본문 바로가기

리디북스 접속이 원활하지 않습니다. 새로 고침(F5)해주세요.
계속해서 문제가 발생한다면 리디북스 접속 테스트를 통해 원인을 파악하고 대응 방법을 안내드리겠습니다.
테스트 페이지로 이동하기

RIDIBOOKS

리디북스 검색

최근 검색어

'검색어 저장 끄기'로 설정되어 있습니다.


리디북스 카테고리



Deep Learning Cookbook 상세페이지

컴퓨터/IT 개발/프로그래밍

Deep Learning Cookbook

빠르게 실무에 적용할 수 있는 딥러닝으로 할 수 있는 모든 예제

구매전자책 정가29,000
판매가26,100(10%)
Deep Learning Cookbook

책 소개

<Deep Learning Cookbook>

분명, Deep Learning은 어려운 분야이다. 많은 수학 수식과 통계 지식을 필요로 한다. 하지만 Google사가 tensorflow를 내놓은지 몇 년이 지난 지금, keras도 등장하고 수 많은 모델이 개발되었으며 많은 연구자들이 이 분야를 연구하면서 Deep Learning은 아주 많이 쉬워졌다. 현재 개발자들이 개발하면서 컴퓨터에 들어가는 트랜지스터에 대해 논하지 않는 것처럼 Deep Learning은 앞으로 더욱 쉬워지고 훨씬 더 발전 할 것이다.
모든 분야가 그렇듯 Deep Learning분야도 실전에 바로 쓰일 수 있는 예제를 통해 공부할 때 확실하게 배울 수 있다.
수 많은 Deep Learning책이 있지만 대부분 신경망의 기초 원리에 대해서만 다루고 심도 있는 실전 예제를 다루지 않는다.
이 책은 전체가 예제로 구성되어 있다. 그것도 기초적인 예제가 아닌 Deep Learning을 공부하면서 꼭 알고 싶었던 주제를 심도있게 다룬다. Coobook형식으로 되어 있어 바로 찾아서 원하는 주제를 공부할 수 있다.
저자는 친절하게도 모든 예제를 Jupyter Notebook으로 제공한다. 이 파일에는 모든 코드와 학습에 필요한 데이터가 들어 있어 간편하게 코드를 실행할 수 있다. 어떤 예제는 학습을 위한 데이터를 구하는데만 몇 일이 걸릴 수 있지만 이 파일을 이용하면 쉽게 코드를 실행할 수 있다.
인공지능을 공부하는 모든 사람이 꼭 봐야 할 필독서이다!


출판사 서평

IT분야에는 수 많은 주제가 탄생하고 사라진다. 인공지능, Deep Learning과 같은 주제는 어떨까? 앞 날을 알 수는 없지만 이 주제는 분명 꽤 오랜 시간 남아 발전할 것이다. Google사가 DeepMind사를 인수하고 알파고가 등장했을 때만 해도 이 분야를 공부하는 사람은 이 세계에 거의 없었다. 그리고 신경망을 다루는 책들은 대부분 아주 기초적인 원리를 설명하는 책이 주를 이루었다.
하지만 오늘날 이 분야 연구자들은 엄청나게 많아졌다. 신경망을 다루는 것은 예전에 비하면 비교할 수 없을 정도로 쉬워졌고 학습을 위한 데이터를 구하는 것도 아주 많이 쉬워졌다.
신경망에 대한 패러다임이 바뀌고 있다는 증거이다. 그럼에도, 이 분야를 공부하는 것은 여전히 쉽지만은 않다. 하지만 많은 전문가들이 각자의 노하우를 공유하고 연구를 발전시키고 있어 많은 사람이 쉽게 이 분야를 공부할 수 있게 되었다.
이 책은 놀라운 책이다. 저자가 겪은 실패와 성공을 단번에 정리하여 이 책을 읽는 사람으로 하여금 꽃 길만 걷게 했기 때문이다. 책 내용을 보면 이 어려운 주제를 이렇게 간단하게 설명 해도 되나 싶을 정도로 깔끔하게 정리해 설명한다. 독자는 그 위에 자신만의 새로운 연구를 올려놓기만 하면 된다.
레시피로 구성된 Cookbook이지만 챕터별로 차례대로 읽는 것을 권한다. 이 책을 읽는 모든 사람이 이 분야에 정통하기를 바란다.


