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

• 
• 
• ★ 먼저 〈기본 블록〉과 〈학습 루프〉 그림으로 이해하고 ★ 15가지 파이토치 딥러닝 신경망을 구현하고 학습하라 개념을 제대로 이해하면 누구나 ‘데이터 분석 → 전처리 → 모델링 → 평가’ 순서를 따라 딥러닝 신경망을 어렵지 않게 만들 수 있습니다. 그래서 이 책은 이해를 돕는 그림을 곁들여 개념을 충실히 설명하고 〈기본 블록〉과 〈학습 루프〉를 그림으로 제시합니다. 그러고 나서 이미지, 텍스트, GAN 생성 모델을 학습하는 데 유용한 15가지 신경망을 만들어봅니다. 이 책으로 딥러닝 기초를 다지고 나서 최신 논문을 참고하면 실무에서 만나는 데이터에 알맞은 문제 풀이 전략을 고안할 수 있게 될 겁니다. * Must Have 시리즈는 내 것으로 만드는 시간을 드립니다. 명확한 학습 목표와 핵심 정리를 제공하고, 간단명료한 설명과 다양한 그림으로 학습 효과를 극대화합니다. 설명과 예제를 제공해 응용력을 키워줍니다. 할 수 있습니다. 포기는 없습니다. 지금 당장 밑줄 긋고 메모하고 타이핑하세요! Must Have가 여러분의 성장을 돕겠습니다.
• 
• ★ 이 책으로 파이토치 딥러닝을 익혀야 하는 이유 이 책은 독자 여러분이 파이토치 딥러닝을 효과적으로 배울 수 있게 파이토치 딥러닝 개념, 파이 토치 코딩, 실전 노하우에 집중합니다. 또한 학습 마무리 단계에 자연스럽게 복습되게 만들었습니다. 딥러닝 개념은 수학과 떼려야 뗄 수 없습니다. 하지만 너무 어려운 수식을 사용하면 이해하는 데 오히려 방해됩니다. 그래서 고등학교 수학 지식만 있다면 누구나 쉽게 이해할 수 있는 수식에 그림을 곁들여 단계적으로 개념을 설명했습니다. 파이토치는 클래스 기반으로 신경망, 학습 순서를 정의하고 학습합니다. 그래서 파이토치에서 권고하는 코딩 구조를 먼저 알려드리고 나서 본격적인 학습에 들어갑니다. 기초 신경망인 CNN부터 스스로 창작하는 GAN까지 총 16가지 신경망을 만들 때는 먼저 신경망의 〈기본 블록〉과 〈학습 루프〉를 그림으로 제시합니다. 제시된 〈기본 블록〉과 〈학습 루프〉를 눈으로 보고 코드로 구현하면 되기 때문에 이해하기가 훨씬 쉽니다. 신경망을 만들 때는 〈기본 블록〉을 적당한 반복을 하는데 ‘적당한’은 주로 협업을 진행해본 사람만 아는 노하우입니다. 적당한 손실 함수를 선택하거나, 적당한 평가 방법을 고를 때도 마찬가지입니다. 이 책은 그저 코드를 따라 치는 게 아니라 어떤 관점에서 문제를 풀어나가야 하는지 실전 경험을 바탕으로 설명해 여러분이 실전에서 ‘적당한’을 알맞게 선택할 수 있게 돕습니다. 참고로 독자의 시간을 아낄 수 있도록 소스 코드뿐만 아니라 학습이 끝난 모델 파일 또한 코랩으로 제공합니다. 따라서 고성능 컴퓨터가 없어도 예제를 체험할 수 있습니다. 학습 마무리에서는 전체 과정을 되짚어 보여주고, 스스로 익힌 바를 확인할 수 있게 연습 문제를 제공합니다. 이런 식으로 16가지 신경망을 모두 학습하고 나면, 딥러닝 알고리즘에 대한 이해뿐만 아니라, 파이토치 코딩에 대한 지식과 실무 노하우도 얻을 수 있게 될 겁니다. 학습에 도움이 되길 빕니다. ★ 왜 파이토치 프레임워크를 사용해야 할까요? paperswithcode.com에 따르면 2022년 3월 현재 파이토치는 전 세계 논문에서 가장 많이 사용하는 딥러닝 프레임워크입니다. 파이토치는 페이스북, 마이크로소프트 같은 대형 회사부터 대학 연구실까지 많은 사람이 이용합니다. 파이토치 코드는 파이썬 본래의 코드와 유사해 직관적이라는 장점이 있습니다. ★ 타깃 독자 __파이썬을 아는 딥러닝 입문자 __딥러닝을 더 잘 활용하고 싶은 현업 데이터 엔지니어 __딥러닝 전공 학과 학생 ★ 이 책의 구성 이 책은 학습 흐름을 끊지 않기 위해 개발 환경부터 설명한 후, 다음과 같이 총 5단계에 걸쳐 딥러닝 알고리즘을 개발하는 방법을 공략해나갑니다. _1단계 : 딥러닝 입문하기 인공지능의 배경지식과 신경망을 알아보고 나서 간단한 신경망을 만듭니다. 이미 배경지식을 아는 분은 1장과 2장을 건너뛰어도 되지만, 가능하면 다시 돌아보는 기회로 삼기 바랍니다. _2단계 : 입문용 신경망 3총사 CNN, ResNet, RNN 딥러닝에서 가장 흔하게 사용되는 알고리즘 세 가지를 소개합니다. 