Must Have 텐초의 파이토치 딥러닝 특강

Must Have 텐초의 파이토치 딥러닝 특강

$31.09
Description
★ 먼저 〈기본 블록〉과 〈학습 루프〉 그림으로 이해하고
★ 15가지 파이토치 딥러닝 신경망을 구현하고 학습하라
개념을 제대로 이해하면 누구나 ‘데이터 분석 → 전처리 → 모델링 → 평가’ 순서를 따라 딥러닝 신경망을 어렵지 않게 만들 수 있습니다. 그래서 이 책은 이해를 돕는 그림을 곁들여 개념을 충실히 설명하고 〈기본 블록〉과 〈학습 루프〉를 그림으로 제시합니다. 그러고 나서 이미지, 텍스트, GAN 생성 모델을 학습하는 데 유용한 15가지 신경망을 만들어봅니다. 이 책으로 딥러닝 기초를 다지고 나서 최신 논문을 참고하면 실무에서 만나는 데이터에 알맞은 문제 풀이 전략을 고안할 수 있게 될 겁니다.

* Must Have 시리즈는 내 것으로 만드는 시간을 드립니다. 명확한 학습 목표와 핵심 정리를 제공하고, 간단명료한 설명과 다양한 그림으로 학습 효과를 극대화합니다. 설명과 예제를 제공해 응용력을 키워줍니다. 할 수 있습니다. 포기는 없습니다. 지금 당장 밑줄 긋고 메모하고 타이핑하세요! Must Have가 여러분의 성장을 돕겠습니다.
저자

이종민(텐초)

일본JAIST정보과학석사.동경의딥러닝엔지니어로Ghelia에서B2B인공지능솔루션을개발중이다.딥러닝의유용함을널리알리고자유튜버로활동하고글을쓰고책을집필합니다.쉬운그림을이용해10초만에핵심을전달하자는의미에서닉네임을텐초로지어활동하고있습니다.
-SNS:www.youtube.com/c/텐초

목차

00장.실습환경안내
__0.1코랩시작하기
__0.2코랩기초사용방법
__0.3예제코드노트복사하기
__0.4실습에사용할데이터셋준비하기

[1단계:딥러닝입문하기]

01장.딥러닝한눈에살펴보기
__1.1머신러닝과딥러닝
__1.2지도학습,비지도학습,강화학습
__1.3왜딥러닝에파이토치인가?
__1.4파이토치권고코딩스타일
__1.5딥러닝문제해결프로세스
__1.6딥러닝문제해결체크리스트
__1.7딥러닝에필요한최소한의통계개념
__1.8직관적분석에유용한시각화
__학습마무리
__연습문제

02장.인공신경망ANN이해하기
__2.1퍼셉트론
__2.2다층신경망으로단층신경망한계극복하기
__2.3인공신경망의학습확인해보기
__2.4손실함수로올바른가중치찾기
__2.5경사하강법과오차역전파로최적의값찾기
__2.6활성화함수로기울기소실예방하기
__2.7신경망성능비교하기
__학습마무리
__연습문제

03장.간단한신경망만들기
__3.1사인함수예측하기
__3.2보스턴집값예측하기:회귀분석
__3.3손글씨분류하기:다중분류
__학습마무리
__연습문제

[2단계:입문용신경망3총사CNN,ResNet,RNN]

04장.사진분류하기:CNN과VGG
__4.1이해하기:CNN
__4.2데이터전처리하기
__4.3CNN으로이미지분류하기
__4.4전이학습모델VGG로분류하기
__학습마무리
__연습문제

05장.유행따라가기:ResNet만들기
__5.1이해하기:ResNet
__5.2이해하기:배치정규화
__5.3기본블록정의하기
__5.4ResNet모델정의하기
__5.5모델학습하기
__5.6모델성능평가하기
__학습마무리
__연습문제

06장.넷플릭스주가예측하기:RNN으로첫시계열학습
__6.1이해하기:RNN
__6.2데이터살펴보기
__6.3학습용데이터만들기
__6.4RNN모델정의하기
__6.5모델학습하기
__6.6모델성능평가하기
__학습마무리
__연습문제

[3단계:딥러닝으로이미지처리하기]

