Name: 소문난 명강의 : 김기현의 딥러닝 부트캠프 with 파이토치
Price: 30400 KRW
Availability: OnlineOnly
Author: 김기현

소문난 명강의 : 김기현의 딥러닝 부트캠프 with 파이토치작품 소개

<소문난 명강의 : 김기현의 딥러닝 부트캠프 with 파이토치> 딥러닝 기초 개념 + 수식 정리 + 코딩 실습 + 실무 환경 프로젝트 연습

이 책은 딥러닝의 기초 내용과 응용 지식을 체계적으로 전달하기 위해 이론과 수식, 실습을 분리하여 설명한다. 딥러닝 기초 개념부터 상위 개념까지 점진적으로 배울 수 있도록 커리큘럼을 구성했고, 이 내용을 수식으로 다시 한번 정리하여 딥러닝의 구조와 원리에 대해 익힌다. 또한 실제 머신러닝 프로젝트를 진행하듯 파일을 구성하고 CLI 환경에서 실습을 진행하면서 실전 감각을 키운다.

출판사 서평

어떻게 딥러닝 학습을 시작해야 할지 모르는 딥린이를 위한 입문 교과서

이 책은 개념, 수식, 실습으로 이어지는 최적의 딥러닝 학습 커리큘럼을 통해 딥러닝에 대한 기본기를 탄탄하게 키워줍니다.

★ 이 책에서 배우는 내용

? 개발 환경

? 딥러닝의 개념

? 파이토치 튜토리얼

? 선형 계층

? 손실 함수

? 경사하강법

? 선형 회귀

? 로지스틱 회귀

? 심층신경망

? 확률적 경사하강법

? 최적화

? 오버피팅 방지

? 심층신경망으로 분류 문제 해결

? 정규화

? 표현 학습

? 확률론적 관점

? CNN(합성곱신경망)

? RNN(순환신경망)

★ 이 책의 구성

딥러닝 개념 및 이론 설명

딥러닝의 기초 개념을 최대한 쉽게 이해할 수 있도록 수학적 표현을 최소화하고 그림 또는 시각화를 활용하여 설명합니다. 기초부터 심화 단계까지 차근차근 접근할 수 있도록 구성했으며 딥러닝의 여러 진행 방식에 대해 원리와 구조를 조금 더 쉽게 체득할 수 있습니다.

수식 정리

딥러닝을 제대로 공부하기 위해서 수학적 배경지식은 반드시 필요합니다. 딥러닝의 기초 개념 및 이론을 수식을 통해 다시 한번 정리합니다.

실습 코드

앞에서 배운 이론과 수식을 파이토치로 어떻게 구현하는지에 대해 익힐 수 있습니다. 이 책의 실습은 GPU 없이 실행이 가능합니다. GPU가 있다면 훨씬 더 빠르게 실행할 수 있지만, GPU 없이도 최대 몇십 분 이내로 실행이 완료되도록 구성되어 있습니다.

실무 환경에서의 실전 같은 프로젝트 연습

단순히 주피터 노트북으로 하는 실습이 아닌 실제 머신러닝 프로젝트를 진행하듯이 파일을 구성하고 CLI 환경에서의 실습을 진행합니다. 단순히 MNIST 분류기를 만들고 끝내는 것이 아니라 실전처럼 MNIST 분류기 성능을 끌어 올리는 방법과 이를 위한 실험 환경 구축 방법에 대해 알아봅니다.

★ 대상 독자

이 책은 딥러닝을 처음 접하는 독자 또는 딥러닝을 어느 정도 알고 있지만 기초가 부족한 독자를 대상으로 합니다.

★ 예제 소스

https://github.com/kh-kim/deep_learning_book_exercise

추천사

이 책은 저자의 전문 지식과 실무 노하우를 바탕으로 연구/개발 상황을 가정한 실전 예제를 통해 기초를 탄탄히 하고 응용할 수 있도록 도움을 줍니다. 차근차근 기본기를 다질 수 있도록 수식 표현을 설명하는 과정에도 저자의 세심한 배려가 돋보입니다. 또한 입문자를 위해 이론과 수식을 분리하여 설명하고 있습니다. 인공지능 관련 실무자부터 이제 막 딥러닝에 관심이 생긴 입문자까지 자신의 실력을 향상 시킬 수 있는 좋은 책입니다.

