신경망의 기초부터 고급 주제까지

체계적으로 정리한 새로운 인공지능 교과서!


출판사 제이펍

저작권사 Springer

원서명 Neural Networks and Deep Learning: A Textbook(원서 ISBN: 9781617293528)

저자명 차루 C. 아가르왈

역자명 류광

출판일 2019년 9월 17일

페이지 760쪽

시리즈 I♥A.I. 19(제이펍의 인공지능 시리즈 19)

판 형 188*245*37

제 본 무선(soft cover)

정 가 39,000원

ISBN 979-11-88621-66-8 (93000)

키워드 신경망 / 인공지능/ 딥러닝 / 머신러닝 / 기계학습 / 심층학습 / 뉴럴 네트워크

분야 인공지능 / 딥러닝


관련 사이트

관련 포스트

관련 시리즈

관련 도서

관련 파일 다운로드
■ 해답집(PDF, 영문)

Instructor's Solution Manual for Neural Networks.pdf

■ 강의 슬라이드(PDF, 영문)

강의 슬라이드(LaTex, 영문)


관련 동영상

■ 저자 직강 중 [3.1 Backpropagation in Neural Networks]


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

강의보조 자료 다운로드
교재로 채택하신 분들은 메일을 보내주시면 아래의 자료를 보내드리겠습니다: jeipubmarketer@gmail.com
■ 본문의 그림과 표, 수식을 모은 PDF 파일, 강의용 슬라이드(PDF 및 LaTex 영문 버전), 해답집(PDF, 영문 버전)

샘플 PDF
(옮긴이 머리말, 머리말, 감사의 글, 저자 소개, 베타리더 후기, 1장 '신경망 입문' 일부, 3장 '심층 신경망의 훈련' 일부, 6장 '제한 볼츠만 기계' 일부)
정오표 페이지

도서구매 사이트(가나다순)

도서 소개
신경망의 기초부터 고급 주제까지
체계적으로 정리한 새로운 인공지능 교과서!

이 책은 현세대의 심층 학습 모형들을 주로 다루되, 전통적인 기계 학습 모형들도 언급한다. 이 책의 주요 내용은 다음과 같다.

신경망의 기초: 전통적인 기계 학습 모형 중에는 신경망의 특수 사례로 이해할 수 있는 것들이 많이 있다. 제1장과 제2장은 전통적인 기계 학습과 신경망의 관계에 초점을 둔다. 이 두 장은 지지 벡터 기계, 선형회귀와 로지스틱 회귀, 특잇값 분해, 행렬 인수분해, 추천 시스템이 신경망의 특수 사례들에 해당함을 보여 준다. 그와 함께 word2vec 같은 최근의 특징 공학 방법들도 소개한다.

기본적인 신경망 구조들과 학습 방법: 제3장과 제4장에서는 신경망의 훈련과 정칙화를 상세하게 논의한다. 제5장과 제6장은 방사상 기저 함수(RBF) 신경망과 제한 볼츠만 기계(RBM)를 소개한다.

신경망의 고급 주제: 제7장과 제8장은 순환 신경망과 합성곱 신경망을 논의한다. 제9장과 제10장에서는 심층 강화 학습, 신경 튜링 기계, 생성 대립 신경망(GAN) 같은 여러 고급 주제를 논의한다.

이 책의 대상 독자
이 책의 주된 대상은 대학원생과 연구자, 실무자이다. 강의와 독학에 도움이 되도록 각 장 끝에 연습문제들을 수록했다. 그리고 신경망과 심층 학습이 실제로 어떻게 쓰이는지 독자가 가늠할 수 있도록 응용 사례를 중심으로 논의를 진행했다.

