관련서비스

검색

검색

책 메인메뉴

책본문

밑바닥부터 시작하는 딥러닝

저자
사이토 고키 지음
역자
개앞맵시 옮김
출판사
한빛미디어 | 2017.01.17
형태
PDF 페이지 수 0 | ISBN
ISBN 13-9788968483257
이용환경
eBook단말기 지원기기
알라딘 PC, 아이패드
정가
19,200
가격비교 찜하기 종이책구매

인터넷서점 (총 1건) 더보기

이 책은 어때요? 0명 참여

평점 : 0 . 0

번역

번역Bad 1 2 3 4 5 6 7 8 9 10 번역Good

필독

비추 1 2 3 4 5 6 7 8 9 10 필독

이 책을 언급한 곳

리뷰 0 | 서평 0 | 블로그 0

책 정보 별 바로가기 : 책정보  리뷰 (0) 가격비교 (1) 추가정보  책꼬리 (0) 한줄댓글 (0) 맨위로

정보 제공 : 반디앤루니스

책소개

파이썬으로 익히는 딥러닝 이론과 구현

새로운지식을배울때설명만들어서는석연치않거나금방잊어버리게됩니다. 그래서무엇보다 ‘직접해보는것’이중요합니다.
이책은딥러닝의기본을 ‘이론설명’과 ‘파이썬구현코드’라는투트랙으로설명합니다. 각장은주제하나를설명한후그것을실습할수있도록꾸몄습니다. 즉, 실행되는소스코드를준비했습니다. 직접실행해보세요! 소스코드를읽으면서스스로생각하고그생각을반영해실험하다보면확실하게자기것으로만들수있습니다. 여러실험을해보면서겪는시행착오역시큰자산이될것입니다.

_예제소스: https://github.com/WegraLee/deep-learning-from-scratch

★ 누구를 위한 책인가?
_ 외부라이브러리는최소한만이용하고파이썬을사용해딥러닝프로그램을처음부터구현합니다.
_파이썬이처음인사람도이해할수있도록파이썬사용법도간략히설명합니다.
_실제동작하는파이썬코드와독자가직접실험할수있는학습환경을제공합니다.
_간단한기계학습문제부터시작하여궁극에는이미지를정확하게인식하는시스템을구현합니다.
_딥러닝과신경망이론을알기쉽게설명합니다.
_오차역전파법(backpropagation)과합성곱(convolution) 연산등복잡해보이는기술을구현수준에서이해할수있도록설명합니다.
_하이퍼파라미터결정방식, 가중치초깃값등딥러닝을활용하는데도움이되는실용적인기술을소개합니다.
_배치정규화, 드롭아웃, Adam 같은최근트렌드를설명하고구현해봅니다.
_ 딥러닝이왜뛰어난지, 층이깊어지면왜정확도가높아지는지, 은닉층이왜중요한지와같은 ‘왜’에관한문제도다룹니다.
_ 자율주행, 이미지생성, 강화학습등, 딥러닝을응용한예를소개합니다.

★ 누구를 위한 책이 아닌가?
_ 딥러닝분야의최신연구에대해서는자세히다루지않습니다.
_ 카페(Caffe), 텐서플로(TensorFlow), 체이너(Chainer) 등의딥러닝프레임워크사용법은설명하지않습니다.
_ 딥러닝, 특히신경망에관한아주상세한이론까지는담지않았습니다.
_ 딥러닝의정확도를높이기위한튜닝은자세히설명하지않습니다.
_ 딥러닝성능을높여주는 GPU 기술은구체적으로다루지않습니다.
_ 주로이미지인식을다룹니다. 자연어처리, 음성인식등의사례는다루지않습니다.


 


관련서적 (제목 + ISBN)
● 딥러닝첫걸음/  9788968487323
● 텐서플로첫걸음/  9788968484902
● 파이썬라이브러리를활용한데이터분석/  9788968480478
● 9가지사례로익히는고급스파크분석/  9788968482892

목차

1장헬로파이썬
1.1 파이썬이란?
1.2 파이썬설치하기
__1.2.1 파이썬버전
__1.2.2 사용하는외부라이브러리
__1.2.3 아나콘다배포판
1.3 파이썬인터프리터
__1.3.1 산술연산
__1.3.2 자료형
__1.3.3 변수
__1.3.4 리스트
__1.3.5 딕셔너리
__1.3.6 bool
__1.3.7 if 문
__1.3.8 for 문
__1.3.9 함수
1.4 파이썬스크립트파일
__1.4.1 파일로저장하기
__1.4.2 클래스
1.5 넘파이
__1.5.1 넘파이가져오기
__1.5.2 넘파이배열생성하기
__1.5.3 넘파이의산술연산
__1.5.4 넘파이의 N차원배열
__1.5.5 브로드캐스트
__1.5.6 원소접근
1.6 matplotlib
__1.6.1 단순한그래프그리기
__1.6.2 pyplot의기능
__1.6.3 이미지표시하기
1.7 정리