_김형준 NAVER Clova 머신러닝 엔지니어

『김기현의 딥러닝 부트캠프』는 기본을 다지는 데 필요한 바이블 같은 책이라고 생각합니다. 이 책은 군더더기 같은 내용은 과감히 빼고 꼭 살펴봐야 하는 수학/통계 이론을 꼼꼼하게 다루고 있습니다. 저자의 팁이 가득한 파이토치 실습을 통해 여러분도 각자의 데이터나 해결해야 하는 문제 등에 바로 응용할 수 있는 인사이트를 얻을 수 있을 것입니다.

_이기창 NAVER Language Representatio팀 리더

인공지능 분야의 핵심인 딥러닝 기술을 비전공자도 쉽게 접근하고 이해할 수 있는 책입니다. 단순한 개념 설명을 넘어 초심자도 쉽게 따라갈 수 있도록 체계적으로 구성되어 있습니다. 또한 구체적인 실습 자료를 제공하고 있으며 핵심 수식 또한 차근차근 이해하기 쉽게 설명하고 있습니다. 이 책은 어렵게만 느껴지던 인공지능 기술 학습에 있어 진입 장벽을 획기적으로 낮춰 주는 역할을 할 것입니다.

_주재걸 KAIST 김재철AI대학원 교수

딥러닝을 다룬 책이 많이 증가했습니다. 이러한 수많은 책 중에서 이 책이 가지고 있는 명확한 강점이 있습니다. 이 책은 저자의 오랜 실무 경험이 고스란히 담겨 있는 실습 과정을 담고 있다는 것입니다. 실무에 바로 적용할 수준의 코드와 프로젝트 파일 구조를 다루고 있어 입문자는 물론 현업에 종사하고 있는 독자에게도 유용한 지침서가 될 것입니다.

_최성준 고려대학교 인공지능학과 조교수

현업 일선에서 딥러닝과 관련한 초거대 언어 모델 연구 개발 그리고 서비스화까지 이끌고 있는 저자의 내공이 묻어 나오는 책입니다. 딥러닝의 기본 개념과 이론적 설명, 코드 레벨의 핸즈온 자료와 다양한 실습 예제는 물론 실전 같은 프로젝트 연습과 배포 과정까지 담아 딥러닝을 학습하고자 하는 독자 특히 딥러닝 역량 강화를 원하는 소프트웨어 개발자에게 많은 도움이 될 것입니다.

_하정우 NAVER AI Lab 소장

저자 프로필

김기현

경력 마키나락스 수석 딥러닝 연구 개발자
패스트캠퍼스 강사

2019.08.06. 업데이트 작가 프로필 수정 요청

대표 저서

소문난 명강의 : 김기현의 딥러닝 부트캠프 with 파이토치 표지 이미지

상세페이지 바로가기

참여

상세페이지 바로가기

4.2점5명참여

저자 소개

미국 스토니브룩 대학교에서 컴퓨터공학 학사 및 석사 학위를 받았다. 이후 2011년부터 한국전자통신연구원에서 자연어 처리 연구 개발을 시작했고, 현재는 SK텔레콤에서 초거대 언어 모델 GPT3를 활용한 개인화 챗봇과 지식 대화 모델링을 연구 개발 및 상용화하고 있다. 또한 2018년부터 패스트캠퍼스에서 자연어 처리 및 파이토치 강의를 하고 있다. 저서로 『소문난 명강의 : 김기현의 자연어 처리 딥러닝 캠프』(한빛미디어, 2019)가 있다.

1장 개발 환경 구축하기

1.1 아나콘다 설치하기

1.2 VS Code 설치 및 환경 설정

1.3 마치며

2장 딥러닝 소개

2.1 딥러닝이란?

2.2 좋은 인공지능이란?

2.3 머신러닝 프로젝트 워크플로

2.4 수학 용어 설명

2.5 마치며

3장 파이토치 튜토리얼

3.1 왜 파이토치인가?

3.2 (실습) 파이토치 설치

3.3 텐서란?

3.4 (실습) 기본 연산

3.5 (실습) 텐서 형태 변환

3.6 (실습) 텐서 자르기 & 붙이기

3.7 (실습) 유용한 함수들

4장 선형 계층

4.1 행렬 곱

4.2 (실습) 행렬 곱

4.3 선형 계층

4.4 (실습) 선형 계층

4.5 (실습) GPU 사용하기

4.6 마치며

5장 손실 함수

5.1 평균 제곱 오차

5.2 (실습) MSE Loss

5.3 마치며

6장 경사하강법

6.1 미분이란?

