본문 바로가기

도서 소개

파이썬 라이브러리로 배우는 딥러닝 입문과 응용

이 책은 현재 절판입니다. 그간 읽어주신 분들께 감사드립니다.

 

컴퓨터 비전, 인공지능, 음성 및 데이터 분석을 위한 차세대 핵심 테크닉!

실제 적용 사례와 간결한 예제로 배우는 딥러닝의 기본!

주요 파이썬 라이브러리를 활용한 딥러닝 실습!

출판사 제이펍

저작권사 Packt Publishing

원서명 Python Deep Learning: Next generation techniques to revolutionize computer vision, AI, speech and data analysis(원서 ISBN: 9781786464453)

저자명 발렌티노 조카, 지안마리오 스파카냐, 다니엘 슬레이터, 피터 로런츠

역자명 이동근

출판일 2018년 12월 18일

페이지 416쪽

시리즈 I♥A.I. 14(아이러브A.I. 14)

판 형 46배판변형(188*245*19)

제 본 무선(soft cover)

정 가 28,000원

ISBN 979-11-88621-35-4 (93000)

키워드 머신러닝 / 딥러닝 / 강화학습 / 뉴럴 네트워크 / 비지도 학습 / 이미지 인식 / 음성 인식 / 변칙 탐지 / 컴퓨터 비전 / NLP

분야 인공지능 / 딥러닝 / 머신러닝

관련 사이트
관련 포스트
관련 시리즈
관련 도서
■ (관련 시리즈 참고하세요)
관련 파일 다운로드
강의보조 자료 다운로드
교재로 채택하신 분들은 메일을 보내주시면 아래의 자료를 보내드리겠습니다: jeipubmarketer@gmail.com
■ 본문의 그림과 표
샘플 PDF
(차례, 옮긴이 머리말, 이 책에 대하여, 베타리더 후기, 1장 '머신러닝 - 소개' 일부, 2장 '뉴럴 네트워크' 일부, 4장 '비지도 특징 학습' 일부)
정오표 페이지
■ (등록되는 대로 링크를 걸어 드리겠습니다)
도서구매 사이트(가나다순)

도서 소개

컴퓨터 비전, 인공지능, 음성 및 데이터 분석을 위한 차세대 핵심 테크닉!

실제 적용 사례와 간결한 예제로 배우는 딥러닝의 기본!

주요 파이썬 라이브러리를 활용한 딥러닝 실습!

 

인공지능에 대한 관심이 전 세계적으로 높아지면서 딥러닝 기술이 광범위하게 사용되고 있습니다. 이런 흐름에 발맞추고자 한다면 이 책을 통해 머신러닝의 주요 개념을 학습하고 딥러닝의 모범 사례를 비롯한 실제 사용 사례를 살펴볼 수 있습니다. 더불어서 파이썬 기반의 머신러닝/딥러닝 기법을 한층 더 향상시키는 방법을 배울 수 있으며, Theano, TensorFlow, H2O와 같은 인기 있는 최신 오픈소스 라이브러리로 따라 하기 쉬운 튜토리얼을 실행해 보기도 하고, 실생활 예시에 적용하면서 정보를 인식하고 추출하여 예측 정확도를 높이고 결과를 최적화하는 방법을 배울 수도 있습니다.

 

딥러닝을 자세히 배우고 싶거나 최대한 활용하려는 분들은 부디 이 책을 통해 보다 정확하게 데이터를 스케일링하고, 다양한 딥러닝 알고리즘 기법을 학습하기 바랍니다.

 

이 책의 대상 독자

  • 데이터 사이언스 실무자 및 관련 분야 취업 준비생
  • 머신러닝 기본 개념을 알고 있고 파이썬 프로그래밍 경험이 있는 독자
  • 미적분과 통계 등의 수학적 기본 지식을 갖춘 독자

 

이 책의 주요 내용

  • 딥러닝 알고리즘을 배우기 위한 기본 지식
  • Theano, Caffe, Keras, TensorFlow를 활용한 딥러닝 실습
  • 오토인코더와 제한적 볼츠만 머신
  • 딥 빌리프 넷과 딥 뉴럴 네트워크에 대한 심도 있는 학습
  • 드롭아웃과 컨볼루셔널 뉴럴 네트워크 등의 다양한 머신러닝 알고리즘
  • 딥러닝 알고리즘과 라이브러리를 실생활에 적용하기 위한 전략

 

지은이 소개

발렌티노 조카(Valentino Zocca)

