펭귄브로의 3분 딥러닝 파이토치맛 (PyTorch 코드로 맛보는 | CNN, GAN, RNN, DQN, Autoencoder, ResNet, Seq2Seq Adversarial A

펭귄브로의 3분 딥러닝 파이토치맛 (PyTorch 코드로 맛보는 | CNN, GAN, RNN, DQN, Autoencoder, ResNet, Seq2Seq Adversarial A

$28.00
Description
파이토치 코드로 맛보는 딥러닝 핵심 개념!
이 책은 파이토치로 인공지능을 구현하는 방법을 알려줍니다. 인공지능 입문자를 위한 기초 지식과 최신 인공지능 구현 방법인 인공신경망 기술을 사례를 통해 알아봅니다. 지도학습 방식의 ANN, DNN, CNN, RNN을 비롯해, 비지도학습 방식의 AE와 GAN 그리고 강화학습 DQN을 직접 구현합니다. 딥러닝의 약점을 이용해서 해킹하는 방법을 배우는 등 각 장에서 소개한 신경망으로 재미있는 응용 예제를 다룹니다.

예제를 실제 구현해보면서 쉽게 인공지능 구현 방법을 익히도록 구성했으며 예제 코드는 깃허브에서 확인할 수 있습니다.

* 이 책의 ‘3분’은 ‘3분 만에 배운다’는 뜻이 아닙니다. ‘3분 음식처럼 간편하고 유용하게 배운다’는 뜻입니다.
저자

김건우

뉴욕대학교에서컴퓨터과학학사학위를받았습니다.우버드라이버프라이싱팀에서소프트웨어엔지니어로근무합니다.대학교를다니며딥러닝과강화학습스터디그룹에참여하여『파이썬과케라스로배우는강화학습』(위키북스,2017)을공동집필했습니다.

목차

CHAPTER1딥러닝과파이토치
1.1인공지능과머신러닝
1.2지도학습,비지도학습,강화학습
1.3딥러닝과신경망
1.4파이토치가개발되기까지
1.5왜파이토치인가?
1.6마치며

CHAPTER2파이토치시작하기
2.1파이토치설치&환경구성
2.2파이토치예제내려받고실행확인하기
2.3주피터노트북
2.4마치며

CHAPTER3파이토치로전체코드구현하는ANN
3.1텐서와Autograd
3.2경사하강법으로이미지복원하기
3.3신경망모델구현하기
3.4마치며

CHAPTER4패션아이템을구분하는DNN
4.1FashionMNIST데이터셋알아보기
4.2인공신경망으로패션아이템분류하기
4.3성능측정하기
4.4과적합과드롭아웃
4.5마치며

CHAPTER5이미지처리능력이탁월한CNN
5.1CNN기초
5.2CNN모델구현하기
5.3ResNet으로컬러데이터셋에적용하기
5.4마치며

CHAPTER6사람의지도없이학습하는오토인코더
6.1오토인코더기초
6.2오토인코더로이미지의특징추출하기
6.3오토인코더로망가진이미지복원하기
6.4마치며

CHAPTER7순차적인데이터를처리하는RNN
7.1RNN개요
7.2영화리뷰감정분석
7.3Seq2Seq기계번역
7.4마치며

CHAPTER8딥러닝을해킹하는적대적공격
8.1적대적공격이란?
8.2적대적공격의종류
8.3FGSM공격
8.4마치며

CHAPTER9경쟁하며학습하는GAN
9.1GAN기초
9.2GAN으로새로운패션아이템생성하기
9.3cGAN으로생성제어하기
9.4마치며

CHAPTER10주어진환경과상호작용하며학습하는DQN
10.1강화학습과DQN기초
10.2카트폴게임마스터하기
10.3마치며

출판사 서평

이론보다는실전!몸으로먼저익히는[3분]딥러닝시리즈!
새로운프로그래밍언어나라이브러리를학습하는가장좋은방법은무엇일까요?[3분]시리즈는긴설명을읽기보다는직접코드를입력해가면서익히게해쉽고재미있습니다.

독자옆에앉아빠르게‘함께코딩해가며’설명한다는느낌이들도록했습니다.코드는설명흐름에맞춰필요한만큼만보여주며,전체코드를마지막에제시합니다.이론은큰그림을이해할정도로만알려주고,코드도세세한부분까지설명하지는않습니다.

우선은큰그림과동작하는코드를손에넣은후,파이토치사용법문서와저자가만든파이토치깃허브를참고해코드를주물러보며파이토치와친해져보세요.

각절의마지막에는주석이거의없는전체코드가등장합니다.주~욱훑어보며배운걸정리하고제대로이해했는지점검해보기바랍니다.각코드블록에해당하는본문설명의위치를숫자로연결해뒀으니특정코드가이해되지않을때활용하기바랍니다.

★주요내용
● 파이토치시작하기
● 파이토치로구현하는ANN
● 패션아이템을구분하는DNN
● 이미지인식능력이탁월한CNN
● 사람의지도없이학습하는오토인코더
● 순차적인데이터를처리하는RNN
● 딥러닝을해킹하는적대적공격
● 경쟁하며학습하는GAN
● 주어진환경과상호작용하며학습하는DQN

★이책의구성

딥러닝과파이토치를처음접하는사람이쉽게이론을익히고구현할수있도록구성했습니다.딥러닝은언어부터이미지까지넓은분야에쓰이며응용분야에따라그형태가다양합니다.따라서최대한다양한학습방식과딥러닝모델을구현할수있도록예제를준비했습니다.

_1장.딥러닝과파이토치
딥러닝의기본지식을쌓고여러머신러닝방식을배웁니다.파이토치가무엇이고왜필요한지,텐서플로와케라스같은라이브러리와무엇이다른지알아봅니다.

_2장.파이토치시작하기
파이토치환경설정과사용법을익힙니다.파이토치외에도책을진행하면서필요한도구를설치합니다.

_3장.파이토치로구현하는ANN
파이토치를이용하여가장기본적인인공신경망(artificialneuralnetwork)을구현하고모델을저장,재사용하는방법을배웁니다.

_4장.패션아이템을구분하는DNN
앞서배운인공신경망을이용하여FashionMNIST데이터셋안의패션아이템을구분해봅니다.

_5장.이미지인식능력이탁월한CNN
영상인식에탁월한성능을자랑하는CNN(convolutionalneuralnetwork)을알아봅니다.또한CNN을더쌓아올려성능을높인ResNet에대해알아보고구현합니다.

_6장.사람의지도없이학습하는오토인코더
정답이없는상태에서특징을추출하는비지도학습을알아보고대표적인비지도학습모델인오토인코더(autoencoder)를이해하고구현하는방법을익힙니다.

_7장.순차적인데이터를처리하는RNN
문자열,음성,시계열데이터에높은성능을보이는RNN(recurrentneuralnetwork)을활용하여영화리뷰감정분석을해보고간단한기계번역기를만들어봅니다.

_8장.딥러닝을해킹하는적대적공격
딥러닝모델을의도적으로헷갈리게하는적대적예제를알아보고적대적예제를생성하는방법인적대적공격(adversarialattack)을알아봅니다.

_9장.경쟁하며학습하는GAN
두모델의경쟁을통해최적화하는특이한학습구조를가진GAN(generativeadversarialnetwork)에대해알아봅니다.GAN은데이터셋에존재하지않는새로운이미지를생성할수있습니다.예제로FashionMNIST데이터셋을학습하여새로운패션아이템을만듭니다.

_10장.주어진환경과상호작용하며성장하는DQN(deepq-network)을알아보고간단한게임을마스터하는인공지능을구현해봅니다.