6.2 편미분

6.3 경사하강법

6.4 학습률에 따른 성질

6.5 (실습) 경사하강법 구현

6.6 (실습) 파이토치 오토그래드 소개

6.7 마치며

7장 선형 회귀

7.1 선형 회귀란?

7.2 선형 회귀의 수식

7.3 (실습) 선형 회귀

7.4 마치며

8장 로지스틱 회귀

8.1 활성 함수

8.2 로지스틱 회귀란?

8.3 로지스틱 회귀의 손실함수

8.4 로지스틱 회귀의 수식

8.5 (실습) 로지스틱 회귀

8.6 마치며

9장 심층신경망 I

9.1 심층신경망

9.2 심층신경망의 학습

9.3 역전파 알고리즘의 수식

9.4 그래디언트 소실 문제

9.5 렐루

9.6 (실습) Deep Regression

9.7 마치며

10장 확률적 경사하강법

10.1 확률적 경사하강법이란?

10.2 SGD의 직관적 이해

10.3 미니배치 크기에 따른 SGD

10.4 (실습) SGD 적용하기

10.5 마치며

11장 최적화

11.1 하이퍼파라미터란?

11.2 팁 : 효율적인 연구/개발 진행 방법

11.3 적응형 학습률

11.4 적응형 학습률의 수식

11.5 (실습) 아담 옵티마이저 적용하기

11.6 마치며

12장 오버피팅을 방지하는 방법

12.1 모델 평가하기

12.2 오버피팅이란?

12.3 테스트셋 구성하기

12.4 (실습) 데이터 나누기

12.5 마치며

13장 심층신경망 II

13.1 이진 분류

13.2 평가 지표

13.3 (실습) Deep Binary Classification

13.4 심층신경망을 활용한 분류

13.5 소프트맥스 함수와 교차 엔트로피 손실 함수

13.6 다중 클래스 분류 결과 분석하기

13.7 (실습) Deep Classification

13.8 마치며

14장 정규화

14.1 정규화의 개요

14.2 가중치 감쇠

14.3 데이터 증강

14.4 드롭아웃

14.5 배치정규화

14.6 (실습) 정규화

14.7 마치며

15장 실무 환경에서의 프로젝트 연습

15.1 실무를 진행하듯 실습하기

15.2 워크플로 리뷰

15.3 실습 소개

15.4 (실습) 분류기 모델 구현하기

15.5 (실습) 데이터 로딩 구현하기

15.6 (실습) 트레이너 클래스 구현하기

15.7 (실습) train.py 구현하기

15.8 (실습) predict.ipynb 구현하기

15.9 마치며

16장 표현 학습

16.1 특징(feature)이란?

16.2 원 핫 인코딩

16.3 차원 축소

16.4 오토인코더

16.5 마치며

17장 확률론적 관점

17.1 들어가며

17.2 기본 확률 통계

17.3 MLE(Maximum Likelihood Estimation)

17.4 신경망과 MLE

17.5 수식: MLE

17.6 MSE 손실 함수와 MLE

18장 CNN(합성곱신경망)

18.1 전통적인 방식

18.2 합성곱 연산

18.3 패턴 추출의 원리

18.4 맥스 풀링과 스트라이드 기법

18.5 합성곱신경망 설계 예제

18.6 (실습) CNN으로 MNIST 분류 구현하기

18.7 마치며

19장 RNN(순환신경망)

19.1 순환신경망 소개

19.2 RNN 한 걸음씩 들여다보기

19.3 순환신경망 활용 사례

19.4 LSTM

19.5 그래디언트 클리핑

19.6 (실습) LSTM으로 MNIST 분류 구현하기

19.7 마치며

리뷰

구매자 별점

0.0 점

점수비율

5
4
3
2
1

0명이 평가함

리뷰 작성 영역

이 책을 평가해주세요!

내가 남긴 별점 0.0

별로예요

그저 그래요

보통이에요

최고예요

별점 취소

별 1개 별 2개 별 3개 별 4개 별 5개

스포일러가 있습니다.

구매자 표시 기준은 무엇인가요?

'구매자' 표시는 리디에서 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.

소장	종이책 정가	38,000원
	전자책 정가	20%30,400원
	판매가	30,400원

소문난 명강의 : 김기현의 딥러닝 부트캠프 with 파이토치