장바구니 담기 close

장바구니에 상품을 담았습니다.

장바구니로 계속쇼핑하기
신경망 교과서
미리보기

신경망 교과서

  • 제임스로이
  • |
  • 길벗
  • |
  • 2020-05-28 출간
  • |
  • 292페이지
  • |
  • 183 X 235 mm
  • |
  • ISBN 9791165211639
판매가

24,000원

즉시할인가

21,600 원

카드할인

0원(즉시할인 0%)

적립금

1,200원 적립(5%적립)

배송비

무료배송

(제주/도서산간 배송 추가비용:3,000원)

추가혜택

네이버페이 무조건 1%적립+ 추가 1%적립

추가상품
상품선택
독서대 7,900원 독서대 선택안함 0원
수량
+ -
총주문금액
21,600원
장바구니 구매하기

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

북스크린영상으로 만나보는 한 권의 책 이야기

출판사서평




프로젝트를 만들면서 배우는 신경망
주제별로 여섯 가지 신경망 프로젝트를 준비했다. 프로젝트는 실제 프로세스를 경험해 볼 수 있도록 문제 정의, 데이터 전처리, 모델 만들기, 결과 분석, 마무리, 복습 순서로 진행한다. 과정 안에는 특정 신경망 아키텍처를 이해하는 데 필요한 지식, 진행 시 발생할 수 있는 오류, 오류를 해결하는 방법도 함께 담았다.
● 당뇨 발병 여부 예측: 다중 레이어 퍼셉트론
● 택시 요금 예측: 특징 공학, 변수 스케일링, 심층 전방향 신경망
● 이미지 분류 모델: CNN, 전이 학습
● 이미지 노이즈 제거: 기본/심층 컨볼루션 오토인코더
● 영화 리뷰 감성 분석: 단어 임베딩, RNN, LSTM
● 안면 인식 시스템: 원샷 학습, 샴 신경망

개념 이해와 파이썬 라이브러리 사용법까지
각 장에서는 프로젝트를 만들기에 앞서 실습에 필요한 핵심 개념과 지식을 간결하게 정리하였으며, 그림도 풍부하게 사용해 이해를 높였다. 즉, 실습에 필요한 이론적 토대를 쌓고, 사용할 알고리즘과 모델 아키텍처를 숙지한 뒤에 직접 신경망을 만들어 볼 것이다.
신경망을 만들 때는 파이썬 코드를 한 줄씩 차근차근 최대한 쉽게 설명하려 노력했다. 또한, 꼭 알아두어야 하는 파이썬 라이브러리인 케라스, 맷플롯립, 판다스, 넘파이, 시본, 사이킷런 등도 사용해 본다.

[추천평]
이 책을 통해 실제로 연구에 신경망을 사용하게 되었습니다. 매우 만족합니다. _아마존 독자

단계별로 프로젝트 진행 흐름은 물론, 코드로 내가 무슨 작업을 하고 있는지 이해할 수 있게 설명합니다. 전처리 부분이 특히 상세하고 철저합니다. _아마존 독자


목차


1장 머신 러닝과 신경망 개론
__1.1 머신 러닝이란?
____1.1.1 머신 러닝 알고리즘
____1.1.2 머신 러닝 워크플로
__1.2 머신 러닝 환경 셋업
__1.3 신경망
____1.3.1 신경망이 뛰어난 이유
____1.3.2 신경망 기본 아키텍처
____1.3.3 파이썬만으로 신경망 만들기
____1.3.4 딥러닝과 신경망
__1.4 판다스: 파이썬 데이터 분석 도구
____1.4.1 판다스 DataFrame
____1.4.2 판다스를 활용한 데이터 시각화
____1.4.3 판다스를 활용한 데이터 전처리
__1.5 텐서플로와 케라스
____1.5.1 케라스의 기본 빌딩 블록
____1.5.2 케라스로 신경망 만들기
__1.6 기타 파이썬 라이브러리
__1.7 마무리

2장 다중 레이어 퍼셉트론을 사용한 당뇨 예측
__2.1 실습 환경 설정
__2.2 당뇨병 예측
__2.3 의료 분야의 인공 지능
____2.3.1 진단 자동화
__2.4 당뇨병 데이터셋
__2.5 탐색적 데이터 분석
__2.6 데이터 전처리
____2.6.1 결측값 처리
____2.6.2 데이터 표준화
____2.6.3 데이터셋 분할
__2.7 다중 레이어 퍼셉트론
____2.7.1 모델 아키텍처
__2.8 케라스 모델 만들기
____2.8.1 모델 구성
____2.8.2 모델 컴파일
____2.8.3 모델 훈련
__2.9 결과 분석
____2.9.1 테스트 정확도
____2.9.2 혼동 행렬
____2.9.3 ROC 곡선
____2.9.4 모델 개선
__2.10 마무리
__2.11 복습

3장 심층 전방향 신경망을 사용한 택시 요금 예측
__3.1 실습 환경 설정
__3.2 뉴욕시 택시 요금 예측
__3.3 뉴욕시 택시 요금 데이터셋
__3.4 탐색적 데이터 분석
____3.4.1 위치 데이터 시각화
____3.4.2 요일 및 시간별 승차 통계
__3.5 데이터 전처리
____3.5.1 결측값 및 이상치 처리
__3.6 특징 공학
____3.6.1 시간 관련 변수
____3.6.2 위치 특징 변수
__3.7 변수 스케일링
__3.8 심층 전방향 신경망
____3.8.1 모델 아키텍처
____3.8.2 회귀 손실 함수
__3.9 케라스로 모델 만들기
__3.10 결과 분석
__3.11 예제 코드 정리
__3.12 마무리
__3.13 복습

