국내도서

>

컴퓨터/인터넷

>

IT 전문서

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

• 
• 도서  > 컴퓨터/인터넷  > IT 전문서

• 
• 
• 인공지능(AI)은 오랜 시간 동안 인간의 상상력을 자극하며 여러 분야에서 연구되고 활용되어 왔다. 최근 각 기업들은 인공지능(AI) 인재를 찾기 위해 사활을 걸고 있다. 인공지능 기술의 급격한 발전은 산업 전반에 걸쳐 혁신을 이끌어내고 있으며, 특히 OpenAI의 ChatGPT가 그 대표적인 사례이다. ChatGPT는 단순한 챗봇의 기능을 뛰어넘어 다양한 산업 분야에 적용될 수 있는 무한한 가능성을 보여주고 있다.
• 
• 이 책은 딥러닝을 중심으로 주요 인공지능 기술들을 다루며, 학습자들이 실습을 통해 그 개념을 확실히 이해할 수 있도록 구성하였다. 딥러닝은 매우 매력적인 주제이지만, 학교에서 가르치기에는 여러 가지 어려움이 따른다. 실습 환경을 구축하는 것도 쉽지 않지만, 최근 파이썬(Python)과 여러 가지 딥러닝 프레임워크가 널리 사용되면서 이러한 문제를 해결할 수 있게 되었다. - 개정판에서는 강화 학습의 코드를 전면 교체하였다. 좀 더 빠른 시간 안에, 확실한 결과를 내는 코드로 교체하였다. - 개정판에서는 ChatGPT의 근간이 되는 트랜스포머 구조와 이미지 생성형 AI 중에서 안정 확산 기법(Stabe Diffusion)을 추가하였다. - 시각적 자료의 활용: 적절한 그림을 많이 사용하여 독자들이 친숙하게 느끼고 이해하기 쉬운 교재를 만들고자 노력하였다. 딥러닝 분야에서는 구글이 제공하는 텐서플로우 플레이그라운드 사이트를 이용하여 개념을 체득할 수 있도록 하였다. - 풍부한 실습 예제: 실습을 통해 개념을 확실히 이해할 수 있도록 최대한 많은 실습 예제를 포함하였다. 딥러닝 분야의 실습은 구글의 텐서플로우와 고수준 라이브러리인 Keras를 사용하여 진행할 수 있도록 구성하였다. LAB의 끝에는 도전 문제를 두어 독자들이 추가적으로 실습할 수 있도록 하였다.
• 
• Chapter 01 인공지능이란? 1. 인공지능의 시대 Lab ChatGPT와 Dall-E 체험하기 2. 인공지능의 정의 3. 인공지능의 간단한 역사 4. 규칙 기반 방법 vs 머신러닝 방법 5. 인공지능은 어디에 필요할까? Lab 머신러닝 체험하기 #1 Lab 머신러닝 체험하기 #2 Lab 티처블 머신 이용하여 머신러닝 체험하기 요약 연습문제 Chapter 02 파이썬과 넘파이 복습 1. 파이썬이란? 2. 파이썬 설치하기 3. 어떤 개발 도구를 사용할 것인가? 4. 파이썬 복습 5. 딥러닝 개발에 사용되는 라이브러리 6. 넘파이 Lab 넘파이로 평균 제곱 오차 계산하기 7. 맵플롯립 Lab 맵플롯립으로 시그모이드 함수를 그려보자 요약 연습문제 Chapter 03 머신러닝의 기초 1. 머신러닝이란? 2. 지도 학습 3. 머신러닝의 과정 4. 붓꽃을 머신러닝으로 분류해보자. 5. 필기체 숫자 이미지를 분류해보자. 6. 머신러닝 알고리즘의 성능평가 7. 머신러닝의 용도 요약 연습문제 Chapter 04 선형 회귀 1. 선형 회귀 2. 선형 회귀에서 손실 함수 최소화 방법 3. 선형 회귀 파이썬 구현 #1 4. 선형 회귀 파이썬 구현 #2 Lab 선형 회귀 실습 5. 과잉 적...합 vs 과소 적합 Lab 당뇨병 예제 Mini Project 면적에 따른 집값 예측 요약 연습문제 Chapter 05 퍼셉트론 1. 신경망이란? 2. 퍼셉트론 3. 퍼셉트론 학습 알고리즘 Lab 퍼셉트론 시각화 4. 퍼셉트론의 한계점 Mini Project 퍼셉트론으로 분류 요약 연습문제 Chapter 06 MLP(다층 퍼셉트론) 1. MLP(다층 퍼셉트론) 2. 활성화 함수 Lab 활성화 함수 구현 3. MLP의 순방향 패스 Lab MLP 순방향 패스 4. 손실함수 계산 5. 경사 하강법 Lab 경사 하강법 실습 Lab 2차원 그래디언트 시각화 6. 