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%↓)

• 
• 
• ▶ 이 책은 뉴럴 네트워크와 딥러닝을 다룬 이론서입니다.
• 
• 신경망의 기초부터 고급 주제까지 체계적으로 정리한 새로운 인공지능 교과서! 이 책은 현세대의 심층 학습 모형들을 주로 다루되, 전통적인 기계 학습 모형들도 언급한다. 이 책의 주요 내용은 다음과 같다. ■ 신경망의 기초: 전통적인 기계 학습 모형 중에는 신경망의 특수 사례로 이해할 수 있는 것들이 많이 있다. 제1장과 제2장은 전통적인 기계 학습과 신경망의 관계에 초점을 둔다. 이 두 장은 지지 벡터 기계, 선형회귀와 로지스틱 회귀, 특잇값 분해, 행렬 인수분해, 추천 시스템이 신경망의 특수 사례들에 해당함을 보여 준다. 그와 함께 word2vec 같은 최근의 특징 공학 방법들도 소개한다. ■ 기본적인 신경망 구조들과 학습 방법: 제3장과 제4장에서는 신경망의 훈련과 정칙화를 상세하게 논의한다. 제5장과 제6장은 방사상 기저 함수(RBF) 신경망과 제한 볼츠만 기계(RBM)를 소개한다. ■ 신경망의 고급 주제: 제7장과 제8장은 순환 신경망과 합성곱 신경망을 논의한다. 제9장과 제10장에서는 심층 강화 학습, 신경 튜링 기계, 생성 대립 신경망(GAN) 같은 여러 고급 주제를 논의한다. 이 책의 대상 독자 이 책의 주된 대상은 대학원생과 연구자, 실무자이다. 강의와 독학에 도움이 되도록 각 장 끝에 연습문제들을 수록했다. 그리고 신경망과 심층 학습이 실제로 어떻게 쓰이는지 독자가 가늠할 수 있도록 응용 사례를 중심으로 논의를 진행했다.
• 
• 1장 신경망 입문 1.1 소개 1 1.1.1 인간 대 컴퓨터: 인공지능의 한계 확장 4 1.2 신경망의 기본 구조 6 1.2.1 단일 계산층: 퍼셉트론 7 1.2.2 다층 신경망 25 1.2.3 계산 그래프로서의 다층망 28 1.3 역전파를 이용한 신경망 훈련 30 1.4 신경망 훈련의 실질적인 문제점들 35 1.4.1 과대적합 문제점 35 1.4.2 기울기 소실 및 폭발 문제 41 1.4.3 수렴의 어려움 41 1.4.4 국소 가짜 최적해 42 1.4.5 계산의 어려움 43 1.5 함수 합성이 강력한 이유 44 1.5.1 비선형 활성화 함수의 중요성 47 1.5.2 깊이를 이용한 매개변수 요구수준 감소 49 1.5.3 통상적이지 않은 신경망 구조들 51 1.6 흔히 쓰이는 신경망 구조들 54 1.6.1 얕은 모형으로 기본적인 기계 학습 흉내 내기 54 1.6.2 방사상 기저 함수(RBF) 신경망 54 1.6.3 제한 볼츠만 기계 55 1.6.4 순환 신경망 56 1.6.5 합성곱 신경망 59 1.6.6 위계적 특징 공학과 미리 훈련된 모형 61 1.7 고급 주제 64 1.7.1 강화 학습 64 1.7.2 자료 저장과 계산의 분리 65 1.7.3 생성 대립 신경망(GAN) 66 1.8 주요 벤치마크 두 ...가지 67 1.8.1 필기 숫자들을 담은 MNIST 데이터베이스 67 1.8.2 ImageNet 데이터베이스 69 1.9 요약 70 1.10 문헌 정보 71 1.10.1 동영상 강의 73 1.10.2 소프트웨어 정보 74 연습문제 75 2장 얕은 신경망을 이용한 기계 학습 2.1 소개 79 2.2 이진 분류 모형을 위한 신경망 구조 82 2.2.1 퍼셉트론 다시 보기 83 2.2.2 최소제곱 회귀 85 2.2.3 로지스틱 회귀 91 2.2.4 지지 벡터 기계 94 2.3 다중 분류 모형을 위한 신경망 구조들 97 2.3.1 다부류 퍼셉트론 97 2.3.2 웨스턴-왓킨스 SVM 99 2.3.3 다항 로지스틱 회귀(소프트맥스 분류기) 101 2.3.4 다중 분류를 위한 위계적 소프트맥스 103 2.4 해석성과 특징 선택을 위한 돌출 요인 역전파 104 2.5 자동부호기를 이용한 행렬 인수분해 105 2.5.1 