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

• 

	아이러브 A.I(제이펍의 인공지능)(총29건) 케라스 창시자의 딥러닝 with R     26,100원 (10%↓) 파이썬으로 배우는 응용 텍스트 분석 : 언어 인식 데이터 제품 개발을 위한 머신러닝     24,300원 (10%↓) 알파제로를 분석하며 배우는 인공지능 : 딥 러닝, 강화 학습, 탐색으로 배우는 인공지능 프로그래밍     27,000원 (10%↓) 예제로 배우는 파이썬 머신러닝 : 텐서플로 2, 파이토치, 사이킷런으로     29,700원 (10%↓) 단단한 심층강화학습 : 심층강화학습 기본 개념을 제대로 정리한 인공지능 교과서     27,000원 (10%↓) 파이썬 머신러닝 실무 테크닉 100     22,500원 (10%↓) 코드로 배우는 인공지능 : 개발자의, 개발자에 의한, 개발자를 위한 AI     22,500원 (10%↓) 파이토치 첫걸음 : 딥러닝 모델 생성에서 애플리케이션 개발까지     21,600원 (10%↓) 단단한 머신러닝 : 머신러닝 기본 개념을 제대로 정리한 인공지능 교과서     27,000원 (10%↓) 딥러닝 인 더 브라우저 : 자바스크립트 프레임워크를 이용한 딥러닝 웹 개발     18,000원 (10%↓) 데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집 : 100개 이상의 실전 면접 문제로 배우는 머신러닝/딥러닝/강화학습 알고리즘     30,600원 (10%↓) 단단한 강화학습 : 강화학습 기본 개념을 제대로 정리한 인공지능 교과서     31,500원 (10%↓) 딥러닝을 위한 수학 : 신경망 수학 기초부터 역전파와 경사하강법까지     27,000원 (10%↓) 비전공자를 위한 인공지능 교과서 : 미래를 준비하는 모두를 위한 이 시대의 교양     16,200원 (10%↓) 머신러닝 엔지니어링 : 데이터 수집부터 특징 공학, 모델 평가, 배포, 유지보수까지     25,200원 (10%↓) 인공지능 2 : 현대적 접근방식     34,200원 (10%↓) 인공지능 1 : 현대적 접근방식     37,800원 (10%↓) 쏙쏙 들어오는 인공지능 알고리즘     25,200원 (10%↓) 주머니 속의 머신러닝 : 파이썬으로 구조적 데이터 다루기     13,500원 (10%↓) 입문에서 컴피티션까지 파이썬으로 시작하는 캐글 : 예제 코드 상세 해설 수록     16,200원 (10%↓) 심층 강화학습 인 액션 : 기본 개념부터 파이썬 기반의 최신 알고리즘 구현까지     27,000원 (10%↓) 파이썬으로 배우는 자연어 처리 인 액션     31,500원 (10%↓) 검색을 위한 딥러닝 : 심층 신경망을 활용하는 차세대 검색 엔진 개발     26,100원 (10%↓) 브레인 이미테이션 : 인간을 모방한 인공지능 | 두뇌를 모방한 뉴럴 네트워크     16,200원 (10%↓) 알파고를 분석하며 배우는 인공지능 : 딥 러닝, 몬테카를로 트리 탐색, 듀얼 네트워크, 강화 학습 구조 이해하기     23,400원 (10%↓) 심층 학습     37,800원 (10%↓) 패턴 인식과 머신 러닝 : 패턴 인식 계열의 바이블 | 모두가 기다려온 바로 그 비숍책 한국어판 출간     41,400원 (10%↓) 인공지능 70 : 재미있게 알아보는 AI 키워드     11,700원 (10%↓) 텐서플로로 시작하는 딥러닝 : 합성곱 신경망 중심의 딥러닝 알고리즘     21,600원 (10%↓)

