제이펍의 도서 | Posted by 제이펍 2019.02.20 11:13

케라스 창시자의 딥러닝 with R


R과 케라스 예제로 배우는 딥러닝 핵심 원리!


출판사 제이펍
원출판사 Manning
원서명 Deep Learning with R(원서 ISBN: 9781617295546) 
저자명 프랑소와 숄레, J. J. 알래어 
역자명 박진수
출판일 20192월 21일
페이지 444쪽
시리즈 I♥A.I. 15(아이러브A.I. 15)
판  형 46배판변형(188*245*21)
제  본 무선(soft cover)
정  가 29,000원
ISBN 979-11-88621-46-0 (93000)
키워드 딥러닝 / 머신러닝 / 인공지능 / R 언어 / 케라스 / 텐서플로 / 신경망 / RStudio
분야 딥러닝 / R 언어

관련 사이트

관련 포스트

관련 시리즈

관련 도서

관련 파일 다운로드

교재 검토용 증정 안내
■ 학교 및 학원에서 교재 선정을 위해 책을 파일로 검토해보고자 하시는 분들은 다음의 페이지에서 신청 양식을 작성해주시기 바랍니다. 확인 후 연락을 드리도록 하겠습니다. http://goo.gl/vBtPo3

강의보조자료 다운로드
교재로 채택하신 분들은 메일을 보내주시면 아래의 자료를 보내드리겠습니다: jeipubmarketer@gmail.com
■ 본문의 그림과 표

샘플 PDF

(차례옮긴이 머리말베타리더 후기, 1 '딥러닝이란 무엇인가', 2 '시작하기 전에신경망의 수학적 빌딩 블록일부, 3 '신경망 입문일부, 4 '머신러닝의 기본일부, 7 '고급 딥러닝 모범 사례일부)

sample_케라스창시자의딥러닝withR.pdf


정오표 페이지

도서 구매 사이트(가나다 순)

도서 소개

R과 케라스 예제로 배우는 딥러닝 핵심 원리!


머신러닝은 최근 몇 년 동안 주목할 만한 발전을 이루었다. 딥러닝 시스템을 통해 이전에는 불가능했던 스마트 애플리케이션을 사용할 수 있게 되었으며, 이미지 인식 및 자연어 처리, 데이터의 복잡한 패턴 식별 등도 가능해졌다. 케라스 딥러닝 라이브러리는 R 기반의 데이터 과학자 및 개발자에게 딥러닝 과제를 해결하기 위한 최첨단 도구 모음을 제공한다.


이 책은 강력한 케라스 라이브러리와 R 언어 인터페이스를 사용해 딥러닝의 세계를 소개한다. 《Deep Learning with Python》이라는 이름으로 케라스 제작자이자 구글 인공지능 연구원인 프랑소와 숄레가 저술한 책을 바탕으로 알스튜디오(RStudio) 창립자인 J. J. 알래어(J. J. Allaire)가 R에 맞게 수정하였으며, 직관적인 설명과 실제적인 예를 통해 딥러닝을 이해할 수 있게 만들어 준다. 독자들은 이 책을 통해 컴퓨터 비전, 자연어 처리 및 생성 모델에서 R 기반 애플리케이션을 사용해 새로운 기술을 연습할 수 있을 것이다. 또한 머신러닝이나 딥러닝을 경험한 적은 없지만, R 프로그래밍 기술은 중급 이상이어야 더욱 도움이 될 것이다.


이 책의 주요 내용

  • 근본 가설들로부터의 딥러닝
  • 자신만의 딥러닝 환경 설정하기
  • 이미지 분류 및 생성하기
  • 텍스트 및 시퀀스에 대한 딥러닝

저자 소개

프랑소와 숄레(François Chollet)

캘리포니아 마운틴 뷰의 구글에서 딥러닝과 관련된 일을 한다. 케라스 딥러닝 라이브러리의 창시자이고 텐서플로 머신러닝 프레임워크의 기여자다. 컴퓨터 비전과 형식 추론을 위한 머신러닝 애플리케이션에 초점을 맞춰 딥러닝을 연구한다.


J. J. 알래어(J. J. Allaire)

알스튜디오(RStudio)를 설립하고 알스튜디오 통합개발환경(RStudio IDE)을 개발했다. 또한, 텐서플로 및 케라스에 대한 R 인터페이스를 개발하기도 했다.


