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%↓)

• 
• 
• 알파고를 통해 인간의 지혜를 넘어선 한 수의 비밀을 탐구한다! 인공지능은 어떻게 인간의 두뇌를 뛰어넘도록 설계되고 진화했을까? 이세돌을 비롯한 많은 프로 바둑기사를 제압한 알파고를 통해 인공지능의 구조와 원리를 파헤친다! 2016년 3월, 이세돌 9단과 알파고의 세기의 대전이 열렸다. 결과는 4승 1패로 알파고의 승리. 2017년 5월에는 커제 9단과 알파고의 대국이 열렸다. 결과는 알파고의 3연승. 이후 알파고의 진화는 계속되었고, 2017년 10월에는 알파고 제로에 관한 논문이 발표되었다. 그리고, 알파고 제로는 기존 알파고에 100연승하였다. 이렇듯 인공지능 기술은 일취월장하고 있으며, 특히 머신 러닝, 딥 러닝, 강화 학습 분야에 주력하고 있다. 저자 오츠키 토모시는 《네이처》에 게재된 알파고 및 알파고 제로에 관한 난해한 학술 논문을 읽고 해석해서 알파고에 이용되는 딥 러닝, 강화 학습, 몬테카를로 트리 탐색과 알파고 제로에 이용되는 듀얼 네트워크의 구조에 대해 알기 쉽게 설명했다. 이 책을 통해 최신 인공지능 기술이 알파고 및 알파고 제로에 어떻게 이용되는지 파악하고, 이를 다양한 연구 개발에 활용하기 위한 아이디어를 얻을 수 있을 것이다.
• 
• CHAPTER 1 알파고의 등장 1 1.1 게임 AI의 역사와 발전 2 1.1.1 앨런 튜링과 AI 2 1.2 천재 데미스 하사비스의 등장 5 1.2.1 신동 데미스 하사비스 5 1.3 알파고의 활약 7 1.3.1 알파고의 활약 7 1.4 바둑 AI의 기초 13 1.4.1 바둑의 규칙 13 1.4.2 바둑 AI를 구현한다는 것은 무엇인가? 16 1.4.3 ‘다음의 한 수’ 태스크 20 1.4.4 ‘다음의 한 수’ 태스크의 어려운 점 21 1.4.5 머신 러닝을 이용한 ‘다음의 한 수’ 태스크 22 1.4.6 알파고의 롤 아웃 정책 학습 26 1.5 정리 30 CHAPTER 2 딥 러닝 - 바둑 AI는 순간적으로 수를 떠올린다 31 이 장에서 설명할 내용 32 2.1 딥 러닝이란? 34 2.1.1 AI는 사람의 직관을 실현할 수 있을까? 34 2.2 필기체 숫자 인식의 예 42 2.2.1 필기체 숫자 인식이란? 42 2.2.2 필기체 숫자 인식의 데이터 세트 ‘MNIST’ 42 2.2.3 신경망을 사용한 필기체 숫자 인식 44 2.2.4 필기체 숫자 인식에 대한 컨볼루션 신경망 47 2.2.5 다단계의 신경망에서도 유효한 활성화 함수 51 2.2.6 오류 역전파 방법에 기초한 CNN의 필터 가중치 학습 54 2.2.7 ...화상 처리 CNN의 발전 60 2.3 알파고의 컨볼루션 신경망 64 2.3.1 알파고의 컨볼루션 신경망 64 2.3.2 ‘다음의 한 수’ 태스크와 화상 인식의 유사성 65 2.3.3 바둑의 수를 선택하는 CNN - SL 정책 네트워크 66 2.3.4 SL 정책 네트워크의 입력 48채널의 특징 71 2.3.5 SL 정책 네트워크의 컨볼루션 계산 예 75 2.3.6 SL 정책 네트워크의 계산량 77 2.3.7 SL 정책 네트워크의 학습용 데이터 획득 81 2.3.8 SL 정책 네트워크의 학습 기법 84 2.3.9 SL 정책 네트워크의 학습 결과 87 2.3.10 국면의 유리 불리를 예측하는 CNN(밸류 네트워크) 90 2.4 Chainer로 CNN 학습시키기 93 2.4.1 MNIST의 신경망 학습 부분 작성하기 93 2.4.2 SL 정책 네트워크의 학습 부분 작성하기 96 2.5 정리 100 CHAPTER 3 강화 학습 - 바둑 AI는 경험을 배운다 101 이 장에서 설명할 내용 102 3.1 강화 학습이란? 104 3.1.1 어떻게 경험에서 배울 것인가? 104 3.2 강화 학습의 역사 108 3.2.1 강화 학습 108 3.3 멀티 암드 밴딧 문제 112 3.3.1 강화 학습의 사례 