이미지 확대/축소가 가능합니다.

닫기


이 책은 크게 전반부와 후반부, 두 부분으로 구분할 수 있습니다. 전반부는 Part 1~Part 3으로 인공지능과 딥러닝 소개 및 원리 파악을 위한 딥러닝 실습 예시로 구성되어 있으며, 간략히 딥러닝을 살펴봄으로써 개략적인 개념을 잡는 단계다. 후반부는 더 깊게 딥러닝을 배우기 위한 구체적인 과정으로 선형 모델에서 신경망 모델, 이미지 분류, 자연어 처리의 원리를 파악한 후 코딩 실습에 적응할 수 있도록 설명하고 있다. 딥러닝을 이해하기 위한 인공지능 개요와 머신러닝에 대한 내용을 Part 1에서 다루고, Part 2에서는 딥러닝이 진행되는 과정을 이해하기 위해 딥러닝 흐름을 소개한다. Part 3에서는 딥러닝의 흐름을 실제 선형분류 예제를 통해 이해해본다.

Part 4부터는 본격적으로 딥러닝에 대해 배울 수 있다. 딥러닝은 머신러닝과 달리 여러 층으로 구성되어 있지만, 각 층을 구성하는 요소는 기본적으로 하나의 층으로 된 선형 모델로 이루어져 있다. 우선 하나의 층으로 이루어진 선형 모델(linear model)을 Part 4에서 다룬 후, 여러 선형 모델의 결합인 신경망(Multi-Layer Perceptrons, Neural Networks)을 Part 5에서 다룰 것이다. Part 6에서는 Computer Vision의 기본인 합성곱 신경망(convolutional neural networks; CNN) 모델을 다루고, Part 7에서는 자연어 처리에 필요한 word embedding과 RNN 모델, LSTM 모델과 seq2seq 모델을 다룰 것이다. Part 8에서는 이 책에서 배운 내용을 바탕으로 코딩을 해보는 프로젝트 과제 4개가 주어져 있다.



지은이의 글
이 책의 특징
베타 리더

PART1 인공지능이란

1. 인공지능: 데이터 분석을 위한 알고리즘
2. 머신러닝과 딥러닝
3. 머신러닝 과정
4. Kaggle 소개
이번 장의 마무리
연습 문제
실습 예제
심화 문제

PART2 딥러닝 흐름 잡기

1. 딥러닝 과정
2. 데이터 설계 및 수집
3. 문제 분류
4. 모델 설정
5. 손실 계산
6. 최적화
7. 예측 및 평가
이번 장의 마무리
연습 문제
실습 예제
심화 문제

PART3 기본 흐름 파악하기

1. 선형분류 과정
2. 준비 과정
3. 모델 설정
4. 손실 계산
5. 최적화
6. 선형 회귀 최적화 과정
이번 장의 마무리
연습 문제
실습 예제
심화 문제

PART4 선형 모델

1. 선형 모델 과정
2. 이미지 데이터
3. 선형 분류기: Score 함수
4. Softmax 분류기
5. 최적화: SGD
이번 장의 마무리
연습 문제
실습 예제
심화 문제

PART5 신경망 모델

1. 신경망 모델 과정
2. 층(Layer)의 결합
3. 활성화 함수
4. 학습 분석: 과적합
5. 오류 역전파 Error BackPropagation
6. 규제 강화
7. 최적화 기법
이번 장의 마무리
연습 문제
실습 예제
심화 문제

PART6 이미지 분류

1. 이미지 분류 과정
2. 이미지 데이터 불러오기
3. CNN 모델 소개
4. CNN 구성 요소
5. CNN Architectures
6. 전이 학습 Transfer Learning
이번 장의 마무리
연습 문제
실습 예제1
실습 예제2
심화 문제

