본문 바로가기

리디북스 접속이 원활하지 않습니다.
강제 새로 고침(Ctrl + F5)이나 브라우저 캐시 삭제를 진행해주세요.
계속해서 문제가 발생한다면 리디북스 접속 테스트를 통해 원인을 파악하고 대응 방법을 안내드리겠습니다.
테스트 페이지로 이동하기


딥러닝의통계적이해 상세페이지

책 소개

<딥러닝의통계적이해> 이 책은 통계학의 기본 모형인 선형 회귀모형, 로지스틱 모형, 확률분포와 연결하여 딥러닝을 이해할 수 있도록 설계되었다.
자연어처리 관련 딥러닝 모형은 복잡한 알고리즘으로 구성되어 있지만 이 책에 포함되었다.
이 책으로 빠르게 발전하고 있는 딥러닝의 모든 것을 알기 어렵지만 딥러닝을 이해하고 활용하는 출발점이 될 수 있다.
이 책은 10개 장으로 구성되어 있다. 제1장에서는 딥러닝의 개요, 제2장에서 제4장까지는 일반적 딥러닝의 작성과 특성을 살펴보았다.
제5장과 제6장에서는 이미지 인식, 객체 검출에 이용되는 합성곱 신경망을, 제7장은 GAN과 오토인코더 등 비지도 학습모형을 학습한다.
제8장에서는 시퀀스 데이터에 이용되는 순환신경망, LSTM 등을, 제9장에서는 자연어처리에서 활용되는 Word2Vec, Transformer, BERT에 대하여 설명하였다.
Transformer와 BERT 등은 알고리즘 중심으로 기술되어서 통계학 전공자가 이해하는 데 어려움이 있을 수 있지만
자연어처리에서 실제 이용되는 알고리즘이기 때문에 책에 포함하였다. 제10장에는 딥러닝을 구현하기 위한 Python 코드가 소개되어 있다.
이 책에서 Tensorflow-Keras 기반 기초 코드가 제공되고 있지만 딥러닝 코드 구현이 직접적인 목적은 아니다.
딥러닝을 구현하는 코드는 지속적으로 바뀌어서 공개되므로 관련 사이트를 확인하길 바란다.


저자 소개

이긍희
서울대학교 계산통계학과 (학사, 석사)
Texas A&M University (통계학 박사)
-현재: 한국방송통신대학교 정보통계학과 교수

김용대
서울대학교 계산통계학과 (학사, 석사)
Ohio State University (통계학 박사)
-현재: 서울대학교 통계학과 교수

김기온
연세대학교 응용통계학과 (학사, 석사)
Penn State University (통계학 박사)
-현재: SKT, AI Language Tech Labs

목차

제1장 딥러닝의 개요

제2장 딥러닝과 통계학

제3장 딥러닝 모형의 구조와 학습

제4장 딥러닝의 제 문제와 발전

제5장 합성곱신경망의 기초

제6장 합성곱신경망의 응용

제7장 오토인코더와 GAN

제8장 순환신경망

제9장 딥러닝 모형을 이용한 자연어처리

제10장 딥러닝 실습


리뷰

구매자 별점

0.0

점수비율

  • 5
  • 4
  • 3
  • 2
  • 1

0명이 평가함

리뷰 작성 영역

이 책을 평가해주세요!

내가 남긴 별점 0.0

별로예요

그저 그래요

보통이에요

좋아요

최고예요

별점 취소

구매자 표시 기준은 무엇인가요?

'구매자' 표시는 리디북스에서 유료도서 결제 후 다운로드 하시거나 리디셀렉트 도서를 다운로드하신 경우에만 표시됩니다.

무료 도서 (프로모션 등으로 무료로 전환된 도서 포함)
'구매자'로 표시되지 않습니다.
시리즈 도서 내 무료 도서
'구매자’로 표시되지 않습니다. 하지만 같은 시리즈의 유료 도서를 결제한 뒤 리뷰를 수정하거나 재등록하면 '구매자'로 표시됩니다.
영구 삭제
도서를 영구 삭제해도 ‘구매자’ 표시는 남아있습니다.
결제 취소
‘구매자’ 표시가 자동으로 사라집니다.

이 책과 함께 구매한 책


이 책과 함께 둘러본 책



본문 끝 최상단으로 돌아가기

spinner
모바일 버전