장바구니 담기 close

장바구니에 상품을 담았습니다.

텐서플로우 원리와 응용

텐서플로우 원리와 응용

  • 황원지앤.탕위앤, 이상구 외 옮김
  • |
  • 광문각
  • |
  • 2018-11-02 출간
  • |
  • 424페이지
  • |
  • /188X257mm(B5)
  • |
  • ISBN 9788970939193
판매가

28,000원

즉시할인가

26,600

카드할인

0원(즉시할인 0%)

적립금

280원 적립(1%적립)

배송비

2,300원

(제주/도서산간 배송 추가비용:3,000원)

추가혜택

네이버페이 무조건 1%적립+ 추가 1%적립

수량
+ -
총주문금액
26,600

※ 스프링제본 상품은 반품/교환/환불이 불가능하므로 신중하게 선택하여 주시기 바랍니다.

목차

Chapter 01 텐서플로우 기초

 1.1 텐서플로우 개요

 1.2 텐서플로우 프로그램 모델 소개

  1.2.1 핵심 개념

  1.2.2 구현 원리

  1.2.3 기능 확장

  1.2.4 성능 최적화

 

Chapter 02 텐서플로우와 기타 딥러닝 프레임워크 비교

 2.1 주요 딥러닝 프레임워크 비교

 2.2 주요 딥러닝 프레임워크 소개

  2.2.1 텐서플로우

  2.2.2 카페(Caffe)

  2.2.3 테아노(Theano)

  2.2.4 토치(Torch)

  2.2.5 라자냐(Lasagne)

  2.2.6 케라스(Keras)

  2.2.7 엠엑스넷(MXNet)

  2.2.8 DIGITS(Deep Learning GPU Training System)

  2.2.9 CNTK(Computational Network Toolkit)

  2.2.10 Deeplearning4J

  2.2.11 체이너(Chainer)

  2.2.12 리프(Leaf)

  2.2.13 DSSTNE(Deep Scalable Sparse Tensor Network Engine)

 

Chapter 03 텐서플로우 첫걸음

 3.1 텐서플로우 컴파일 및 설치

  3.1.1 Anaconda 설치

  3.1.2 텐서플로우 CPU 버전 설치

  3.1.3 텐서플로우 GPU 버전 설치

 3.2 텐서플로우에 의한 Softmax Regression의 필기 숫자 인식 구현

 

Chapter 04 텐서플로우에 의한 오토인코더 및 멀티 레이어 퍼셉트론 구현

 4.1 오토인코더(Autoencoder) 소개

 4.2 텐서플로우에 의한 오토인코더 구현

 4.3 멀티 레이어 퍼셉트론(MLP) 소개

 4.4 텐서플로우에 의한 멀티 레이어 퍼셉트론 구현

 

Chapter 05 텐서플로우에 의한 컨벌루션 신경망 구현

 5.1 컨벌루션 신경망 소개

 5.2 텐서플로우에 의한 간단한 컨벌루션 네트워크 구현

 5.3 텐서플로우에 의한 고급 컨벌루션 네트워크 구현

 

Chapter 06 텐서플로우에 의한 전형적인 컨벌루션 신경망 구현

 6.1 텐서플로우에 의한 AlexNet 구현

 6.2 텐서플로우에 의한 VGGNet 구현

 6.3 텐서플로우에 의한 구글 인셉션 Net 구현

 6.4 텐서플로우에 의한 ResNet 구현

 6.5 컨벌루션 신경망의 발전 추세

 

Chapter 07 텐서플로우에 의한 순환 신경망 및 Word2Vec 구현

 7.1 텐서플로우에 의한 Word2Vec 구현

 7.2 텐서플로우에 의한 LSTM에 기초한 언어 모델을 구현

 7.3 텐서플로우에 의한 Bidirectional LSTM Classifier 구현

 

Chapter 08 텐서플로우에 의한 심층 강화학습 구현

 8.1 심층 강화학습(Deep reinforcement learning, RL) 소개

 8.2 텐서플로우에 의한 전략 네트워크 구현

 8.3 텐서플로우에 의한 평가 네트워크 구현

 

