국내도서

>

전공도서/대학교재

>

공학계열

>

컴퓨터공학

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 전공도서/대학교재  > 공학계열  > 컴퓨터공학

• 
• 
• 머신러닝과 신경망에 대한 이론과 텐서플로 1.x, 2.x 버전의 차이점을 다루는 것으로 시작한다. 이어서 신경망을 쉽게 구현할 수 있도록 데이터 입력 파이프라인을 구성하는 방법과 Estimator API 등에 대해서 설명한다. 최근 딥러닝 분야의 트렌드인 전이학습을 쉽게 할 수 있도록 텐서플로 허브를 활용하는 방법과 그 적용에 대해 다룬 뒤, 객체 탐지, 시맨틱 분할, GAN 등 딥러닝의 주요 응용 분야를 소개한다. 마지막으로 작성한 모델을 실무에 적용하는 방법을 소개하는 것으로 마친다. 텐서플로의 근간이 되는 큰 구조를 소개하고 텐서플로 2.x에서 변경된 여러 기능을 통해 신경망을 쉽게 개발하는 데 필요한 내용들을 예제를 통해 배울 수 있도록 구성돼 있다.
• 
• ★ 이 책에서 다루는 내용 ★ ■ 머신러닝과 신경망 기법 파악 후 과제 해결 ■ 개발 속도를 높이기 위한 TF 2.0의 새로운 기능 적용 ■ 텐서플로 데이터셋(tfds)와 tf.data API를 사용해 고효율 데이터 입력 파이프라인 구축 ■ 텐서플로 허브로 전이학습 및 미세 조정 수행 ■ 객체 탐지 및 시맨틱 분할 문제 해결을 위한 네트워크 정의와 훈련 ■ 이미지 생성과 데이터 분포를 생성하는 GAN 훈련 ■ SavedModel 파일 형식을 사용한 모델이나 일반 연산 그래프 실무 투입 ★ 이 책의 대상 독자 ★ 텐서플로 구조와 새로운 특징이 궁금한 동시에 신경망을 다루는 데이터 과학자, 머신러닝 개발자, 딥러닝 연구자, 기초 통계 배경지식을 가진 개발자를 대상으로 한다. 이 책을 최대한 활용하려면 파이썬 프로그래밍 언어 관련 실무 지식이 필요하다. ★ 이 책의 구성 ★ 1장, ‘머신러닝이란?’에서는 머신러닝의 기초를 다룬다. 지도, 비지도, 준지도학습이 무엇이며 이러한 구분이 왜 중요한지 살펴본다. 또한 데이터 파이프라인을 만드는 방법, 알고리즘의 성능을 측정하는 방법, 결과를 검증하는 방법을 배운다. 2장, ‘신경망과 딥러닝’에서는 신경망에 초점을 맞춘다. 머신러닝 모델의 강점과 네트워크 학습 방법, 실제로 모델 파라미터 업데이트가 어떻게 수행되는지를 배우게 된다. 이 장을 마치면 역전파(backpropagation)와 네트워크 파라미터 업데이트 내부를 이해하게 된다. 도전적인 과제를 해결하는 데 심층 신경망 구조가 왜 필요한지 알게 될 것이다. 3장, ‘텐서플로 그래프 아키텍처’에서는 1.x 버전과 2.x 버전 사이에 공유되는 텐서플로 구조를 다룬다. 4장, ‘텐서플로 2.0 아키텍처’에서는 텐서플로 1.x와 2.x의 차이를 보여준다. 이 두 가지 버전을 모두 사용해 간단한 머신러닝 모델을 개발해본다. 두 버전의 공통적인 특징을 이해하게 될 것이다. 5장, ‘효율적인 데이터 입력 파이프라인 및 Estimator API’에서는 tf.data API를 사용해 전체 데이터 입력 파이프라인을 정의하는 방법과 tf.estimator API를 사용해 실험을 정의하는 방법을 다룬다. tf.data와 tf.io.gfile API의 모든 기능을 활용해 복잡하고 효율적인 입력 파이프라인을 만들 수 있게 될 것이다. 6장, ‘텐서플로 허브를 사용한 이미지 분류’에서는 케라스 API와의 긴밀한 통합을 활용한 텐서플로 허브를 사용해 전이(fine-tuning)학습 및 미세 조정을 쉽게 수행하는 방법을 다룬다. 7장, ‘객체 탐지 소개’에서는 분류기를 확장하는 방법을 다루며, 이를 경계 상자의 좌표를 회귀하는 객체 탐지기로 만들고 더욱 복잡한 객체 탐지 구조에 관해 소개한다. 8장, ‘시맨틱 분할과 사용자 정의 데이터셋’에서는 빌더 시맨틱 분할 네트워크를 구현하는 방법과 이러한 종류의 작업에 관한 데이터셋을 준비하는 방법, 모델을 훈련하고 성능을 측정하는 방법을 다룬다. U-Net을 사용해 시맨틱 분할 문제를 해결해본다. 9장, ‘생성적 적대 신경망’에서는 이론적이고 실무적인 관점에서 GAN을 다룬다. 