자동부호기의 기본 원리 106 2.5.2 비선형 활성화 함수 113 2.5.3 심층 자동부호기 116 2.5.4 이상치 검출에 응용 119 2.5.5 은닉층이 입력층보다 넓은 경우 120 2.5.6 기타 응용 122 2.5.7 추천 시스템: 행 색인과 행 가치 예측 124 2.5.8 논의 128 2.6 word2vec: 단순 신경망 구조의 한 응용 129 2.6.1 연속 단어 모음을 이용한 신경망 단어 내장 130 2.6.2 스킵그램 모형을 이용한 신경망 내장 134 2.6.3 word2vec(SGNS)은 로그 행렬 인수분해이다 142 2.6.4 보통의 스킵그램은 다항 행렬 인수분해이다 145 2.7 그래프 내장을 위한 간단한 신경망 구조 146 2.7.1 임의의 간선 횟수 처리 148 2.7.2 다항 모형 149 2.7.3 DeepWalk 및 node2vec의 관계 149 2.8 요약 150 2.9 문헌 정보 151 2.9.1 소프트웨어 정보 153 연습문제 154 3장 심층 신경망의 훈련 3.1 소개 157 3.2 아주 상세한 역전파 알고리즘 160 3.2.1 역전파와 계산 그래프 추상 160 3.2.2 해결책은 동적 계획법 166 3.2.3 활성화 후 변수를 이용한 역전파 167 3.2.4 활성화 전 값을 이용한 역전파 171 3.2.5 여러 활성화 함수의 갱신 공식 174 3.2.6 벡터 중심적 역전파의 분리 관점 176 3.2.7 다중 출력 노드 및 은닉 노드의 손실함수 179 3.2.8 미니배치 확률적 경사 하강법 180 3.2.9 역전파에서 가중치 공유를 처리하는 요령 183 3.2.10 기울기 계산의 정확성 확인 184 3.3 설정과 초기화 문제 186 3.3.1 초매개변수 조정 186 3.3.2 특징 전처리 188 3.3.3 초기화 191 3.4 기울기 소실 및 폭발 문제 193 3.4.1 기하학으로 살펴본 기울기 비의 효과 194 3.4.2 활성화 함수의 선택을 이용한 부분적인 해법 196 3.4.3 뉴런의 죽음과 ‘뇌손상’ 198 3.5 경사 하강 전략들 199 3.5.1 학습 속도 감쇄 200 3.5.2 운동량 기반 학습 201 3.5.3 매개변수 고유 학습 속도 204 3.5.4 절벽과 고차 불안정성 210 3.5.5 기울기 절단 211 3.5.6 2차 미분 212 3.5.7 폴리액 평균 224 3.5.8 극소점과 가짜 최소점 225 3.6 배치 정규화 226 3.7 가속과 압축을 위한 실질적인 요령들 232 3.7.1 GPU 가속 232 3.7.2 병렬 및 분산 구현 235 3.7.3 모형 압축을 위한 알고리즘 요령 237 3.8 요약 242 3.9 문헌 정보 243 3.9.1 소프트웨어 정보 245 연습문제 246 4장 일반화 능력을 위한 심층 학습 모형의 훈련 4.1 소개 249 4.2 편향 대 분산 절충 관계 256 4.2.1 공식적인 관점 258 4.3 모형의 조정 및 평가와 관련된 일반화 문제점 262 4.3.1 예비와 교차 검증을 이용한 모형 평가 264 4.3.2 자료 집합의 규모에 따른 훈련상의 문제점 266 4.3.3 자료 추가 수집 필요성 판정 266 4.4 벌점 기반 정칙화 267 4.4.1 잡음 주입과의 관계 269 4.4.2 정칙화 271 4.4.3 정칙화 대 정칙화 272 4.4.4 은닉 단위에 대한 벌점: 희소 표현 학습 273 4.5 앙상블 방법 274 4.5.1 배깅과 부표집 275 4.5.2 매개변수 기반 모형 선택과 평균화 277 4.5.3 무작위 연결 생략 278 4.5.4 드롭아웃 278 4.5.5 자료 섭동 앙상블 283 4.6 조기 종료 284 4.6.1 분산의 관점에서 본 조기 종료 285 4.7 비지도 사전훈련 286 4.7.1 비지도 사전학습의 변형들 290 4.7.2 지도 사전훈련은 어떨까? 291 4.8 연속법과 커리큘럼 학습 293 4.8.1 연속법 294 