|
|
[최상] 첫 딥러닝 실무 
-
- 구입연도
- 확인안됨
- 출판연도
- 표기안됨
-
- 출판사
- 남가람북스
- ISBN
- 9791189184063
-
- 저자
- 권영섭
-
- 도서정보
- 328 , 182x232 , 2020.11.11
-
- 도서등급
- 최상
-
- 정가
-
26,000원 (13%↓)
-
- 판매가
-
22,620원
(소득공제혜택: 1,018원 자세히)
-
- 배송비
-
무료 ∼ 3,000원 
구매 총액에 따라 배송비가 달라집니다.
| 3000원 |
판매자 상품 35,000 미만 구매 |
| 무료 |
판매자 상품 35,000 이상 구매 |
|
현맘종맘
일반판매자
판매도서 : 133,021 건
연락처 :
010-3098-3727
배송료 : 조건부 무료 (35,000원 미만 3,000원)
|
|
|
서문
들어가면서
추천사 1
추천사 2
1 기초 수학으로 딥러닝 시작하기
1.1 선형대수
스칼라와 벡터
벡터 투영
벡터 노옴과 내적
1.2 행렬
블록 행렬
행렬의 합
행렬의 곱
1.3 미분
미분
기울기
자코비안 행렬
1.4 확률 통계
확률 통계가 필요한 이유
확률과 확률 변수
이산 확률 변수
결합 및 조건부 확률
베이즈 정리
연속 확률 변수
평균과 분산
확률 변수의 변환
확률 분포
이산 변수
연속 변수
2 유사도 척도로 딥러닝 학습 접근하기
2.1 유클리디안 거리
2.2 마할라노비스 거리
2.3 코사인 유사도
2.4 자카드 유사도
3 예측과 최적화 기법으로 딥러닝 학습 이해하기
매개변수 예측
선형 회귀 분석
정규화
3.1 최대 유사도/가능도 추정법
3.2 베이지안 추론
최대 경사 하강법과 최소 자승법
최대 경사 하강법
최소 자승법
4 데이터 전처리 과정 이해하기
4.1 데이터 전처리
데이터 추출
데이터 유형 분석
데이터 정제
데이터 변환
데이터 정규화
데이터 익명화
데이터 확장
데이터 표본 추출
데이터 명명
수치적으로 묘사된 벡터화 작업
4.2 데이터 이상치 처리
표준 편차
박스 플롯
DBScan 군집
4.3 시간-주파수 표현 방법
고속 푸리에 변환의 단점
스펙트로그램
스캘로그램
멜 스펙트로그램
5 딥러닝 기본기 다지기
5.1 자율 주행 자동차와 딥러닝 학습 개념 이해하기
5.2 자동 제어 기법을 통한 학습 개념 이해하기
비례 제어 동작
적분 제어 동작
미분 제어 동작
비례 적분 미분 제어 동작
5.3 단일 뉴런 모델
5.4 다층 신경회로망과 딥러닝
5.5 딥러닝 학습 기법
초기 가중치 벡터 값 설정
5.6 과적합 문제
조기 종료
조정화
드롭아웃과 앙상블
5.7 기울기 소실 문제
ReLU 활성화 함수
배치 정규화
5.8 경사 하강법에 기반한 학습 방법
확률적 경사 하강법
모멘텀
NAG 경사 하강법
아다그라드 알고리즘
RMSProp 알고리즘
아다델타 알고리즘
아담 알고리즘
아다바운드 알고리즘
PID 제어 기법 기반 알고리즘
5.9 활성화 함수
보편적 근사 정리
시그모이드 함수
하이퍼볼릭 탄젠트 함수
ReLU 함수
LReLU 함수
PReLU 함수
Elu 함수
6 주요 딥러닝 모델과 응용하기
6.1 합성곱 신경망
합성곱 신경망의 태동
완전 연결 신경망의 문제점
합성곱 신경망의 구조
6.2 합성곱 신경망의 응용
기계나 설비 이상 상태 판정
상담이나 면접 시 화자의 감정 상태 판단
식물 병충해 및 영양 결핍 진단
지능형 표면 검사 시스템
6.3 적대적 생성 신경망
6.4 적대적 생성 신경망의 응용
DCGAN
GAN 기반 데이터 확장
GAN 기반 이미지 변환
7 딥러닝 모델 가속화
7.1 딥러닝 모델 압축
가지치기
가중치 공유
양자화
7.2 낮은 차수 행렬 분해
7.3 지식 증류/전수
7.4 딥러닝 모델 구조 자동 탐색
7.5 딥러닝 실행 가속
책을 마무리하면서
참고문헌
찾아보기
이 책은 딥러닝 모델 구조를 자세히 알려주며 적용할 때 발생하는 문제의 해결책을 찾을 수 있습니다.
기초: 딥러닝 학습에 필요한 기초 다지기(1장~3장)
딥러닝 학습에 필요한 수학의 기초를 통해 딥러닝을 시작할 수 있도록 하며, 유사도 척도를 통해 딥러닝 학습에 접근하며 그리고 최적화 기법을 통해 딥러닝 학습을 이해할 수 있게 합니다.
준비: 딥러닝 학습 데이터 세트 준비하기(4장)
공개된 학습 데이터가 아닌 나만의 딥러닝 프로젝트를 수행할 때 첫 번째 부딪히는 문제인 ‘학습 데이터 준비’ 과정을 배웁니다. 딥러닝 프로젝트를 수행하는 데 필요한 시간과 노력의 80%를 차지하는 학습 데이터 준비는 그동안 알고리즘의 중요성에 가려져 있었습니다. 하지만, 딥러닝 프로젝트의 성공적인 수행을 위해서 학습 데이터 세트의 준비 과정에 많은 시간을 투자하는 것이 필요합니다.
학습: 학습의 개념부터 딥러닝 모델 구조를 자세하게 익히기(5장)
간단한 자율주행자동차 모델을 통해 ‘학습’이 진행되는 과정을 설명함으로써 학습 개념을 누구나 이해할 수 있도록 했습니다. 이것을 바탕으로 단일 뉴런 신경회로망에부터 층과 수를 넓히고 깊이 있게 확장한 딥러닝 모델 구조를 자세하게 파헤치면서 설명하고 있고, 학습 과정에서 부딪히는 문제와 그것을 극복할 수 있는 방법에 대해서 자연스럽게 습득할 수 있도록 했습니다.
적용: 주요 딥러닝 모델 소개와 실제적인 딥러닝 모델 응용 시 부딪히는 문제 극복하기(6장~7장)
주요 딥러닝 모델의 구조와 원리를 소개하고, 이러한 모델의 응용 가능 분야에 대해서 몇 가지 소개하고 있습니다. 특히 학습이 완료된 딥러닝 모델을 적용할 때 부딪히는 또 다른 문제가 바로 연산 속도입니다. 엄청난 양의 컴퓨터 연산이 필요한 딥러닝 모델을 적용할 때, 고가의 컴퓨터 하드웨어 추가 없이 딥러닝 모델을 가볍게 함으로써 고속 처리할 수 있는 기법까지도 배울 수 있습니다.
|
동일한 도서명의 제품을 판매하는 다른 판매자의 주문내역도 포함되어 있습니다.
|
|
|
|
|
|
|
|
중고단행본
바보 빅터