112 3.3.2 UCB1 알고리즘 116 3.4 미로를 풀기 위한 강화 학습 118 3.4.1 4 × 4칸으로 이루어진 미로 118 3.4.2 가치 기반의 방식: Q 학습을 통해 미로 해결 120 3.4.3 정책 기반 방식: 정책 경사법을 통해 미로 해결 124 3.5 비디오 게임 조작 스킬을 얻기 위한 강화 학습 127 3.5.1 DQN 127 3.6 알파고의 강화 학습 131 3.6.1 알파고의 강화 학습 131 3.6.2 정책 경사법에 근거하는 강화 학습 134 3.6.3 RL 정책 네트워크의 성능 137 3.6.4 밸류 네트워크 학습용의 데이터 작성 기법 138 3.7 정리와 과제 143 CHAPTER 4 탐색 - 바둑 AI는 어떻게 예측할까? 145 이 장에서 설명할 내용 146 4.1 2인 제로섬 유한 확정 완전 정보 게임 148 4.1.1 어떻게 수를 예측할까? 148 4.2 게임에서의 탐색 153 4.2.1 SL 정책 네트워크 153 4.3 기존의 게임 트리 탐색(민맥스 트리 탐색) 155 4.3.1 ‘완전 탐색’의 개념 155 4.3.2 탐색 포인트 ? 가지치기와 평가 함수 162 4.4 바둑에서의 몬테카를로 트리 탐색 165 4.4.1 몬테카를로 방법 165 4.4.2 바둑에서의 몬테카를로 방법: 원시 몬테카를로 166 4.4.3 몬테카를로 트리 탐색 170 4.4.4 몬테카를로 트리 탐색의 결과와 최종적인 수 탐색 179 4.4.5 몬테카를로 트리 탐색의 개선 182 4.5 몬테카를로 트리 탐색의 성공 요인과 과제 185 4.5.1 CrazyStone과 Gnu Go 185 4.5.2 단 1줄로 다시 태어난 CrazyStone 186 4.6 정리 188 4.6.1 탐색 188 CHAPTER 5 알파고의 완성 189 5.1 알파고의 설계도 190 5.1.1 알파고의 재료 190 5.1.2 전체를 제어하는 AI 192 5.2 비동기 정책 가치 갱신 몬테카를로 트리 탐색 195 5.2.1 세 가지 정책의 특징 195 5.2.2 비동기 정책 가치 갱신 몬테카를로 트리 탐색 197 5.2.3 APV-MCTS의 선택 처리 200 5.2.4 APV-MCTS의 전개 처리 201 5.2.5 APV-MCTS의 평가 처리 201 5.2.6 APV-MCTS의 갱신 처리 202 5.3 대량 CPU·GPU의 이용 204 5.3.1 대량의 CPU와 GPU에 의한 병렬 탐색 204 5.3.2 로크리스 해시 206 5.3.3 가상 손실 208 5.4 알파고의 강력함 211 5.4.1 몬테카를로 트리 탐색, 밸류 네트워크, 정책 네트워크의 조합 효과 211 CHAPTER 6 알파고에서 알파고 제로로 213 6.1 시작에 앞서 214 6.2 알파고 제로에서의 딥 러닝 216 6.2.1 듀얼 네트워크의 구조 218 6.2.2 듀얼 네트워크의 학습 224 6.2.3 알파고 제로의 딥 러닝 정리 227 6.3 알파고 제로에서의 몬테카를로 트리 탐색 228 6.3.1 알파고 제로의 몬테카를로 트리 탐색 개요 228 6.3.2 몬테카를로 트리 탐색의 플로 차트 230 6.3.3 알파고 제로의 몬테카를로 트리 탐색 정리 233 6.4 알파고 제로에서의 강화 학습 234 6.4.1 알파고 제로의 강화 학습 기법 236 6.4.2 강화 학습의 계산 시간 242 6.4.3 알파고 제로의 강화 학습은 무엇을 하고 있나? 245 6.4.4 강화 학습의 효과 247 6.4.5 알파고 제로의 강화 학습 정리와 그 후의 진전 248 6.5 알파고 제로의 강력함 251 6.6 알파고 제로는 지식 없이 만들 수 있을까? 253 6.7 알파고나 알파고 제로에 약점은 있을까? 255 6.7.1 알파고와 알파고 제로의 약점 가능성 255 6.8 알파고 제로의 향후 미래 257 6.8.1 바둑계의 미래는 어떻게 될까? 257 6.8.2 AI의 과제 258 Appendix 1 수식에 관하여 263 A1.1 콘볼루션 신경망의 학습 