생성 모델의 구조와 텐서플로 2.0을 사용해 적대적 훈련을 쉽게 수행할 수 있는 방법을 이해하게 될 것이다. 10장, ‘모델을 실무에 적용하기’에서는 훈련된 모델을 완전한 애플리케이션으로 전환하는 방법을 다룬다. 훈련된 모델을 지정된 표현(SavedModel)으로 내보내기하고, 이를 완전한 애플리케이션으로 사용하는 방법도 다룬다. tfgo 라이브러리를 사용해 파이썬 내부, TensorFlow.js, Go에서도 훈련된 모델을 내보내고 활용할 수 있다. ★ 옮긴이의 말 ★ 21세기 IT 기술 중 가장 섹시한(!) 분야를 꼽자면 한치의 망설임 ...없이 “AI(Artificial intelligence)”를 꼽을 것이다. AI는 금융, 의료, 운송, 교육, 보안, 농업 등 많은 산업에 접목해 자동화 및 맞춤형 서비스를 선보이고 있다. 가까운 미래에 AI는 단순 노동 업무를 넘어 전문직 영역으로 확대될 것이다. 많은 이들은 AI가 현존하는 일자리를 많이 줄일 것이라 생각하지만, 혁신적인 기술이 나올 때마다 일자리는 변모해왔고 더 다양해졌다. 이 책은 텐서플로(TF, TensorFlow) 2.0 버전의 새로운 기능과 텐서플로 2.0을 활용한 신경망과 머신러닝 기반 애플리케이션을 만드는 방법에 대해 편리한 가이드북 역할을 해줄 것이다. 머신러닝과 신경망에 대한 이론적 개요로 시작해 TF 1.x 및 TF 2.0 버전의 라이브러리 사용 방법에 대한 설명으로 이어진다. 그림와 실제 코드들을 보고 따라 하기 쉬운 예제로 구성돼 있어서, 신경망이 작동하는 방식을 자연스레 이해하고 구현할 수 있게 한다(책에서 제공하는 코드는 깃허브를 통해 다운로드할 수 있다). 다음으로 TF 2.0에서 제공하는 새로운 모듈을 사용해 넓은 범위의 신경망 아키텍처를 구축하기 위한 최적화 기술과 알고리즘을 마스터하는 방법을 배울 수 있다. 나아가, 분류 문제를 해결하기 위한 컨볼루션 신경망(CNN, Convolution Neural Network), 시맨틱 분할(Semantic Segmentation), 학습 데이터 확보를 위한 생성적 적대 신경망(GAN, Generative Adversarial Network) 등과 같은 더 복잡한 신경망 아키텍처를 구현하는 방법도 알 수 있다. AI 전문가가 절대적으로 부족한 지금, 이 책을 통해 독자들이 머신러닝과 AI 알고리즘 설계 능력을 한층 더 발전시켜, 가능성이 무한한 시장을 선점하고 수없이 많은 기회를 쟁취하기를 희망한다. 최민환 개발자마다 혹은 속한 조직에 따라 선호하는 딥러닝 라이브러리가 다양한 실정이다. 또한 논문 저자가 구현 코드를 공개하는 경우에도 딥러닝 라이브러리와 버전이 다양하다. 연구자나 개발자 입장에서는 이 코드를 완벽히 이해한 뒤 다시 본인의 선호 라이브러리로 구현할 상황이 생기게 된다. 이 책은 여러 라이브러리 중 텐서플로 1.x, 2.x 버전 사이의 큰 구조 변화를 소개한다. 이 책을 살펴보면서 텐서플로 1.x, 2.x의 근간을 이루는 개념을 이해하고 케라스와의 통합으로 얻는 이점에 대해 배울 수 있을 거라 기대한다. 이 책이 딥러닝을 공부하는 분들에게 조금이나마 보탬이 되면 좋겠다. 김창엽
• 
• 1부. 신경망 기초 1장. 머신러닝이란? __데이터셋의 중요성 ____n차원 공간 ____차원의 저주 __지도학습 ____거리와 유사도-k-NN 알고리즘 ____모수 모델 ____모델의 성능 측정-평가 지표 __비지도학습 __준지도학습 __요약 __실습 2장. 신경망과 딥러닝 __신경망 ____생물학적 뉴런 ____인공 뉴런 ____완전 연결 레이어 ____활성화 함수 ____손실함수 ____파라미터 초기화 __최적화 ____경사하강법 ____경사하강법 최적화 알고리즘 ____역전파와 자동 미분 __컨볼루션 신경망 ____컨볼루션 연산자 ____2D 컨볼루션 ____볼륨 간 2D 컨볼루션 ____1×1×D 컨볼루션 __일반화 ____드롭아웃 ____데이터 증강 ____얼리스타핑 ____배치 정규화 __요약 __실습 2부. 텐서플로 기초 3장. 