첫 딥러닝 실무 (딥러닝을 위한 데이터 전처리부터 모델 가속화까지)

첫 딥러닝 실무 (딥러닝을 위한 데이터 전처리부터 모델 가속화까지)

$26.00
Description
이 책은 코딩에 의존하지 않고, 딥러닝 학습에 필요한 기초 수학, 통계이론 그리고 최적화 개념의 설명과 함께 딥러닝 모델의 어떤 부분에서 적용되는지 소개함으로써 딥러닝에 대한 흥미를 높였습니다.
이것을 바탕으로 딥러닝 구조를 해부하듯이 설명함으로써 그 작동 원리를 쉽게 이해할 수 있도록 노력했습니다. 따라서 이 책은 딥러닝 모델 학습(Training) 과정에서 문제에 부딪혔을 때 그 문제의 원인과 해결 방안을 찾을 수 있도록 도움을 주는 가이드 역할을 하는 책입니다.
또한, 이렇게 딥러닝 모델에 대한 기본기를 다진 후 공개된 데이터 세트가 아닌 세상에 없는 학습 데이터 세트를 어떻게 준비하고 처리해야 하는지 방법을 제시함으로써 실제적인 프로젝트 수행 시 도움이 되도록 한 책입니다.
딥러닝 모델 학습이 끝났다고 해도 실제 적용할 경우 또다시 직면하고 있는 문제가 남아 있습니다. 바로 딥러닝 모델 처리 속도 문제인 데, 이 책은 그 해결 방법까지도 제시하고 있습니다.

[이 책의 대상 독자]
이 책은 다음과 같은 독자를 대상으로 합니다.
1. 딥러닝 핵심 이론에 대한 이해가 필요한 독자
2. 딥러닝 기술을 한 단계 Jump-up 시키고 싶은 독자
3. 딥러닝 학습 과정에서 일어나는 문제 원인과 해결 방안을 체계적으로 알고 싶은 독자
4. 실무에서 딥러닝 프로젝트를 수행할 때 전반적인 Guidance를 필요로 하는 독자

[Q&A]
이 책으로 공부하다가 이해하기 어려운 부분이나 궁금한 사항이 생기면 저자 블로그를 통해서 검색하거나 질문하여 해결하기 바랍니다.

* 저자 블로그: https://blog.naver.com/dancewithdl
저자

권영섭

미국에서퍼지로직(FuzzyLogic)과인공신경회로망을융합한지능제어로박사학위를받았습니다.현재는포스코기술연구원공정엔지니어링연구소에서신공정개발이나딥러닝응용연구개발에매진하고있습니다.
‘문제가있는곳에답이있다’는신념으로문제를해결하는것을즐기고있으며,그결과로약50여개의특허를출원한‘아이디어맨’으로통하고있습니다.
지금은딥러닝관련기술과Know-How를책으로출간함으로써딥러닝저변확대에많은관심을가지고있습니다.

목차

서문
들어가면서
추천사1
추천사2

1기초수학으로딥러닝시작하기

1.1선형대수
스칼라와벡터
벡터투영
벡터노옴과내적

1.2행렬
블록행렬
행렬의합
행렬의곱

1.3미분
미분
기울기
자코비안행렬

1.4확률통계
확률통계가필요한이유
확률과확률변수
이산확률변수
결합및조건부확률
베이즈정리
연속확률변수
평균과분산
확률변수의변환
확률분포
이산변수
연속변수

2유사도척도로딥러닝학습접근하기

2.1유클리디안거리

2.2마할라노비스거리

2.3코사인유사도

2.4자카드유사도

3예측과최적화기법으로딥러닝학습이해하기
매개변수예측
선형회귀분석
정규화

3.1최대유사도/가능도추정법

3.2베이지안추론
최대경사하강법과최소자승법
최대경사하강법
최소자승법

4데이터전처리과정이해하기

4.1데이터전처리
데이터추출
데이터유형분석
데이터정제
데이터변환
데이터정규화
데이터익명화
데이터확장
데이터표본추출
데이터명명
수치적으로묘사된벡터화작업