역자 소개

박진수

다양한 정보기술 분야 경력과 저술/번역 경험을 바탕으로 IT ·복합 사업을 꿈꾸는, 1인 회사 리율의 대표다. 옮긴 책으로는 모두를 위한 실용 전자공학, 해킹 일렉트로닉스ggplot2등이 있다.


차례

PART I 딥러닝 기초 1

CHAPTER 1 딥러닝이란 무엇인가? 3

1.1 인공지능, 머신러닝, 딥러닝 4

1.2 딥러닝을 하기 전에: 머신러닝의 간략한 역사 17

1.3 왜 딥러닝인가? 왜 지금인가? 24


CHAPTER 2 시작하기 전에: 신경망의 수학적 빌딩 블록 30

2.1 신경망 둘러보기 31

2.2 신경망에 대한 데이터 표현 36

2.3 신경망의 장비: 텐서 연산 44

2.4 신경망의 엔진: 경사 기반 최적화 52

2.5 첫 번째 예제 되돌아보기 60

2.6 요약 63


CHAPTER 3 신경망 입문 64

3.1 신경망 해부학 65

3.2 케라스 소개 69

3.3 딥러닝 워크스테이션 설정 73

3.4 영화 감상평 분류: 이항 분류 예제 76

3.5 뉴스 분류: 다중 클래스 분류 예제 89

3.6 주택 가격 예측: 회귀 예제 97

3.7 요약 105


CHAPTER 4 머신러닝의 기본 106

4.1 네 가지 머신러닝 106

4.2 머신러닝 모델 평가 110

4.3 데이터 전처리, 특징 공학 및 특징 학습 115

4.4 과적합 및 과소적합 119

4.5 머신러닝의 보편적인 작업 흐름 128

4.6 요약 134



PART II 딥러닝 실습 135

CHAPTER 5 컴퓨터 비전 처리를 위한 딥러닝 137

5.1 합성망 소개 137

5.2 소규모 데이터셋을 이용해 합성망을 처음부터 훈련하기 148

5.3 사전 훈련 합성망 사용하기 162

5.4 합성망이 학습한 내용 시각화하기 178

5.5 요약 197


CHAPTER 6 텍스트와 시퀀스에 대한 딥러닝 198

6.1 텍스트 데이터로 작업하기 199

6.2 재귀 신경망의 이해 216

6.3 재귀 신경망의 고급 사용 228

6.4 합성망을 사용한 시퀀스 처리 249

6.5 요약 257


CHAPTER 7 고급 딥러닝 모범 사례 259

7.1 순차 모델을 넘어: 케라스 함수형 API 259

7.2 케라스 콜백과 텐서보드로 딥러닝 모델을 검사하고 관찰하기 277

7.3 모델을 최대한 활용하기 287

7.4 요약 297


CHAPTER 8 생성적 딥러닝 298

8.1 LSTM을 사용한 문장 생성 300

8.2 딥드림 310

8.3 신경망 이용 화풍 모사 317

8.4 가변 오토인코더로 이미지 생성하기 327

8.5 생성적 적대 망 소개 337

8.6 요약 347


CHAPTER 9 결론 348

9.1 핵심 개념 검토 349

9.2 딥러닝의 한계 360

9.3 딥러닝의 미래 366

9.4 빠르게 변화하는 현장 따라잡기 373

9.5 맺는 말 375


APPENDIX A 우분투에서 케라스와 필요한 것들을 설치하기 376

A.1 설치 과정 개요 376

A.2 시스템 필수 구성 요소 설치 377

A.3 GPU 지원 설정 377

A.4 케라스 및 텐서플로 설치 380


APPENDIX B EC2 GPU 인스턴스에서 RStudio Server 실행하기 382

B.1 딥러닝용 AWS를 사용해야 하는 이유는 무엇인가? 382

B.2 딥러닝용 AWS를 사용하지 않는 이유는 무엇인가? 383

B.3 AWS GPU 인스턴스 설정 383

B.4 RStudio Server에 액세스하기 387

B.5 케라스 설치 389

댓글을 달아 주세요

  1.  댓글주소  수정/삭제  댓글쓰기 이부일 2019.02.25 17:26

    37 페이지의 중간에 행(raws)을 행(rows)로 수정해야 합니다.

