델 RNN
8.2 순환 신경망의 주요 모델
8.3 시간펼침 역전파
8.4 LSTM과 GRU
8.5 순환 신경망 개선
__09 생성 모델
9.1 생성 모델
9.2 VAE
9.3 GAN
반드시 참고해주세요!
반품/교환 방법
마이페이지>주문조회, 마이페이지>취소/교환/반품 페이지를 통해서 하실 수 있습니다.
반품/교환 가능 시간
변심반품의 경우 수령 후 7일 이내,
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
상품 품절/지연
공급사 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다
반품/교환 시 6,000원의 배송비가 부과됩니다.
제품의 불량 또는 오배송 시 배송비가 부과되지 않습니다.
교환 진행 시 해당 제품의 재고가 부족할 경우 교환이 지연될 수 있습니다.
타 도서로의 교환은 불가합니다.
모든 반품/교환은 상품 수령 후 환불 및 교환이 진행됩니다.
반품/교환 불가능한 사유임에도 반품/교환 신청으로 상품 반송 시 반품/교환 배송비의 3배가 부과됩니다.
상품 수령 후 7일 이내에 반품/교환이 가능합니다.
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내에 가능합니다.
아래의 경우 반품/교환이 불가능합니다!
상품 수령 후 7일이 경과된 경우
상품의 사용감으로 정상적인 판매가 불가능할 경우
고객의 부주의로 상품이 훼손된 경우. 단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외
판매 시 반품/교환이 불가능한 상품으로 명시된 경우
복제가 가능한 상품 등의 포장을 훼손한 경우