4.2데이터이상치처리
표준편차
박스플롯
DBScan군집

4.3시간-주파수표현방법
고속푸리에변환의단점
스펙트로그램
스캘로그램
멜스펙트로그램

5딥러닝기본기다지기

5.1자율주행자동차와딥러닝학습개념이해하기

5.2자동제어기법을통한학습개념이해하기
비례제어동작
적분제어동작
미분제어동작
비례적분미분제어동작

5.3단일뉴런모델

5.4다층신경회로망과딥러닝

5.5딥러닝학습기법
초기가중치벡터값설정

5.6과적합문제
조기종료
조정화
드롭아웃과앙상블

5.7기울기소실문제
ReLU활성화함수
배치정규화

5.8경사하강법에기반한학습방법
확률적경사하강법
모멘텀
NAG경사하강법
아다그라드알고리즘
RMSProp알고리즘
아다델타알고리즘
아담알고리즘
아다바운드알고리즘
PID제어기법기반알고리즘

5.9활성화함수
보편적근사정리
시그모이드함수
하이퍼볼릭탄젠트함수
ReLU함수
LReLU함수
PReLU함수
Elu함수

6주요딥러닝모델과응용하기

6.1합성곱신경망
합성곱신경망의태동
완전연결신경망의문제점
합성곱신경망의구조

6.2합성곱신경망의응용
기계나설비이상상태판정
상담이나면접시화자의감정상태판단
식물병충해및영양결핍진단
지능형표면검사시스템

6.3적대적생성신경망

6.4적대적생성신경망의응용
DCGAN
GAN기반데이터확장
GAN기반이미지변환

7딥러닝모델가속화

7.1딥러닝모델압축
가지치기
가중치공유
양자화

7.2낮은차수행렬분해

7.3지식증류/전수

7.4딥러닝모델구조자동탐색

7.5딥러닝실행가속

책을마무리하면서

참고문헌

찾아보기

출판사 서평

이책은딥러닝모델구조를자세히알려주며적용할때발생하는문제의해결책을찾을수있습니다.

기초:딥러닝학습에필요한기초다지기(1장~3장)
딥러닝학습에필요한수학의기초를통해딥러닝을시작할수있도록하며,유사도척도를통해딥러닝학습에접근하며그리고최적화기법을통해딥러닝학습을이해할수있게합니다.

준비:딥러닝학습데이터세트준비하기(4장)
공개된학습데이터가아닌나만의딥러닝프로젝트를수행할때첫번째부딪히는문제인‘학습데이터준비’과정을배웁니다.딥러닝프로젝트를수행하는데필요한시간과노력의80%를차지하는학습데이터준비는그동안알고리즘의중요성에가려져있었습니다.하지만,딥러닝프로젝트의성공적인수행을위해서학습데이터세트의준비과정에많은시간을투자하는것이필요합니다.

학습:학습의개념부터딥러닝모델구조를자세하게익히기(5장)
간단한자율주행자동차모델을통해‘학습’이진행되는과정을설명함으로써학습개념을누구나이해할수있도록했습니다.이것을바탕으로단일뉴런신경회로망에부터층과수를넓히고깊이있게확장한딥러닝모델구조를자세하게파헤치면서설명하고있고,학습과정에서부딪히는문제와그것을극복할수있는방법에대해서자연스럽게습득할수있도록했습니다.

적용:주요딥러닝모델소개와실제적인딥러닝모델응용시부딪히는문제극복하기(6장~7장)
주요딥러닝모델의구조와원리를소개하고,이러한모델의응용가능분야에대해서몇가지소개하고있습니다.특히학습이완료된딥러닝모델을적용할때부딪히는또다른문제가바로연산속도입니다.엄청난양의컴퓨터연산이필요한딥러닝모델을적용할때,고가의컴퓨터하드웨어추가없이딥러닝모델을가볍게함으로써고속처리할수있는기법까지도배울수있습니다.