07장.이미지세그멘테이션:U-Net
__7.1이해하기:U-Net
__7.2데이터살펴보기
__7.3학습용데이터만들기
__7.4U-Net모델정의하기
__7.5모델학습하기
__7.6모델성능평가하기
__학습마무리
__연습문제

08장.이미지노이즈제거:오토인코더
__8.1이해하기:이미지노이즈
__8.2이해하기:오토인코더
__8.3데이터살펴보기
__8.4학습용데이터만들기
__8.5인코더모델정의하기
__8.6디코더모델정의하기
__8.7CAE모델정의하기
__8.8모델학습하기
__8.9모델성능평가하기
__학습마무리
__연습문제

09장.자동채색:Lettherebecolor모델
__9.1이해하기:Lettherebecolor모델구조
__9.2데이터살펴보기
__9.3학습용데이터셋만들기
__9.4모델정의하기:로레벨특징추출기
__9.5모델정의하기:미들레벨특징추출기
__9.6모델정의하기:글로벌레벨특징추출기
__9.7모델정의하기:컬러라이제이션신경망
__9.8모델정의하기:전체모델
__9.9모델학습하기
__9.10모델성능평가하기
__학습마무리
__연습문제

[4단계:딥러닝으로텍스트처리하기]

10장.글쓰는인공지능:LSTM텍스트생성
__10.1이해하기:텍스트생성
__10.2이해하기:LSTM
__10.3데이터살펴보기
__10.4학습용데이터만들기
__10.5LSTM모델정의하기
__10.6학습하기
__10.7모델성능평가하기
__학습마무리
__연습문제

11장.직접만드는번역기:어텐션기계번역
__11.1이해하기:Seq2Seq모델
__11.2이해하기:어텐션메커니즘
__11.3이해하기:GRU
__11.4데이터살펴보기
__11.5학습용데이터만들기
__11.6인코더정의하기
__11.7디코더정의하기
__11.8어텐션기계번역기학습하기
__11.9모델성능평가하기
__학습마무리
__연습문제

12장.캡챠텍스트인식:CRNN+GRU
__12.1이해하기:CRNN
__12.2이해하기:CTC손실
__12.3데이터살펴보기
__12.4학습용데이터셋만들기
__12.5CRNN모델정의하기:CNN
__12.6CRNN모델정의하기:전체모델
__12.7모델학습하기
__12.8모델성능평가하기
__학습마무리
__연습문제

[5단계:GAN으로생성모델만들기]

13장.사람얼굴을생성하는GAN
__13.1이해하기:GAN
__13.2이해하기:특징공간
__13.3데이터살펴보기
__13.4학습용데이터셋만들기
__13.5GAN생성자정의하기
__13.6GAN감별자정의하기
__13.7가중치초기화하기
__13.8모델학습하기
__13.9모델성능평가하기
__학습마무리
__연습문제

14장.화질을개선하는GAN
__14.1이해하기:SRGAN
__14.2학습용데이터셋만들기
__14.3SRGAN생성자정의하기
__14.4SRGAN감별자정의하기
__14.5CNN특징추출기정의하기
__14.6모델학습하기
__14.7모델성능평가하기
__학습마무리
__연습문제

15장.데이터없이학습하는GAN
__15.1이해하기:모델경량화
__15.2이해하기:GAN을이용한경량화
__15.3교사모델학습하기
__15.4GAN생성자정의하기
__15.5학생모델과생성자학습하기
__15.6모델성능평가하기
__학습마무리
__연습문제

부록A.트랜스포머·GPT·BERT·ViT알아보기
부록B.오차역전파에서가중치업데이트과정
부록C.윈도우·맥OS·우분투에개발환경구축하기

출판사 서평

★이책으로파이토치딥러닝을익혀야하는이유
이책은독자여러분이파이토치딥러닝을효과적으로배울수있게파이토치딥러닝개념,파이토치코딩,실전노하우에집중합니다.또한학습마무리단계에자연스럽게복습되게만들었습니다.

딥러닝개념은수학과떼려야뗄수없습니다.하지만너무어려운수식을사용하면이해하는데오히려방해됩니다.그래서고등학교수학지식만있다면누구나쉽게이해할수있는수식에그림을곁들여단계적으로개념을설명했습니다.

