핵심 딥러닝 입문: RNN, LSTM, GRU, VAE, GAN 구현 (최신 딥러닝 기술만 골라 배우는)

핵심 딥러닝 입문: RNN, LSTM, GRU, VAE, GAN 구현 (최신 딥러닝 기술만 골라 배우는)

$28.00
Description
딥러닝의 기초 지식, 수학, 파이썬부터 실전 프로그래밍 구현까지,
RNN, LSTM, GRU, VAE, GAN을 망라하는 최신 딥러닝 모델 마스터!
현 시점에서 개발자가 꼭 알아야 할 최신 딥러닝 기술들만을 골라 수식과 코드를 번갈아가며 매우 이해하기 쉽게 알려준다. 간결하고 이해하기 쉬운 예제 코드들을 하나 하나 따라 해가다 최종적으로 실전에서도 활용할 수 있는 완결된 딥러닝 코드를 완성해본다. 이 책에서는 파이썬과 기초 수학부터 시작해서, RNN(순환 신경망)과 LSTM, GRU, VAE(변이형 오토인코더), GAN(생성적 적대 신경망)까지, 최신 딥러닝의 필수 모델과 원리, 내부 동작을 빠짐없이 자세하게 설명한다. 파이썬 프로그래밍을 직접 코딩하면서 차근차근 순서대로 공부해 나가다 보면 딥러닝의 기초를 완벽하게 습득할 수 있다.

| 이 책에서 다루는 내용 |
■ 실전에 응용할 수 있는 최신 딥러닝 기술 RNN, LSTM, GRU, VAE, GAN 포함
■ 딥러닝 프레임워크를 사용하지 않고 딥러닝의 알고리즘을 파이썬 프로그래밍 코드로 구현
■ 파이썬과 수치연산 라이브러리 넘파이(NumPy)를 이용한 프로그래밍 기초 지식
■ 딥러닝의 근본적인 원리를 이해하는 데 필요한 핵심 수학 이론과 수식 코딩 방법
■ 독자들이 직접 응용해 수준 높은 코드로 발전시킬 수 있는 완전한 파이썬 코드 제공

| 이 책의 독자 대상 |
■ 최신 딥러닝 기술에 대해 기초부터 차근차근 공부하고 싶은 딥러닝 입문자
■ 딥러닝 알고리즘을 수식으로 이해하고 프로그래밍 코드로 구현해보고 싶은 개발자
■ 최신 딥러닝 알고리즘 코드를 작성해 업무나 현장에서 바로 적용해보고 싶은 개발자
■ 이 모든 과정을 한 권의 책으로 해결하고 싶은 사람
저자

아즈마유키나가

'인간과AI의공존'을미션으로하는주식회사SAI-Lab의대표이사로,AI관련교육과연구개발에종사하고있다.토후쿠대학대학원이학연구과수료후이학박사(물리학)를취득했다.
인공지능,복잡계,뇌과학,특이점(singularity)등에관심이많으며프로그래밍과AI분야의온라인강의에서약3만5천명의학생을가르쳤다.세계최대교육동영상플랫폼인유데미(Udemy)에서'처음시작하는파이썬','실전데이터과학과머신러닝','모두의딥러닝','모두의AI강좌'등을강의하고있다.VR,게임,SNS등다양한분야의애플리케이션을개발했다.

목차

[1장]딥러닝의발전
1.1딥러닝개요
__1.1.1AI와머신러닝
__1.1.2딥러닝
1.2딥러닝응용분야
__1.2.1이미지인식
__1.2.2이미지생성
__1.2.3이상탐지
__1.2.4자연어처리
__1.2.5강화학습
__1.2.6기타분야에서의응용사례
1.3이책에서다루는딥러닝기술
__1.3.1RNN
__1.3.2생성모델

[2장]학습준비
2.1아나콘다개발환경구축
__2.1.1아나콘다다운로드
__2.1.2아나콘다설치
__2.1.3주피터노트북실행
__2.1.4주피터노트북사용
__2.1.5노트북종료
2.2구글코랩사용
__2.2.1구글코랩준비
__2.2.2코랩노트북사용
__2.2.3GPU사용
__2.2.4파일사용
2.3파이썬기초
__2.3.1변수와변수형
__2.3.2연산자
__2.3.3리스트
__2.3.4튜플
__2.3.5딕셔너리
__2.3.6if문
__2.3.7for문
__2.3.8함수
__2.3.9변수의범위
__2.3.10클래스
2.4넘파이와맷플롯립
__2.4.1모듈임포트
__2.4.2넘파이배열
__2.4.3배열을생성하는다양한함수
__2.4.4reshape를이용한형태변환
__2.4.5배열연산
__2.4.6원소값에접근
__2.4.7그래프그리기
__2.4.8이미지생성
2.5수학기초
__2.5.1벡터
__2.5.2행렬
__2.5.3각원소간의곱셈
__2.5.4행렬곱
__2.5.5행렬전치
__2.5.6미분
__2.5.7연쇄법칙
__2.5.8편미분
__2.5.9연쇄법칙의확장
__2.5.10정규분포