Chapter 09 텐서보드, 멀티 GPU 병렬성 및 분산 병렬성

 9.1 텐서보드(TensorBoard)

 9.2 다중 GPU 병렬성(또는 멀티 GPU 병렬성)

 9.3 분산 병렬성(또는 분산식 병렬성 / 분산 병렬 처리)

 

Chapter 10 TF.Learn 입문부터 숙달까지

 10.1 분산식 에스티메이터(Estimator)

  10.1.1 분산식 에스티메이터 사용자 정의 모델 소개

  10.1.2 자신의 러닝머신 에스티메이터 구축

  10.1.3 RunConfig 런타임 매개변수 조정

  10.1.4 ExperimentLearnRunner

 10.2 딥러닝 에스티메이터

  10.2.1 심층 신경망(DNN)

  10.2.2 와이드 앤 딥 모델(Wide & Deep Model)

 10.3 머신러닝 에스티메이터(Machine Learning Estimator)

  10.3.1 선형(Linear) / 로지스틱 회귀(Logistic Regression)

  10.3.2 랜덤 포레스트(Random Forest)

  10.3.3 K-평균 군집화(K-means clustering)

  10.3.4 서포트 벡터 머신(Support Vector Machine)

 10.4 데이터 프레임(DataFrame)

 10.5 수퍼바이저 모니터(Supervisor Monitors)

 

Chapter 11 TF.Contrib의 기타 모듈

 11.1 통계 분포

 11.2 레이어 모듈

  11.2.1 머신러닝 레이어

  11.2.2 손실함수

  11.2.3 특징 열(Feature Column)

  11.2.4 임베딩(Embeddings)

 11.3 성능분석기 tfprof

저자소개

저자 소개

  

황원지앤(黄文坚)

Google TensorFlow 개발자,

PPmoney의 빅데이터 알고리즘 인스펙터

 

현재 PPmoney의 빅데이터 알고리즘 인스펙터로서 그룹의 리스크 관리, 재무 데이터, 인터넷 증권 및 기타 비즈니스 마이닝 작업을 담당하고 있으며, Google TensorFlow Contributor로 활동 중이다. 전 밀워드 브라운 데이터 기술 파트너로서 많은 대형 은행, 보험회사, 기금의 데이터 마이닝 프로젝트에서 금융 위험관리 모델, 뉴스 여론 분석, 보험 환매 예측 등의 개발을 주도하였으며, 알리바바 검색 엔진 알고리즘 팀에서 Tmall 맞춤형 검색 시스템을 담당하면서 Alibaba Big Data Recommendation Algorithm 경연 대회에 참가하여 7,000개 이상의 팀 중에서 10위를 하였다. 홍콩과학기술대학 학부 및 대학원 졸업하고, 컨퍼런스 및 저널 SIGMOBILE MobiCom, IEEE Transactions on Image Processing에 논문을 발표하였으며, 미국컴퓨터협회(American Computer Society)의 모바일 컴퓨팅 컨퍼런스(MobiCom)에서 모바일 컴퓨팅 기술 부문 최우수상을 수상하였다. 현재 두 개의 미국 특허와 중국 특허를 가지고 있다.

 

탕위앤(唐源)

Google TensorFlow 개발팀 committer,

미국 Uptake 데이터 과학자

 

현재 시카고의 Uptake 회사에서 많은 IoT 도메인에 대한 데이터 사이언스 엔진을 구축하고, 항공 우주 및 에너지와 같은 대형 기계에 사용되는 회사의 예측 모델 엔진을 개발하고 있다. 또한, 오픈소스 커뮤니티에서도 TensorFlowDMLC의 멤버, TensorFlow, XGBoost, MXNet 및 기타 소프트웨어의 committer, TF.Learn, ggfortify 등의 소프트웨어 작성자 및 caret pandas 등의 소프트웨어의 contributor 등으로 활발한 활동을 하고 있다. Google Open Source Peer Bonus 및 여러 대학 및 기업 프로그래밍 콘테스트에서 많은 수상을 하였으며, 미국 펜실베이니아 대학에서 명예 수학 학위를 받았다. 대학 재학 중 DataNovo의 핵심 창립 멤버로서 특허 데이터 마이닝, 키워드 선행 기술 검색 및 전략 등을 연구했다.

