로그인회원가입장바구니고객센터마이페이지회사소개
kangcom
전체
Home >   >   > 

케라스로 구현하는 딥러닝과 강화학습

 [신경망 기초부터 CNN, RNN, GAN, 단어 임베딩, 강화학습 배우기]
   
지은이 안토니오 걸리, 수짓 팔   |   출판사 에이콘  |   발행일 2017년 11월 23일
 
클릭하시면 큰 도서이미지를 보실 수 있습니다.
판매가 30,000원27,000원 10%
마일리지 5% 1,500원
발행일 2017-11-23
ISBN 1161750746 | 9791161750743
기타정보 번역서 | 380쪽 | 일반
예상출고일 금일 가능 (근무일기준)
배송비 무료배송
   
일반
   
 

★ 요약 ★

케라스로 다양한 문제를 해결하면서 케라스와 딥러닝 기초를 쉽게 배울 수 있는 책이다. 신경망 기초와 케라스 설치 방법을 제공해 입문자도 쉽게 접근할 수 있으며, 단계적으로 모델을 개선 시킬 수 있는 방법을 쉽게 설명한다. 널리 활용되는 합성곱 신경망과 순환 신경망에 대해 배우며, 최근 관심 뜨거운 연구 분야인 GAN과 알파고로 화제가 되었던 강화학습에 대한 실습 내용도 담고 있다. 다양한 실습을 진행하면서 실무 환경에서는 어떻게 케라스를 활용할 수 있을지에 대한 통찰력을 얻을 수 있을 것이다.


★ 이 책에서 다루는 내용 ★

■ 역전파 알고리즘을 활용한 신경망의 단계별 함수 최적화
■ 결과 개선을 위한 신경망 미세조정
■ 영상과 음성 처리에 심층 학습 활용
■ 재귀 신경 텐서 네트워크(RNTN)를 사용한 단어 임베딩 개선
■ 순환 신경망(RNN) 구조 탐색
■ 오토인코더 구현 과정
■ 강화학습을 통한 심층 신경망 발전


★ 이 책의 대상 독자 ★

이 책은 파이썬 지식이 필요하며, 머신 러닝 경험이 있는 데이터 과학자이거나 신경망을 아는 AI 프로그래머라면 케라스로 딥러닝을 배우기에 좋은 시작점으로 활용할 수 있다.


★ 이 책의 구성 ★

1장, '신경망 기초'에서는 신경망의 기초를 배운다.
2장, '케라스 설치와 API'에서는 AWS, 마이크로소프트 애저, 구글 클라우드, 사용자 컴퓨터에 케라스를 설치하는 방법을 다룬다. 그 외에도 케라스 API에 대해 소개한다.
3장, '합성곱 신경망을 활용한 딥러닝'에서는 합성곱 신경망 개념을 소개한다. 합성곱 신경망은 텍스트에서 비디오, 음성에 이르기까지 여러 영역에서 성공을 거두고 원래의 이미지 처리 영역을 뛰어넘는, 딥러닝에서의 근본적인 혁신을 가져왔다.
4장, '적대적 생성 네트워크와 웨이브넷'에서는 사람이 만든 데이터와 유사한 합성 데이터를 재생산하는 데 사용하는 적대적 생성 네트워크를 소개한다. 사람의 목소리와 악기를 아주 잘 재현하는 데 사용하는 심층 신경망인 웨이브넷도 소개한다.
5장, '단어 임베딩'에서는 단어 임베딩에 대해 설명하고, 단어 간의 관계를 탐지하고 유사한 단어를 그룹화하는 딥러닝 방법론에 관해 설명한다.
6장, '순환 신경망'에서는 텍스트와 같이 시퀀스 데이터를 처리하기에 적합한 네트워크 종류인 순환 신경망을 다룬다.
7장, '기타 딥러닝 모델'에서는 케라스 함수 API, 회귀 네트워크, 오토 인코더에 대해 간단히 살펴본다.
8장, 'AI 게임 플레이'에서는 강화학습을 가르치고 보상 피드백을 기반으로 아케이드 게임을 하는 방법을 배우는 딥러닝 네트워크를 케라스로 어떻게 작성하는지 설명한다.
부록, '결론'에서는 이 책에서 다루는 주제를 요약하고 케라스 2.0을 독자에게 소개한다.


