한빛출판네트워크

IT/모바일

웹 브라우저 속 머신러닝 TensorFlow.js

실전 예제로 배우는 텐서플로 머신러닝 모델

한빛미디어

번역서

판매중

웹 브라우저 속 머신러닝 TensorFlow.js
좋아요: 42
  • 저자 : 카이 사사키
  • 역자 : 유수연
  • 출간일 : 2021-09-01
  • 페이지 : 312쪽
  • ISBN : 9791162244647
  • 물류코드 :10464

합계 : 22,500

도서판매처

  • 웹 브라우저에서 머신러닝 모델을 구축하기 위한

    텐서플로와 자바스크립트의 운명적 만남

     

    TensorFlow.js는 웹에서 머신러닝 모델을 개발 및 학습시키고, 브라우저나 Node.js에 배포하는 라이브러리다. 이 책은 밑바닥부터 웹 기반 애플리케이션에 머신러닝 기술을 구현하려는 프런트엔드 웹 개발자에게 TensorFlow.js 에코시스템, 회귀, 군집화, 고속 푸리에 변환, 차원 축소 등 머신러닝 관련 기술 및 알고리즘을 다루는 방법을 친절히 설명한다. 각 장의 마지막에는 연습 문제와 더 읽을거리를 제공해 다양한 실습을 할 수 있고, 머신러닝 지식도 확장할 수 있다. 웹 환경에서 머신러닝을 바로 실행해 사용자 맞춤형 콘텐츠를 만들어보자.

     

     

    700 웹 브라우저 속 머신러닝 TensorFlow.js.jpg

     

  • [저자] 카이 사사키

    Treasure Data의 소프트웨어 엔지니어. 데이터를 가치 있게 만들기 위해 대규모의 분산 시스템을

    개발하는 업무를 맡고 있다. 대규모 데이터를 처리하여 인공지능을 만드는 일에 대한 열정이 그를 머신러닝 분야로 이끌었다. TensorFlow.js 초기 개발진 중 한 명이기도 하며, 새로운 종류의 머신러닝 모델에서 요구되는 새로운 연산자를 추가하는 업무를 계속해서 맡고 있다. 2018년에 Google Open Source Peer Bonus를 받기도 했다.

    [역자] 유수연

    정보과학부 학사를 마치고 대학원에 진학하여 음악 추천 시스템 및 사용자 음악 선호도에 관해 연구했고, 현재 국내 스타트업에서 리서치 엔지니어로 일하고 있다. 내향적이고 내성적인 성격이며, 음악 감상과 악기 연주하는 것을 좋아한다.

  • 1부 머신러닝의 원리와 TensorFlow.js 사용법


    CHAPTER 1 웹에서의 머신러닝

    _1.1 개발 환경

    _1.2 머신러닝을 웹에서 돌리는 이유

    _1.3 연산 그래프

    _1.3 연산 그래프 시각화하기

    _1.4 TensorFlow.js란? 

    _1.5 TensorFlow.js 설치하기 

    _1.6 저수준 API

    _1.7 Layers API

    _1.8 마치며

    _1.9 연습 문제

    _1.10 더 읽을거리

     

    CHAPTER 2 사전 학습된 모델을 TensorFlow.js로 가져오기

    _2.1 개발 환경

    _2.2 포터블 모델 형식

    _2.3 텐서플로에서 모델 내보내기

    _2.4 tfjs-converter를 사용하여 모델 변환하기

    _2.5 TensorFlow.js에서 모델 불러오기

    _2.6 마치며

    _2.7 연습 문제

    _2.8 더 읽을거리

     

    CHAPTER 3 TensorFlow.js 에코시스템

    _3.1 개발 환경

    _3.2 왜 고수준 라이브러리가 필요한가?

    _3.3 기존 모델 사용하기

    _3.4 다양한 종류의 스토리지에서 데이터 불러오기

    _3.5 ML_5.js를 이용한 자세 추정

    _3.6 Magenta.js로 고양이 그리기

    _3.7 machinelearn_.js를 사용한 XOR 분류

    _3.8 마치며

    _3.9 연습 문제

    _3.10 더 읽을거리

     

     

    2부 TensorFlow.js를 활용한 실제 애플리케이션 사례

     

    CHAPTER 4 다항 회귀

    _4.1 개발 환경

    _4.2 다항 회귀란?