2장퍼셉트론
2.1 퍼셉트론이란?
2.2 단순한논리회로
__2.2.1 AND 게이트
__2.2.2 NAND 게이트와 OR 게이트
2.3 퍼셉트론구현하기
__2.3.1 간단한구현부터
__2.3.2 가중치와편향도입
__2.3.3 가중치와편향구현하기
2.4 퍼셉트론의한계
__2.4.1 도전! XOR 게이트
__2.4.2 선형과비선형
2.5 다층퍼셉트론이출동한다면
__2.5.1 기존게이트조합하기
__2.5.2 XOR 게이트구현하기
2.6 NAND에서컴퓨터까지
2.7 정리

3장신경망
3.1 퍼셉트론에서신경망으로
__3.1.1 신경망의예
__3.1.2 퍼셉트론복습
__3.1.3 활성화함수의등장
3.2 활성화함수
__3.2.1 시그모이드함수
__3.2.2 계단함수구현하기
__3.2.3 계단함수의그래프
__3.2.4 시그모이드함수구현하기
__3.2.5 시그모이드함수와계단함수비교
__3.2.6 비선형함수
__3.2.7 ReLU함수
3.3 다차원배열의계산
__3.3.1 다차원배열
__3.3.2 행렬의내적
__3.3.3 신경망의내적
3.4 3층신경망구현하기
__3.4.1 표기법설명
__3.4.2 각층의신호전달구현하기
__3.4.3 구현정리
3.5 출력층설계하기
__3.5.1 항등함수와소프트맥스함수구현하기
__3.5.2 소프트맥스함수구현시주의점
__3.5.3 소프트맥스함수의특징
__3.5.4 출력층의뉴런수정하기
3.6 손글씨숫자인식
__3.6.1 MNIST 데이터셋
__3.6.2 신경망의추론처리
__3.6.3 배치처리
3.7 정리

4장신경망학습
4.1 데이터에서학습한다!
__4.1.1 데이터주도학습
__4.1.2 훈련데이터와시험데이터
4.2 손실함수
__4.2.1 평균제곱오차
__4.2.2 교차엔트로피오차
__4.2.3 미니배치학습
__4.2.4 (배치용) 교차엔트로피오차구현하기
__4.2.5 왜손실함수를설정하는가?
4.3 수치미분
__4.3.1 미분
__4.3.2 수치미분의예
__4.3.3 편미분
4.4 기울기
__4.4.1 경사법(경사하강법)
__4.4.2 신경망에서의기울기
4.5 학습알고리즘구현하기
__4.5.1 2층신경망클래스구현하기
__4.5.2 미니배치학습구현하기
__4.5.3 시험데이터로평가하기
4.6 정리

5장오차역전파법
5.1 계산그래프
__5.1.1 계산그래프로풀다
__5.1.2 국소적계산
__5.1.3 왜계산그래프로푸는가?
5.2 연쇄법칙
__5.2.1 계산그래프에서의역전파
__5.2.2 연쇄법칙이란?
__5.2.3 연쇄법칙과계산그래프
5.3 역전파
__5.3.1 덧셈노드의역전파
__5.3.2 곱셈노드의역전파
__5.3.3 사과쇼핑의예
5.4 단순한계층구현하기
__5.4.1 곱셈계층
__5.4.2 덧셈계층
5.5 활성화함수계층구현하기
__5.5.1 ReLU계층
__5.5.2 Sigmoid 계층
5.6 Affine/Softmax계층구현하기
__5.6.1 Affine 계층
__5.6.2 배치용 Affine 계층
__5.6.3 Softmax-with-Loss 계층
5.7 오차역전파법구현하기
__5.7.1 신경망학습의전체그림
__5.7.2 오차역전파법을적용한신경망구현하기
__5.7.3 오차역전파법으로구한기울기검증하기
__5.7.4 오차역전파법을사용한학습구현하기
5.8 정리