4.8.2 커리큘럼 학습 295 4.9 매개변수 공유 296 4.10 비지도 학습의 정칙화 298 4.10.1 값 기반 벌점: 희소 자동부호기 298 4.10.2 잡음 주입: 잡음 제거 자동부호기 299 4.10.3 기울기 기반 벌점: 축약 자동부호기 301 4.10.4 은닉 확률 구조: 변분 자동부호기 305 4.11 요약 314 4.12 문헌 정보 315 4.12.1 소프트웨어 정보 317 연습문제 318 5장 방사상 기저 함수 신경망 5.1 소개 321 5.2 RBF 망의 훈련 326 5.2.1 은닉층의 훈련 326 5.2.2 출력층의 훈련 328 5.2.3 직교 최소제곱 알고리즘 331 5.2.4 완전 지도 학습 332 5.3 RBF 망의 변형 및 특수화 333 5.3.1 퍼셉트론 판정기준을 이용한 분류 334 5.3.2 경첩 손실함수를 이용한 분류 334 5.3.3 RBF 망의 선형 분리가능성 개선 335 5.3.4 RBF 망을 이용한 보간 337 5.4 핵 방법들과의 관계 338 5.4.1 특수한 RBF 망으로서의 핵 회귀 338 5.4.2 특수한 RBF 망으로서의 핵 SVM 339 5.4.3 관찰 340 5.5 요약 341 5.6 문헌 정보 342 연습문제 343 6장 제한 볼츠만 기계 6.1 소개 345 6.1.1 역사적 관점 346 6.2 홉필드 망 347 6.2.1 훈련된 홉필드 망의 최적 상태 구성 349 6.2.2 홉필드 망의 훈련 352 6.2.3 간단한 영화 추천 시스템의 구축과 그 한계 354 6.2.4 홉필드 망의 표현력 증가 355 6.3 볼츠만 기계 357 6.3.1 볼츠만 기계의 자료 생성 359 6.3.2 볼츠만 기계의 가중치 학습 360 6.4 제한 볼츠만 기계 363 6.4.1 RBM의 훈련 366 6.4.2 대조 발산 알고리즘 367 6.4.3 실천상의 문제와 알고리즘 수정 369 6.5 제한 볼츠만 기계의 응용 370 6.5.1 RBM을 이용한 차원 축소와 자료 재구축 371 6.5.2 RBM을 이용한 협업 필터링 374 6.5.3 RBM을 이용한 분류 378 6.5.4 RBM을 이용한 주제 모형화 383 6.5.5 RBM을 이용한 다중 모드 자료 기계 학습 385 6.6 RBM을 이진 자료 이외의 자료에 적용 387 6.7 중첩된 RBM 389 6.7.1 비지도 학습 392 6.7.2 지도 학습 392 6.7.3 심층 볼츠만 기계와 심층 믿음망 393 6.8 요약 394 6.9 문헌 정보 394 연습문제 397 7장 순환 신경망 7.1 소개 399 7.1.1 순환 신경망의 표현력 403 7.2 순환 신경망의 구조 404 7.2.1 RNN을 이용한 언어 모형 예제 408 7.2.2 시간에 따른 역전파 411 7.2.3 양방향 순환 신경망 415 7.2.4 다층 순환 신경망 418 7.3 순환 신경망 훈련의 어려움과 그 해법 420 7.3.1 층 정규화 424 7.4 반향 상태 신경망 426 7.5 장단기 기억(LSTM) 429 7.6 게이트 제어 순환 단위(GRU) 433 7.7 순환 신경망의 응용 436 7.7.1 자동 이미지 캡션 생성 437 7.7.2 순차열 대 순차열 학습과 기계 번역 439 7.7.3 문장 수준 분류 444 7.7.4 언어적 특징을 활용한 토큰 수준 분류 445 7.7.5 시계열 예상 및 예측 447 7.7.6 시간적 추천 시스템 450 7.7.7 2차 단백질 구조 예측 453 7.7.8 종단간 음성 인식 453 7.7.9 필기 인식 454 7.8 요약 455 7.9 문헌 정보 455 7.9.1 소프트웨어 정보 457 연습문제 458 8장 합성곱 신경망 8.1 소개 461 8.1.1 역사 및 생물학의 영향 462 8.1.2 좀 더 넓은 관점에서 본 합성곱 신경망 464 8.2 합성곱 신경망의 기본 구조 465 8.2.1 여백 채우기 472 8.2.2 보폭 474 