딥러닝 인 더 브라우저: 자바스크립트 프레임워크를 이용한 딥러닝 웹 개발

딥러닝을 활용한 웹 애플리케이션 개발의 기초와 응용!

웹 프로그래밍과 인공지능의 만남이 시작되는 책!

도서구매 사이트(가나다순)

[교보문고] [도서11번가] [반디앤루니스] [알라딘] [영풍문고] [예스이십사] [인터파크] [쿠팡]

전자책 구매 사이트(가나다순)

[교보문고] [구글북스] [리디북스] [알라딘] [예스이십사] [인터파크]

출판사 제이펍

저작권사 Bleeding Edge Press

원서명 Deep Learning In The Browser(원서 ISBN: 9789386052988)

저자명 자비에르 보우리, 카이 사사키, 크리스토프 코너, 레이이치로 나카노

역자명 이수진

출판일 2020년 2월 20일

페이지 244쪽

시리즈 I♥A.I. 23(아이러브 인공지능 23)

판 형 170*225*14.8

제 본 무선(soft cover)

정 가 20,000원

ISBN 979-11-88621-83-5(93000)

키워드 머신러닝 / 딥러닝 / 인공지능 / 자바스크립트 / 텐서플로 / 케라스 / tensorflow.js / keras.js / WebGL / 신경망 / 웹브라우저 / 웹 애플리케이션

분야 인공지능 / 딥러닝

관련 사이트

■ 저작권사 도서 소개 페이지

■ 아마존 도서 소개 페이지

■ 가위바위보 게임 데모 웹사이트

■ 텍스트 생성 모델 데모 웹사이트

관련 포스트

■ 2020/02/10 - [출간전 책소식] - 거인이 되기 전에 배팅할 수 있는 가장 좋은 시간!

관련 도서

■ I♥A.I. 시리즈

관련 파일 다운로드

■ 예제 코드(깃헙)

강의 보조자료

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 '딥러닝 소개' 일부, 3장 '자바스크립트 딥러닝 프레임워크' 일부, 5장 'WebGL을 이용한 GPU 가속화' 일부, 8장 'TensorFlow.js 애플리케이션 개발' 일부)

딥러닝인더브라우저_sample.pdf

정오표 페이지

(등록되는 대로 링크를 걸어드리겠습니다.)

도서구매 사이트(가나다순)

[교보문고] [도서11번가] [반디앤루니스] [알라딘] [영풍문고] [예스이십사] [인터파크] [쿠팡]

전자책 구매 사이트(가나다순)

[교보문고] [구글북스] [리디북스] [알라딘] [예스이십사] [인터파크]

도서 소개

딥러닝을 활용한 웹 애플리케이션 개발의 기초와 응용!

웹 프로그래밍과 인공지능의 만남이 시작되는 책!

이 책은 딥러닝과 웹 개발의 교차점에 있습니다. 두 기술 모두 성숙 단계에 접어들었고, 이들이 만난다면 누구도 상상하지 못한 환상적인 애플리케이션을 만들 수 있습니다.

이 책은 기본적인 웹 프로그래밍과 더불어 WebGL 등을 사용한 자바스크립트 딥러닝 프레임워크 사용법을 설명합니다. 브라우저와 딥러닝의 만남은 아직 걸음마 수준에 불과하지만, 하루가 다르게 눈부시게 발전하고 있습니다. 지금이야말로 시작하기 가장 좋을 때입니다. 이 책과 함께 놀라운 딥러닝의 세계를 느껴보기를 바랍니다. 자, 새로운 여행을 떠나 볼까요?

이 책의 주요 내용

• 주요 딥러닝 모델
• 딥러닝을 위한 기초 수학
• 딥러닝 모델을 활용한 웹 애플리케이션 제작법
• TensorFlow, WebDNN, Keras 등 최신 딥러닝 프레임워크 사용법
• WebGL 사용법

지은이 소개

자비에르 보우리(Xavier Bourry)

StartupJeeliz의 대표 겸 CTO이자 딥러닝 전문가다.

@xavierbourry

카이 사사키(Kai Sasaki)

ARM의 시니어 소프트웨어 개발자이며, Apache Hivemall의 오픈 소스 커미터로 활

동하고 있다.

