한빛출판네트워크

IT/모바일

처음 시작하는 딥러닝

수학 이론과 알고리즘부터 CNN, RNN 구현까지 한 권으로 해결하기

한빛미디어

번역서

판매중

처음 시작하는 딥러닝
좋아요: 3
  • 저자 : 세스 와이드먼
  • 역자 : 심효섭
  • 출간일 : 2020-08-20
  • 페이지 : 292쪽
  • ISBN : 9791162243343
  • 물류코드 :10334

합계 : 22,700

  • 수식 튼튼! 코드 탄탄! 내 손으로 만드는 딥러닝 모델 

     

    2010년 신경망 기술이 딥러닝이라는 이름으로 부활하면서 머신러닝 실무자는 물론, 소프트웨어 엔지니어에게도 딥러닝은 필수 소양이 되었습니다. 이 책은 머신러닝을 처음 접하는 데이터 과학자와 소프트웨어 엔지니어에게 실용적인 정보를 제공합니다. 딥러닝의 기초부터 고급 신경망 구조까지 폭넓게 배우고, 딥러닝 모델을 직접 구현하며 빠르게 개념을 익혀봅니다. 

     

    이 책은 먼저 그림으로 개념을 설명하고, 코드의 밑바탕이 되는 수학적 원리를 설명합니다. 그다음 파이썬 코드로 신경망을 구현하며 동작하는 방법을 이해해봅니다. 다층 신경망, 합성곱 신경망, 순환 신경망의 간단한 구조부터 복잡한 구조까지 확장해보며 딥러닝 프로젝트에 준비된 개발자로 성장할 수 있습니다. 

     

     

    출판사 리뷰

     

    신경망을 확실하게 이해할 수 있는 최고의 딥러닝 입문서

     

    넘쳐나는 딥러닝 학습 자료 속에서 어떤 것부터 살펴봐야 할지 모르겠다고요? 대부분의 딥러닝 학습 자료는 크게 두 가지 유형으로 나뉩니다. 수많은 화살표로 나타낸 도표로 딥러닝의 개념을 설명하거나 혹은 빽빽한 코드로 학습 과정을 설명하고 결과를 확인합니다. 이런 유형의 학습 자료는 코드를 구성하는 수학적 원리와 신경망의 개념적 구조, 이들이 서로 동작하는 방법을 제대로 설명하지 못합니다. 이 책에서는 앞선 학습 자료의 맹점을 보완하기 위해 세 가지 관점(수식, 코드, 다이어그램)으로 개념을 설명합니다. 

     

    먼저 신경망 개념에 사용하는 수식을 살펴보고, 이 연산 과정을 다이어그램으로 나타냅니다. 개념의 원리를 이해한 후, 파이썬으로 밑바닥부터 구현합니다. 간단한 딥러닝 모델부터 합성곱 신경망, 순환 신경망까지 구현해보고 이 신경망을 파이토치로 다시 한번 구현하며 프레임워크 사용법을 익힙니다. 이 책의 목표는 신경망에 대한 정확하고 확실한 이해입니다. 일단 이 책을 읽고 나면 신경망과 관련된 개념과 프로젝트를 한결 쉽게 이해하고 자신감 있게 응용할 수 있을 것입니다.

     

     

    주요 내용

    • 신경망 이해에 필요한 명확한 멘탈 모델과 수학적 원리 설명
    • 객체지향으로 설계한 다층 신경망 프레임워크 구현 방법
    • 수식과 예제로 배우는 합성곱 신경망과 순환 신경망
    • 파이토치를 이용한 신경망 구현 방법

     

     

    장별 요약

     

    1장_신경망 기초 1

    함수의 연산 과정을 다이어그램으로 이해하고, 미적분의 연쇄법칙으로 도함수를 구하는 방법을 알아봅니다. 

     

    2장_신경망 기초 2

    선형회귀와 신경망 모델을 적용해 데이터 집합에서 주택 가격의 추이를 예측하는 학습 모델을 구현합니다.

     

    3장_밑바닥부터 만들어보는 딥러닝

    Layer, Model, Optimizer와 같은 구성 요소를 만들고 이를 조합해 전체 딥러닝 모델을 구현합니다. 

