로그인 | 회원가입
   Home    |    신간도서    |    분야별베스트    |    국내도서


컴퓨터/모바일 > 컴퓨터 공학 > 자료구조/알고리즘
그림으로 배우는 딥러닝
저자 | 앤드류 글래스너
출판사 | 에이콘출판
출판일 | 2022. 05.31 판매가 | 60,000 원 | 할인가 54,000 원
ISBN | 9791161756448 페이지 | 224
판형 | 214*152*13 무게 | 473

   


◈ 이 책에서 다루는 내용 ◈ ◆ 텍스트 생성기로 이야기와 기사를 만드는 방법 ◆ 인간 게임에서 딥러닝 시스템이 승리하도록 학습하는 방법 ◆ 이미지 분류 시스템으로 사진 속 사물이나 사람을 식별하는 방법 ◆ 일상생활에서 확률을 유용하게 활용하는 방법 ◆ 머신러닝 기술로 현대 AI에 기여하는 방법 ◈ 이 책의 대상 독자 ◈ 딥러닝이 어떻게 동작하는지 관심 있는 사람을 위해 이 책을 썼다. 수학이나 프로그래밍 경험은 필요 없다. 컴퓨터 전문가나 기술자일 필요도 전혀 없다. 딥러닝의 알고리듬 대부분이 그리 복잡하거나 이해하기 어렵지 않다는 것에 놀랄지도 모른다. 이들은 대개 단순하고 우아하며 대형 데이터베이스를 통해 수백만 번 반복해 힘을 얻게 된다. 순수하게 지적 호기심을 충족시키고 싶은 사람이나 딥러닝을 다루는 다른 사람과 교류하는 사람이 읽기에도 좋다. AI를 이해하면 좋은 이유 중 하나는 AI를 활용할 수 있다는 것이다. 이 책을 통해 일을 더 잘하고 취미를 더 깊게 즐기고 주변 세상을 더욱 완전하게 이해할 수 있도록 도와주는 인공지능 시스템을 구축할 수 있을 것이다. ◈ 이 책의 구성 ◈ 1장, 머신러닝 개요에서는 큰 그림을 보면서 머신러닝이 어떻게 동작하는지에 대한 발판을 마련한다. 2장, 필수 통계에서는 데이터에서 패턴을 찾고 설명할 수 있게 해준다. 3장, 성능 측정에서는 측정할 방법을 신중하게 선택해 알고리듬이 "잘못"된 상황은 실제로 무엇을 의미하는지 설명할 수 있다. 4장, 베이즈 규칙에서는 기댓값(expectations)과 지금까지 확인한 결과들을 모두 고려해 알고리듬이 올바른 결과를 제공할 수 있는 우도(likelihood)에 대해 살펴본다. 5장, 곡선과 표면에서는 학습 알고리듬을 다루는 데 도움이 되도록 곡선과 표면이 어떻게 생겼는지 설명한다. 6장, 정보 이론에서는 정보를 표현하고 수정하는 아이디어로 다양한 유형의 정보를 정량화하고 측정할 수 있게 해준다. 7장, 분류에서는 컴퓨터가 데이터 조각에 특정 클래스나 범주를 할당하는 문제를 해결하기 위한 기본 아이디어를 살펴본다. 8장, 훈련과 테스팅에서는 실제로 활용할 수 있는 딥러닝 시스템의 구축을 위해 성능을 테스트한다. 9장, 과적합과 과소적합에서는 훈련 시 사용한 데이터를 외워 처음 본 데이터 처리를 더 못하는 문제가 어디에서 발생하는지, 어떻게 영향을 줄일 수 있는지 알아본다. 10장, 데이터 준비에서는 학습할 많은 데이터를 제공해 딥러닝 시스템을 훈련한다. 가능한 한 효과적으로 학습하고자 이 데이터를 어떻게 준비해야 하는지 알아본다. 11장, 분류기에서는 데이터를 분류하기 위한 구체적인 머신러닝 알고리듬을 알아본다. 이러한 방법들은 딥러닝 시스템을 훈련시키고자 시간과 노력을 투자하기 전에 데이터를 파악하는 좋은 방법이다. 12장, 앙상블에서는 아주 간단한 학습 시스템을 훨씬 더 강력한 복합 시스템으로 결합시키는 방법을 다룬다. 13장, 신경망에서는 인공 뉴런과 이것들을 어떻게 연결해서 네트워크를 만드는지 살펴본다. 이러한 네트워크들은 딥러닝의 기반을 구성한다. 14장, 역전파에서는 신경망을 실용적으로 만드는 핵심 알고리듬은 데이터에서 학습할 수 있게 훈련시키는 방법을 다룬다. 15장, 옵티마이저에서는 심층 네트워크를 훈련하는 두 번째 알고리듬의 성능 향상을 효과적으로 수행하기 위한 다양한 방법을 알아본다. 16장, 컨볼루션 신경망에서는 영상과 같은 공간 데이터를 처리할 수 있는 강력한 알고리듬과 그것들이 어떻게 사용되는지 알아본다. 17장, 실제 컨볼루션 신경망에서는 공간 정보를 다루는 기술을 어떻게 활용할 수 있는지 자세히 알아본다. 18장, 오토인코더에서는 대규모 데이터 세트를 단순화하고 노이즈를 제거해 손상된 이미지를 정제하는 방법을 다룬다. 19장, 순환 신경망에서는 텍스트와 오디오 클립 같은 시퀀스를 작업할 때 필요한 특별한 도구를 살펴본다. 20장, 어텐션과 트랜스포머에서는 텍스트를 해석하고 생성하도록 설계된 알고리듬을 알아본다. 21장, 강화학습에서는 컴퓨터가 제공하기를 원하는 답을 모르는 문제를 유연하게 해결하는 방법을 살펴본다. 22장, 생성적 적대 신경망에서는 갖고 있는 데이터의 새로운 인스턴스를 창조하거나 생성하는 생성기를 훈련시킬 수 있는 강력한 방법을 알아본다. 23장, 창의적인 애플리케이션에서는 사이키델릭한 이미지를 만들고, 예술가의 시그니처 스타일을 사진에 적용하고, 어떤 작가의 스타일로든 새로운 텍스트를 생성하기 위한 딥러닝 도구를 적용해본다.

 

고객센터(도서발송처) : 02-835-6872
서울특별시 중구 퇴계로 10 메트로타워 16층 홈앤서비스 대표이사 최봉길
COPYRIGHT ⓒ HOME&SERVICE CO., LTD. ALL RIGHTS RESERVED