도서소개
이 책은 어설픈 지름길을 담지 않았다. 공부는 했는데 남는 게 없으면 안 되니까! 실무에서 제대로 알고 써야 하니까! 국내 6명뿐인 구글 인증 머신러닝 전문가(ML GDE; Machine Learning Google Developer Experts)이자 인공지능 분야 서적, 최다 번역을 진행한 박해선 선생이 이번에는 딥러닝 입문서를 집필했다.
이 책은 개념 한 걸음, 수식 한 걸음 그리고 코딩 한 걸음. 가장 적당한 보폭과 올곧은 방향으로 독자를 딥러닝으로 안내한다. 또한 그래프, 삽화, 도해는 100개가 넘어 추상적인 개념도 쉽고 빠르게 받아들일 수 있다. 프로그램 설치 없이 웹 브라우저에 접속하기만 하면 실습을 바로 시작할 수 있다는 점도 이 책만의 특징이다.
편안하게 이론을 이해한 다음 직접 코딩하며 눈으로 딥러닝 대표 문제 4가지를 정복하니 딥러닝의 교과서로 부족함이 없다. 꼭 짚고 넘어가야 할 개념이나 용어는 본문 중간에 나오는 ‘잠깐! 다음으로 넘어가려면’ 코너와 장 마지막에‘기억 카드’ 코너로 2번 복습하여 학습 효과를 높였다. 《Do it! 딥러닝 입문》과 함께 딥러닝을 빠르게 정면 돌파해 보자.
도서목차
01 딥러닝을 소개합니다
__01-1 인공지능을 소개합니다
__01-2 머신러닝을 소개합니다
__01-3 딥러닝을 소개합니다
01장에서 꼭 기억해야 할 내용
02 최소한의 도구로 딥러닝을 시작합니다
__02-1 구글 코랩을 소개합니다
__02-2 딥러닝을 위한 도구들을 알아봅니다
02장에서 꼭 기억해야 할 내용
03 머신러닝의 기초를 다집니다 ― 수치 예측
__03-1 선형 회귀에 대해 알아보고 데이터를 준비합니다
__03-2 경사 하강법으로 학습하는 방법을 알아봅니다
__03-3 손실 함수와 경사 하강법의 관계를 알아봅니다
__03-4 선형 회귀를 위한 뉴런을 만듭니다
03장에서 꼭 기억해야 할 내용
04 분류하는 뉴런을 만듭니다 ― 이진 분류
__04-1 초기 인공지능 알고리즘과 로지스틱 회귀를 알아봅니다
__04-2 시그모이드 함수로 확률을 만듭니다
__04-3 로지스틱 손실 함수를 경사 하강법에 적용합니다
__04-4 분류용 데이터 세트를 준비합니다
__04-5 로지스틱 회귀를 위한 뉴런을 만듭니다
__04-6 로지스틱 회귀 뉴런으로 단일층 신경망을 만듭니다
__04-7 사이킷런으로 로지스틱 회귀를 수행합니다
04장에서 꼭 기억해야 할 내용
05 훈련 노하우를 배웁니다
__05-1 검증 세트를 나누고 전처리 과정을 배웁니다
__05-2 과대적합과 과소적합을 알아봅니다
__05-3 규제 방법을 배우고 단일층 신경망에 적용합니다
__05-4 교차 검증을 알아보고 사이킷런으로 수행해 봅니다
05장에서 꼭 기억해야 할 내용
06 2개의 층을 연결합니다 ― 다층 신경망
__06-1 신경망 알고리즘을 벡터화하여 한 번에 전체 샘플을 사용합니다
__06-2 2개의 층을 가진 신경망을 구현합니다
__06-3 미니 배치를 사용하여 모델을 훈련합니다
06장에서 꼭 기억해야 할 내용
07 여러 개를 분류합니다 ― 다중 분류
__07-1 여러 개의 이미지를 분류하는 다층 신경망을 만듭니다.
__07-2 텐서플로와 케라스를 사용하여 신경망을 만듭니다
07장에서 꼭 기억해야 할 내용
08 이미지를 분류합니다 ― 합성곱 신경망
__08-1 합성곱 연산에 대해 알아봅니다
__08-2 풀링 연산에 대해 알아봅니다
__08-3 합성곱 신경망의 구조를 알아봅니다
__08-4 합성곱 신경망을 만들고 훈련합니다
__08-5 케라스로 합성곱 신경망을 만듭니다
08장에서 꼭 기억해야 할 내용
09 텍스트를 분류합니다 ― 순환 신경망
__09-1 순차 데이터와 순환 신경망을 배웁니다
__09-2 순환 신경망을 만들고 텍스트를 분류합니다
__09-3 텐서플로로 순환 신경망을 만듭니다
__09-4 LSTM 순환 신경망을 만들고 텍스트를 분류합니다
09장에서 꼭 기억해야 할 내용
해시태그
#정직하게 #코딩하며 #배우는 #딥러닝 #입문
로그인
즐겨찾기