     

    4장_프레임워크 확장하기

    신경망 모델의 성공 확률을 높이는 주요 학습 방법을 소개합니다.

     

    5장_합성곱 신경망

    이미지를 다루는 데 특화된 신경망인 합성곱 신경망(CNN)을 소개하고, 합성곱층을 직접 구현하며 동작 원리를 파악합니다.

     

    6장_순환 신경망

    자동 미분의 동작 과정을 살펴보고, 순환 신경망(RNN)에 이를 적용해봅니다. RNN의 변형 구조인 GRU와 LSTM도 함께 소개합니다.

     

    7장_파이토치

    1~6장까지 구현한 내용을 고성능 오픈소스 신경망 라이브러리인 파이토치로 구현합니다. 마지막으로 비지도 학습에서 신경망을 활용하는 방법을 간단히 살펴봅니다.

     

    상세이미지_처음 시작하는 딥러닝_700.jpg

  • [저자] 세스 와이드먼

    여러 해 동안 머신러닝을 이용한 문제 해결과 머신러닝 강의를 했다. 개인 의류 맞춤 서비스로 유명한 트렁크 클럽(Trunk Club)에서 데이터 과학자로 근무하며 추천 시스템 개발 업무를 담당했다. 메티스(Metis)에서 데이터 과학과 머신러닝 부트캠프 프로그램을 진행하기도 했다. 현재 페이스북 인프라팀에서 머신러닝 모델을 구축한다. 복잡한 개념을 간단하게 설명하는 것을 좋아한다.

    [역자] 심효섭

    연세대학교 문헌정보학과를 졸업하고 모교 중앙도서관과의 인연으로 도서관 솔루션 업체에서 일하면서 개발을 시작했다. 네이버에서 웹 서비스 개발 업무를 맡았으며, 웹 서비스 외에 머신러닝 공부도 꾸준히 하고 있다. 최근 관심사는 회사에 속하지 않고도 지속 가능한 삶이다. 옮긴 책으로는 『엔지니어를 위한 블록체인 프로그래밍』, 『머신러닝 실무 프로젝트』(이상 한빛미디어), 『엔지니어를 위한 파이썬』, 『딥 러닝 제대로 시작하기』, 『딥 러닝 제대로 정리하기』, 『그림과 수식으로 배우는 통통 딥러닝』, 『그림과 수식으로 배우는 통통 머신러닝』, 『그림과 수식으로 배우는 통통 인공지능』(이상 제이펍), 『파이썬으로 시작하는 컴퓨터 과학 입문』(인사이트) 등이 있다.

     

  • chapter 1 신경망 기초 1

    1.1 함수

    1.2 도함수

    1.3 합성함수

    1.4 연쇄법칙

    1.5 조금 더 복잡한 예제

    1.6 입력이 두 개 이상인 함수의 합성함수

    1.7 입력이 여러 개인 함수의 도함수

    1.8 여러 개의 벡터 입력을 갖는 함수

    1.9 기존 특징으로 새로운 특징 만들기

    1.10 여러 개의 벡터 입력을 갖는 함수의 도함수

    1.11 벡터 함수와 도함수

    1.12 두 개의 2차원 행렬을 입력받는 계산 그래프

    1.13 역방향 계산

    1.14 마치며

     

    chapter 2 신경망 기초 2

    2.1 지도 학습

    2.2 지도 학습 모델

    2.3 선형회귀

    2.4 모델 학습하기

    2.5 학습 데이터와 테스트 데이터

    2.6 모델 성능을 평가하는 코드

    2.7 밑바닥부터 만드는 신경망

    2.8 첫 번째 신경망 모델의 학습과 성능 평가

    2.9 마치며

     

    chapter 3 밑바닥부터 만들어보는 딥러닝

    3.1 딥러닝 정의하기

    3.2 신경망의 구성 요소: 연산

    3.3 신경망의 구성 요소: 층

    3.4 모델의 구성 요소 조립하기

    3.5 NeuralNetwork 클래스와 그 외 클래스

    3.6 딥러닝 구현하기

    3.7 Optimizer와 Trainer 클래스

    3.8 모든 구성 요소 조합하기

    3.9 마치며

     