텐서플로 그래프 아키텍처 __환경 설정 ____텐서플로 1.x 환경 ____텐서플로 2.0 환경 __데이터 흐름 그래프 ____주요 구조-tf.Graph ____그래프 정의-tf.Operation부터 tf.Tensor까지 ____그래프 배치-tf.device ____그래프 실행-tf.Session ____정적 그래프의 변수 __모델 정의와 훈련 ____tf.layers 기반 모델 정의 ____자동 미분-손실과... 옵티마이저 __파이썬을 활용한 그래프 다루기 ____플레이스홀더에 전달 ____요약 기록 ____모델 파라미터 저장과 모델 선택 __요약 __실습 4장. 텐서플로 2.0 아키텍처 __프레임워크 다시 배우기 __케라스 프레임워크와 모델 ____순차 API ____함수 API ____서브클래스 기법 __즉시 실행과 새로운 기능들 ____베이스라인 예제 ____세션이 아닌 함수 ____더 이상의 전역 변수는 없다 ____제어 흐름 ____GradientTape ____사용자 정의 훈련 루프 ____모델 상태 저장과 복원 ____요약과 평가 지표 ____오토그래프 __코드베이스 마이그레이션 __요약 __실습 5장. 효율적인 데이터 입력 파이프라인 및 Estimator API __효율적인 데이터 입력 파이프라인 ____입력 파이프라인 구조 __tf.data. ____성능 최적화 ____데이터셋 구축 ____데이터 증강 ____텐서플로 데이터셋-tfds ____케라스 통합 ____즉시 실행 통합 __Estimator API ____데이터 입력 파이프라인 ____사용자 정의 Estimator ____사전 정의 Estimator ____케라스 모델 사용하기 ____Canned Estimator 활용 __요약 __실습 3부. 신경망의 응용 분야 6장. 텐서플로 허브를 사용한 이미지 분류 __데이터 수집 __전이학습 ____텐서플로 허브 ____피처 추출기로 Inception v3 사용 ____모델에 데이터 적용 ____모델 작성-hub.KerasLayer ____훈련과 평가 ____훈련 속도 __미세 조정 ____미세 조정 시기 ____텐서플로 허브 통합 ____훈련 및 평가 ____훈련 속도 __요약 __실습 7장. 객체 탐지 소개 __데이터 수집 __객체 지역화 ____회귀 문제로서의 지역화 ____Intersection over Union ____평균 정밀도 ____mAP ____훈련 스크립트 개선 __분류와 지역화 ____멀티태스크 러닝 ____더블 헤드 네트워크 ____앵커 기반 탐지기 ____앵커 상자 __요약 __실습 8장. 시맨틱 분할 및 사용자 정의 데이터셋 빌더 __시맨틱 분할 ____문제점 ____디컨볼루션-전치 컨볼루션 ____U - Net 아키텍처 __텐서플로 DatasetBuilder 만들기 ____계층적 구조 ____데이터셋 클래스와 DatasetInfo ____데이터셋 분할 ____예제 생성 ____빌더 사용하기 __모델 훈련과 평가 ____데이터 준비 ____훈련 루프와 케라스 콜백 ____평가와 추론 __요약 __실습 9장. 생성적 적대 신경망 __GAN과 해당 애플리케이션의 이해 ____가치함수 ____비포화 가치함수 ____모델 정의와 훈련 단계 ____GAN 응용 분야 ____무조건부 GAN ____데이터 준비 ____생성기 정의 ____판별기 정의 ____손실함수 정의 ____무조건부 GAN의 적대적 훈련 프로세스 __조건부 GAN ____조건부 GAN에 관한 데이터 가져오기 ____조건부 GAN에서 생성기 정의 ____조건부 GAN에서 판별기 정의 ____적대적 훈련 과정 __요약 __실습 10장. 모델을 실무에 적용하기 __SavedModel 직렬화 형식 ____기능 ____케라스 모델로 SavedModel 생성하기 ____일반 함수를 SavedModel로 변환하기 __파이썬 배포 ____일반 연산 그래프 ____케라스 모델 ____플랫 그래프 __지원하는 배포 플랫폼 ____TensorFlow.js ____Go 바인딩과 tfgo __요약 __실습
• 

• 파올로 갈리오니 [저]

• 김창엽, 최민환 [저]

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.