• 
• 
• R과 케라스 예제로 배우는 딥러닝 핵심 원리! 머신러닝은 최근 몇 년 동안 주목할 만한 발전을 이루었다. 딥러닝 시스템을 통해 이전에는 불가능했던 스마트 애플리케이션을 사용할 수 있게 되었으며, 이미지 인식 및 자연어 처리, 데이터의 복잡한 패턴 식별 등도 가능해졌다. 케라스 딥러닝 라이브러리는 R 기반의 데이터 과학자 및 개발자에게 딥러닝 과제를 해결하기 위한 최첨단 도구 모음을 제공한다. 이 책은 강력한 케라스 라이브러리와 R 언어 인터페이스를 사용해 딥러닝의 세계를 소개한다. 《Deep Learning with Python》이라는 이름으로 케라스 제작자이자 구글 인공지능 연구원인 프랑소와 숄레가 저술한 책을 바탕으로 알스튜디오(RStudio) 창립자인 J. J. 알래어(J. J. Allaire)가 R에 맞게 수정하였으며, 직관적인 설명과 실제적인 예를 통해 딥러닝을 이해할 수 있게 만들어 준다. 독자들은 이 책을 통해 컴퓨터 비전, 자연어 처리 및 생성 모델에서 R 기반 애플리케이션을 사용해 새로운 기술을 연습할 수 있을 것이다. 또한 머신러닝이나 딥러닝을 경험한 적은 없지만, R 프로그래밍 기술은 중급 이상이어야 더욱 도움이 될 것이다.
• 
• 이 책의 주요 내용 ■ 근본 가설들로부터의 딥러닝 ■ 자신만의 딥러닝 환경 설정하기 ■ 이미지 분류 및 생성하기 ■ 텍스트 및 시퀀스에 대한 딥러닝
• 
• 옮긴이 머리말 머리말 이 책의 내용 베타리더 후기 PART I 딥러닝 기초 1 CHAPTER 1 딥러닝이란 무엇인가? 3 1.1 인공지능, 머신러닝, 딥러닝 4 1.2 딥러닝을 하기 전에: 머신러닝의 간략한 역사 17 1.3 왜 딥러닝인가? 왜 지금인가? 24 CHAPTER 2 시작하기 전에: 신경망의 수학적 빌딩 블록 30 2.1 신경망 둘러보기 31 2.2 신경망에 대한 데이터 표현 36 2.3 신경망의 장비: 텐서 연산 44 2.4 신경망의 엔진: 경사 기반 최적화 52 2.5 첫 번째 예제 되돌아보기 60 2.6 요약 63 CHAPTER 3 신경망 입문 64 3.1 신경망 해부학 65 3.2 케라스 소개 69 3.3 딥러닝 워크스테이션 설정 73 3.4 영화 감상평 분류: 이항 분류 예제 76 3.5 뉴스 분류: 다중 클래스 분류 예제 89 3.6 주택 가격 예측: 회귀 예제 97 3.7 요약 105 CHAPTER 4 머신러닝의 기본 106 4.1 네 가지 머신러닝 106 4.2 머신러닝 모델 평가 110 4.3 데이터 전처리, 특징 공학 및 특징 학습 115 4.4 과적합 및 과소적합 119 4.5 머신러닝의 보편적인 작업 흐름 128 4.6 요약 134 PART II 딥러닝 실습 135 CHAPTER 5 컴퓨터 비전 처리를 위한 딥러닝 137 5.1 합성망 ...소개 137 5.2 소규모 데이터셋을 이용해 합성망을 처음부터 훈련하기 148 5.3 사전 훈련 합성망 사용하기 162 5.4 합성망이 학습한 내용 시각화하기 178 5.5 요약 197 CHAPTER 6 텍스트와 시퀀스에 대한 딥러닝 198 6.1 텍스트 데이터로 작업하기 199 6.2 재귀 신경망의 이해 216 6.3 재귀 신경망의 고급 사용 228 6.4 합성망을 사용한 시퀀스 처리 249 6.5 요약 257 CHAPTER 7 고급 딥러닝 모범 사례 259 7.1 순차 모델을 넘어: 케라스 함수형 API 259 7.2 케라스 콜백과 텐서보드로 딥러닝 모델을 검사하고 관찰하기 277 7.3 모델을 최대한 활용하기 287 7.4 요약 297 CHAPTER 8 생성적 딥러닝 298 8.1 LSTM을 사용한 문장 생성 300 8.2 딥드림 310 8.3 신경망 이용 화풍 모사 317 8.4 가변 오토인코더로 이미지 생성하기 327 8.5 생성적 적대 망 소개 337 8.6 요약 347 CHAPTER 9 결론 348 9.1 핵심 개념 검토 349 9.2 딥러닝의 한계 360 9.3 딥러닝의 미래 366 9.4 빠르게 변화하는 현장 따라잡기 373 9.5 맺는 말 375 APPENDIX A 우분투에서 케라스와 필요한 것들을 설치하기 376 A.1 설치 과정 개요 376 A.2 시스템 필수 구성 요소 설치 377 A.3 GPU 지원 설정 377 A.4 케라스 및 텐서플로 설치 380 APPENDIX B EC2 GPU 인스턴스에서 RStudio Server 실행하기 382 B.1 딥러닝용 AWS를 사용해야 하는 이유는 무엇인가? 382 B.2 딥러닝용 AWS를 사용하지 않는 이유는 무엇인가? 383 B.3 AWS GPU 인스턴스 설정 383 B.4 RStudio Server에 액세스하기 387 B.5 케라스 설치 389 찾아보기