PART7 자연어 처리

1. 자연어 처리 과정
2. 단어를 벡터로 Word Embedding
3. Sequence를 다루는 모델
4. Seq2Seq 모델
이번 장의 마무리
연습 문제
실습 예제1
실습 예제2
심화 문제

PART8 Project

프로젝트1 이미지 다중 분류: Dog bread(kaggle)
프로젝트2 이미지 다중 분류(경진대회): 동물 분류
프로젝트3 자연어 분류: Sentiment Analysis on Movie Reviews(kaggle)
프로젝트4 자연어 분류(경진대회): Topic Modeling for Research Articles

연습 문제 정답
찾아보기



상세 이미지 1



대상 독자층

- 인공지능이라는 말만 들어보고 어디서부터 시작해야 할지 모르는 분.
- 파이썬에 대한 이해는 있지만 딥러닝을 시작해보고 싶은 프로그래머.
- 캐글을 사용하는 방법과 딥러닝을 배우고 싶은 독자.

인공지능의 작동원리부터 실습까지
부딪치며 캐글에 도전을 해보자!


인공지능의 가장 기본적이고 단순한 모델인 선형 모델부터 시작해서 선형 모델의 결합인 신경망 모델을 배우고, 신경망에 변화를 준 CNN 모델과 RNN 모델까지 기초적인 예제부터 심화 문제까지 코딩을 통해 딥러닝의 기초를 탄탄히 다질 수 있습니다. 또한 인공지능 문제해결을 위한 진행 과정을 문제 분류, 모델 설정, 성능 향상 등의 단계별로 설명하고 직접 문제해결을 통해 실력을 키울 수 있습니다.

전반에 들어있는 내용은 인공지능의 기원과 인공지능이 무엇인지를 살펴보고 인공지능으로 가능한 일들을 알아봅니다. 그리고 딥러닝이 실제 어떤 과정을 거치는지 개략적으로 감을 잡을 수 있게 도와줍니다. 딥러닝 학습 과정을 알아봤다면 이제 최적화 과정을 수식을 통해 자세하게 살펴볼 것입니다. 후반에는 딥러닝을 구성하는 기본 단위인 선형 모델에 대해 알아봅니다. 그리고 우리가 알아야할 핵심 모델링 과정을 배워 나갈 것입니다. 이렇게 학습을 하면서 배운 내용을 활용해 2 종류의 이미지 분류 과제와 2 종류의 자연어 처리 과제를 직접 해결해보고 성능을 향상시켜볼 것입니다.

인공지능이 수학을 기본으로 이루어져 있어 많은 분들이 어떻게 접근해야 할지 모르는 것이 대부분입니다. 이 책에서는 누구나 쉽게 인공지능의 작동원리를 이해할 수 있도록 하나하나 꼼꼼히 설명해 주고 있습니다. 유튜브 영상 강의를 통해 저자의 설명을 듣고 카페를 이용하여 스터디를 이어 나갈 수 있어 딥러닝을 처음 공부하는 분들에게 도움이 될 것입니다.

베타 리더 중에서

“이 책을 통해 딥러닝을 공부하면서 차근차근 개념을 쌓아나가시길 바랍니다. 또 책에 소개된 Kaggle(캐글)이라는 사이트를 통해 쉬운 실습을 병행하시면 더욱 좋을 것 같습니다.”

“한 번쯤 딥러닝을 공부해보고 싶었으나 마땅한 입문 책을 찾지 못하였거나 기회를 갖지 못한 분들이 학습해 나가기 좋은 딥러닝 입문서입니다. 선물을 쌓아 올릴 때 든든한 기반부터 마련해야 하듯이 딥러닝을 처음 공부할 때 읽기 좋습니다.”

“코딩을 모르지만 딥러닝을 이해하고 싶은 분들을 위해 잘 짜인 구조로 꼼꼼한 설명을 제공합니다. 쉽게 표현된 용어들과 설명으로 딥러닝을 이제 시작하시려는 분들에게 추천드리는 책입니다.”