• 컴퓨터/IT > 프로그래밍 > 웹프로그래밍

2018/12 컴퓨터/IT 46위 | 현재 컴퓨터/IT 46위 |

출판사 리뷰

제1장에서는 머신러닝을 컴퓨터에서 실습할 수 있도록 각종 패키지 프로그램을 설치하고 환경설정하는 방법에 대해서 기술했다. 제2장에서는 머신러닝 기본 알고리즘을 이해할 수 있도록 했고, 제3장 부터는 Neural Network을 어떻게 구성하여 딥러닝을 전개해 나가는지 자세히 설명한다. 제4장은 CNN 알고리즘에서 어떻게 영상이미지들을 인식하는지 설명하고, 제5장에서는 RNN 알고리즘을 사용하여 문자와 음성 데이터를 어떻게 인식하는지 설명한다. 제2부에서는 C언어로 머신러닝 알고리즘을 직접 코딩하면서 자세히 익... 제1장에서는 머신러닝을 컴퓨터에서 실습할 수 있도록 각종 패키지 프로그램을 설치하고 환경설정하는 방법에 대해서 기술했다. 제2장에서는 머신러닝 기본 알고리즘을 이해할 수 있도록 했고, 제3장 부터는 Neural Network을 어떻게 구성하여 딥러닝을 전개해 나가는지 자세히 설명한다. 제4장은 CNN 알고리즘에서 어떻게 영상이미지들을 인식하는지 설명하고, 제5장에서는 RNN 알고리즘을 사용하여 문자와 음성 데이터를 어떻게 인식하는지 설명한다. 제2부에서는 C언어로 머신러닝 알고리즘을 직접 코딩하면서 자세히 익힐 수 있도록 구성했다. 제1부에 있는 텐서플로우는 머신러닝 알고리즘을 라이브러리에 구현해 놓고 그것의 사용법을 익히면 쉽게 사용할 수 있는 반면에, 알고리즘 소스가 라이브러리에 숨겨져 있기 때문에 Back Propogation과 같은 중요한 알고리즘은 자세히 분석하기 힘들다. 그래서 필자는 C언어로 머신러닝 알고리즘들을 하나씩 코딩해 가면서 상세히 익힐 수 있도록 내용을 구성했다. 필자의 이 책은 머신러닝 알고리즘을 처음부터 끝까지 익혀서 알고리즘 성능 개선에 대해서 연구하고자 하는 독자분들에게 아주 유용할 것이다. 제2부의 제6장부터 머신러닝 알고리즘들을 C언어로 하나씩 코딩하면서 기본기를 탄탄히 익히고 제7장에서는 C언어로 Neural Network 알고리즘을 코딩한다. 이를 바탕으로 제8장에서 얼굴인식 알고리즘에 대해서 설명한다. 이 책의 모든 예제 소스들은 아래의 GitHub 사이트에서 다운로드 받을 수 있다. https://github.com/kernel-bz/ml