★ 지은이의 말 ★

이 책은 구글의 텐서플로나 리사 연구소(Lisa Lab)의 떼아노(Theano) 백엔드 위에서 실행하는 모듈형 신경망 라이브러리인 케라스를 사용해 파이썬으로 작성한 20개 이상의 심층 신경망을 다룬다.
독자는 간단한 선형 회귀, 다층 퍼셉트론, 정교한 심층 합성곱 신경망, 적대적 생성 네트워크 같은 지도 학습 알고리즘에 대해 단계별로 학습한다. 이 책은 오토 인코더와 생성 네트워크와 같이 비지도 학습 알고리즘을 다룬다. 순환 신경망과 장기-단기 기억(LSTM, long short-term memory) 네트워크에 대해서도 자세히 설명한다. 이 책은 케라스 함수 API를 다루고 독자가 적용할 사례가 케라스 확장 기능에서 제공하지 않는 경우 케라스를 커스터마이징하는 방법을 설명한다. 그 후, 앞서 다룬 빌딩 블록으로 구성한 좀 더 크고 복잡한 시스템도 살펴본다. 심층 강화학습에 대한 소개와 AI가 게임을 만드는 데 어떻게 활용되는가를 다루면서 결론을 맺는다.
실용적인 응용 사례로는 뉴스 기사를 사전에 정의한 범주로 분류, 텍스트의 의미 분석, 감성 분석, 텍스트 생성과 품사 태깅 등이 있다. 손글씨 숫자 이미지의 인식, 이미지를 여러 범주로 분류, 이미지 주석 생성을 활용한 고급 개체 인식을 활용해 이미지 처리 분야도 알아본다. 얼굴 인식을 위한 특징점 식별 예제도 다룬다. 음성 분석은 여러 화자가 있을 때 화자의 음성을 인식하는 예제를 다룬다. 강화학습은 자율적으로 게임을 할 수 있는 심층 Q 학습 네트워크 구축에 사용한다.
실험 예제들은 이 책의 특징이다. 각 신경망은 입력 파라미터, 네트워크의 형태, 손실 함수와 최적화에 사용한 알고리즘을 변경해 학습 성능을 점진적으로 향상되도록 변형할 수 있다. CPU와 GPU를 이용한 학습에 대한 몇 가지 비교 자료도 제공한다.
1장. 신경망 기초
__퍼셉트론
____첫 케라스 코드 예제
__다층 퍼셉트론 : 첫 번째 네트워크
____퍼셉트론 학습에서의 문제와 해결책
____활성화 함수 : 시그모이드
____활성화 함수 : ReLU
____활성화 함수
__실전 예제 손글씨 숫자 인식
____원핫 인코딩(OHE)
____케라스로 간단한 신경망 정의
____단순 신경망 실행과 기준선 설정
____단순 신경망에 은닉 계층 추가
____단순 신경망에 드롭아웃 추가
____기타 옵티마이저 테스트
____에폭 수 증가
____옵티마이저 학습률 조정
____은닉 계층의 뉴런 수 증가
____배치 크기 증가
____손글씨 인식을 위한 실험 요약
____과적합을 피하기 위한 일반화 적용
____하이퍼파라미터 튜닝
____예측
__역전파의 개요
__딥러닝 접근
__요약


2장. 케라스 설치와 API
__케라스 설치
____1단계 : 유용한 의존성 패키지 설치
____2단계 : 떼아노 설치
____3단계 : 텐서플로 설치
____4단계 : 케라스 설치
____5단계 : 떼아노, 텐서플로, 케라스 테스트
__케라스 설정
__도커에 케라스 설치
__구글 클라우드 ML에 케라스 설치
__아마존 AWS에 케라스 설치
__마이크로소프트 애저에 케라스 설치
__케라스 API
____케라스 구조 이해
____사전 정의 신경망 개요
____기본 제공 활성화 함수 개요
____손실 함수 개요
____메트릭 개요
____옵티마이저 개요
____기타 유용한 기능
____모델의 가중치와 구조 저장 및 불러오기
__학습 과정 커스터마이징을 위한 콜백
____체크포인트
____텐서보드 활용과 케라스
____퀴버 활용과 케라스
__요약