@Lewuathe

크리스토프 코너(Christoph Körner)

마이크로소프트 아일랜드에서 TSP 데이터 및 인공지능 처리 업무를 담당하고 있다.

@ChrisiKrnr

레이이치로 나카노(Reiichiro Nakano)

Infostellar의 소프트웨어 개발자이자 머신러닝 전문가다.

@reiinakano

옮긴이 소개

이수진

대학에서 작곡을 공부하던 중 기술과 예술의 만남을 목격하고 웹 기술에 매료되어 드넓은 IT 세상에 뛰어들었다. 예술가가 펼치는 아름다운 색과 선율처럼 코드로 독창적이고 생동감 넘치는 웹을 만들고 싶은 소프트웨어 엔지니어다. 싱가포르 국영 언론사에서 다수의 데이터 분석 및 시각화 프로젝트를 진행했다. 현재는 베를린의 핀테크 스타트업에서 리액트 개발을 하고 있으며, 딥러닝 모델을 활용한 인터랙티브 웹 개발에 많은 관심을 기울이고 있다.

홈페이지: https://sujinlee.me

트위터: @sujinleeme

차례

CHAPTER 1 딥러닝 소개 1

1.1 신경망을 위한 기초 수학 3

1.1.1 단층 퍼셉트론 3

1.1.2 다층 퍼셉트론 8

1.1.3 합성곱 계층과 풀링층 9

1.1.4 활성화 함수 12

1.2 뉴럴 네트워크 17

1.2.1 손실 함수의 중요성 17

1.2.2 정규화 18

1.2.3 역전파 알고리즘 19

1.2.4 최적화 방법 19

1.3 정리 21

CHAPTER 2 신경망 구조 23

2.1 합성곱 신경망 24

2.1.1 AlexNet 25

2.1.2 GoogLeNet 26

2.1.3 ResNet 27

2.1.4 SqueezeNet 29

2.2 순환 신경망 31

2.2.1 LSTM 33

2.2.2 GRU 34

2.3 강화 학습 35

2.3.1 DQN 38

2.4 정리 39

CHAPTER 3 자바스크립트 딥러닝 프레임워크 41

3.1 TensorFlow.js 42

3.1.1 TensorFlow.js 시작하기 42

3.1.2 XOR 문제 43

3.1.3 XOR 문제 해결 44

3.1.4 네트워크 구조 49

3.1.5 텐서 50

3.1.6 연산 52

3.1.7 학습 55

3.1.8 TensorFlow.js 생태계 58

3.2 WebDNN 61

3.3 Keras.js 63

3.4 정리 65

CHAPTER 4 딥러닝을 위한 자바스크립트 기초 67

4.1 자바스크립트 형식화 배열 68

4.1.1 ArrayBuffer 69

4.1.2 DataView 71

4.2 자바스크립트 동시성 73

4.2.1 자바스크립트 이벤트 루프 73

4.2.2 Promise 비동기 함수 75

4.2.3 async/await 비동기 함수 77

4.2.4 웹워커를 사용한 멀티스레딩 79

4.2.5 딥러닝 애플리케이션을 위한 프로세싱 반복 처리 81

4.3 CPU/GPU에서 리소스 로드하기 81

4.3.1 Fetch API 82

4.3.2 레이블 인코딩 84

4.3.3 원-핫 인코딩 85

4.4 정리 86

CHAPTER 5 WebGL을 이용한 GPU 가속화 89

5.1 WebGL 기초 91

5.1.1 WebGL 작업 흐름 93

5.1.2 프래그먼트 셰이더 렌더링 96

5.2 일반적인 WebGL 사용 102

5.2.1 WebGL 디버깅 103

5.2.2 텍스처 렌더링 104

5.2.3 정밀도 109

5.2.4 최적화 112

5.2.5 부동소수점 스페셜 113

5.2.6 CPU에서 GPU로 또는 GPU에서 CPU로 118

5.3 행렬 연산을 위한 텍스처와 셰이더 119

5.3.1 행렬의 덧셈 120

5.3.2 행렬의 곱셈 120

5.3.3 활성화 함수 122

5.3.4 WGLMatrix 메서드 122

5.4 손글씨 인식 애플리케이션 123

5.4.1 데이터 인코딩 123