먼저 이미지를 처리하는 가장 기본적인 신경망인 VGG(CNN 모델)를 다룹니다. 거기서 조금 더 발전된 형태인 ResNet은 최근에도 사용될 정도로 성능이 좋습니다. 시간의 흐름에 따라 순서가 있는 데이터를 시계열 데이터라고 부르는데, 시계열 데이터를 다루는 기본 알고리즘인 RNN을 마지막으로 알아보겠습니다. _3단계 : 딥러닝으로 이미지 처리하기 분류보다 더 복잡한 이미지 처리 기술인 이미지 세그멘테이션, 이미지 디노이징, 자동 채색을 알아보겠습니...다. U-Net, 오토인코더, Let there be color를 이용합니다. 딥러닝을 이용한 이미지 처리는 이미지로부터 얻은 특징을 어떻게 사용하느냐가 매우 중요합니다. 이미지의 특징을 처리하는 방법도 배워봅시다. _4단계 : 딥러닝으로 텍스트 처리하기 실전에서 등장하는 시계열 알고리즘을 사용해 조금 더 복잡한 텍스트 처리를 배워보겠습니다. 10장에서는 RNN의 발전형인 LSTM을 이용해 ‘글을 쓰는 인공지능’을, 11장에서는 어텐션 기법을 이용해 기계 번역기를 만듭니다. 12장에서는 이미지로부터 텍스트를 추출하는 알고리즘을 알아봅니다. LSTM과 어텐션은 텍스트 처리에서 빠지지 않고 등장하는 개념입니다. _5단계 : GAN으로 생성 모델 만들기 그림이나 음악을 만드는 등을 입력으로 주고 새로운 결과물을 출력하는 모델을 생성 모델이라고 부르는데, 가장 기본은 적대적 생성 신경망(GAN)입니다. 사람 얼굴을 생성하는 GAN, 화질을 개선하는 GAN, 데이터 없이 학습하는 GAN을 만들겠습니다. _부록 본문에서 다루지 못한 GPT, BERT, ViT 를 알아보고, 오차 역전파를 이용해 실제로 가중치가 업데이트되는 과정을 알아봅니다. 끝으로 로컬에 실습 환경을 구축하는 방법을 알아봅니다.
• 
• 00장. 실습 환경 안내 __0.1 코랩 시작하기 __0.2 코랩 기초 사용 방법 __0.3 예제 코드 노트 복사하기 __0.4 실습에 사용할 데이터셋 준비하기 [1단계 : 딥러닝 입문하기] 01장. 딥러닝 한눈에 살펴보기 __1.1 머신러닝과 딥러닝 __1.2 지도 학습, 비지도 학습, 강화 학습 __1.3 왜 딥러닝에 파이토치인가? __1.4 파이토치 권고 코딩 스타일 __1.5 딥러닝 문제 해결 프로세스 __1.6 딥러닝 문제 해결 체크리스트 __1.7 딥러닝에 필요한 최소한의 통계 개념 __1.8 직관적 분석에 유용한 시각화 __학습 마무리 __연습문제 02장. 인공 신경망 ANN 이해하기 __2.1 퍼셉트론 __2.2 다층 신경망으로 단층 신경망 한계 극복하기 __2.3 인공 신경망의 학습 확인해보기 __2.4 손실 함수로 올바른 가중치 찾기 __2.5 경사 하강법과 오차 역전파로 최적의 값 찾기 __2.6 활성화 함수로 기울기 소실 예방하기 __2.7 신경망 성능 비교하기 __학습 마무리 __연습문제 03장. 간단한 신경망 만들기 __3.1 사인 함수 예측하기 __3.2 보스턴 집값 예측하기 : 회귀 분석 __3.3 손글씨 분류하기 : 다중분류 __학습 마무리 __연습문제 [2단계 : 입문용 신경망 3총사 CNN, ResNet, RNN] ... 04장. 사진 분류하기 : CNN과 VGG __4.1 이해하기 : CNN __4.2 데이터 전처리하기 __4.3 CNN으로 이미지 분류하기 __4.4 전이 학습 모델 VGG로 분류하기 __학습 마무리 __연습문제 05장. 유행 따라가기 : ResNet 만들기 __5.1 이해하기 : ResNet __5.2 이해하기 : 배치 정규화 __5.3 기본 블록 정의하기 __5.4 ResNet 모델 정의하기 __5.5 모델 학습하기 __5.6 모델 성능 평가하기 __학습 마무리 __연습문제 06장. 넷플릭스 주가 예측하기 : RNN으로 첫 시계열 학습 __6.1 이해하기 : RNN __6.2 데이터 살펴보기 __6.3 학습용 데이터 만들기 __6.4 RNN 모델 정의하기 __6.5 모델 학습하기 __6.6 모델 성능 평가하기 __학습 마무리 __연습문제 [3단계 : 딥러닝으로 이미지 처리하기] 07장. 이미지 세그멘테이션 : U-Net __7.1 이해하기 : U-Net __7.2 데이터 살펴보기 __7.3 학습용 데이터 만들기 __7.4 U-Net 모델 정의하기 __7.5 모델 학습하기 __7.6 모델 성능 평가하기 __학습 마무리 __연습문제 08장. 