[3장]딥러닝기초
3.1딥러닝개요
__3.1.1딥러닝이란?
__3.1.2층의방향과층의개수
__3.1.3경사하강법
__3.1.4에포크와배치
3.2전결합층순전파
__3.2.1순전파의수식
__3.2.2순전파를행렬로표현
__3.2.3순전파를코드로구현
3.3전결합층역전파
__3.3.1역전파수식
__3.3.2역전파를행렬로표현
__3.3.3역전파를코드로구현
3.4전결합층구현
__3.4.1공통클래스구현
__3.4.2은닉층구현
__3.4.3출력층구현
3.5단순한딥러닝구현
__3.5.1손글씨숫자이미지데이터확인
__3.5.2데이터전처리
__3.5.3순전파와역전파
__3.5.4미니배치구현
3.6손글씨숫자이미지인식의전체코드

[4장]RNN
4.1RNN개요
4.2RNN층의순전파
__4.2.1순전파개요
__4.2.2순전파수식
__4.2.3순전파를코드로구현
4.3RNN층의역전파
__4.3.1역전파수식
__4.3.2역전파를행렬로표현
__4.3.3역전파를코드로구현
4.4RNN층구현
__4.4.1RNN층클래스
4.5간단한구조의RNN구현
__4.5.1훈련데이터생성
__4.5.2데이터전처리
4.5.3훈련
__4.5.4예측
__4.5.5곡선생성
__4.5.6sin곡선예측에대한전체코드
4.62진수덧셈학습
__4.6.12진수덧셈
__4.6.22진수준비
__4.6.3출력층
__4.6.4훈련
__4.6.52진수계산에대한전체코드
4.7RNN의단점

[5장]LSTM
5.1LSTM개요
__5.1.1LSTM개요
__5.1.2기억셀
__5.1.3망각게이트주변
__5.1.4입력게이트와새로운기억
__5.1.5출력게이트
5.2LSTM층의순전파
__5.2.1LSTM층의순전파
__5.2.2순전파코드구현
5.3LSTM층의역전파
__5.3.1역전파수식
__5.3.2망각게이트
__5.3.3입력게이트
__5.3.4새로운기억
__5.3.5출력게이트
__5.3.6행렬로표현
__5.3.7역전파코드구현
5.4LSTM층구현
__5.4.1LSTM층클래스
5.5간단한LSTM구현
__5.5.1LSTM훈련
__5.5.2sin곡선예측에대한전체코드
5.6LSTM을이용한문장자동생성
__5.6.1텍스트데이터읽어들이기
__5.6.2문자와인덱스관련
__5.6.3문자벡터화
__5.6.4출력결과의의미
__5.6.5텍스트생성용함수
__5.6.6기울기클리핑
__5.6.7문장생성에대한전체코드
__5.6.8결과확인

[6장]GRU
6.1GRU소개
__6.1.1GRU
__6.1.2리셋게이트
__6.1.3새로운기억
__6.1.4업데이트게이트
6.2GRU층의순전파
__6.2.1GRU의순전파
__6.2.2순전파를코드로구현
6.3GRU층의역전파
__6.3.1새로운기억
__6.3.2업데이트게이트
__6.3.3리셋게이트
__6.3.4입력의기울기
__6.3.5이전시점출력의기울기
__6.3.6GRU의각기울기를행렬로나타내기
__6.3.7GRU의역전파를코드로구현하기
6.4GRU층구현
__6.4.1GRU층의클래스
6.5GRU구현
__6.5.1GRU구현의전체코드
6.6RNN을이용한이미지생성
__6.6.1이미지를시계열데이터로간주하기
__6.6.2훈련데이터준비하기
__6.6.3이미지생성
__
6.7Seq2Seq

[7장]VAE
7.1VAE소개
__7.1.1오토인코더
__7.1.2VAE
7.2VAE의구조
__7.2.1잠재변수샘플링
__7.2.2재파라미터화트릭
__7.2.3오차정의
__7.2.4재구성오차
__7.2.5규제화항
7.3오토인코더의구현
__7.3.1신경망구현
__7.3.2각신경망층의구현
__7.3.3순전파와역전파구현
__7.3.4미니배치학습구현
__7.3.5오토인코더구현의전체코드
__7.3.6생성된이미지나타내기
7.4VAE에필요한신경망층
__7.4.1VAE구성
__7.4.2평균과표준편차를출력하는신경망층
__7.4.3샘플링층
__7.4.4출력층
7.5VAE의구현
__7.5.1순전파와역전파
__7.5.2VAE를구현하는전체코드
__7.5.3잠재공간의시각화
__7.5.4이미지생성하기
7.6VAE에서파생되는기술
__7.6.1조건부VAE
__7.6.2β-VAE
__7.6.3VQ-VAE
__7.6.4VQ-VAE-2

