Name: 파이토치 딥러닝 모델•AI 앱 개발 입문
Price: 29600 KRW
Availability: OnlineOnly
Author: 아즈마 유키나가

파이토치 딥러닝 모델•AI 앱 개발 입문작품 소개

<파이토치 딥러닝 모델•AI 앱 개발 입문> Udemy 인기강좌를 책으로 정리!
딥러닝 모델 구현과 웹 앱 구축까지,
효율적이고 콤팩트하게!

딥러닝을 PyTorch와 구글 코랩을 이용해 효율적으로 익히는 방법을 소개하고, 이를 이용해 머신러닝의 구현을 차례로 습득해 인공지능을 탑재한 웹 앱을 구축하는 법을 상세하게 안내한다.
PyTorch 및 딥러닝의 개요, 그리고 개발 환경인 구글 코랩의 설명부터 시작해 CNN, RNN, 인공지능을 탑재한 앱 개발 순으로 살펴본다.

출판사 서평

이런 분께 추천!
- 파이토치를 사용해보고 싶다
- 구글 코랩을 이용해 딥러닝을 구현하고 싶다
- 인공지능 웹 앱을 구축하고 싶다
- 딥러닝 코드를 구현할 수 있는 힘을 기르고 싶다
- 인공지능에 관심이 있다

이 책의 목표는 딥러닝을 PyTorch와 구글 코랩을 이용해 효율적으로 익히는 방법을 소개하고, 이를 이용해 머신러닝의 구현을 차례로 습득해 인공지능을 탑재한 웹 앱을 구축하는 데에 있습니다.
우선 PyTorch 및 딥러닝의 개요, 그리고 개발 환경인 구글 코랩의 설명부터 시작해 CNN, RNN, 인공지능을 탑재한 앱 개발 순으로 살펴봅니다.
각 장에서 코드와 함께 PyTorch 사용법을 배우고 프로그래밍 언어 Python을 사용하여 심층학습을 구현합니다. 또한, Streamlit라는 프레임워크를 사용한 훈련된 모델을 탑재한 인공지능 웹 앱의 구축과 공개에 대해서도 배웁니다.
이 책을 다 읽으면 다양한 상황에서 인공지능을 활용하고 싶어지게 될 것입니다.

저자 프로필

저자
- 아즈마 유키나가
번역
- 김은철

아즈마 유키나가

학력 토후쿠대학 대학원 이학 박사
경력 주식회사 SAI-Lab 대표이사

2019.08.19. 업데이트 작가 프로필 수정 요청

대표 저서

상세페이지 바로가기

참여

상세페이지 바로가기

참여

핵심 딥러닝 입문: RNN, LSTM, GRU, VAE, GAN 구현 표지 이미지

상세페이지 바로가기

참여

상세페이지 바로가기

4.0점1명참여

저자 소개

지은이 아즈마 유키나가
‘인간과 AI의 상생’이 미션인 회사, SAI-Lab 주식회사의 대표이사이며, AI 관련 교육과 연구 개발에 종사하고 있다. 도호쿠 대학 대학원 이학 연구과를 수료했으며, 이학 박사(물리학)이다. 흥미 대상은 인공지능(AI), 뇌과학, 네이티브앱 개발, 싱귤래리티 등으로, 세계 최대 교육 동영상 플랫폼 Udemy에서 다양한 AI 관련 강좌를 전개하여 수만 명을 지도하는 인기 강사이다. 여러 유명 기업에서 AI 기술을 지도했으며, 엔지니어로서 VR, 게임, SNS 등 장르를 불문하고 다양한 앱을 개발했다. 저서로 『구글 코랩으로 배우는 인공지능 기술』, 『핵심 딥러닝 입문 : RNN, LSTM, GRU, VAE, GAN 구현』, 『처음 만나는 AI 수학 with Python』, 『실체가 손에 잡히는 딥러닝, 기초부터 실전 프로그래밍』, 『첫 딥러닝 -Python으로 배우는 신경망과 역전파』(SB크리에이티브, 2018), 『Python으로 동작해서 배운다! 새로운 수학 교과서 기계학습·심층학습에 필요한 기초 지식』(쇼에이사, 2019), 『첫 딥러닝2 Python으로 구현하는 순환 신경망, VAE, GAN』(SB크리에이티브, 2020) 등이 있다.
저자의 유튜브 채널에서는 무료 강좌가 다수 공개되고 있다.