• 
• 머신러닝은 1990년대에 이르러서야 번성하기 시작했지만, 고속 처리 하드웨어와 대규모 데이터셋6을 활용할 수 있게 되면서 인공지능 하위 분야 중 가장 인기를 끌었다. 머신러닝은 수리통계학과 밀접한 관련이 있지만, 몇 가지 점에서 통계학과는 다른 면이 있다. 머신러닝은 통계학과 달리 베이즈 분석과 같은 고전적인 통계 분석에 효율적이지 못할 뿐만 아니라 복잡한 대규모 데이터셋(수백만 개 이미지 또는 각 이미지가 수십만 개 픽셀로 구성된 데이터셋)을 처리해야 하는 경향이 있다. _6p 그러면 케라스 및 텐서플로의 기본 CPU 기반 설치 내역이 제공된다. 딥러닝 워크스테이션 설정을 다룬 절에서 언급했듯이, 여러분은 아마도 GPU에서 딥러닝 모델을 훈련해 보기를 바랄 것이다. 엔비디아 GPU, 제대로 구성된 CUDA 및 cuDNN 라이브러리가 있는 시스템에서 실행하는 경우, 다음과 같이 텐서플로라는 백엔드 엔진의 GPU 기반 버전을 설치할 수 있다. _71p 이는 지도학습의 구체적인 사례이지만, 별도의 범주를 이룰 만큼 아주 다르다. 자기지도학습(self-supervised learning)은 사람이 주석을 첨부하지 않는 학습을 말한다. 학습 과정에 인간이 개입하지 않는 지도학습으로 생각할 수도 있다. 비지도학습에도 (학습은 뭔가에 의해 지도돼야 하기 때문에) 레이블이 포함돼 있기는 하지만, 레이블은 일반적으로 휴리스틱 알고리즘을 사용해 입력 데이터로부터 생성한다. _108p 합성망 예제에서는 모든 layer_max_pooling_2d 이후에 특징 지도의 크기가 절반으로 줄어든다. 예를 들어, 첫 번째 layer_max_pooling_2d 이전에 특징 지도는 26 × 26이지만, 최대 풀링 작업을 하고 나면 13 × 13이 돼 절반으로 줄어든다. 이것이 최대 풀링의 역할이다. 보폭 합성곱과 마찬가지로 특징 지도를 적극적으로 하향 표본 추출하는 것이다. _146p 이러한 루프(loop)와 상태(state)라는 개념을 명확히 하기 위해 R 언어를 이용해 간단한 RNN의 순전파(forward pass, 즉 ‘전방 전달’)를 구현해 보자. 이 RNN은 벡터들로 이뤄진 시퀀스를 입력으로 취한다. 벡터의 차원은 2D 텐서(timesteps, input_features)로 부호화된다. 시간대를 반복하고, 각 시간대에서 (input_features 모양으로 된) t 시점의 현재 상태와 입력을 고려해 이들을 결합함으로써 t에서 출력을 얻는다. 217p 케라스 구현에서 이러한 아이디어를 실제로 활용해 보자. 가장 먼저 필요한 것은 언어 모델을 익히는 데 사용할 수 있는 많은 텍스트 데이터이다. 임의의 큰 텍스트 파일이나 텍스트 파일 셋(위키피디아, 반지의 제왕 등)을 사용할 수 있다. 이 예에서는 19세기 후반 독일의 철학자 니체의 저술을 영어로 번역했다. 따라서 배울 수 있는 언어 모델은 구체적으로 영어의 일반적인 모델이 아닌 니체의 문체 및 주제의 모델이 될 것이다. _304p
• 
• 

• 프랑소와 숄레 [저]

• 프랑소와 솔레는 캘리포니아 마운틴 뷰의 구글에서 딥러닝과 관련된 일을 한다.
  케라스 딥러닝 라이브러리의 창시자이고 텐서플로 머신 러닝 프레임워크의 기여자다.
  컴퓨터 비전과 형식 추론을 위한 머신 러닝 애플리케이션에 초점을 맞춰 딥러닝을 연구한다.
  그의 논문은 CVPR(Computer Vision and Pattern Recognition), NIPS(Neural Information Processing Systems), ICLR(International Conference on Learning Representations) 등의 주요 콘퍼런스와 워크숍에서 소개되었다

• 박진수 [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.