저자 소개

저자 Douwe Osinga
Douwe Osinga는 경험이 많은 소프트웨어 엔지니어로 현재 구글에서 일하고 있습니다. 그 전에는 globetrotter에서 일했습니다. 그리고 3개의 스타트업의 창업자이기도 합니다. 그의 유명한 웹사이트 ( https://douw eosinga.com/projects ) 에서 기계학습을 포함한 다양한 관심있는 분야를 다루고 있습니다.

목차

서문

Chapter_01 도구와 기술
____1.1 신경망의 종류
____1.2 데이터 구하기
____1.3 데이터 전처리하기

Chapter_02 문제 해결하기
____2.1 문제에 빠졌는지 판단하기
____2.2 런타임 오류 해결하기
____2.3 중간 결괏값을 확인하기
____2.4 옳은 (마지막 레이어) 활성화 함수 고르기
____2.5 정규화와 드롭아웃
____2.6 네트워크 구조, 배치 크기, 학습 속도

Chapter_03 단어 임베딩을 사용하여 텍스트 유사성 계산하기
____3.1. 미리 학습된 단어 임베딩을 이용하여 단어 유사성 찾기
____3.2. Word2vec 수학
____3.3. 단어 임베딩 시각화
____3.4. 임베딩에서 개체의 클래스 찾기
____3.5. 항목 내에서 시멘틱 거리 계산
____3.6. 국가 데이터를 지도로 시각화하기

Chapter_04 위키피디아 외부 링크를 이용한 추천 시스템 구축
____4.1. 데이터 수집
____4.2. 영화 임베딩 학습하기
____4.3. 영화 추천 시스템 만들기
____4.4 단순 영화 평점 예측
____4 /

Chapter_05 특정 문체를 흉내 내는 문장 생성하기
____5.1 공개 도서에서 문장 추출하기
____5.2 셰익스피어가 쓴 것 같은 문장 생성하기
____5.3 RNN을 사용하여 자등으로 파이썬 코드 생성하기
____5.4 결과물의 변동성 제어하기
____5.5 RNN 동작 시각화하기

Chapter_06 질문, 답변 매칭
____6.1 StackExchange에서 데이터 획득하기
____6.2 Pandas를 사용하여 데이터 탐색하기
____6.3 Keras를 사용하여 특징화된 텍스트 사용하기
____6.4 질문, 답변 모델 만들기
____6.5 Pandas로 모델 훈련하기
____6.6 유사도 검증

Chapter_07 이모티콘 추천하기
____7.1 간단한 감정 분류기 만들기
____7.2 단순 분류기 분석
____7.3 CNN을 이용한 감정 분석
____7.4 트위터 데이터 수집
____7.5 단순 이모티콘 예측기
____7.6 드롭아웃과 다중 윈도우
____7.7 단어 레벨 모델 구축하기
____7.8 자신만의 임베딩 만들기
____7.9 RNN을 이용하여 분류하기
____7.10 결과를 시각화하여 평가하기
____7.11 모델 조합하기

Chapter_08 sequence-to-sequence 맵핑
____8.1 간단한 sequence-to-sequence 모델을 훈련하기
____8.2. 텍스트로부터 대화 내용을 추출하기
____8.3. 공개 어휘집 처리
____8.4. seq2seq 챗봇 훈련하기

