출고예상일 안내
주문하신 상품이 한국에서 현지 배송을 위한 출고단계가 이루어질 것으로 예상되는 날짜입니다. 상품을 준비하는 과정에서 내부적인 사정으로 인해 출고예상일에 다소 오차가 생길 수 있습니다.
여러 상품(예약상품포함)을 함께 주문하신 경우 출고예상일이 가장 늦은 날짜에 맞춰 함께 배송됩니다.
ISBN : 9791158391164 / 308쪽 175 x 235 (㎜)
이 상품에 궁금하신점이 있으세요? 1:1상담문의
아래의 도서와 구매하시면 이 도서들의 적립금을 즉시적용해 드립니다.
-
마창석
-
천근아, 박정훈, 장지흠, 진재연, 이정한, 민윤기
-
권석만
-
구오제드, 송이핑, 조신
- 22,500
- 22,500
- 26,100
- 26,100
출판사 리뷰
드래그 앤드 드롭 조작만으로 딥러닝을 위한 시각적 체험 학습 실현!
이 책은 딥러닝을 처음 시작하려 하지만 수식을 이해하기 어렵다거나 프로그래밍 경험이 많지 않은 IT 엔지니어나 초보자를 대상으로 합니다.
신경망과 딥러닝에 대한 기본적인 이해부터 시작하여, 딥러닝 기법을 이용한 초·중·고급 이미지 분류 예제와 이를 위한 데이터 전처리까지 전문 데이터 과학자가 친절하게 전체적인 흐름을 알기 쉽게 그림과 함께 설명합니다.
소니가 개발한 무료 GUI 툴인 '신경망 콘솔'을 사용하여 단계적으로 딥러닝을 체험할 수 있도록 구성돼 있으며, 드래드 앤드 드롭만으로 '수식 없이' 딥러닝 기법을 이해하고 '프로그래밍 없이' 구현하는 방법도 알려 줍니다.
-
- 저자 : 아다치 하루카
-
- 역자 : 김은철, 유세라
▣ 1장: AI 세계에 오신 것을 환영합니다
1.1. AI와 데이터 과학
___1.1.1 데이터 과학자의 기술
___1.1.2 데이터 과학의 업무
1.2. 머신러닝
___1.2.1 지도 학습과 예측
___1.2.2 비지도 학습과 지식 발견
___1.2.3 모델 만들 때의 검증
___1.2.4 머신러닝의 툴
1.3. 신경망에서 딥러닝으로
___1.3.1 신경망이란?
___1.3.2 딥러닝은?
1장 정리
▣ 2장: 딥러닝의 기법
2.1. 신경망
___2.1.1 신경망의 개요
___2.1.2 순전파의 구조
___2.1.3 역전파의 시스템
2.2. 딥러닝
___2.2.1 오토 인코더 시스템
___2.2.2 학습의 테크닉
2.3. 합성곱 신경망
___2.3.1 합성곱층의 시스템
___2.3.2 풀링층의 시스템
___2.3.3 패딩의 시스템
2.4. 재귀형 신경망
___2.4.1 순전파와 역전파의 시스템
___2.4.2 LSTM의 시스템
2장 정리
▣ 3장: 인공지능(AI) 툴과 신경망 콘솔(Neural Network Console)
3.1. 전 세계에 보급된 AI 툴
___3.1.1 딥러닝의 주요한 툴
3.2. 신경망 콘솔
3.3. NNC 설치
___3.3.1 사전 준비
___3.3.2 NNC 내려받기
___3.3.3 NNC 설치
___3.3.4 NNC 애플리케이션의 폴더 구성
___3.3.5 NNC 실행
3.4. NNC 조작 화면
___3.4.1 PROJECT(프로젝트) 화면
___3.4.2 DATASET(데이터셋) 화면
___3.4.3 EDIT(편집) 화면
___3.4.4 TRAINING(학습) 화면
___3.4.5 EVALUATION(평가) 화면
___3.4.6 CONFIG(설정) 화면
3장 정리
▣ 4장: 초급 - 샘플 프로젝트를 실행해 보자!