3장. 합성곱 신경망을 활용한 딥러닝
__심층 합성곱 신경망 : DCNN
____지역 수용 영역
____공유 가중치와 편향
____풀링 계층
__DCNN 예제 : LeNet
____케라스 코드 LeNet
____딥러닝의 능력 이해
__딥러닝을 활용한 CIFAR-10 이미지 인식
____더 깊은 네트워크로 CIFAR-10 성능 향상
____데이터 증가를 통한 CIFAR-10 성능 향상
____CIFAR-10 예측
__대규모 이미지 인식을 위한 심층 합성곱 신경망
____VGG-16 네트워크로 고양이 인식
____케라스 내장 VGG-16 네트워크 모듈 활용
____특징 추출을 위한 사전 빌드된 딥러닝 모델 재활용
____전이 학습을 위한 아주 깊은 인셉션-v3 네트워크
__요약


4장. 적대적 생성 네트워크와 웨이브넷
__GAN은 무엇인가?
____GAN의 응용 사례
__심층 합성곱 적대적 생성 네트워크
__MNIST 위조 GAN
__CIFAR 위조 GAN
__웨이브넷 : 오디오 제작 방법을 학습하는 생성 모델
__요약


5장. 단어 임베딩
__분산 표현
__word2vec
____skip-gram word2vec 모델
____CBOW word2vec 모델
____모델에서 word2vec 임베딩 추출
____word2vec 서드파티 구현 활용
__GloVe 이해
__사전 학습 임베딩 활용
____처음부터 임베딩 학습
____word2vec으로 학습한 임베딩 미세 조정
____사전 학습된 GloVe 임베딩 미세 조정
____임베딩 룩업
__요약


6장. 순환 신경망
__기본 순환 신경망 셀
____텍스트 생성을 위한 기본 순환 신경망 구현
__순환 신경망 구조
__그래디언트 소실과 발산
__장기 - 단기 메모리 : LSTM
____LSTM 구현 : 감성 분석
__GRU
____케라스 GRU 구현 : 품사 태깅
__양방향 순환 신경망
__상태 보존형 순환 신경망
____상태 보존형 순환 신경망 : 전기 소비량 예측
__기타 순환 신경망의 변형
__요약


7장. 기타 딥러닝 모델
__케라스 함수 API
__회귀 네트워크
____케라스 회귀 예제 : 대기 벤젠 수준 예측
__비지도 학습 오토인코더
____케라스 오토인코더 예제 : 문장 벡터
__심층망 구성
____케라스 예제 : 질의응답을 위한 메모리 네트워크
__케라스 커스터마이징
____케라스 예제 : 람다 계층 활용
____케라스 예제 : 사용자 정의 정규화 계층 작성
__생성 모델
____케라스 예제 : 딥 드림
____케라스 예제 : 스타일 전이
__요약


8장. AI 게임 플레이
__강화학습
____미래의 보상 극대화
____Q-학습
____심층 Q 네트워크를 사용하는 Q 함수
____탐색과 활용
____경험 반복 및 경험의 가치
__예제 : 캐치 게임을 위한 케라스 심층 Q 네트워크 구현
__이후의 이야기
__요약
안토니오 걸리(Antonio Gulli)
글로벌 기술 인재, 혁신, 실행을 계획하고 관리하는 데 열정을 가진 소프트웨어 임원이자 비즈니스 리더다. 검색 엔진, 온라인 서비스, 머신 러닝, 정보 검색, 애널리틱스와 클라우드 컴퓨팅 분야의 전문가다. 지금까지 운이 좋게도 유럽의 4개국에서 전문적인 경험을 쌓고, 유럽과 미국의 6개국에서 사람들을 관리했다. 출판사(Elsevier)에서 소비자 인터넷(Ask.com 및 Tiscali), 하이테크 R&D(Microsoft 및 Google)에 이르기까지 여러 분야에서 CEO, GM, CTO, 부사장, 디렉터, 현장 리더로 재직했다.