4장 컨볼루션 신경망을 사용한 이미지 분류
__4.1 실습 환경 설정
__4.2 컴퓨터 비전과 사물 인식
__4.3 사물 인식 기술 유형
__4.4 신경망에 이미지를 입력하는 방법
__4.5 CNN의 빌딩 블록
____4.5.1 필터링과 컨볼루션
____4.5.2 최대 풀링
__4.6 CNN의 기본 아키텍처
__4.7 최신 CNN 아키텍처
____4.7.1 LeNet(1998)
____4.7.2 AlexNet(2012)
____4.7.3 VGG16(2014)
____4.7.4 Inception(2014)
____4.7.5 ResNet(2015)
____4.7.6 CNN의 미래
__4.8 고양이 개 이미지 데이터셋
__4.9 케라스로 이미지 데이터를 다루는 방법
__4.10 이미지 증강
__4.11 모델 구성
____4.11.1 기본 CNN
____4.11.2 전이 학습
__4.12 결과 분석
__4.13 마무리
__4.14 복습

5장 오토인코더를 사용한 이미지 노이즈 제거
__5.1 실습 환경 설정
__5.2 오토인코더
__5.3 잠재 표현
__5.4 오토인코더를 사용한 데이터 압축
__5.5 MNIST 데이터셋
__5.6 기본 오토인코더
____5.6.1 케라스로 오토인코더 만들기
____5.6.2 은닉 레이어 크기가 오토인코더 성능에 미치는 영향
__5.7 오토인코더를 사용한 노이즈 제거
____5.7.1 심층 컨볼루션 오토인코더를 사용한 노이즈 제거
__5.8 오토인코더를 사용한 문서 노이즈 제거
____5.8.1 기본 컨볼루션 오토인코더
____5.8.2 심층 컨볼루션 오토인코더
__5.9 마무리
__5.10 복습

6장 LSTM을 사용한 영화 리뷰 감성 분석
__6.1 실습 환경 설정
__6.2 시퀀스 문제
__6.3 자연어 처리와 감성 분석
____6.3.1 감성 분석이 어려운 이유
__6.4 RNN 신경망
____6.4.1 RNN의 내부 구조
____6.4.2 RNN의 단기 의존성과 장기 의존성
____6.4.3 경사 소실 문제
__6.5 LSTM 신경망
____6.5.1 LSTM의 원리
____6.5.2 LSTM 신경망의 내부
__6.6 IMDb 영화 리뷰 데이터셋
__6.7 단어의 벡터 표현
____6.7.1 원핫 인코딩
____6.7.2 단어 임베딩
__6.8 모델 아키텍처
____6.8.1 입력
____6.8.2 단어 임베딩 레이어
____6.8.3 LSTM 레이어
____6.8.4 밀집 레이어
____6.8.5 출력
__6.9 모델 구성
____6.9.1 데이터 입수
____6.9.2 제로 패딩
____6.9.3 단어 임베딩 레이어와 LSTM 레이어
____6.9.4 모델 컴파일 및 훈련
__6.10 결과 분석
____6.10.1 혼동 행렬
__6.11 예제 코드 정리
__6.12 마무리
__6.13 복습

7장 샴 신경망을 사용한 안면 인식
__7.1 실습 환경 설정
__7.2 안면 인식 시스템
__7.3 얼굴 검출과 얼굴 인식
____7.3.1 얼굴 검출
____7.3.2 얼굴 인식
__7.4 얼굴 인식 시스템 요구 사항
____7.4.1 속도
____7.4.2 확장성
____7.4.3 적은 데이터로 높은 정확도 보장
__7.5 원샷 학습
____7.5.1 벡터 간 유클리드 거리
__7.6 샴 신경망
__7.7 대조 손실
__7.8 얼굴 데이터셋
__7.9 케라스 샴 신경망
__7.10 모델 훈련
__7.11 결과 분석
__7.12 예제 코드 정리
__7.13 실시간 안면 인식 프로그램
____7.13.1 온보딩 과정
____7.13.2 얼굴 인식 및 인증
____7.13.3 안면 인식 고도화
__7.14 마무리
__7.15 복습

8장 신경망과 인공 지능의 미래
__8.1 요약
____8.1.1 머신 러닝과 신경망 개론
____8.1.2 다중 레이어 퍼셉트론을 사용한 당뇨 예측
____8.1.3 심층 전방향 신경망을 사용한 택시 요금 예측
____8.1.4 컨볼루션 신경망을 사용한 이미지 분류
____8.1.5 오토인코더를 사용한 이미지 노이즈 제거
____8.1.6 LSTM을 사용한 영화 리뷰 감성 분석
____8.1.7 샴 신경망을 사용한 안면 인식
__8.2 최신 신경망 기술
____8.2.1 GAN 신경망
____8.2.2 심층 강화 학습
__8.3 신경망의 한계
__8.4 인공 지능과 머신 러닝의 미래
____8.4.1 범용 인공 지능
____8.4.2 머신 러닝 자동화
__8.5 머신 러닝의 최신 기술을 습득하려면
____8.5.1 기술 서적
____8.5.2 연구 논문
____8.5.3 데이터셋을 다루는 연습
__8.6 머신 러닝 도구
__8.7 마무리

찾아보기

도서소개


 

추천포스트

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.