8.2.3 전형적인 설정 475 8.2.4 ReLU 층 476 8.2.5 풀링 477 8.2.6 층들의 완전 연결 479 8.2.7 서로 다른 층들의 교대 구성 480 8.2.8 국소 반응 정규화 484 8.2.9 위계적 특징 공학 485 8.3 합성곱 신경망의 훈련 487 8.3.1 합성곱 층에 대한 역전파 487 8.3.2 역/전치 필터를 이용한 합성곱 연산으로서의 역전파 489 8.3.3 행렬 곱셈으로서의 합성곱 및 역전파 490 8.3.4 자료 증강 493 8.4 합성곱 신경망 구조의 사례 연구 495 8.4.1 AlexNet 495 8.4.2 ZFNet 499 8.4.3 VGG 500 8.4.4 GoogLeNet 504 8.4.5 ResNet 507 8.4.6 깊이의 효과 512 8.4.7 미리 훈련된 모형들 512 8.5 시각화와 비지도 학습 514 8.5.1 훈련된 합성곱 신경망의 특징 시각화 515 8.5.2 합성곱 자동부호기 522 8.6 합성곱 신경망의 응용 529 8.6.1 내용 기반 이미지 검색 530 8.6.2 물체 위치 추정 530 8.6.3 물체 검출 532 8.6.4 자연어 처리와 순차열 학습 534 8.6.5 동영상 분류 535 8.7 요약 536 8.8 문헌 정보 537 8.8.1 소프트웨어 및 자료 집합 정보 540 연습문제 542 9장 심층 강화 학습 9.1 소개 543 9.2 상태 없는 알고리즘: 여러 팔 강도 547 9.2.1 단순한 알고리즘 548 9.2.2 탐욕 알고리즘 548 9.2.3 상계 방법 549 9.3 강화 학습의 기본 틀 550 9.3.1 강화 학습의 어려움 553 9.3.2 틱택토 게임을 위한 간단한 강화 학습 554 9.3.3 심층 학습의 역할과 잠정적 알고리즘 555 9.4 가치 함수 학습의 부트스트래핑 558 9.4.1 함수 근사기로서의 심층 강화 학습 모형 560 9.4.2 응용 사례: 아타리 설정을 위한 강화 학습 심층 신경망 565 9.4.3 정책 내 방법 대 정책 외 방법: SARSA 566 9.4.4 상태의 모형화 대 상태-동작 쌍 568 9.5 정책 기울기 방법 571 9.5.1 유한차분법 573 9.5.2 가능도비 방법 574 9.5.3 지도 학습과 정책 기울기 방법의 결합 577 9.5.4 행위자-비평자 방법 578 9.5.5 연속 동작 공간 580 9.5.6 정책 기울기 방법의 장단점 581 9.6 몬테카를로 트리 검색 582 9.7 사례 연구 584 9.7.1 알파고: 세계 최고 수준의 인공지능 바둑 기사 584 9.7.2 스스로 배우는 로봇 591 9.7.3 대화 시스템 구축: 챗봇을 위한 심층 학습 596 9.7.4 자율주행차 600 9.7.5 강화 학습을 이용한 신경망 구조의 추론 603 9.8 안전과 관련된 실무적인 어려움들 604 9.9 요약 606 9.10 문헌 정보 606 9.10.1 소프트웨어와 실험 환경 정보 608 연습문제 610 10장 심층 학습의 고급 주제들 10.1 소개 613 10.2 주의 메커니즘 616 10.2.1 시각적 주의의 순환 모형 618 10.2.2 기계 번역을 위한 주의 메커니즘 622 10.3 외부 메모리가 있는 신경망 627 10.3.1 가상 정렬 게임 628 10.3.2 신경 튜링 기계 631 10.3.3 미분 가능 신경 컴퓨터 개괄 639 10.4 생성 대립 신경망(GAN) 641 10.4.1 생성 대립 신경망의 훈련 642 10.4.2 변분 자동부호기와 비교 646 10.4.3 GAN을 이용한 이미지 자료 생성 647 10.4.4 조건부 생성 대립 신경망 649 10.5 경쟁 학습 655 10.5.1 벡터 양자화 657 10.5.2 코호넨 자기조직화 지도 658 10.6 신경망의 한계 662 10.6.1 대담한 목표: 단발 학습 662 10.6.2 대담한 목표: 에너지 효율적 학습 665 10.7 요약 667 10.8 문헌 정보 667 10.8.1 소프트웨어 정보 669 연습문제 671 참고문헌 673 찾아보기 721