    chapter 4 프레임워크 확장하기

    4.1 신경망에 대한 직관

    4.2 소프트맥스 교차 엔트로피 손실함수

    4.3 실험 

    4.4 모멘텀

    4.5 학습률 감쇠

    4.6 초기 가중치 설정

    4.7 드롭아웃

    4.8 마치며

     

    chapter 5 합성곱 신경망

    5.1 신경망과 표현 학습

    5.2 합성곱층

    5.3 다채널 합성곱 연산 구현하기

    5.4 Conv2DOperation 연산으로 합성곱 신경망 학습하기

    5.5 마치며

     

    chapter 6 순환 신경망

    6.1 근본적인 한계: 분기 처리하기

    6.2 자동 미분

    6.3 순환 신경망이 필요한 이유

    6.4 순환 신경망이란

    6.5 RNN 코드

    6.6 마치며

     

    chapter 7 파이토치

    7.1 텐서

    7.2 파이토치로 딥러닝 구현하기

    7.3 합성곱 신경망 구현하기

    7.4 오토인코더를 활용한 비지도 학습

    7.5 마치며

     

    부록 A 더 알아보기

    A.1 행렬 미분의 연쇄법칙

    A.2 편향 항에 대한 손실의 기울기

    A.3 행렬곱으로 합성곱 구현하기

  •  


    • 한빛미디어에서 제공받는 책으로 해당 리뷰를 작성하였습니다.




      책표지!


      1


      머신러닝도 아니고 딥러닝을 Numpy 정도만 사용해서 자신만의 프레임워크를 만들 수 있다면 굉장히 신나는 일이라 할 수 있다. 그럼에도 불구하고, 뭔가 하나씩 만들기 위해선 꽤나 많은 것을 알아야 되고, 더 나아가서 그 과정 하나 하나를 이해하기에 쉽지 않다. 나도 CNN과 RNN을 Numpy 정도만 사용해서 만들 수 있다는 생각에 책을 시작했다.


      2


      이 책을 읽고 실습을 병행하면서 좋았던 점은 1) 신경망 기초 부분의 수학적인 부분을 간단한 다이어그램을 통해서 설명하고 다이어그램과 코드를 연결해서 설명하고 있기 때문에 코드를 작성하는 과정에서 굉장히 명쾌하고 할 수 있다. 2) 코드가 단순히 스크립트 형태로 되어있지 않고, 객체지향 방식을 도입해서 하나의 프레임워크로 만들 수 있기 때문에 파이썬의 사용방법에 대해서 폭 넓은 시점을 제공한다.



      다이어그램!



      반면, 1) 이 책은 다이어그램이 매우 중요한데, 다이어그램과 수식에 약간의 표기 차이를 보이는 부분이 있어서 다이어그램이 나올 때 마다 수식과 표기를 자세히 봐야 합니다. 해당 문제가 오탈자인지 아닌지 정확히 알 수 없지만, 결론적으로 말해서 수식과 다이어그램 그리고 코드를 비교하면서 조금 유심하게 봐야한다. 2) 교재에서 코드 전체를 소개하고 있지 않기 때문에 교재의 github 코드를 참고해야 한다는 점이다. 문제는 교재에 있는 코드와 github에서 제공하는 코드를 제대로 활용하기 위해선 몇가지 설치를 진행해야 하는데, 해당 모듈을 설치하는게 쉽진 않았다.



      책 내용!


      3


      이 책은 이론과 실습이 잘 정리되어 있어서, 딥러닝에 대한 처음 접한 분들이나 머신러닝등을 공부하는 분들에게 좋은 교재다. 참고로 Jupyter Notebook이나 Python의 모듈 설치등에 어려움이 있다면 실습이 조금 힘들 수 있다. 따라서 github에 나온 설치 방법 등을 참고해서 코드를 실행해본 후에 책을 읽고 실습을 진행해보면 좋을 듯 싶다.

    • 서적은 컬러가 아닌 것 같은데요. 혹시 ebook은 컬러인가요?

  • 내용이 없습니다.
  • 내용이 없습니다.
닫기

해당 상품을 장바구니에 담았습니다.
장바구니로 이동하시겠습니까?