Chapter_09 이미 훈련된 이미지 인식 신경망 재사용하기
____9.1 사전 훈련된 신경망 로드하기
____9.2 이미지 사전 처리하기
____9.3 이미지 추론
____9.4 Flickr API를 사용하여 레이블 된 이미지를 수집하기
____9.5 개와 고양이를 구별할 수 있는 분류기 구축하기
____9.6 검색 품질 개선하기
____9.7 이미지 인식 신경망 유지 보수하기

Chapter_10 입력된 이미지와 유사한 이미지 찾는 서비스 구축하기
____10.1. 위키피디아에서 이미지 얻기.
____10.2. N 차원 공간으로 이미지 투영하기
____10.3. 고차원 공간에서 최근접 이웃 찾기
____10.4. 임베딩 공간에서 로컬 클러스터 시각화

Chapter_11 한 이미지에서 여러 객체 검출하기
____11.1 사전 학습된 이미지 분류 신경망을 사용하여 다중 객체 검출하기
____11.2 Faster RCNN을 이용해 다중 객체 검출하기
____11.3 자체 이미지로 Faster RCNN 실행하기.

Chapter_12 이미지 스타일
____12.1. CNN 활성화 시각화하기
____12.2. 옥타브와 스케일링
____12.3. 신경망이 감지한 것을 시각화하기
____12.4. 이미지의 스타일 포착하기
____12.5. 이미지 일관성 증가를 위한 손실 기능 개선
____12.6. 스타일을 다른 이미지에 적용하기
____12.7. 스타일 보간(Interpolation)

Chapter_13 Autoencoder를 사용하여 이미지 생성하기
____13.1 Google Quick Draw에서 낙서 가져오기
____13.2 이미지용 Autoencoder만들기
____13.3 Autoencoder 결과 시각화
____13.4 정확한 분포로부터 이미지 표본 추출하기
____13.5 VAE 공간 시각화
____13.6 Conditional Variational Autoencoders

Chapter_14 DeepNets을 사용하여 아이콘 생성하기
____14.1 학습에 필요한 아이콘 세트 얻기
____14.2 아이콘을 벡터로 변환하기
____14.3 VAE를 사용하여 아이콘 생성하기
____14.4 데이터 증강을 이용해 Autoencoder의 성능 향상 시키기
____14.5 GAN(생산적 적대 신경망) 만들기
____14.6 GAN 학습하기
____14.7 GAN이 생성한 아이콘 표시
____14.8 그리기 명령어로 아이콘 인코딩하기
____14.9 RNN에 그리기 명령어 학습시키기
____14.10 RNN을 사용하여 아이콘 생성하기

Chapter_15 음악과 딥러닝
____15.1 음악 분류기를 위한 훈련 세트 만들기
____15.2 음악 장르 감지기 훈련
____15.3 혼동(Confusion) 시각화
____15.4 기존 음악 인덱싱
____15.5 Spotify API 사용하기
____15.6 Spotify에서 재생 목록 및 노래 수집하기
____15.7 음악 추천시스템 훈련
____15.8 word2vec 모델을 사용한 노래 추천

Chapter_16 머신 러닝 시스템 제품화하기
____16.1. 임베딩을 위해 Scikit-Learn의 최근접 이웃 탐색 기능 사용하기
____16.2. 임베딩 저장을 위해 PostgreSQL 사용하기
____16.3. 임베딩을 PostgreSQL에 저장하고 쿼리하기
____16.4 PostgreSQL에 고차원 모델 저장하기
____16.5 Python으로 마이크로 서비스 만들기
____16.6 Keras 모델을 마이크로 서비스로 배포하기
____16.7 웹 프레임워크에서 마이크로 서비스 호출하기
____16.8 TensorFlow의 seq2seq 모델 제품화하기
____16.9 브라우저에서 딥러닝 모델 실행하기
____16.10 TensorFlow Serving을 사용하여 Keras 모델
____16.11 iOS에서 Keras 모델 사용하기


리뷰

구매자 별점

5.0

점수비율

  • 5
  • 4
  • 3
  • 2
  • 1

1명이 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