  2.  댓글주소  수정/삭제  댓글쓰기 하얀부엉 2019.03.17 18:19

    딥러닝에 대해서 굉장히 실무적으로 잘써진 책입니다. 다만 아래 번역가의 코멘트가 책에 내용과 상반되는 의견이 너무 노골적으로 써 있다는게 문제 같습니다. 현재 딥러닝에 대한 과한 오해로 실제 딥러닝의 실체는 프랑소와가 쓴 내용과 같은 관점에서 좁게 봐야한다는게 현재 정설입니다.
    딥러닝 자체를 잘 모르는 사람들이 사람의 뇌를 모방하여 햇다는 식으로 아직도 오해의 여지가 있는데, 저자는 이런 점을 정확히 집고 넘어가려 햇으나, 번역가가 이를 잘못됫다는 식으로 쓰여지는 굉장히 눈에 거슬리는 부분들이 있습니다. 오히려 번역가의 개인적인 의견이 이런 좋은 책에 쒸어져서 퍼지는게 문제가 될거라고 봅니다.

    •  댓글주소  수정/삭제 Favicon of https://jpub.tistory.com BlogIcon 제이펍 2019.03.18 08:57 신고

      좋은 말씀 남겨 주셔서 정말 고맙습니다. 혹시 말씀하신 부분이 351쪽의 4번 역주와 같은 글을 말씀하시는 건지요? 그렇다면 저희도 좀 더 확인하여 재안내해 드리겠습니다.

  3.  댓글주소  수정/삭제  댓글쓰기 하얀부엉 2019.03.18 21:16

    10, 351 페이즈 등에 역자의 개인적 의견이 써 있습니다. 번역을 하는데 있어서, 이런 역주를 달자면, 최소한 이분야를 오랫동안 연구한 교수들이나 달아야할것이고, 만일 저자의 의도와 다르다면 함부로 달지 않는것이 맞다고 봅니다. 실제 전문용어 해석한것도 옵티마이저를 최적화기 라고 번역하는등, 실제 전문가들이 쓰지도 않는 용어를 임의로 번역하였습니다. 임베딩등,. 이런 역자의 자의적인 비전문적인 번역이 실제 책의 퀄리티 대비 매우 아쉽습니다.

  4.  댓글주소  수정/삭제  댓글쓰기 옮긴이 2019.03.19 14:41

    이 책을 번역한 사람입니다.
    하양부엉 님의 의견에 제 의견을 덧붙여 봅니다.
    1. 저자의 의견에 대립되는 번역가의 주석이 너무 노골적으로 달려 있다는 말씀에 대한 의견.
    저자의 의견이라고 해서 언제나 옳은 것은 아니며, 다르게 해석할 수 있는 여지가 있다면
    그에 대한 의견도 달 수 있어야 한다는 생각입니다.
    근본적으로 '저서'와 '역서'의 차이가 이런 데서 나옵니다. 번역할 때는 시대 상황, 대상 독자, 역사/문화에 따른 맥락, 문체 등을 다 반영해야 할 뿐만 아니라, 저서에 오류가 있다면 바로 잡아야 합니다.

    2. 저자처럼 인공지능을 좁은 관점에서 봐야 한다고 하는 말씀에 대한 의견.
    제가 역자 서문에서 밝혔듯이 저자가 인공지능 신경망을 수학적 관점에서 본 다는 점을 이해하고 번역했습니다.
    이에 따라서 각종 용어도 될 수 있으면 수학 용어에 맞췄습니다.
    예를 들면 임베딩을 '매장'이라고 번역한 게 그러한 예입니다. 그러므로 제가 저자의 관점을 이해하지 못 한 건 아니라는 점을 알아 주셨으면 합니다.
    그렇다고 해서 꼭 저자의 관점대로 봐야 하느냐고 묻는다면 아니라고 말씀드리고 싶습니다.
    사물을 보는 관점은 사람마다 다를 수 있고, 옮긴이라면 내용을 다각도로 바라볼 수 있게 다른 관점도 제시할 수 있어야 합니다.
    그리고 신경망 관련해서 저도 여러 권을 번역하고, 여러 논문을 읽어 보았지만 하얀부엉님의 의견대로 신경망을 수학(그 중에서도 텐서 연산 또는 그래프 이론)적 관점으로 풀어가는 사람도 있지만 그렇지 않은 분들도 많습니다.
    아주 간단한 예로 여러 신경망 아키텍처들이 신경생리학의 연구 성과를 인용하는 경우가 많은데, 이런 점은 어떻게 설명하실 건가요?
    하얀부엉 님이 '정설'이라고 하셨는데, 제가 보기에는 저자의 관점이 정설이라고 생각하는 게 위험하다고 보입니다. 학문에서 이게 정설이다라는 주장은 위험해 보입니다. '주류 의견'이라고 하신다면 이해하겠습니다. 다만, '주류 의견'이다라고 단정하는 것도 위험해 보입니다.

