- 현재 위치
- home > 컴퓨터·ICT·어학 > 컴퓨터·IT 도서 > 컴퓨터공학 > 케라스 창시자의 딥러닝 with R[제이펍]
;)
모두가 함께 만들어가는 케라스 딥러닝 나라!
케라스는 딥러닝에 대해 입문하는 데 가장 쉬운 무료 오픈 소스 프레임워크다. 바로 이 점 때문에 많은 사용자가 몰려 선풍적인 인기를 구가하고 있는 중이다. 이 책은 바로 이 ‘케라스’ 프레임워크의 창시자가 직접 딥러닝 입문과 학습을 위해 저술한 책이다. 아울러 R 언어 분야의 대표적인 개발자이자 알스튜디오(RStudio)의 설립자인 J. J. 알래어가 R 언어 사용자를 위해 세심하게 다듬고 맞추어 변경하였다. 단언컨대, 어려운 딥러닝/머신러닝 분야를 경험해보고 싶지만 엄두가 나지 않았던 독자에게는 현재 이보다 더 좋은 입문서는 없을 것이다. 고난이도의 수학을 알지 못해도, 인공지능에 대해 자세히 알지 못해도 괜찮다. R 언어에 대한 지식과 경험만 있다면 이미 모든 준비는 끝이다. ?
케라스는 딥러닝에 대해 입문하는 데 가장 쉬운 무료 오픈 소스 프레임워크다. 바로 이 점 때문에 많은 사용자가 몰려 선풍적인 인기를 구가하고 있는 중이다. 이 책은 바로 이 ‘케라스’ 프레임워크의 창시자가 직접 딥러닝 입문과 학습을 위해 저술한 책이다. 아울러 R 언어 분야의 대표적인 개발자이자 알스튜디오(RStudio)의 설립자인 J. J. 알래어가 R 언어 사용자를 위해 세심하게 다듬고 맞추어 변경하였다. 단언컨대, 어려운 딥러닝/머신러닝 분야를 경험해보고 싶지만 엄두가 나지 않았던 독자에게는 현재 이보다 더 좋은 입문서는 없을 것이다. 고난이도의 수학을 알지 못해도, 인공지능에 대해 자세히 알지 못해도 괜찮다. R 언어에 대한 지식과 경험만 있다면 이미 모든 준비는 끝이다. ?
저자: 프랑소와 숄레, J. J. 알래어 (지은이), 박진수 (옮긴이)
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
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
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
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