직접 코딩하면서 배우는 머신러닝/딥러닝1
저작권2
커널연구회 로드맵3
저자 소개4
5
제1부 텐서플로우/파이썬 기반 머신러닝9
1. 머신러닝 실습 환경10
1.1 머신러닝 소개10
1.2 리눅스용 개발환경 설치16
1.3 윈도우용 개발환경 설치20
1.4 TENSORFLOW 기본21
2. 머신러닝 알고리즘23
2.1 LINEAR REGRESSION23
2.1.1 가설함수(학습 모델)와 비용함수23
2.1.2 비용 줄이기(기울기 예측)30
2.1.3 미분 함수(Convex)32
2.2 LINEAR REGRESSION LEARNING35
2.2.1 단항변수 기울기 학습135
2.2.2 단항변수 기울기 학습237
2.2.3 단항변수 기울기 학습339
2.2.4 다항변수 기울기 학습41
2.2.5 다항변수 매트릭스 처리44
2.2.6 다항변수 파일 읽기47
2.3 LOGISTIC(BINARY) CLASSIFICATION51
2.3.1 학습 모델(Hypothesis)51
2.3.2 비용 함수55
2.3.3 Logistic Regression57
2.4 MULTINOMIAL(SOFTMAX) CLASSIFICATION61
2.4.1 학습 모델(Hypothesis)61
2.4.2 Softmax 함수64
2.4.3 비용 함수67
2.4.4 TensorFlow 실습69
3. DEEP LEARNING77
3.1 딥러닝 기본78
3.1.1 행동 함수80
3.1.2 XOR 문제80
3.1.3 Neural Network82
3.1.4 Back Propagation88
3.2 XOR 문제 해결 실습93
3.2.1 일반적인 XOR 문제93
3.2.2 XOR Neural Network95
3.2.3 XOR Deep Learning98
3.2.4 XOR Deep Learning2105
3.2.5 XOR ReLU108
3.3 딥러닝 정확성 향상110
3.3.1 ReLU110
3.3.2 Good Weight (초기값)112
3.3.3 Overfitting 조정113
3.3.4 DropOut114
3.3.5 Optimizer 성능 비교116
3.4 딥러닝 실습117
3.4.1 일반적인 softmax118
3.4.2 ReLU121
3.4.3 DropOut123
3.4.4 초기값 설정126
3.4.5 결과 정리128
4. CONVOLUTIONAL NEURAL NETWORK129
4.1 CONVOLUTION LAYER129
4.2 POOLING LAYER133
4.3 CNN 종류136
4.3.1 AlexNet136
4.3.2 GoogLeNet136
4.3.3 ResNet137
4.3.4 DeepMind AlphaGo138
4.4 CNN 실습139
4.4.1 Adam Optimizer139
4.4.2 RMS Optimizer144
4.4.3 결과 정리148
5. RECURRENT NEURAL NETWORK149
5.1 RNN 이해149
5.2 RNN 활용153
제2부 C언어로 머신러닝/딥러닝 코딩하기154
6. 머신러닝 기본 알고리즘 코딩155
6.1 LINEAR REGRESSION155
6.1.1 가설함수 및 비용함수 코딩156
6.1.2 비용 산출 전체 소스157
6.1.3 최소비용 산출 함수 코딩163
6.1.4 학습진행 함수 코딩165
6.1.5 학습진행 전체 소스166
6.1.6 미분함수 코딩172
6.1.7 미분값 산출함수 코딩179
6.2 다항변수 머신러닝186
6.2.1 다항변수 학습 코딩186
6.2.2 매트릭스(행열) 코딩195
6.2.3 매트릭스(행열) 미분함수 변경210
6.3 LOGISTIC(BINARY) CLASSIFICATION218
6.3.1 학습 모델 코딩218
6.3.2 비용 함수 코딩219
6.3.3 Logistic Regression220
6.3.4 전체 실행 소스224
6.4 MULTINOMIAL(SOFTMAX) CLASSIFICATION231
6.4.1 학습 모델(Hypothesis)231
6.4.2 Softmax 함수 코딩233
2.4.4 TensorFlow 실습234
7. NEURAL NETWORK 알고리즘 코딩235
7.1 데이터 읽기236
7.2 읽기 실행 소스241
7.3 읽기 결과248
7.4 NEURAL NETWORK 코딩250
7.5 FORWARD PROPAGATION251
7.6 BACK PROPAGATION254
7.7 NEURAL NETWORK 소스260
7.8 실행 결과271
8. 얼굴 인식 알고리즘275
8.1 얼굴 검출 알고리즘275
8.2 얼굴 학습310
부록A. 머신러닝 관련 오픈소스들313
부록B. 커널연구회 교육과정 상세안내314
B.1 커널연구회 교육과정 로드맵314
B.2 C언어와 자료구조 알고리즘315
B.3 리눅스 시스템 프로그래밍319
B.4 ARM 아키텍쳐, STM32 프로그래밍323
B.5 리눅스 커널 자료구조 알고리즘 실습326
B.6 리눅스 커널 소스 디버깅 실습330
B.7 리눅스 커널 DEVICE TREE 실습334
B.8 교육 내용 테이블338