파이토치는클래스기반으로신경망,학습순서를정의하고학습합니다.그래서파이토치에서권고하는코딩구조를먼저알려드리고나서본격적인학습에들어갑니다.기초신경망인CNN부터스스로창작하는GAN까지총16가지신경망을만들때는먼저신경망의〈기본블록〉과〈학습루프〉를그림으로제시합니다.제시된〈기본블록〉과〈학습루프〉를눈으로보고코드로구현하면되기때문에이해하기가훨씬쉽니다.

신경망을만들때는〈기본블록〉을적당한반복을하는데‘적당한’은주로협업을진행해본사람만아는노하우입니다.적당한손실함수를선택하거나,적당한평가방법을고를때도마찬가지입니다.이책은그저코드를따라치는게아니라어떤관점에서문제를풀어나가야하는지실전경험을바탕으로설명해여러분이실전에서‘적당한’을알맞게선택할수있게돕습니다.참고로독자의시간을아낄수있도록소스코드뿐만아니라학습이끝난모델파일또한코랩으로제공합니다.따라서고성능컴퓨터가없어도예제를체험할수있습니다.

학습마무리에서는전체과정을되짚어보여주고,스스로익힌바를확인할수있게연습문제를제공합니다.이런식으로16가지신경망을모두학습하고나면,딥러닝알고리즘에대한이해뿐만아니라,파이토치코딩에대한지식과실무노하우도얻을수있게될겁니다.학습에도움이되길빕니다.

★왜파이토치프레임워크를사용해야할까요?
paperswithcode.com에따르면2022년3월현재파이토치는전세계논문에서가장많이사용하는딥러닝프레임워크입니다.파이토치는페이스북,마이크로소프트같은대형회사부터대학연구실까지많은사람이이용합니다.파이토치코드는파이썬본래의코드와유사해직관적이라는장점이있습니다.

★타깃독자
__파이썬을아는딥러닝입문자
__딥러닝을더잘활용하고싶은현업데이터엔지니어
__딥러닝전공학과학생

★이책의구성
이책은학습흐름을끊지않기위해개발환경부터설명한후,다음과같이총5단계에걸쳐딥러닝알고리즘을개발하는방법을공략해나갑니다.

_1단계:딥러닝입문하기
인공지능의배경지식과신경망을알아보고나서간단한신경망을만듭니다.이미배경지식을아는분은1장과2장을건너뛰어도되지만,가능하면다시돌아보는기회로삼기바랍니다.

_2단계:입문용신경망3총사CNN,ResNet,RNN
딥러닝에서가장흔하게사용되는알고리즘세가지를소개합니다.먼저이미지를처리하는가장기본적인신경망인VGG(CNN모델)를다룹니다.거기서조금더발전된형태인ResNet은최근에도사용될정도로성능이좋습니다.시간의흐름에따라순서가있는데이터를시계열데이터라고부르는데,시계열데이터를다루는기본알고리즘인RNN을마지막으로알아보겠습니다.

_3단계:딥러닝으로이미지처리하기
분류보다더복잡한이미지처리기술인이미지세그멘테이션,이미지디노이징,자동채색을알아보겠습니다.U-Net,오토인코더,Lettherebecolor를이용합니다.딥러닝을이용한이미지처리는이미지로부터얻은특징을어떻게사용하느냐가매우중요합니다.이미지의특징을처리하는방법도배워봅시다.

_4단계:딥러닝으로텍스트처리하기
실전에서등장하는시계열알고리즘을사용해조금더복잡한텍스트처리를배워보겠습니다.10장에서는RNN의발전형인LSTM을이용해‘글을쓰는인공지능’을,11장에서는어텐션기법을이용해기계번역기를만듭니다.12장에서는이미지로부터텍스트를추출하는알고리즘을알아봅니다.LSTM과어텐션은텍스트처리에서빠지지않고등장하는개념입니다.

_5단계:GAN으로생성모델만들기
그림이나음악을만드는등을입력으로주고새로운결과물을출력하는모델을생성모델이라고부르는데,가장기본은적대적생성신경망(GAN)입니다.사람얼굴을생성하는GAN,화질을개선하는GAN,데이터없이학습하는GAN을만들겠습니다.

_부록
본문에서다루지못한GPT,BERT,ViT
를알아보고,오차역전파를이용해실제로가중치가업데이트되는과정을알아봅니다.끝으로로컬에실습환경을구축하는방법을알아봅니다.