4.1. 신경망을 이용한 이미지 분류(1)
___4.1.1 작성된 프로젝트를 연다
___4.1.2 사용할 데이터 세트 확인
___4.1.3 완성된 네트워크 구조를 확인
___4.1.4 학습 조건의 설정
___4.1.5 학습의 실행
___4.1.6 평가의 실행
4.2. CNN으로 이미지 분류(1)
___4.2.1 작성된 프로젝트를 연다
___4.2.2 사용할 데이터 세트 확인
___4.2.3 완성된 네트워크 구조 확인
___4.2.4 학습 조건의 설정
___4.2.5 평가의 실행
___4.2.6 평가의 실행
4장 정리
▣ 5장: 중급 - 신규 프로젝트를 실행해 보자!
5.1. 신경망을 사용한 이미지 분류(2)
___5.1.1 새로운 프로젝트 만들기
___5.1.2 데이터 세트의 선택
___5.1.3 네트워크 만들기: 컴포넌트의 배치
___5.1.4 네트워크 만들기: 컴포넌트의 파라미터 설정
___5.1.5 학습 조건과 최적화 설정
___5.1.6 학습의 실행
___5.1.7 평가의 실행
5.2. CNN을 이용한 이미지 분류(2)
___5.2.1 새로운 프로젝트 만들기
___5.2.2 데이터 세트의 선택
___5.2.3 네트워크 만들기: 컴포넌트의 배치
___5.2.4 네트워크 만들기: 컴포넌트의 파라미터 설정
___5.2.5 학습 조건과 최적화 설정
___5.2.6 학습의 실행
___5.2.7 평가의 실행
5.3. 네트워크 구조의 최적화
___5.3.1 앞에서 만든 프로젝트 복제
___5.3.2 네트워크 구조의 최적화 설정
5장 정리 164
▣ 6장: 상급 - 원본 이미지로 구현해 보자!
6.1. 데이터 세트 만들기
___6.1.1 폴더 만들기
___6.1.2 데이터 세트 확인
6.2. 네트워크 만들기
___6.2.1 프로젝트 만들기
___6.2.2 네트워크의 수정
6.3. 데이터 세트의 선택
6.4. 학습 조건의 설정
___6.4.1 Global Config의 설정
___6.4.2 Optimizer의 설정
6.5. 학습의 실행
6.6. 평가의 실행
6장 정리
▣ 7장: 상급 - 원본 데이터로 구현해 보자!
7.1. 데이터의 전처리
___7.1.1 NNC에서의 구조화 데이터의 처리
___7.1.2 데이터 분석 소프트웨어 - 래피드마이너
___7.1.3 래피드마이너의 설치와 실행
___7.1.4 래피드마이너의 화면 구성
___7.1.5 구현에 사용할 데이터 세트
___7.1.6 래피드마이너를 사용한 데이터의 전처리 - 기본적인 성형
___7.1.7 래피드마이너를 사용한 데이터의 전처리 - NNC 입력 형식으로 변환(학습 데이터)
___7.1.8 래피드마이너를 사용한 데이터의 전처리 - NNC 입력 형식으로의 변환(평가 데이터)
7.2. 데이터 세트의 등록
7.3. 네트워크 만들기
7.4. 데이터 세트의 선택
7.5. 학습 조건의 설정
7.6. 학습의 실행
7.7. 평가의 실행
7장 정리
▣ 부록 A
A.1. NNC에 대응하지 않는 OS가 설치된 PC에 NNC 설치하기
___A.1.1 VirtualBox의 설치
___A.1.2 윈도우 10의 설치
___A.1.3 신경망 콘솔(NNC)의 설치
___A.1.4 데이터의 전처리
A.2. 머신러닝을 사용해 분류 문제를 해결해 보자!
___A.2.1 결정 트리
___A.2.2 학습의 실행
___A.2.3 평가의 실행
책을 마치며
