모두의 딥러닝 - 원리를 쉽게 이해하고 나만의 딥러닝 모델을 만들 수 있다
조태호 지음 길벗
- 등록일2019-11-13
- 파일포맷epub
- 파일크기0 K
- 지원기기아이폰, 아이패드, 안드로이드, 태블릿, PC
- 평점 평점점 평가없음
책소개
초보자와 비전공자를 위한 명품 딥러닝 입문서
딥러닝을 전혀 모르는 사람이 봐도 술술 읽을 수 있게 쉽게 설명한다. 또한, 딥러닝의 원리를 잘 보여주는 예제를 엄선하여 직관적인 몇 줄의 코드로 강력한 딥러닝을 구현해볼 수 있다. 다양하고 실질적인 예제를 통해 재미있게 학습할 수 있으며, 모든 예제는 가상 머신을 설치할 필요 없이 윈도 10에서 손쉽게 실행할 수 있어 편리하다. 복잡한 수식은 최대한 줄이고 고급 기술은 심화 학습에서 추가로 학습할 수 있게 단계별로 구성하였다. ‘이론 없는 실습’, ‘실습 없는 이론’이 아닌 이론과 실습 두 날개의 균형을 잡음으로써, 배운 내용을 올바로 이해하고 실전에서 제대로 써먹을 수 있도록 안내한다. 이 책을 읽고 나면 ‘나의 사례’에 적합한 딥러닝 모델을 구현할 수 있을 것이다.
누구나 쉽고 빠르게
나만의 딥러닝 모델을 만들 수 있다!
[기초] 딥러닝 동작 원리 배우기
딥러닝 실행에 필요한 환경을 갖춘 다음 선형 회귀, 로지스틱 회귀, 신경망, 역전파 같은 딥러닝의 기본 동작 원리를 배웁니다.
[실습] 딥러닝 내 것으로 만들기
폐암 수술 환자의 생존율 예측하기, 피마 인디언의 당뇨병 예측하기, 아이리스 품종 예측하기, 초음파 광물 예측하기, 와인의 종류 예측하기, 보스턴 집값 예측하기 프로젝트를 실습하며 딥러닝 이론을 어떻게 여러 분야에 적용하는지 확인합니다.
[활용 및 심화] 딥러닝 정복하기
지금까지 배운 내용을 활용하여 CNN, RNN 같은 좀 더 복잡한 딥러닝을 실행해 봅니다. 그리고 심화 학습에서 오차 역전파와 신경망, 고급 경사 하강법 등의 깊이 있는 개념을 수식과 함께 다룹니다.
추천평
저자 특유의 꼼꼼함과 세심함으로 현실적이면서도 다양한 예제를 명확하고 친절하게 제공합니다. -김지혜, 콜로라도 대학교 의학과 교수
다양한 분야의 사례를 친절히 제시해서 ‘나의 사례’에 적합한 딥러닝 모델을 구축하는 데 필요한 아이디어를 얻을 수 있습니다. -이금실, 장안대학교 관광경영과 교수
어려울 것만 같은 딥러닝을 이해하기 쉽게 풀어서 설명해줌으로써 누구나 딥러닝 세계에 빠져들어갈 수 있게 도와줍니다. -권경빈, 인디애나대학교 교육공학과 교수
처음 딥러닝을 접하는 사람도 이해할 수 있게 친절하게 설명하며 실질적이고 다양한 데이터를 다룹니다. -임성진, 외과 전문의
저자소개
일본 도쿄의과치과대학에서 생명정보학 박사 학위를 받고 미국 텍사스대학교 박사 후 과정을 거쳐, 현재 미국 인디애나대학교 (IU) 의과대학 영상의학과 연구 조교수로 근무 중이다. IU 뇌신경 영상 데이터 센터 및 IU 치매 질환 연구 센터에서 딥러닝을 적용해 치매 질환을 예측하는 연구를 하고 있다. 2015년 국제 학회지에 발표한 ‘딥러닝을 이용한 단백질 구조 예측’ 연구는 영국의 《이코노미스트》 와 국내 다수 언론에 소개된 바 있다. 2002년부터 방송대 TV 강의와 칼럼을 통해 어려운 내용을 쉽게 설명하는 작업을 해 왔고 <모두의 딥러닝> 외 컴퓨터·IT 분야 서적을 여러 권 집필했다.