수짓 팔(Sujit Pal)
엘스비어 랩(Elsevier Labs)의 기술 리서치 디렉터로, 연구 내용과 메타데이터를 중심으로 지능형 시스템을 구축하고 있다. 주요 관심사는 정보 검색, 온톨로지, 자연어 처리, 머신 러닝, 분산 처리다. 현재 딥러닝 모델을 사용해 이미지 분류와 유사성을 연구하고 있다. 이전에는 소비자 건강관리 업계에서 일하면서 온톨로지 기반의 의미론적 검색, 콘텐츠 기반 광고, EMR 데이터 처리 플랫폼을 구축하는 데 도움을 받았다.
살몬 런(Salmon Run)에서 자신의 블로그에 기술을 기고한다.

★ 옮긴이의 말 ★

알파고와 이세돌 9단의 세기의 대결로 일반인들도 점점 머신 러닝에 관심을 갖게 됐다. 또한 많은 기업들이 머신 러닝을 적용해 다양한 문제를 해결해 나가기 시작한다. 자율주행 자동차와 의학 분야 등의 많은 산업 분야에도 머신 러닝으로 커다란 변화가 일어나고 있다. 구글 트렌드에서 ‘Machine Learning’을 검색하면 대한민국이 상위권에 랭크된다. 그만큼 국내에는 머신 러닝에 관심을 갖고 계신 분들이 많다고 생각된다. 얼마 전부터 많은 오프라인 스터디가 생기고 양질의 정보를 제공해주는 블로그가 많아졌다. 훌륭한 연구원 분들과 교수님들은 바쁜 와중에도 일반인들이 쉽게 머신 러닝을 접할 수 있도록 무료 강의를 배포하고 어려운 영어 논문을 이해하기 쉽도록 한글로 풀어서 설명해주고 있다. 기술이 발전하는 속도만큼 학습해야 할 것이 점점 늘어나고 있지만, 이런 분들의 노력이 있다는 건 정말 희소식이다.
이 책은 딥러닝의 근간을 이루는 신경망 기초에 대한 내용으로 시작해, 실세계에서 다양한 문제 해결에 활용하는 CNN, RNN 등을 학습한다. 최근 관심이 뜨거운 GAN에 대해서도 알아보고, 여러 상황에 맞는 다양한 신경망 구조에 대해 학습한다. 언어의 의미를 파악하고자 하는 텍스트 마이닝에서 널리 활용되는 단어 임베딩에 대해서도 다루고 있다. 마지막으로 알파고로 화제가 되었던 강화학습으로 간단한 게임을 플레이하며 쉽게 설명한다. 책에서 다루는 대부분의 신경망에 대한 소스 코드를 제공해 나중에 독자들이 이 코드를 기반으로 각자의 문제를 해결하는 데에 활용할 수 있을 것이다.


★ 옮긴이 소개 ★

김창엽
현재 데이터 분석과 머신 러닝에 관심이 많아 회사를 그만 두고 고려대학교 산업경영공학과 데이터 사이언스 및 비즈니스 어낼리틱스(DSBA) 연구실에서 박사 과정 재학 중이다. 이전에는 안랩에서 9년간 근무하며 악성코드 대응 및 침해사고 분석 업무를 수행했다. 옮긴 책으로는 에이콘출판사에서 출간한 『텐서플로 入門』(2016), 『리눅스 바이너리 분석』(2016), 『모의 해킹을 위한 메타스플로잇』(2014) 등이 있다.
등록된 서평이 없습니다.
UI/UX 디자인 이론과 실습...
이영주
선택된 상품을 찜하실 수 있습니다. 선택된 상품을 바로구매 하실 수 있습니다.
후쿠다 카즈...
아르노 베유...
우에다 이사...
 
전체평균(0)
회원평점   회원서평수 0
에이콘 출판사의 신간
R고 하는 금융 분석: 핵심 금융 이론부터 고급 분석 기법까지 R로 이해하기
파람 지트, 파라샨트 바츠 저
27,000원
(10%↓+5%)
 
퍼펙트 프리젠테이션 시즌 2
김재성 저
27,000원
(10%↓+5%)
 
생활 속 문제를 통해 배워보는 머신 러닝
알렉산더 콤스 저
27,000원
(10%↓+5%)
 
리눅스 컨테이너 LXC
콘스탄틴 이바노프 저
27,000원
(10%↓+5%)
 
AWS 관리 Cookbook
루카스 챈, 로완 유델 저
27,000원
(10%↓+5%)
 
이메일주소수집거부