파이토치 첫걸음 (딥러닝 기초부터 RNN, 오토인코더, GAN 실전 기법까지)

파이토치 첫걸음 (딥러닝 기초부터 RNN, 오토인코더, GAN 실전 기법까지)

$23.00
Description
■ 페이스북이 주도하는 딥러닝 프레임워크 파이토치
기초부터 스타일 트랜스퍼, 오토인코더, GAN 실전 기법까지 A to Z
딥러닝 구현 복잡도가 증가함에 따라 ‘파이써닉’하고 사용이 편리한 파이토치가 주목받고 있다. 파이토치 코리아 운영진인 저자는 다년간 딥러닝을 공부하고 강의한 경험을 살려 딥러닝의 진입 장벽을 낮출 목적으로 이 책을 집필했다. 파이토치 설치부터 CNN, RNN, 나아가 스타일 트랜스퍼, 오토인코더, GAN 등 최신 연구 결과까지 살펴본다. 같은 어려움을 겪었던 개발자의 마음으로 개념 원리와 구현을 균형 있게 구성하여 쉽게 읽을 수 있다.
저자

최건호

딥러닝엔지니어.연세대학교컴퓨터과학과및경영학과를졸업하고라프텔,딥바이오,토모큐브에서인공지능연구원으로근무했다.또한패스트캠퍼스,SK플래닛,T아카데미,인터파크에서파이토치를사용한인공지능강의를진행했다.지금까지7편의논문에참여했으며파이토치코리아(www.facebook.com/groups/PyTorchKR)운영진으로활동하고있다.

목차

CHAPTER1딥러닝에대하여
1.1딥러닝이란무엇인가
1.2왜배워야하는가
1.3무엇을할수있는가

CHAPTER2파이토치
2.1파이토치는무엇이고왜써야하는가
2.2다른프레임워크와의비교
2.3설치하는법

CHAPTER3선형회귀분석
3.1선형회귀분석이란무엇인가
3.2손실함수및경사하강법
3.3파이토치에서의경사하강법

CHAPTER4인공신경망
4.1신경망이란무엇인가
4.2인공신경망의요소
4.3전파와역전파
4.4모델구현,학습및결과확인

CHAPTER5합성곱신경망
5.1합성곱신경망의발달배경
5.2합성곱연산과정
5.3패딩과풀링
5.4모델의3차원적이해
5.5소프트맥스함수
5.6모델구현,학습및결과확인
5.7유명한모델들과원리

CHAPTER6순환신경망
6.1순환신경망의발달과정
6.2순환신경망의작동원리
6.3모델구현,학습및결과확인
6.4순환신경망의한계및개선방안

CHAPTER7학습시생길수있는문제점과해결방안
7.1오버피팅과언더피팅
7.2정형화
7.3드롭아웃
7.4데이터증강
7.5초기화
7.6학습률
7.7정규화
7.8배치정규화
7.9경사하강법의변형

CHAPTER8뉴럴스타일트랜스퍼
8.1전이학습
8.2스타일트랜스퍼
8.3스타일과콘텐츠의정의
8.4학습알고리즘
8.5최적화알고리즘
8.6코드구현

CHAPTER9오토인코더
9.1소개및학습원리
9.2합성곱오토인코더
9.3시맨틱세그멘테이션

CHAPTER10생성적적대신경망
10.1소개및학습원리
10.2모델구현및학습
10.3유명한모델들과원리

출판사 서평

■복잡한건파이토치에게맡기고모델에집중하세요

딥러닝분야의네임드인안드레이카파시는이런말을했습니다.“파이토치를몇달써봤는데이보다더좋을수없다.에너지가넘치고,피부도밝아졌으며,시력도좋아졌다.”파이토치는텐서플로와비교하면그래프정의와실행부가분리되어있지않아직관적입니다.코드가짧은것도강점중하나입니다.새로운딥러닝연구결과가매일쏟아지고구현복잡도역시증가함에따라구현측면에서‘파이써닉’하고편리한파이토치가떠오르고있습니다.
다년간딥러닝을공부하고강의한저자는파이토치로딥러닝의진입장벽을낮출목적으로이책을썼습니다.파이토치실습은어떻게시작하는게좋을까요?이책처럼코랩을사용하면설치할게하나도없습니다.선형회귀분석,역전파,CNN,RNN,학습시문제점해결등이제는익숙한주제를배우고,스타일트랜스퍼,오토인코더,GAN등주요한논문연구결과도살펴봅니다.같은어려움을겪었던개발자의마음으로이론과구현을균형있게구성하여개발자들이최대한쉽게읽을수있게집필했습니다.
최근에는딥러닝입문자들이활용할수있는자료가많아졌습니다.수학공식을몰라도배울수있다는주장은더는통하지않습니다.수학이어려워도알아야할것은알아야수박겉핥기수준에서벗어날수있습니다.코랩+파이토치실습으로까다로운구현은덜어내고딥러닝개념원리에집중한이책이딥러닝정복을향한진정한첫걸음을딛게해줄것입니다.

■주요내용

●아나콘다+CUDA+cuDNN설치(그냥코랩쓰면마음이편합니다)
●선형회귀분석을살펴보며손실함수,경사하강법이해하기
●연쇄법칙,전파,역전파등인공신경망의기초
●친절한그림으로CNN을익히고,VGGNet,GoogLeNet,ResNet살펴보기
●RNN의원리부터LSTM,GRU,임베딩,word2vec까지
●오버피팅과언더피팅해결,드롭아웃,정형화,초기화,정규화등학습성능향상법
●스타일트랜스퍼,전이학습,L-BFGS
●오토인코더와시맨틱세그멘테이션
●GAN과친구들(DCGAN,SRGAN,Pix2Pix,CycleGAN,DiscoGAN)