옮긴이 김은철
(주)아이티에스 대표이사 / 데이터 사이언티스트. 데이터과학자로서 빅데이터 분석 및 AI 모델링 사업을 하고 있다. 주요 저서로는 『김쌤의 일대일 코딩클래스』, 『초보자를 위한 C 언어 300제』, 『예제가 가득한 C 언어 길라잡이』, 『윈도우 프로그래밍 플러스』가 있다. 역서로는 『제대로 빠르게 파이썬 입문』, 『파이썬 플라스크 웹 앱 개발 입문』, 『구글 코랩으로 배우는 인공지능 기술』, 『엑셀X파이썬 코드 레시피 125』, 『데이터 분석을 위한 머신 러닝 입문』, 『유니티 게임 프로그래밍 바이블』, 『게임으로 배우는 파이썬』, 『유니티를 이용한 VR 앱 개발』, 『그림으로 배우는 파이썬』, 『그림으로 배우는 C#』, 『유니티 교과서』 등 30여 권의 번역서가 있다.

문의 사항 가이드라인
예제 파일 및 프로그램 안내

Chapter 0 소개
0.1 이 책에 대해서
0.1.1 이 책의 특징
0.1.2 Python의 기초를 배운다
0.1.3 이 책의 구성
0.1.4 이 책으로 할 수 있게 되는 것
0.1.5 이 책의 주의 사항
0.1.6 이 책의 대상 독자
0.1.7 이 책의 사용법

Chapter 1 PyTorch와 심층학습
1.1 PyTorch
1.1.1 PyTorch의 개요

1.2 심층학습
1.2.1 인공지능, 기계학습, 심층학습
1.2.2 신경 세포
1.2.3 신경 세포의 네트워크
1.2.4 신경망과 뉴런
1.2.5 신경망의 구조
1.2.6 백프로퍼게이션(오차역전파법)
1.2.7 심층학습(딥러닝)

1.3 정리

Chapter 2 개발환경
2.1 Google Colaboratory 시작하는 방법
2.1.1 Google Colaboratory 사전 준비
2.1.2 노트북의 사용법
2.1.3 다운로드한 파일 다루는 법

2.2 세션과 인스턴스
2.2.1 세션과 인스턴스
2.2.2 90분 규칙
2.2.3 12시간 규칙
2.2.4 세션 관리

2.3 CPU와 GPU
2.3.1 CPU, GPU, TPU
2.3.2 GPU 사용법
2.3.3 성능 비교

2.4 Google Colaboratory의 다양한 기능
2.4.1 텍스트 셀
2.4.2 스크래치 코드 셀
2.4.3 코드 스니펫
2.4.4 코드의 실행 이력
2.4.5 GitHub와 연계하기

2.5 연습
2.5.1 코드 셀 조작
2.5.2 텍스트 셀 조작
2.5.3 셀의 위치 변경과 삭제

2.6 정리

Chapter 3 PyTorch로 구현하는 간단한 심층학습
3.1 구현의 개요
3.1.1 학습 파라미터와 하이퍼 파라미터
3.1.2 순전파와 역전파
3.1.3 구현 순서

3.2 Tensor
3.2.1 패키지 확인
3.2.2 Tensor 생성
3.2.3 NumPy 배열과 Tensor의 상호 변환
3.2.4 범위를 지정하여 Tensor의 일부에 접근
3.2.5 Tensor의 연산
3.2.6 Tensor 형태 변환하기
3.2.7 다양한 통계값 계산
3.2.8 간단 연습: Tensor끼리 연산
3.2.9 정답 예

3.3 활성화 함수
3.3.1 시그모이드 함수
3.3.2 tanh
3.3.3 ReLU
3.3.4 항등 함수
3.3.5 소프트맥스 함수

3.4 손실 함수
3.4.1 평균 제곱 오차
3.4.2 교차 엔트로피 오차

3.5 최적화 알고리즘
3.5.1 경사와 경사 하강법
3.5.2 최적화 알고리즘의 개요
3.5.3 확률적 경사 하강법
3.5.4 모멘텀
3.5.5 AdaGrad
3.5.6 RMSProp
3.5.7 Adam

3.6 간단한 심층학습의 구현
3.6.1 손글씨 문자 이미지의 확인
3.6.2 데이터를 훈련용과 테스트용으로 분할
3.6.3 모델 구축
3.6.4 학습
3.6.5 오차 추이
3.6.6 정답률
3.6.7 훈련한 모델을 사용한 예측

3.7 연습
3.7.1 데이터를 훈련용과 테스트용으로 분할
3.7.2 모델 구축
3.7.3 학습
3.7.4 오차 추이
3.7.5 정답률
3.7.6 정답 예

3.8 정리

Chapter 4 자동 미분과 DataLoader
4.1 자동 미분
4.1.1 requires_grad 속성
4.1.2 Tensor의 연산 기록
4.1.3 경사 계산