법칙 도출 264 A1.1.1 SL 정책 네트워크의 학습 법칙 도출 264 A1.1.2 밸류 네트워크의 학습 법칙 도출 265 A1.1.3 듀얼 네트워크의 손실 함수에 관한 보충 267 A1.2 강화 학습의 학습 법칙 도출 269 A1.2.1 파알고의 RL 정책 네트워크 강화 학습 방법의 학습 법칙 도출 269 A1.2.2 미로를 예로 든 정책 경사법의 학습 법칙 도출 271 Appendix 2 바둑 프로그램용 UI 소프트웨어 GoGui 및 GoGui용 프로그램 DeltaGo 이용 방법 273 A2.1 DeltaGo란? 274 A2.1.1 DeltaGo의 특징 274 A2.2 GoGui의 설치 및 GoGui용 프로그램 DeltaGo 이용 방법 276 A2.2.1 DeltaGo 다운로드와 압축 풀기 276 찾아보기 289
• 
• 머신 러닝이란 컴퓨터에 ‘학습’을 시켜서 어떤 태스크에 대한 컴퓨터의 ‘예측 능력’과 ‘판별 능력’을 향상시켜 나가는 방법이다. 컴퓨터는 모든 국면을 기억할 수 없지만, ‘비슷한 국면에서 유사한 수가 좋은 수가 될 것이다’라는 것을 가정하여 배후에 있는 규칙성을 구하는 것이 목표다. _22쪽 CNN에서는 필터 가중치가 공유되므로 모든 링크에 독립적인 가중치(파라미터)를 주는 전체 결합 네트워크와 비교하면 학습해야 할 파라미터의 수가 적다. 예를 들어, 만일 3 × 3의 필터가 16개인 경우, 파라미터의 수는 입력 16개, 출력이 16장인 경우(16 × 16 × 3 × 3) 약 2,300개가 되며, 이는 1계층 당 약 8만 개나 되는 전체 결합 네트워크보다 압도적으로 적다. _51쪽 Q 학습의 경우 처음에는 모든 가치가 0이라는 초깃값부터 시작한다. 또한, 인접하는 칸의 가치를 바탕으로 가치 함수를 갱신하므로 첫 번째 에피소드에서는 보상을 얻을 수 있는 출구의 직전 칸 가치만이 갱신된다. 그것이 에피소드가 진행됨에 따라 시작 측에 가치가 전달되어 가는 과정을 확인할 수 있다. 결국 최단 경로에 해당하는 칸의 가치가 높아진다. _122쪽 ‘CrazyStone’의 개발자 레미 쿨롱에 따르면 몬테카를로 트리 탐색은 단 1줄의 변경으로 굉장히 강해졌다고 언급했다. 그 개선은 플레이 아웃의 결과를 ‘땅 크기의 차이’가 아니라 ‘승리 또는 패배’로 변경한 것이다. ‘승리 또는 패배’보다 ‘땅 크기의 차이’ 쪽이 정보가 많으므로 언뜻 보면 더 나은 평가가 가능해 보인다. 정보를 적게 하는 편이 좀 더 잘된다는 점은 의외로 느껴진다. _186쪽 게임 AI에 강화 학습을 적용할 때의 장점은 지도 학습의 경우 필수가 되는 훈련 데이터가 필요 없다는 점을 들 수 있다. 따라서 원래 플레이 데이터를 얻기 어려운 게임이나 이미 강해져 교사 데이터를 만들기 어려운 AI에 대해서는 효과적인 기술이다. 한편, 강화 학습을 적용하는 다른 장점으로, 아무런 지식도 없는 상태에서 사람과 비슷한 지식수준이나 지금까지 알려지지 않았던 새로운 지식을 획득할 수 있다는 점을 들 수 있다. _248쪽
• 
• 

• 오츠키 토모시 [저]

• 정인식 [저]

• 숭실대학교에서 전자계산학을 전공하였다. 사회 초년생 시절 자바에 심취해 현대정보기술에서 웹 애플리케이션을 개발하였고, 그 후 이동통신 단말기 분야로 옮겨 휴대전화 단말기의 부가서비스 개발 업무를 진행하였다. 그리고 일본 키스코 모바일사업부의 팀장을 거쳐, 일본 교세라의 북미향 휴대전화기 개발에 참여하였다. 지금은 일본의 주요 이동통신사에서 업무 프로세스 개선을 위한 IT 컨설팅 및 데이터 분석 관련 도구를 개발하고 있다. 또한, 《알파고를 분석하며 배우는 인공지능》, 《빅데이터를 지탱하는 기술》, 《유니티 5로 만드는 3D/2D 스마트폰 게임 개발》, 《자바 마스터 북》, 《자바스크립트 마스터 북》 등을 비롯해 10여 종의 책을 번역하였다.

• 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.