5.4.2 메모리 최적화 124

5.4.3 피드포워드 126

5.4.4 첫 번째 시도 126

5.4.5 성능 향상 127

5.5 정리 129

CHAPTER 6 웹브라우저에서의 데이터 추출 131

6.1 이미지 데이터 로딩 132

6.1.1 이미지에서 픽셀 추출하기 132

6.1.2 원격 리소스 로드하기 134

6.1.3 이진 블랍 가져오기 136

6.2 픽셀 데이터를 화면에 렌더링하기 137

6.2.1 이미지 보여주기 138

6.2.2 픽셀 데이터를 캔버스에 렌더링하기 139

6.2.3 이미지 데이터 보간 141

6.2.4 캔버스에 도형 그리기 143

6.3 카메라, 마이크, 스피커 사용하기 144

6.3.1 웹캠에서 이미지 캡처하기 145

6.3.2 마이크로 오디오 레코딩하기 146

6.3.3 사운드 파일의 로딩, 디코딩, 출력 148

6.4 딥러닝 프레임워크의 유틸리티 도구 149

6.4.1 TensorFlow.js 150

6.4.2 Keras.js 151

6.4.3 WebDNN 152

6.5 정리 153

CHAPTER 7 고급 데이터 조작을 위한 레시피 155

7.1 Protobuf 직렬화 156

7.1.1 Caffe 모델 파라미터 파싱하기 158

7.1.2 텐서플로 그래프 파싱 159

7.1.3 부동소수점 정밀도 161

7.2 Chart.js 차트 구현 162

7.2.1 차트 유형 살펴보기 163

7.2.2 데이터 세트 구성 165

7.2.3 데이터 업데이트 166

7.2.4 옵션과 구성 설정 168

7.3 캔버스를 활용한 스케치 171

7.3.1 캔버스에 그림 그리기 172

7.3.2 펜 스트로크 추출하기 175

7.4 마이크에서 스펙토그램 계산하기 177

7.5 얼굴 감지 및 추적 179

7.5.1 Jeeliz FaceFilter를 사용한 얼굴 추적 179

7.5.2 Tracking.js로 얼굴 추적하기 180

7.5.3 크롬 얼굴 인식 API 182

7.6 정리 184

CHAPTER 8 TensorFlow.js 애플리케이션 개발 185

8.1 TensorFlow.js를 활용한 동작 분류 185

8.1.1 알고리즘 186

8.1.2 TensorFlow.js 프로젝트 시작하기 188

8.1.3 KNN 분류기 설정 189

8.1.4 TensorFlow.js 프로세싱 루프 190

8.1.5 정리 193

8.2 TensorFlow.js를 활용한 텍스트 생성 애플리케이션 개발 193

8.2.1 알고리즘 193

8.2.2 케라스 모델 194

8.2.3 케라스 모델을 TensorFlow.js 모델로 변환하기 195

8.2.4 프로젝트 설치하기 196

8.2.5 TensorFlow.js로 케라스 모델 가져오기 196

8.2.6 TensorFlow.js 프로세싱 반복문 197

8.2.7 모델 입력 구성하기 198

8.2.8 예측 구현 200

8.2.9 모델 출력 샘플링 201

8.2.10 마치며 203

8.3 TensorFlow.js를 활용한 이미지 노이즈 제거 204

8.3.1 알고리즘 204

8.3.2 케라스 모델을 TensorFlow.js 모델로 변환하기 206

8.3.3 프로젝트 설치 207

8.3.4 초기화 207

8.3.5 애플리케이션 동작 흐름 208

8.3.6 테스트 이미지 불러오기 209

8.3.7 노이즈 업데이트 211

8.3.8 이미지 노이즈가 제거된 이미지 생성하기 211

8.3.9 이미지 노이즈 제거 212

8.3.10 초기화 함수 213

8.3.11 마치며 214

8.4 정리 214

8.5 맺음말 216

찾아보기 218

제이펍 소식 더 보기(제이펍의 소통 채널에서 더욱 다양한 소식을 확인하세요!)

네이버 책 포스트 유튜브 인스타그램 트위터 페이스북