보잉에 인수된 오토메트릭(Autometric)에서 3D 시각화 소프트웨어를 만들며 디자인과 개발에 관련된 주요 역할을 담당했다. 보잉에서는 하둡을 사용해서 다양한 수학 알고리즘과 예측 모델을 만들고, 인공위성의 영상 자동 시각화 프로그램을 제작했다. 이후 독립 컨설턴트 자격으로 미국 인구조사국에서 딥러닝과 머신러닝을 사용한 연구를 진행했으며, 밀라노와 뉴욕에서 머신러닝과 딥러닝에 관한 세미나를 자주 열었다. 지금은 프리랜서 컨설턴트로서 뉴욕의 큰 금융회사에서 경제 모델을 보완하고 딥러닝과 머신러닝을 사용하여 예측 모델을 만드는 일을 하고 있다.

 

지안마리오 스파카냐(Gianmario Spacagna)

IoT 센서와 원격 데이터 처리와 관련된 업무와 무선 접속 자동차의 애플리케이션을 만드는 시니어 데이터 과학자다. 주로 타이어 엔지니어, 경영자들과 같이 일하면서 하이브리드 운전과 빅데이터 기반의 무인자동차에 관한 데이터를 분석하고 모델을 만들고, 머신러닝 시스템과 데이터 제품에 적용할 엔드 투 엔드 솔루션도 만든다. datasciencemanifesto.org를 함께 작성했고, 밀라노의 데이터 사이언스 밋업 커뮤니티(datasciencemilan.org)도 만들었다. 지속 가능한 커뮤니티를 위한 규칙을 만들고 즐겁게 실행할 수 있는 일에 열정을 쏟아붓고 있다.

 

다니엘 슬레이터(Daniel Slater)

11살 때부터 1인칭 게임인 Quake의 개발 모드에서 프로그래밍을 시작했다. 게임을 무척 좋아해서 게임 개발자가 되었고, ‘챔피언십 매니저(Championship Manager)’를 만들어서 히트시켰다. 그리고 금융업계로 이직하여 리스크 관리 업무와 고성능 메시지 시스템을 개발했다. 지금은 스킴링크(Skimlinks)에서 빅데이터를 다루며 온라인에서의 사용자 행동을 분석하는 시니어 엔지니어로 일하고 있다.

 

피터 로런츠(Peter Roelants)

KU루벤에서 인공지능으로 컴퓨터과학 석사 학위를 받았다. 이미지 분석, 음성 인식, 자연어 처리, 정보 추출 등의 여러 문제에 딥러닝을 적용하는 일을 했으며, 지금은 온피도(Ondo)에서 ‘공문서로부터 데이터 추출’을 연구하는 팀을 이끌고 있다.

 

옮긴이 소개

이동근

대학에서 컴퓨터과학을 전공하고 있으며, 현재는 학업을 잠시 쉬면서 유연하고 합리적인 프로젝트 단위로 전문가 서칭, 플래닝, 매니징 솔루션을 제공하는 시소(seeso)를 창업하여 운영하고 있다. 시소를 통해 약 250여 개의 웹/앱 프로젝트를 수백여 명의 실무 전문가(RUFREE)들과 작업했고, 더 나은 노동에 대해 생각하며 데이터를 바탕으로 실험에 옮기는 일을 한다. 주로 웹서비스를 만들며 경력을 쌓아왔지만, AI에도 관심을 가지고 꾸준히 공부하고 있다. 여유가 있을 때는 사회문제를 IT로 해결하는 다양한 프로젝트를 진행하며 웹과 딥러닝에 대한 글을 읽고, 쓰고, 옮기고 있다. 파이썬과 오픈소스를 사랑한다.

 