[8장]GAN
8.1GAN소개
__8.1.1GAN
__8.1.2DCGAN
__8.1.3GAN의용도
8.2GAN의구조
__8.2.1식별자의학습과정
__8.2.2생성자의학습과정
__8.2.3오차의정의
8.3GAN에필요한신경망층
__8.3.1생성자와식별자의구조
__8.3.2생성자의출력층
__8.3.3식별자의출력층
8.4GAN의구현
__8.4.1순전파와역전파
__8.4.2GAN의훈련
__8.4.3GAN의학습
__8.4.4이미지생성
__8.4.5GAN을구현하는전체코드
__8.4.6오차와정확도추이
8.5GAN에서파생되는기술
__8.5.1조건부GAN
__8.5.2pix2pix
__8.5.3CycleGAN

[9장]딥러닝추가학습을위한유용한정보
9.1최적화알고리즘
__9.1.1최적화알고리즘개요
__9.1.2확률적경사하강법(SGD)
__9.1.3모멘텀
__9.1.4아다그라드
__9.1.5RMSProp
__9.1.6아담
__9.1.7최적화알고리즘구현예
9.2학습테크닉
__9.2.1드롭아웃
__9.2.2LeakyReLU
__9.2.3가중치감소
__9.2.4배치정규화
9.3데이터세트소개
__9.3.1사이킷런데이터세트
__9.3.2케라스데이터세트
9.4딥러닝의미래

[부록]
A.1간단한구조의RNN을이용한텍스트생성
A.2GRU를이용한텍스트생성
A.3참고문헌

출판사 서평

[옮긴이의글]
새로운IT기술은먼저논문으로발표되어전문가들사이에서만정보가공유되다가몇년이지나면책으로나와대중에게지식이보급됩니다.이때출간되는책은두종류로나뉩니다.하나는‘일단따라하기’유형입니다.이론은깊이다루지않고우선독자들이기술을업무나관심분야에바로적용해볼수있도록절차적인방법을소개합니다.또다른유형의책은기술의근본원리를깊이있게다룹니다.복잡한수식이나어려운코딩이동반되고세부내용도자세하게다룹니다.두가지유형은모두장단점이있습니다.
그런데『핵심딥러닝입문:RNN,LSTM,GRU,VAE,GAN구현』은이두유형사이에위치하는독특한책입니다.이책은LSTM,GAN,VAE등최신딥러닝기술을소개하는데,먼저첫부분은기술의근본적인원리를수식으로설명합니다.그림을이용하거나비유나예시등의추상적인개념으로설명하는책이많지만이책은우직하게수식으로승부합니다.기술의수학적인원리를이해해야하는이유는명확합니다.추상적인개념습득은전체내용을빠르게이해하는데는도움이되지만실무에서다양한문제를해결하거나실력을키우기에는한계가있습니다.
이책에서는먼저수식으로원리를설명한이후,수식과개념적으로이어지는예제코드를이용해해당기술의구현사례를보여줍니다.예제코드는독자가스스로변형하거나확장해볼수있도록세심하게배려한흔적이엿보입니다.첫부분에서수식을이용한설명부분이약간어렵다고느껴진다면,예제코드를이용해일단먼저따라해보고성취감을맛보는접근방법도좋습니다.또한특정프레임워크를사용하지않기때문에코드를유심히분석해나가다보면코드가그렇게작성된이유가궁금해지고결국은앞에서설명한수식과연결된다는사실을깨닫게됩니다.
이렇듯이책은기술의근본적인원리에대한설명과구체적인따라하기실습과의균형이매우적절한책입니다.또한특정분야에만치중하지않고RNN,LSTM,VAE,GAN등최신기술을모두골고루다루는점도장점입니다.딥러닝고급기술에대한기초를다지고싶거나한단계더도약하고싶은독자들에게매우유익한책이될것으로기대합니다.
-최재원

2010년대후반IT분야에서가장주목받은키워드는누가뭐라든‘인공지능’이아닐까합니다.처음에는어려워만보였던기술이많은사람에게자연스럽게받아들여지고있으며,이분야에자신의인생을건개발자도많이늘었다고생각합니다.옮긴이도이러한흐름에따라앞으로인공지능기술의발전에많은관심을두고다양한기술을살펴보는중입니다.
이책은여러가지인공지능기술중딥러닝에집중합니다.그럼“이미많은딥러닝관련책이출간되었는데굳이또이책을읽어야하나요?”라는의문이들수있습니다.그래도이책은한번읽을가치가있습니다.딥러닝을처음배우려는사람을배려하면서도2020년기준현업에서사용하는최신이론과함께딥러닝을알려주기때문입니다.
알파고가처음나왔을때의딥러닝기초와현재의딥러닝기초를비교하면그간많은발전이있었습니다.물론과거의기초개념도중요하지만앞으로딥러닝을진지하게파고들려는분이라면최신이론을접하는것이매우중요합니다.이책은그러한점을반영해서순전파,역전파,RNN같은전통적인딥러닝기초는물론이고,LSTM,GRU,VAE,GAN같이2020년현시점에서알아두면좋은딥러닝의기초를함께담으려고노력했습니다.저처럼딥러닝에뒤늦게관심을갖게된분이라면이책이많은도움이될것입니다.
-장건희