목차
[첫째 마당] 나의 첫 딥러닝
1장 최고급 요리를 먹을 시간
__1.1 딥러닝 실행을 위한 준비 사항
__1.2 딥러닝 작업 환경 만들기
__1.3 파이참 설치하기
__1.4 딥러닝 실행하기
2장 처음 해 보는 딥러닝
__2.1 미지의 일을 예측하는 힘
__2.2 폐암 수술 환자의 생존율 예측하기
__2.3 딥러닝 코드 분석
__2.4 ‘블랙박스’를 극복하려면?
[둘째 마당] 딥러닝의 동작 원리
3장 가장 훌륭한 예측선 긋기: 선형 회귀
__3.1 선형 회귀의 정의
__3.2 가장 훌륭한 예측선이란?
__3.3 최소 제곱법
__3.4 코딩으로 확인하는 최소 제곱
__3.5 평균 제곱근 오차
__3.6 잘못 그은 선 바로잡기
__3.7 코딩으로 확인하는 평균 제곱근 오차
4장 오차 수정하기: 경사 하강법
__4.1 미분의 개념
__4.2 경사 하강법의 개요
__4.3 학습률
__4.4 코딩으로 확인하는 경사 하강법
__4.5 다중 선형 회귀란?
__4.6 코딩으로 확인하는 다중 선형 회귀
5장 참 거짓 판단 장치: 로지스틱 회귀
__5.1 로지스틱 회귀의 정의
__5.2 시그모이드 함수
__5.3 오차 공식
__5.4 로그 함수
__5.5 코딩으로 확인하는 로지스틱 회귀
__5.6 여러 입력 값을 갖는 로지스틱 회귀
__5.7 실제 값 적용하기
__5.8 로지스틱 회귀에서 퍼셉트론으로
[셋째 마당] 신경망의 이해
6장 퍼셉트론
__6.1 가중치, 가중합, 바이어스, 활성화 함수
__6.2 퍼셉트론의 과제
__6.3 XOR 문제
7장 다층 퍼셉트론
__7.1 다층 퍼셉트론의 설계
__7.2 XOR 문제의 해결
__7.3 코딩으로 XOR 문제 해결하기
8장 오차 역전파
__8.1 오차 역전파의 개념
__8.2 코딩으로 확인하는 오차 역전파
9장 신경망에서 딥러닝으로
__9.1 기울기 소실 문제와 활성화 함수
__9.2 속도와 정확도 문제를 해결하는 고급 경사 하강법
[넷째 마당] 딥러닝 기본기 다지기
10장 모델 설계하기
[실습] 폐암 수술 환자의 생존율 예측
__10.1 모델의 정의
__10.2 입력층, 은닉층, 출력층
__10.3 모델 컴파일
__10.4 교차 엔트로피
__10.5 모델 실행하기
11장 데이터 다루기
[실습] 피마 인디언 당뇨병 예측
__11.1 딥러닝과 데이터
__11.2 피마 인디언 데이터 분석하기
__11.3 panda를 활용한 데이터 조사
__11.4 데이터 가공하기
__11.5 matplotlib를 이용해 그래프로 표현하기
__11.6 피마 인디언의 당뇨병 예측 실행
12장 다중 분류 문제 해결하기
[실습] 아이리스 품종 예측
__12.1 다중 분류 문제
__12.2 상관도 그래프
__12.3 원-핫 인코딩
__12.4 소프트맥스
__12.5 아이리스 품종 예측 실행
13장 과적합 피하기
[실습] 초음파 광물 예측
__13.1 데이터의 확인과 실행
__13.2 과적합 이해하기
__13.3 학습셋과 테스트셋
__13.4 모델 저장과 재사용
__13.5 k겹 교차 검증
14장 베스트 모델 만들기
[실습] 와인의 종류 예측
__14.1 데이터의 확인과 실행
__14.2 모델 업데이트하기
__14.3 그래프로 확인하기
__14.4 학습의 자동 중단
15장 선형 회귀 적용하기
[실습] 보스턴 집값 예측
__15.1 데이터 확인하기
__15.2 선형 회귀 실행
[다섯째 마당] 딥러닝의 활용
16장 이미지 인식의 꽃, CNN 익히기 204
__16.1 데이터 전처리
__16.2 딥러닝 기본 프레임 만들기
__16.3 더 깊은 딥러닝
__16.4 컨볼루션 신경망(CNN)
__16.5 맥스 풀링
__16.6 컨볼루션 신경망 실행하기
17장 시퀀스 배열로 다루는 순환 신경망(RNN)
__17.1 LSTM을 이용한 로이터 뉴스 카테고리 분류하기
__17.2 LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기
__17.3 케라스 예제를 통한 더 넓은 활용
부록
[부록 A] 심화학습 1: 오차 역전파의 계산법
1. 편미분이란?
2. 출력층의 오차 업데이트
3. 오차 공식
4. 체인 룰
5. 체인 룰 계산하기
6. 가중치 업데이트하기
7. 은닉층의 오차 업데이트
8. 은닉층의 오차 계산 방법
9. 델타 식
[부록 B] 심화학습 2: 파이썬 코드로 확인하는 신경망
1. 환경 변수 설정하기
2. 신경망의 실행
[부록 C] 심화학습 3: 수식과 함께 익히는 고급 경사 하강법
1. 확률적 경사 하강법
2. 모멘텀
3. 네스테로프 모멘텀
4. 아다그라드
5. 알엠에스프롭
6. 아담
[부록 D] 여러 가지 환경 설정
1. GPU 환경에서 설치하기
2. 리눅스에서 설치하기
3. 맥에서 설치하기
[부록 E] 텐서플로 실행 오류 해결하기
한줄 서평