이미지 노이즈 제거 : 오토인코더 __8.1 이해하기 : 이미지 노이즈 __8.2 이해하기 : 오토인코더 __8.3 데이터 살펴보기 __8.4 학습용 데이터 만들기 __8.5 인코더 모델 정의하기 __8.6 디코더 모델 정의하기 __8.7 CAE 모델 정의하기 __8.8 모델 학습하기 __8.9 모델 성능 평가하기 __학습 마무리 __연습문제 09장. 자동 채색 : Let there be color 모델 __9.1 이해하기 : Let there be color 모델 구조 __9.2 데이터 살펴보기 __9.3 학습용 데이터셋 만들기 __9.4 모델 정의하기 : 로 레벨 특징 추출기 __9.5 모델 정의하기 : 미들 레벨 특징 추출기 __9.6 모델 정의하기 : 글로벌 레벨 특징 추출기 __9.7 모델 정의하기 : 컬러라이제이션 신경망 __9.8 모델 정의하기 : 전체 모델 __9.9 모델 학습하기 __9.10 모델 성능 평가하기 __학습 마무리 __연습문제 [4단계 : 딥러닝으로 텍스트 처리하기] 10장. 글쓰는 인공지능 : LSTM 텍스트 생성 __10.1 이해하기 : 텍스트 생성 __10.2 이해하기 : LSTM __10.3 데이터 살펴보기 __10.4 학습용 데이터 만들기 __10.5 LSTM 모델 정의하기 __10.6 학습하기 __10.7 모델 성능 평가하기 __학습 마무리 __연습문제 11장. 직접 만드는 번역기 : 어텐션 기계 번역 __11.1 이해하기 : Seq2Seq 모델 __11.2 이해하기 : 어텐션 메커니즘 __11.3 이해하기 : GRU __11.4 데이터 살펴보기 __11.5 학습용 데이터 만들기 __11.6 인코더 정의하기 __11.7 디코더 정의하기 __11.8 어텐션 기계 번역기 학습하기 __11.9 모델 성능 평가하기 __학습 마무리 __연습문제 12장. 캡챠 텍스트 인식 : CRNN+GRU __12.1 이해하기 : CRNN __12.2 이해하기 : CTC 손실 __12.3 데이터 살펴보기 __12.4 학습용 데이터셋 만들기 __12.5 CRNN 모델 정의하기 : CNN __12.6 CRNN 모델 정의하기 : 전체 모델 __12.7 모델 학습하기 __12.8 모델 성능 평가하기 __학습 마무리 __연습문제 [5단계 : GAN으로 생성 모델 만들기] 13장. 사람 얼굴을 생성하는 GAN __13.1 이해하기 : GAN __13.2 이해하기 : 특징 공간 __13.3 데이터 살펴보기 __13.4 학습용 데이터셋 만들기 __13.5 GAN 생성자 정의하기 __13.6 GAN 감별자 정의하기 __13.7 가중치 초기화하기 __13.8 모델 학습하기 __13.9 모델 성능 평가하기 __학습 마무리 __연습문제 14장. 화질을 개선하는 GAN __14.1 이해하기 : SRGAN __14.2 학습용 데이터셋 만들기 __14.3 SRGAN 생성자 정의하기 __14.4 SRGAN 감별자 정의하기 __14.5 CNN 특징 추출기 정의하기 __14.6 모델 학습하기 __14.7 모델 성능 평가하기 __학습 마무리 __연습문제 15장. 데이터 없이 학습하는 GAN __15.1 이해하기 : 모델 경량화 __15.2 이해하기 : GAN을 이용한 경량화 __15.3 교사 모델 학습하기 __15.4 GAN 생성자 정의하기 __15.5 학생 모델과 생성자 학습하기 __15.6 모델 성능 평가하기 __학습 마무리 __연습문제 부록 A. 트랜스포머 · GPT · BERT · ViT 알아보기 부록 B. 오차 역전파에서 가중치 업데이트 과정 부록 C. 윈도우 · 맥OS · 우분투에 개발 환경 구축하기
• 
• 

• 이종민(텐초) [저]

• 일본 JAIST 정보과학 석사. 동경의 딥러닝 엔지니어로 Ghelia에서 B2B 인공지능 솔루션을 개발 중이다. 딥러닝의 유용함을 널리 알리고자 유튜버로 활동하고 글을 쓰고 책을 집필한다. 쉬운 그림을 이용해 10초만에 핵심을 전달하자는 의미에서 닉네임을 텐초로 지어 활동하고 있다. www.youtube.com/c/텐초

• 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.