 

 

역자 소개


이상구

서울대학교 공과대학 전자공학과 졸업(학사)

KAIST 전산학과 졸업(석사)

와세다대학교 전기전자컴퓨터공학과 졸업(박사)

미국 NJIT 방문교수

ETRI, KISTI 초빙연구원

현재, 한남대학교 컴퓨터공학과 교수

 

김응수

부산대학교 전자공학과 졸업(학사)

부산대학교 대학원 전자공학과 졸업(석사)

Tohoku Univ. 졸업(공학박사)

ETRI 책임 연구원

Kumamoto Gakuen Univ. 교환교수

현재, 대전대학교 전자·정보통신공학화 교수

 

송정영

와세다대학교 전기전자정보공학연구과 졸업(공학박사)

플로리다주립대 컴퓨터공학부 교환교수

아이다호주립대 컴퓨터공학부 교환교수

ETRI(전자통신연구원) 초빙연구원

현재, 배재대학교 컴퓨터공학과 교수

 

이창훈

동경공업대학 지능시스템과학 졸업(박사)

동경공업대학 지능시스템과학 전문연구원

한국과학기술연구원 휴먼로봇연구센터 위촉 연구원

배재대학교 전자공학과 교수

현재, 배재대학교 드론로봇공학과 교수

 

류정탁

오사카대학교 전자공학과(공학박사)

일본 벤쳐비지니스연구소 전임강사

미국 DUKE UNIVERSITY 연구교수

현재, 대구대학교 전자공학과 교수

 

도서소개

텐서플로우(TensorFlow)는 구글이 2015 11월 개발한 머신러닝(Machine Learning) 딥러닝(Deep Learning) 프레임워크이다. 텐서플로우로 개발된 알파고 마스터(AlphaGo Master)가 한국중국 일본의 바둑 고수들과의 바둑 대결에서 완승을 거두어 전 세계를 놀라게 하였다. 그로 인해 텐서플로우의 우수성이 널리 알려졌으며, 지금은 IT 전문가가 되기 위해서는 반드시 텐서플로우를 마스터해야 하는 프로그램이 되었다. 현재 텐서플로우는 모든 머신러닝딥러닝 프로젝트에서 1위를 하고 있으며, 또한 모든 파이썬 프로젝트에서도 1위를 하고 있다.

 

구글의 텐서플로우 개발자들이 집필한

학습서

 

이 책은 구글의 텐서플로우 개발자들이 집필하였으며, 구글 텐서플로우 R&D 팀에서 추천하는 학습서이다. 이 책의 저자인 황원지앤(黃文)은 현재 중국 인터넷투자금융 기업인 PPmoney의 빅데이터 알고리즘 인스펙터로서 Google TensorFlow Contributor로 활동 중이며, 탕위앤(唐源)은 미국 Uptake 데이터 과학자로서 Google TensorFlow Committer로 활동 중이다.

이 책은 저자들이 텐서플로우 개발 경험을 살려, 실용적 측면에 중점을 두고 독자들에게 텐서플로우를 사용한 완전 연결 신경망, 컨벌루션 신경망, 순환 신경망 및 Deep Q-Network 등을 연결하는 방법을 설명한다. 다양한 코드 예제를 수록하여, 독자들이 실제로 예제를 풀어보면서 텐서플로우 사용 방법을 쉽게 학습할 수 있도록 구성되어 있다. 또한 텐서플로우 원리 및 딥러닝의 부분 지식과 결합하여 독자들이 이 책을 통해 실제 프로젝트와 성과를 만들어낼 수 있다.

 

다양한 코드 예제를 직접 풀어보면서 텐서플로우를 쉽게 학습한다.

 

이 책의 각 장 사이에는 커다란 의존적인 관계가 없으므로, 만일 독자가 어느 장에 흥미를 느낀다면 직접 그 부분을 읽으면 된다. 이 책은 TensorFlow 1.0.0-rc0을 사용하여 예를 들어 설명하였다. 최신 버전의 텐서플로우와 대부분의 코드는 호환되며, 몇 가지 인터페이스 업데이트가 있을 수 있으며, 독자는 프롬프트를 참조할 수 있다. 이 책의 대부분 코드는 파이썬 코드로, 이는 텐서플로우가 지원하는 가장 완벽한 인터페이스 언어이다.