    2. 역주를 달려면 교수들이나 달아야 한다는 말씀에 대한 의견
    이런 의견도 좀 위험해 보입니다.
    교수가 아닌 사람도 번역하고, 논문을 쓰고, 연구하고, 개발하고, 의견을 제시할 수 있어야 합니다.
    여러 교수가 쓴 저작물에서 문제를 수십 건, 수백 건 발견해 내고 그걸 바로 잡아주는 사람은 교수가 아니므로 의견을 제시해서는 안 되는 걸까요?
    극단적인 비유를 들자면 교수가 아니고 신기원을 이뤄 노벨이나 필즈상을 받은 연구자는 교수직을 받지 못했으므로 자신의 의견을 세상에 내 놓아서는 안 되는 걸까요?

    3. 전문 용어와 관련해서
    하얀부엉님의 의견대로라면 임베딩이야말로 '매장'으로 번역해야 합니다.
    저자가 수학적 관점에서 논의를 전개하기 때문입니다. 위상수학의 매장 공간을 의미하는 게 확실하기 때문입니다.
    그리고 '최적화기'란 말이 안 쓰인다고 했는데, 지금 구글 검색을 해 보시면 쓰이는 말이라는 건 아실 테고, 게다가 아주 오랫동안 쓰여온 최적화(optimization)라는 용어와 대응하게 하려면 '옵티마이저'보다는 더 나은 번역 용어라고 생각합니다.
    오히려 옵티마이저라는 말이 쓰인 지 오래 되지 않았습니다. 우리말로 옮길 수 있는데도 영어 발음 그대로 차용하는 건 우리말을 잘 모르거나(특히 위상수학의 매장 개념을 모르는 경우. 수학/통계학 용어를 잘 몰라서 영어 발음 그대로 차용하는 분들이 많습니다), 귀찮아서 옮기지 않거나, 그 밖의 여러 가지 이유로 그러는 면이 있을 수 있는데, 이런 때 어느 정도 한 발 앞서서 우리말을 도입해(때로는 만들어) 나가야 하는 게 역자의 역할이라고 생각합니다.
    수십 보 앞서면 아예 이해하기 어려울 수 있으므로 저도 번역할 때 항상 균형을 잡으려고 애쓰기는 합니다.

    저의 이런 의견들이 도움이 되셨으면 합니다.
    감사합니다.




    Favicon of https://jpub.tistory.com BlogIcon 제이펍 2019.03.18 08:57 신고
    하얀부엉 2019.03.18 21:16 신고
    10, 351 페이즈 등에 역자의 개인적 의견이 써 있습니다. 번역을 하는데 있어서, 이런 역주를 달자면, 최소한 이분야를 오랫동안 연구한 교수들이나 달아야할것이고, 만일 저자의 의도와 다르다면 함부로 달지 않는것이 맞다고 봅니다. 실제 전문용어 해석한것도 옵티마이저를 최적화기 라고 번역하는등, 실제 전문가들이 쓰지도 않는 용어를 임의로 번역하였습니다. 임베딩등,. 이런 역자의 자의적인 비전문적인 번역이 실제 책의 퀄리티 대비 매우 아쉽습니다.



    출처: https://jpub.tistory.com/901 [제이펍의 참 똑똑한 2비트 책 이야기]

  5.  댓글주소  수정/삭제  댓글쓰기 에이림 2019.05.02 09:47

    안녕하세요 이 책을 통해 많은것을 배우고 있는 독자입니다.
    다름이 아니라 5_2 쳅터155페이지 중간 코드

    batch <- generator_next(train_generator)
    코드를 실행을 하게 되면
    Error in py_iter_next(it, completed) :
    ImportError: Could not import PIL.Image. The use of `array_to_img` requires PIL.

    이라는 에러를 발생시키는데
    혹시 이 부분에 대해서 어떠한 해결책이 있을까요??
    코드는 전부 깃허브에서 그대로 사용하였습니다.
    이전코드까지는 전부 문제 없이 진행하였습니다.

    감사합니다.

    =================

    *****하핫;; 해결했습니다 !!*********
    좋은 책 감사합니다`