역전파 학습 알고리즘 7. 역전파 알고리즘을 손으로 계산해보자. 8. 넘파이만을 이용한 MLP 구현 9. 구글의 플레이그라운드를 이용한 실습 요약 연습문제 Chapter 07 MLP와 케라스 라이브러리 1. 미니 배치 Lab 미니 배치 실습 #1 2. 행렬로 미니 배치 구현하기 3. 학습률 Lab 학습률과 배치크기 실습 4. 케라스(Keras) 시작하기 5. 케라스를 사용하는 3가지 방법 6. 케라스를 이용한 MNIST 숫자 인식 7. 케라스의 입력 데이터 8. 케라스의 클래스들 9. 하이퍼 매개변수 요약 연습문제 Chapter 08 심층 신경망 1. 심층 신경망 2. 그래디언트 소실 문제 Lab 활성화 함수 실험 3. 손실 함수 선택 문제 Lab 교차 엔트로피의 계산 4. 케라스에서의 손실 함수 5. 가중치 초기화 문제 Lab 가중치 초기화 실험 6. 범주형 데이터 처리 7. 데이터 정규화 8. 과잉 적합과 과소 적합 9. 과잉 적합 방지 전략 Lab 배치 크기, 학습률, 규제항 10. 앙상블 11. 예제: MNIST 필기체 숫자 인식 12. 예제: 패션 아이템 분류 13. 예제: 타이타닉 생존자 예측하기 요약 연습문제 Chapter 09 컨벌루션 신경망 1. 컨벌루션 신경망 소개 2. 컨볼루션 연산 3. 풀링(서브 샘플링) 4. 컨벌루션 신경망을 해석해보자. 5. 케라스로 컨벌루션 신경망 구현하기 6. 예제: MNIST 필기체 숫자 인식 요약 연습문제 Chapter 10 영상 인식 1. 영상 인식이란? Lab 영상인식 신경망 체험하기 2. 전통적인 영상 인식 3. 심층 신경망을 이용한 영상 인식 4. 예제: CIFAR-10 영상 분류하기 5. 데이터 증대 6. 예제: 강아지와 고양이 구별하기 7. 가중치 저장과 전이 학습 요약 연습문제 Chapter 11 순환 신경망 1. 순환 신경망이란? 2. 순환 데이터의 이해 3. RNN의 구조 4. RNN의 순방향 패스 5. 순환 신경망의 학습 6. 예제: 사인파 예측 프로그램 7. LSTM 신경망 8. 예제: Keras를 이용한 주가 예측 요약 연습문제 Chapter 12 자연어 처리 1. 자연어 처리란? 2. 텍스트 전처리 3. 단어의 표현 4. 케라스에서의 자연어 처리 5. 예제: 스팸 메일 분류하기 6. seq2seq 모델 7. 예제: 다음 단어 예측하기 8. 예제: 영화 리뷰 감성 판별하기 요약 연습문제 Chapter 13 생성형 언어 모델 GPT 1. ChatGPT의 등장 2. 이전 자연어 처리 모델 3. 트랜스포머 모델 4. GPT에서의 엠베딩 벡터와 위치 엔코딩 5. GPT에서의 셀프 어텐션 6. GPT 모델 7. 실습 예제: picoGPT 요약 연습문제 Chapter 14 강화 학습 1. 강화 학습이란? 2. 강화 학습 프레임워크 3. OpenAI 4. 전통 Q-학습 5. 예제: 얼음 호수 게임에서 Q-학습의 구현 6. Deep Q-학습 7. 예제: 얼음 호수 게임에서 심층 Q-학습의 구현 요약 연습문제 Chapter 15 생성 모델 1. 생성 모델이란? 2. 케라스의 함수형 API 3. 기본형 오토인코더 4. 노이즈 제거 오토인코더 5. GAN이란? 6. 예제: GAN으로 숫자 이미지 생성 요약 연습문제 Chapter 16 이미지 생성 모델 Stable Diffusion 1. 이미지 생성 모델 2. 확산 모델 Lab 간단한 안정 확산 모델의 구현 3. 안정 확산 모델 4. 텍스트 조건화 Lab 안정 확산 모델 설치 및 실행 요약 연습문제
• 

• 천인국 [저]

• 1983년 서울대학교 전자공학과 공학사. 1985년 한국과학기술원 전기및전자공학과 공학석사. 1993년 한국과학기술원 전기및전자공학과 공학박사. 1985~1988년 삼성전자 종합연구소 주임 연구원. 1993년~현재 순천향대학교 컴퓨터 공학과 교수. 2005년 캐나다 UBC 방문 교수.

• 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.