 

1, 2장은 텐서플로우의 기초 지식과 개념을 소개하고, 3장과 4장은 간단한 예시 및 신경망을 연결하는 방법을 소개한다. 5장과 6장은 기초적인 회선신경망 및 현재 비교적 정형화된 AlexNet, VGGNet, Inception NetResNet을 설명한다. 7장은 Word2Vec, RNNLSTM, 8장은 강화학습 및 딥러닝을 기반으로 한 정책 네트워크와 평가 네트워크를,. 9장은 TensorBoard, 단독 설비의 여러 GPU의 병행 및 분산식 병행에 대해 설명한다.

 

10장은 다양한 유형의 딥러닝 및 유행하는 머신러닝 알고리즘의 사용 방법이 포함된 텐서플로우의 contrib.leam 모듈을 소개하며, 이 모듈의 분산식 에스티메이터(Estimator)의 기본 구조 및 에스티메이터를 어떻게 사용해야 자신의 분산식 머신러닝 모델의 구조를 빠르게 구축하고 모델의 훈련과 평가를 진행할 수 있는지 해석하였다. 또한, 슈퍼바이저를 사용하여 모델 훈련을 잘 모니터링하고, 데이터프레임(DataFrame)을 사용하여 다양한 데이터 양식을 읽는 방법에 대해서도 설명한다.

 

11장에서는 Contrib 모듈을 소개하고, 이 모듈 안에 통계 분포, 머신러닝 층, 최적 함수, 지표 등이 포함된 많은 머신러닝에 필요한 기능을 제공한다. 이 장에서는 그중의 모두에게 텐서플로우의 포괄적 범위를 이해시키는 기능을 간략히 소개하였으므로 커뮤니티의 적극적 참여와 공헌도를 느낄 수 있다. 10장과 제11장은 TensorFlow 0.11.0-rc0 버전을 사용하여 예제를 풀어가며 알기 쉽게 설명한다.

교환 및 환불안내

도서교환 및 환불
  • ㆍ배송기간은 평일 기준 1~3일 정도 소요됩니다.(스프링 분철은 1일 정도 시간이 더 소요됩니다.)
  • ㆍ상품불량 및 오배송등의 이유로 반품하실 경우, 반품배송비는 무료입니다.
  • ㆍ고객님의 변심에 의한 반품,환불,교환시 택배비는 본인 부담입니다.
  • ㆍ상담원과의 상담없이 교환 및 반품으로 반송된 물품은 책임지지 않습니다.
  • ㆍ이미 발송된 상품의 취소 및 반품, 교환요청시 배송비가 발생할 수 있습니다.
  • ㆍ반품신청시 반송된 상품의 수령후 환불처리됩니다.(카드사 사정에 따라 카드취소는 시일이 3~5일이 소요될 수 있습니다.)
  • ㆍ주문하신 상품의 반품,교환은 상품수령일로 부터 7일이내에 신청하실 수 있습니다.
  • ㆍ상품이 훼손된 경우 반품 및 교환,환불이 불가능합니다.
  • ㆍ반품/교환시 고객님 귀책사유로 인해 수거가 지연될 경우에는 반품이 제한될 수 있습니다.
  • ㆍ스프링제본 상품은 교환 및 환불이 불가능 합니다.
  • ㆍ군부대(사서함) 및 해외배송은 불가능합니다.
  • ㆍ오후 3시 이후 상담원과 통화되지 않은 취소건에 대해서는 고객 반품비용이 발생할 수 있습니다.
반품안내
  • 마이페이지 > 나의상담 > 1 : 1 문의하기 게시판 또는 고객센터 1800-7327
교환/반품주소
  • 경기도 파주시 문발로 211 1층 / (주)북채널 / 전화 : 1800-7327
  • 택배안내 : CJ대한통운(1588-1255)
  • 고객님 변심으로 인한 교환 또는 반품시 왕복 배송비 5,000원을 부담하셔야 하며, 제품 불량 또는 오 배송시에는 전액을 당사에서부담 합니다.