• 
• 심층 학습 모형은 로지스틱 회귀나 선형회귀 같은 좀 더 단순한 모형들을 차곡차곡 쌓은 것으로 볼 수 있다. 이번 장에서 상세히 이야기하겠지만, 선형 뉴런과 S자형 활성화 함수를 조합하면 로지스틱 회귀 모형이 된다. 선형 단위와 S자형 활성화 함수의 조합은 좀 더 복잡한 신경망의 구축에도 광범위하게 쓰인다. 이로부터 다음과 같은 질문이 자연스럽게 제기된다. _80페이지 이러한 미니배치 확률적 경사 하강법이 안정성, 속도, 메모리 요구량을 가장 잘 절충하는 선택일 때가 많다. 미니배치 확률적 경사 하강법을 사용할 때는 한 층의 출력들이 벡터가 아니라 행렬이며, 순전파에서는 가중치 행렬과 활성화 값 행렬을 곱한다. 가중치들의 행렬을 갱신하는 역전파에서도 마찬가지로 행렬 곱셈이 필요하다. 따라서 미니배치 확률적 경사 하강법 구현은 보통의 확률적 경사 하강법 구현보다 메모리를 더 많이 소비하며, 이러한 높은 메모리 요구수준은 미니배치의 크기를 제한하는 요소이다. _183페이지 연속법과 커리큘럼 학습은 사람이 뭔가를 배우는 과정과도 잘 맞는다. 사람들은 먼저 간단한 개념을 배우고 더 복잡한 개념으로 나아갈 때가 많다. 그러한 원리에 기초해서 학습 주제들을 적절히 배치한 것을 흔히 커리큘럼 또는 교육과정이라고 부르는데, 잘 정의된 커리큘럼은 학습 성과를 높이는 데 도움이 된다. 이러한 원리는 기계 학습에서도 잘 작동하는 것으로 보인다. 그럼 연속법과 커리큘럼 학습을 좀 더 자세히 살펴보자. _294페이지 은닉 단위 개수를 선택하는 한 가지 방법은 자료의 일부를 따로 떼어서 예비 집합을 만들고 여러 가지 은닉 단위 개수로 그 예비 집합에 대한 정확도를 측정해 보는 것이다. 정확도가 가장 좋은 모형의 은닉 단위 개수를 선택하면 된다. _341페이지 전통적인 역전파와 ‘deconvnet’의 차이를 해석하는 한 가지 방법은 기울기 역전파를 복호기가 수행하는 역합성곱(부호기 합성곱의 전치) 연산으로 간주하는 것이다. 단, 이 경우 복호기는 ReLU가 함의하는 기울기 기반 변환이 아니라 ReLU 함수를 다시 사용한다. 사실 모든 형태의 복호기는 부호기와 동일한 활성화 함수를 사용한다. _519페이지
• 

• 차루 C. 아가르왈 [저]

• 류광 [저]

• 1996년부터 활동해 온 프로그래밍 서적 전문 번역가로, Game Programming Gems 시리즈와 컴퓨터 프로그래밍의 예술(The Art of Computer Programming) 제1~4A권, UNIX 고급 프로그래밍(Advanced Programming in UNIX Environment) 제2판과 제3판을 포함하여 60여 권의 다양한 프로그래밍 서적을 번역했다. C++ 관련 번역서로는 일반적 프로그래밍과 STL, C++ Template Metaprogramming, (C++로 배우는) 프로그래밍의 원리와 실제 등이 있다. 수학 관련 번역서로는 《구체 수학》, 《3D 게임 프로그래밍 & 컴퓨터 그래픽을 위한 수학》 제1판·제2판 등이 있고, 심층학습 관련 번역서로는 《인공지능: 현대적 접근방식》 제4판, 《심층학습》, 《신경망과 심층 학습》 등이 있다. 번역과 프로그래밍 외에 소프트웨어 문서화에도 많은 관심이 있으며, 수많은 오픈소스 프로젝트들의 표준 문서 형식으로 쓰이는 DocBook의 국내 사용자 모임인 닥북 한국(http://docbook.kr)의 일원이다. 현재 번역서 정보 사이트 occam’s Razor(http://occamsrazr.net)와 게임 개발 및 개발서 관련 사이트 GpgStudy(http://www.gpgstudy.com)를 운영하고 있다.

• 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.