지은이 소개
차루 C. 아가르왈(Charu C. Aggarwal)
아가르왈은 미국 뉴욕 요크타운 하이츠 소재 IBM T. J. 왓슨 연구센터의 저명 연구원(Distinguished Research Staff Member, DRSM)이다. 그는 1993년에 인도 칸푸르의 인도 공과대학교에서 컴퓨터 과학을 학사로 졸업하고, 1996년 매사추세츠 공과대학(MIT)에서 박사 학위를 받았다. 데이터 마이닝 분야에서 주로 일했으며, 주요 콘퍼런스와 학술지에 350편이 넘는 논문을 발표했고, 80건이 넘는 특허를 가지고 있다. 또한, 데이터 마이닝과 추천 시스템, 이상치 분석에 관한 교과서들을 비롯해 18권의 책을 저술 또는 편집했다. 보유한 특허들의 상업적 가치 덕분에 IBM에서 세 번이나 Master Inventor로 선정되었다. 그는 데이터 스트림에서 생물 테러 위협을 검출하는 문제에 관한 연구로 2003년 IBM Corporate Award를 받았으며, 개인정보 기술에 대한 과학적 기여로 2008년 IBM Outstanding Innovation Award를 받았다. 또한, 자료 스트림/고차원 자료에 관한 연구로 2009년과 2015년에 IBM Outstanding Technical Achievement Award를 받았다. 2014년에는 응축(condensation) 기반 개인정보 보존 데이터 마이닝에 관한 연구로 EDBT 2014 Test of Time Award를 받았다. 그는 또한 2015년 IEEE ICDM Research Contributions Award 수상자인데, 이 상은 데이터 마이닝 분야에 기여한 연구자들에 주는 가장 권위 있는 두 상중 하나이다.

옮긴이 소개
류광
20년 이상의 번역 경력을 가진 전문 번역가다. 인공지능의 교과서라 불리는 《인공지능: 현대적 접근방식(제3판)》(총 2권)과 커누스 교수의 《컴퓨터 프로그래밍의 예술》 시리즈를 포함하여 60여 종의 다양한 IT 전문서를 번역했다.

차례
1장 신경망 입문
1.1 소개 1
    1.1.1 인간 대 컴퓨터: 인공지능의 한계 확장 4
1.2 신경망의 기본 구조 6
    1.2.1 단일 계산층: 퍼셉트론 7
    1.2.2 다층 신경망 25
    1.2.3 계산 그래프로서의 다층망 28
1.3 역전파를 이용한 신경망 훈련 30
1.4 신경망 훈련의 실질적인 문제점들 35
    1.4.1 과대적합 문제점 35
    1.4.2 기울기 소실 및 폭발 문제 41
    1.4.3 수렴의 어려움 41
    1.4.4 국소 가짜 최적해 42
    1.4.5 계산의 어려움 43
1.5 함수 합성이 강력한 이유 44
1.5.1 비선형 활성화 함수의 중요성 47
1.5.2 깊이를 이용한 매개변수 요구수준 감소 49
1.5.3 통상적이지 않은 신경망 구조들 51
1.6 흔히 쓰이는 신경망 구조들 54
    1.6.1 얕은 모형으로 기본적인 기계 학습 흉내 내기 54
    1.6.2 방사상 기저 함수(RBF) 신경망 54
    1.6.3 제한 볼츠만 기계 55
    1.6.4 순환 신경망 56
    1.6.5 합성곱 신경망 59
    1.6.6 위계적 특징 공학과 미리 훈련된 모형 61
1.7 고급 주제 64
    1.7.1 강화 학습 64
    1.7.2 자료 저장과 계산의 분리 65
    1.7.3 생성 대립 신경망(GAN) 66
1.8 주요 벤치마크 두 가지 67
    1.8.1 필기 숫자들을 담은 MNIST 데이터베이스 67
    1.8.2 ImageNet 데이터베이스 69
1.9 요약 70
1.10 문헌 정보 71
    1.10.1 동영상 강의 73
    1.10.2 소프트웨어 정보 74
연습문제 75


댓글을 달아 주세요