    _4.3 2차원 곡선 피팅

    _4.4 마치며

    _4.5 연습 문제

    _4.6 더 읽을거리

     

    CHAPTER 5 로지스틱 회귀를 사용한 분류

    _5.1 개발 환경

    _5.2 이진 분류의 배경

    _5.3 로지스틱 회귀란?

    _5.4 2차원 군집 분류하기

    _5.5 마치며

    _5.6 연습 문제

    _5.7 더 읽을거리

     

    CHAPTER 6 비지도학습

    _6.1 개발 환경

    _6.2 비지도학습이란?

    _6.3 k-평균 알고리즘 동작 원리

    _6.4 기댓값-최대화 알고리즘을 사용한 k-평균 알고리즘의 일반화

    _6.5 2차원 공간에서 두 그룹을 군집화하기

    _6.6 마치며

    _6.7 연습 문제

    _6.8 더 읽을거리


    CHAPTER 7 순차 데이터 분석

    _7.1 개발 환경

    _7.2 푸리에 변환이란?

    _7.3 코사인 곡선 분해

    _7.4 마치며

    _7.5 연습 문제

    _7.6 더 읽을거리

     

    CHAPTER 8 차원 축소

    _8.1 개발 환경

    _8.2 왜 차원 축소를 해야 하는가?

    _8.3 주성분 분석의 이해

    _8.4 주성분 분석을 이용하여 3차원 좌표를 2차원 공간으로 투영하기

    _8.5 단어 임베딩

    _8.6 마치며

    _8.7 연습 문제

    _8.8 더 읽을거리

     

    CHAPTER 9 마르코프 결정 문제 풀기

    _9.1 개발 환경

    _9.2 강화학습

    _9.3 4개 상태 문제 해결하기

    _9.4 마치며

    _9.5 연습 문제

    _9.6 더 읽을거리

     

     

    3부 TensorFlow.js로 머신러닝 애플리케이션 배포하기


    CHAPTER 10 머신러닝 애플리케이션 배포하기

    _10.1 개발 환경

    _10.2 자바스크립트 플랫폼의 에코시스템

    _10.3 모듈 번들러

    _10.4 깃허브 페이지로 모듈 배포하기

    _10.5 마치며

    _10.6 연습 문제

    _10.7 더 읽을거리

     

    CHAPTER 11 성능 향상을 위한 애플리케이션 튜닝하기

    _11.1 개발 환경

    _11.2 TensorFlow.js 백엔드 API

    _11.3 텐서 관리

    _11.4 비동기 데이터 접근

    _11.5 프로파일링

    _11.6 모델 시각화

    _11.7 마치며

    _11.8 연습 문제

    _11.9 더 읽을거리

     

    CHAPTER 12 TensorFlow.js의 전망

    _12.1 개발 환경

    _12.2 실험적 백엔드 프로젝트

    _12.3 AutoML 에지 헬퍼

    _12.4 마치며

    _12.5 연습 문제

    _12.6 더 읽을거리

  • 다양한 분야의 개발자가 쉽게 접근할 수 있는 머신러닝

     

    이 책은 웹 개발자뿐 아니라 머신러닝, 딥러닝, 데이터 분석 종사자 등 웹에서 머신러닝 모델을 실행하려는 모든 이를 대상으로 쓰였다. 머신러닝 관련 다양한 이론을 쉽게 설명하여 이해하기도 쉽고, 머신러닝 기술을 웹에서 구축하기 위해 바로 활용할 수 있는 실전 예제를 가득 담았다. 또한, 웹에서 머신러닝 기술을 직접 실습해보며 개념을 더 쉽고, 명확하고, 탄탄하게 잡을 수도 있다. 기술 이해에 도움이 되는 많은 참고 자료와 그림, 수식을 통해 머신러닝 기술이 어떻게 프런트까지 닿게 되는지 쉽고 빠르게 이해하길 바란다.

     

     

    주요 내용

    • TensorFlow.js 설치 방법과 환경 구축 방법
    • 케라스 모델을 TensorFlow.js로 가져오는 방법
    • TensorFlow.js 프레임워크와 라이브러리 사용법
    • 다항 회귀, 로지스틱 회귀 등 다양한 모델 사용법
    • 군집화 알고리즘과 비지도 학습법
    • 차원 축소와 t-분포 확률적 임베딩
    • 머신러닝 애플리케이션 배포 방법
    • 머신러닝 성능 향상을 위한 튜닝법과 TensorFlow.js의 전망

  • 내용이 없습니다.
  • 내용이 없습니다.
닫기

해당 상품을 장바구니에 담았습니다.
장바구니로 이동하시겠습니까?