6장학습관련기술들
6.1 매개변수갱신
__6.1.1 모험가이야기
__6.1.2 확률적경사하강법(SGD)
__6.1.3 SGD의단점
__6.1.4 모멘텀
__6.1.5 AdaGrad
__6.1.6 Adam
__6.1.7어느갱신방법을이용할것인가?
__6.1.8 MNIST 데이터셋으로본갱신방법비교
6.2 가중치의초깃값
__6.2.1 초깃값을 0으로하면?
__6.2.2 은닉층의활성화분포
__6.2.3 ReLU를사용할때의가중치초깃값
__6.2.4 MNIST 데이터셋으로본가중치초깃값비교
6.3 배치정규화
__6.3.1 배치정규화알고리즘
__6.3.2 배치정규화의효과
6.4 바른학습을위해
__6.4.1 오버피팅
__6.4.2 가중치감소
__6.4.3 드롭아웃
6.5 적절한하이퍼파라미터값찾기
__6.5.1 검증데이터
__6.5.2 하이퍼파라미터최적화
__6.5.3 하이퍼파라미터최적화구현하기
6.6 정리

7장합성곱신경망(CNN)
7.1 전체구조
7.2 합성곱계층
__7.2.1 완전연결계층의문제점
__7.2.2 합성곱연산
__7.2.3 패딩
__7.2.4 스트라이드
__7.2.5 3차원데이터의합성곱연산
__7.2.6 블록으로생각하기
__7.2.7 배치처리
7.3 풀링계층
__7.3.1 풀링계층의특징
7.4 합성곱/풀링계층구현하기
__7.4.1 4차원배열
__7.4.2 im2col로데이터전개하기
__7.4.3 합성곱계층구현하기
__7.4.4 풀링계층구현하기
7.5 CNN 구현하기
7.6 CNN 시각화하기
__7.6.1 1번째층의가중치시각화하기
__7.6.2 층깊이에따른추출정보변화
7.7 대표적인 CNN
__7.7.1 LeNet
__7.7.2 AlexNet
7.8 정리

8장딥러닝
8.1 더깊게
__8.1.1 더깊은네트워크로
__8.1.2 정확도를더높이려면
__8.1.3 깊게하는이유
8.2 딥러닝의초기역사
__8.2.1 이미지넷
__8.2.2 VGG
__8.2.3 GoogLeNet
__8.2.4 ResNet
8.3 더빠르게(딥러닝고속화)
__8.3.1 풀어야할숙제
__8.3.2 GPU를활용한고속화
__8.3.3 분산학습
__8.3.4 연산정밀도와비트줄이기
8.4 딥러닝의활용
__8.4.1 사물검출
__8.4.2 분할
__8.4.3 사진캡션생성
8.5 딥러닝의미래
__8.5.1 이미지스타일(화풍) 변환
__8.5.2 이미지생성
__8.5.3 자율주행
__8.5.4 Deep Q-Network(강화학습)
8.6 정리

부록 A Softmax-with-Loss 계층의계산그래프
A.1순전파
A.2역전파
A.3정리
참고문헌

책 정보 별 바로가기 : 책정보  리뷰 (0) 가격비교 (1) 추가정보  책꼬리 (0) 한줄댓글 (0) 맨위로

리뷰

독자리뷰(총 0건)

리뷰쓰기

책 정보 별 바로가기 : 책정보  리뷰 (0) 가격비교 (1) 추가정보  책꼬리 (0) 한줄댓글 (0) 맨위로

가격비교 - 인터넷서점 19,200

* eBook의 원가(판매가)는 판매 서점과 포맷에 따라 상이할 수 있습니다.
가격비교
서점 판매가 → 할인가(할인율) 판매가 할인가란? 포맷 구매정보
알라딘 바로가기 19,200원19,200원(-0%) 구매하기 PDF '행운의램프'에서 베스트셀러 무료제공! 스마트폰부터 전용단말기까지, 최다 기기호환!
단골 인터넷 서점 등록

책 정보 별 바로가기 : 책정보  리뷰 (0) 가격비교 (1) 추가정보  책꼬리 (0) 한줄댓글 (0) 맨위로

추가 정보

책 정보 별 바로가기 : 책정보  리뷰 (0) 가격비교 (1) 추가정보  책꼬리 (0) 한줄댓글 (0) 맨위로

책꼬리

책꼬리란? 함께 읽으면 좋은 책이거나, 연관된 책끼리 꼬리를 달아주는 것입니다. '밑바닥부터 시작하는 딥러닝'와 연관된 책이 있다면 책꼬리를 등록해 보세요

책 정보 별 바로가기 : 책정보  리뷰 (0) 가격비교 (1) 추가정보  책꼬리 (0) 한줄댓글 (0) 맨위로

한줄댓글

책속 한 구절

0/200bytes

퀵메뉴

TOP

서비스 이용정보