차례

CHAPTER 1 머신러닝 – 소개 1

머신러닝이란? 2

다양한 머신러닝 접근법 3

지도학습 3

비지도학습 6

강화학습 7

머신러닝에 꼭 필요한 것들 8

유명한 기법 / 알고리즘의 간단한 소개 12

실생활에 적용하기 25

유명한 오픈소스 패키지 27

요약 34

더보기

CHAPTER 2 뉴럴 네트워크 35

왜 뉴럴 네트워크인가? 36

뉴럴 네트워크의 기본 37

뉴런과 레이어 38

활성화 함수의 종류 43

역전파 알고리즘 48

현업에서의 활용 사례 57

뉴럴 네트워크에 대한 XOR 함수의 사용 예시 58

요약 65

CHAPTER 3 딥러닝 기초 67

딥러닝이란? 68

기본 개념 70

특징 학습 71

딥러닝 알고리즘 80

딥러닝 사용 예시 81

음성 인식 81

객체 인식과 분류 83

GPU vs. CPU 86

인기 많은 오픈소스 라이브러리 ─ 소개 88

테아노 88

텐서플로 88

케라스 89

케라스를 사용한 간단한 딥 뉴럴 네트워크 코드 샘플 90

요약 96

CHAPTER 4 비지도 특징 학습 99

오토인코더 101

네트워크 디자인 105

오토인코더의 정규화 테크닉 108

오토인코더 요약 114

제한적 볼츠만 머신 115

홉필드 네트워크와 볼츠만 머신 117

볼츠만 머신 120

제한적 볼츠만 머신 122

텐서플로로 향상시키기 124

딥 빌리프 네트워크 130

요약 131

CHAPTER 5 이미지 인식 135

인공모델과 생물학적 모델 사이의 유사성 136

직관적 이해와 정의 137

컨볼루션 레이어 139

컨볼루션 레이어에서의 보폭과 메우기 145

풀링 레이어 147

드롭아웃 149

딥러닝에서의 컨볼루션 레이어 150

테아노에서 컨볼루션 레이어 활용하기 151

케라스를 활용한 숫자 인식 컨볼루션 레이어 예제 153

케라스를 활용한 cifar10 컨볼루션 레이어 예제 157

사전 학습 159

요약 161

CHAPTER 6 순환 뉴럴 네트워크와 언어 모델 163

순환 뉴럴 네트워크 164

RNN — 향상 방법과 훈련 방법 166

장단기 메모리 173

언어 모델링 176

단어 모델링 177

철자-기반 모델 182

음성 인식 191

음성 인식 전달 경로 191

음성 데이터 입력하기 192

전처리 193

음향 모델 194

디코딩 197

엔드-투-엔드 모델 198

요약 199

참고 문헌 199

CHAPTER 7 보드 게임에서의 딥러닝 205

AI로 게임을 하기 위한 초기 과정 208

게임 상황을 평가하기 위한 최소-최대 알고리즘 209

파이썬으로 틱-택-토 게임 실행하기 212

가치 함수 학습하기 222

인공지능에게 바둑 학습시키기 222

트리에 상한 신뢰 구간 적용하기 226

몬테카를로 트리 탐색에서의 딥러닝 236

강화학습에 대해 빠르게 훑어보기 237

정책 기울기를 위한 정책 강하법 238

알파고에서의 정책 기울기 247

요약 250

CHAPTER 8 컴퓨터 게임에 딥러닝 적용하기 251

지도학습으로 접근해 게임하기 251

유전 알고리즘을 적용한 게임 253

Q-러닝 254

Q-함수 256

Q-러닝 인 액션 257

동적인 게임 263

경험 재반복 268

엡실론 탐욕 271

아타리 벽돌 깨기 273

무작위 규칙을 통한 아타리 벽돌 깨기 274

스크린 전처리하기 276

딥 컨볼루션 네트워크 만들기 278

Q-러닝에서의 수렴 문제 284

정책 기울기 vs. Q-러닝 286

배우-비평가 방법 287

분산 축소를 위한 기준 288

일반화된 우위 예측기 289

비동기 방법들 290

모델-기반 접근 290

요약 293

CHAPTER 9 변칙 탐지 295

변칙과 변칙 탐지란 무엇인가? 296

변칙 탐지에 대한 실생활 응용 299

얕은 머신러닝 기법들 301

데이터 모델링 301

탐지 모델링 302

딥 오토인코더를 활용한 변칙 탐지 303

H2O 306

H2O로 시작하기 307

예시 308

MNIST 숫자 데이터에서의 변칙 탐지 308

요약 324

CHAPTER 10 모든 게 준비된 침입 탐지 시스템 만들기 327

데이터 제품이란 무엇인가? 328

트레이닝 330

웨이트 초기화 331

HOGWILD!를 활용한 병렬 SGD 333

적응형 학습 335

맵/리듀스를 통한 분산 학습 341

스파클링 워터 346

테스팅 348

모델 검증 355

하이퍼 파라미터 조정하기 364

엔드-투-엔드 평가 367

테스팅 요약 372

배포 373

POJO 모델 내보내기 373

변칙 점수 APIs 377

배포 요약 380

요약 381

찾아보기 384