텐서플로로 시작하는 딥러닝

 

이 책은 현재 절판입니다. 그간 읽어주신 독자들께 감사드립니다.

텐서플로를 이용하여 ‘합성곱 신경망(CNN)’의 구조를 완벽히 이해한다!

 

출판사 제이펍

원출판사 마이나비출판(マイナビ出版)

원서명 TensorFlowで学ぶディープラーニング入門(원서 ISBN: 9784839960889)

저자명 나카이 에츠지

역자명 진명조

출판일 2017년 7월 12일

페이지 256쪽

시리즈 I♥A.I. 05

판 형 46배판변형(188*245*13)

제 본 무선(soft cover)

정 가 24,000원

ISBN 979-11-85890-87-6 (93000)

키워드 인공지능 / 딥러닝 / 심층학습 / 머신러닝 / 신경망 / 텐서플로

분야 컴퓨터공학 / 인공지능

 

관련 사이트

■ 아마존재팬 도서 소개 페이지

■ 원출판사 도서 소개 페이지

■ 원서 도서 지원 페이지

 

관련 포스트

■ 2017/06/30 - [출간전 책소식] - 인공지능, 데이터 분석 전문가가 아닌 분들을 위한 딥러닝 서적

 

 

관련 시리즈

■ I♥A.I 시리즈

 

관련 도서

■ 그림과 수식으로 배우는 통통 딥러닝

■ 엑셀로 배우는 인공지능

■ 알고리즘 중심의 머신러닝 가이드(제2판)

■ 딥러닝 제대로 시작하기

■ 머신러닝 인 액션: 기계 학습 알고리즘으로 데이터 마이닝하기

■ 인공지능 1: 현대적 접근 방식(제3판)

■ 인공지능 2: 현대적 접근 방식(제3판)

 

관련 파일 다운로드

■ 예제 소스

■ 텐서플로 최신 버전(v 1.2) 지원 가이드(pdf)

 

 

 

강의보조 자료

교재로 채택하신 분들은 메일을 보내주시면 아래의 자료를 보내드리겠습니다: jeipubmarketer@gmail.com

■ 본문의 그림과 표

 

샘플 PDF(차례, 머리말, 감사의 글, 이 책에 대하여, 베타리더 후기, 1장 1.1절 '딥러닝과 텐서플로')

텐서플로로시작하는딥러닝_sample.pdf

 

정오표 페이지

■ (등록되는 대로 링크를 걸어드리겠습니다)

 

도서구매 사이트(가나다순)

[강컴] [교보문고] [도서11번가] [반디앤루니스] [알라딘] [예스이십사] [인터파크]

 

도서 소개

텐서플로를 이용하여 ‘합성곱 신경망(CNN)’의 구조를 완벽히 이해한다!

 

이 책은 머신러닝과 데이터 분석을 제대로 배운 적이 없는 개발자를 대상으로 한다. 딥러닝의 대표적 예인 ‘합성곱 신경망(CNN)’의 구조를 근본부터 이해하고, 텐서플로를 이용해 실제로 동작하는 코드를 작성하는 것이 이 책의 목표다. 그리고 다수의 뉴런이 여러 층 결합된 ‘다층 신경망’ 내에서 대체 무슨 일이 일어나는지, 딥러닝 알고리즘은 어떤 원리로 학습하는지를 알려 준다.

 

딥러닝의 밑바닥에는 머신러닝의 원리가 있는데, 간단한 행렬 계산과 기초적인 미분을 알면 그 구조를 이해하기가 그리 어렵지 않다. 이 책은 필기 문자를 인식하도록 처리하는 합성곱 신경망에 대해, 그리고 이를 구성하는 각 요소의 역할을 신중하게 설명한다. 또한, 딥러닝의 대표 라이브러리인 텐서플로를 이용해 실제로 동작하는 코드를 보여줌으로써 각 요소의 동작 원리를 확인할 수 있도록 구성되어 있다. 레고 블록을 끼워 맞추듯이 네트워크 구성 요소를 늘려 감으로써 인식 정확도가 향상되는 모습을 관찰할 수 있을 것이다.

 

부디 이 책을 통해 딥러닝의 근본 원리를 이해하고 텐서플로 코드 작성법을 학습하여 다음 단계로 도약하는 계기가 되길 바란다.

 

이 책의 대상 독자

• 머신러닝, 데이터 분석 전문가는 아니지만 AI 기술에 관심이 있는 분
• 딥러닝 알고리즘이 어떻게 구성되어 있는지 알고 싶은 분
• 텐서플로 공식 예제 코드를 제대로 활용하기 어려운 분

 

저자 소개

나카이 에츠지(中井 悦司)

1971년 4월 오사카에서 태어났다. 노벨 물리학상을 타고 싶어서 이론물리학 연구에 몰두하며 학창시절을 보냈다. 그리고 대학 입시학원 강사 등 여러 직업을 거쳐 외국계 기업의 리눅스 엔지니어로서 유닉스/리눅스 서버와 인생을 함께하게 되었다. 리눅스 에반젤리스트를 거쳐 현재는 대형 검색 시스템 기업에서 클라우드 및 솔루션 아키텍터로 일하고 있다.