4.2 에포크와 배치
4.2.1 에포크와 배치
4.2.2 배치 학습
4.2.3 온라인 학습
4.2.4 미니 배치 학습
4.2.5 학습의 예

4.3 DataLoader
4.3.1 데이터 읽어 들이기
4.3.2 DataLoader의 설정
4.3.3 모델 구축
4.3.4 학습
4.3.5 오차 추이
4.3.6 정답률

4.4 연습
4.4.1 데이터 읽어 들이기
4.4.2 DataLoader의 설정
4.4.3 모델 구축
4.4.4 학습
4.4.5 오차 추이
4.4.6 정답률
4.4.7 정답 예

4.5 정리

Chapter 5 CNN(합성곱 신경망)
5.1 CNN의 개요
5.1.1 CNN
5.1.2 CNN의 각 층

5.2 합성곱과 풀링
5.2.1 합성곱층
5.2.2 여러 개 채널, 여러 개 필터의 합성곱
5.2.3 합성곱층의 구현
5.2.4 풀링층
5.2.5 풀링층의 구현
5.2.6 패딩
5.2.7 스트라이드
5.2.8 합성곱을 이용한 이미지 크기의 변화

5.3 데이터 확장
5.3.1 CIFAR-10
5.3.2 데이터 확장: 회전과 크기 조절
5.3.3 데이터 확장: 이동
5.3.4 데이터 확장: 반전
5.3.5 데이터 확장: 일부를 소거

5.4 드롭아웃
5.4.1 드롭아웃의 구현

5.5 CNN 구현
5.5.1 DataLoader의 설정
5.5.2 CNN 모델의 구축
5.5.3 학습
5.5.4 오차 추이
5.5.5 정답률
5.5.6 훈련한 모델을 사용한 예측

5.6 연습
5.6.1 DataLoader의 설정
5.6.2 CNN 모델의 구축
5.6.3 학습
5.6.4 오차 추이
5.6.5 정답률
5.6.6 훈련한 모델을 사용한 예측
5.6.7 정답 예

5.7 정리

Chapter 6 RNN(순환 신경망)
6.1 RNN의 개요
6.1.1 RNN
6.1.2 간단한 RNN 층의 구현

6.2 간단한 RNN의 구현
6.2.1 훈련용 데이터의 작성
6.2.2 데이터의 전처리
6.2.3 모델 구축
6.2.4 학습
6.2.5 오차 추이

6.3 LSTM의 개요
6.3.1 LSTM
6.3.2 LSTM층의 내부 요소
6.3.3 출력 게이트(Output gate)
6.3.4 망각 게이트(Forget gate)
6.3.5 입력 게이트(Input gate)
6.3.6 기억 셀(Memory cell)
6.3.7 LSTM층의 구현

6.4 GRU의 개요
6.4.1 GRU
6.4.2 GRU층의 구현

6.5 RNN을 이용한 이미지 생성
6.5.1 이미지를 시계열 데이터로서 파악한다
6.5.2 Fashion-MNIST
6.5.3 데이터의 전처리
6.5.4 테스트용의 데이터
6.5.5 모델의 구축
6.5.6 이미지 생성을 위한 함수
6.5.7 학습
6.5.8 오차 추이

6.6 연습
6.6.1 데이터의 전처리
6.6.2 테스트용 데이터
6.6.3 모델 구축
6.6.4 이미지 생성을 위한 함수
6.6.5 학습
6.6.6 오차 추이
6.6.7 정답 예

6.7 정리

Chapter 7 인공지능 앱의 구축과 공개
7.1 Streamlit으로 인공지능 앱 개발하기
7.1.1 Streamlit
7.1.2 Streamlit을 이용한 인공지능 앱 개발

7.2 모델 구축과 훈련
7.2.1 훈련 데이터 읽어들이기와 DataLoader의 설정
7.2.2 모델 구축
7.2.3 학습
7.2.4 오차 추이
7.2.5 정답률
7.2.6 모델 저장
7.2.7 훈련한 파라미터의 다운로드

7.3 이미지 인식 앱의 구축
7.3.1 ngrok의 설정
7.3.2 라이브러리 설치
7.3.3 훈련한 파라미터를 업로드
7.3.4 모델을 다루는 파일
7.3.5 앱의 코드
7.3.6 Authtoken의 설정
7.3.7 앱 실행과 동작 확인
7.3.8 requirements.txt의 작성
7.3.9 파일 다운로드하기

7.4 앱 배포하기
7.4.1 GitHub에 등록하기
7.4.2 저장소의 작성과 파일 업로드
7.4.3 Streamlit Cloud로 등록하기
7.4.4 신규 앱의 등록

7.5 연습
7.6 정리

마지막 인사말
찾아보기

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	전자책 정가	29,600원
소장	판매가	29,600원

파이토치 딥러닝 모델•AI 앱 개발 입문