휴일에는 사랑스러운 초등학생 딸과 스포츠 센터에 수영하러 다니는 ‘좋은 아빠’로 동네에서 유명하다. ‘세계 평화’를 위해 일찍 집에 들어가려고 애쓰면서도 가끔은 각별히 사랑하는 변두리 선술집에 자신도 모르게 들르기도 한다. 요즘에는 머신러닝 이론을 비롯한 데이터 활용 기술에 관한 기초 지식을 세상에 널리 알리기 위해 강연 활동 및 잡지 기고나 서적 집필에도 주력하고 있다.

 

역자 소개

진명조

현재 씨디네트웍스에 근무하고 있으며, 《서버/인프라 엔지니어를 위한 DevOps》, 《서버/인프라를 지탱하는 기술》, 《파이썬 더 쉽게, 더 깊게》, 《대규모 서비스를 지탱하는 기술》, 《클라우드의 충격》, 《인프라 엔지니어의 교과서: 시스템 구축과 관리편》을 포함하여 13종의 기술 서적을 번역하였다. IT 산업의 미시적인 영역과 거시적인 영역을 아우르는 통찰력을 갖게 되기를 꿈꾸고 있으며, 최근에는 머신러닝을 비롯한 인공지능(AI)의 대중화에 주목하고 있다.

 

차례

CHAPTER 1 텐서플로 입문 1

1.1 딥러닝과 텐서플로 4

1.1.1 머신러닝의 개념 4

1.1.2 신경망의 필요성 7

1.1.3 딥러닝의 특징 13

1.1.4 텐서플로를 이용한 파라미터 최적화 16

1.2 환경 준비 24

1.2.1 CentOS 7에서의 준비 과정 25

1.2.2 주피터 사용법 28

1.3 텐서플로 훑어보기 33

1.3.1 다차원 배열을 이용한 모델 표현 33

1.3.2 텐서플로 코드를 이용한 표현 35

1.3.3 세션을 이용한 트레이닝 실행 39

CHAPTER 2 분류 알고리즘의 기초 47

2.1 로지스틱 회귀를 이용한 이항 분류기 49

2.1.1 확률을 이용한 오차 평가 49

2.1.2 텐서플로를 이용한 최우추정 실행 54

2.1.3 테스트 세트를 이용한 검증 65

2.2 소프트맥스 함수와 다항 분류기 69

2.2.1 선형 다항 분류기의 구조 69

2.2.2 소프트맥스 함수를 이용한 확률로의 변환 73

2.3 다항 분류기를 이용한 필기 문자 분류 76

2.3.1 MNIST 데이터 세트 이용 방법 76

2.3.2 이미지 데이터의 분류 알고리즘 79

2.3.3 텐서플로를 이용한 트레이닝 실행 84

2.3.4 미니 배치와 확률적 경사 하강법 90

 

CHAPTER 3 신경망을 이용한 분류 95

3.1 단층 신경망의 구조 97

3.1.1 단층 신경망을 이용한 이항 분류기 97

3.1.2 은닉 계층의 역할 100

3.1.3 노드 개수와 활성화 함수 변경에 따른 효과 110

3.2 단층 신경망을 이용한 필기 문자 분류 113

3.2.1 단층 신경망을 이용한 다항 분류기 113

3.2.2 텐서보드를 이용한 네트워크 그래프 확인 116

3.3 다층 신경망으로의 확장 124

3.3.1 다층 신경망의 효과 124

3.3.2 특징 변수에 기반한 분류 로직 128

3.3.3 보충: 파라미터가 극솟값으로 수렴하는 예 133

 

CHAPTER 4 합성곱 필터를 통한 이미지 특징 추출 137

4.1 합성곱 필터의 기능 139

4.1.1 합성곱 필터의 예 139

4.1.2 텐서플로를 이용한 합성곱 필터 적용 142

4.1.3 풀링 계층을 이용한 이미지 축소 150

4.2 합성곱 필터를 이용한 이미지 분류 153

4.2.1 특징 변수를 이용한 이미지 분류 153

4.2.2 합성곱 필터의 동적인 학습 159

4.3 합성곱 필터를 이용한 필기 문자 분류 163

4.3.1 세션 정보의 저장 기능 163

4.3.2 단층 CNN을 이용한 필기 문자 분류 165

4.3.3 동적으로 학습된 필터 확인 171

 

CHAPTER 5 합성곱 필터의 다층화를 통한 성능 향상 177

5.1 합성곱 신경망의 완성 179

5.1.1 다층형 합성곱 필터를 이용한 특징 추출 179

5.1.2 텐서플로를 이용한 다층 CNN 구현 184

5.1.3 필기 문자의 자동 인식 애플리케이션 189

5.2 그 밖의 주제 195

5.2.1 CIFAR-10(컬러 사진 이미지) 분류를 위한 확장 195

5.2.2 ‘A Neural Network Playground’를 이용한 직감적 이해 199

5.2.3 보충: 오차 역전파법을 이용한 기울기 벡터 계산 204

 

APPENDIX 부록 213

A 맥OS와 윈도우에서의 환경 준비 방법 214

A.1 맥OS의 환경 준비 과정 214

A.2 윈도우10의 환경 준비 과정 218

 

B 파이썬 2의 기본 문법 225

B.1 Hello, World!와 자료형, 연산 225

B.2 문자열 226

B.3 리스트와 딕셔너리 228

B.4 제어구문 230

B.5 함수와 모듈 233

C 수학 공식 235

 

찾아보기 237