헬로! 인공지능

생활코딩 머신러닝 with 파이썬 텐서플로(실습편)

Name: 생활코딩 머신러닝 with 파이썬 텐서플로(실습편)
Price: 24000 KRW
Availability: InStock
Author: 이숙번, 이고잉
ISBN: 9791158392994

지은이 이숙번, 이고잉

#머신러닝 #인공지능 #딥러닝 #CNN #알고리즘 #텐서플로 #파이썬

도서 정보

출간일: 2021년 12월 15일
쪽수: 320쪽
판형: 175*235*17mm
ISBN: 9791158392994
시리즈: 헬로! 인공지능 시리즈_003
정가: 24,000원
난이도: 입문 초급 중급 고급

구입처

YES24 ↗ 교보문고 ↗ 인터파크 ↗ 알라딘 ↗

ERR 오탈자 등록

도서 소개

저자 소개

정오표

도서 소개

너무 어려워서 높은 벽처럼 느껴졌던 ‘딥러닝(deep learning)’, 이 책과 함께라면 쉽게 시작할 수 있습니다!

《생활코딩 머신러닝 실습편 with 파이썬 텐서플로》는 초등학생부터 어르신까지, 딥러닝이 궁금하고 직접 코딩해보고 싶은 모든 분을 위한 책입니다. 복잡한 원리와 수학을 몰라도, 휴대폰 사용법을 익히듯 쉽고 재미있게 딥러닝을 배울 수 있습니다.

구글의 딥러닝 라이브러리인 텐서플로(TensorFlow)를 활용해 간단한 형태의 딥러닝 모델을 작성합니다. 실습은 무료로 사용할 수 있는 구글 코랩(Colaboratory)과 스프레드시트(Google Sheets)를 이용해 이뤄지므로 고성능 컴퓨터가 없어도 충분히 실습할 수 있습니다.

★ 이 책에서 배우는 내용 ★

지도학습(supervised learning)이 이루어지는 과정
구글 코랩에서 파이썬으로 딥러닝 코드를 작성하는 방법
판다스(Pandas)를 활용해 표 형태의 데이터를 다루는 법
텐서플로(TensorFlow)를 활용한 레모네이드 판매 예측, 보스턴 집값 예측, 붓꽃(iris) 품종 분류 실습
CNN의 원리와 사용법
딥러닝을 활용한 손글씨 이미지(MNIST)와 사물의 이미지(CIFAR-10) 분류

도서 상세 이미지

저자 소개

이숙번

프로그래밍하는 것과 프로그래밍 지식을 강의하는 것을 좋아해서 개발자와 강사를 병행하고 있습니다. 현재 주 3일은 (주)에누마에서 백엔드 개발을 담당하고 있고, 그 외의 시간에는 머신러닝과 프로그래밍 분야 강의 및 비영리단체 오픈튜토리얼스의 멤버로 활동하고 있습니다.

이고잉

생활코딩 운영자

오픈튜토리얼스 운영진

소프트웨어 엔지니어

[1부] 텐서플로 101
- ▣ 01장: 도입
  - 01 오리엔테이션
    - 선수 지식
    - 머신러닝
    - 머신러닝 알고리즘
    - 딥러닝 라이브러리
    - 정리
  - 02 목표와 전략
    - 딥러닝 입문 강의의 높은 벽
    - 새로운 배움 전략
  - 03 지도학습의 빅 픽처
    - #1 과거의 데이터를 준비합니다
    - #2 모델의 구조를 만듭니다
    - #3 데이터로 모델을 학습합니다
    - #4 모델을 이용합니다
    - 정리
  - 04 실습 환경: 구글 코랩
    - 구글 코랩 소개
    - 코랩 실습 환경 준비
    - 코랩 노트북 사용해보기
    - 소스 코드
- ▣ 02장: 표를 다루는 도구 ‘판다스’
  - 01 판다스
    - ‘변수’의 의미
    - 판다스
    - 실습 데이터
  - 02 판다스 실습
    - 실습 코드와 데이터
    - 판다스 라이브러리를 임포트
    - 파일로부터 데이터 읽어오기
    - 데이터 모양 확인하기
    - 데이터 칼럼 이름 확인
    - 독립변수와 종속변수 분리
    - 각각의 데이터 확인해보기
    - 전체 코드
- ▣ 03장: 첫 번째 딥러닝 - 레모네이드 판매 예측
  - 01 머신러닝 모델을 만드는 과정
    - 머신러닝의 흐름
    - 머신러닝 코드 훑어보기
    - 머신러닝의 흐름과 코드를 함께 살펴보기
    - 정리
  - 02 손실의 의미
    - fit 함수의 실행 결과
    - 손실을 계산하는 원리
    - 학습을 반복하며 손실이 줄어듦을 확인
  - 03 레모네이드 판매 예측 실습
    - 라이브러리 사용
    - 데이터를 준비
    - 모델 만들기
    - 학습
    - 모델을 이용하기
    - 전체 코드
- ▣ 04장: 두 번째 딥러닝 - 보스턴 집값 예측
  - 01 보스턴 집값 예측
    - 보스턴 주택 가격
    - 중앙값
    - 각 열의 의미
  - 02 수식과 퍼셉트론
    - 모델을 구성하는 코드
    - 퍼셉트론, 가중치, 편향의 의미
    - 데이터의 독립변수가 12개, 종속변수가 2개일 때의 모델
  - 03 보스턴 집값 예측 실습
    - 라이브러리 사용
    - 과거의 데이터를 준비
    - 모델의 구조 만들기
    - 모델을 학습
    - 모델을 이용
    - 모델의 수식 확인
    - 전체 코드
- ▣ 05장: 학습의 실제
  - 01 학습의 실제
    - 딥러닝 워크북
    - 실습 준비
    - 워크북 이용 방법
    - 초기화
    - 첫 번째 히스토리
    - 두 번째 히스토리
    - 세 번째 히스토리
    - 정리
- ▣ 06장: 세 번째 딥러닝 - 붓꽃 품종 분류
  - 01 개요
    - 붓꽃의 품종
    - 붓꽃 데이터
    - 코드
  - 02 원핫 인코딩
    - 원핫 인코딩의 원리
    - 데이터를 원핫 인코딩하는 코드
    - 모델을 만드는 코드
  - 03 소프트맥스
    - 정답을 확률 표현으로 예측
    - 활성화 함수
    - 크로스엔트로피
    - 정확도
    - 정리
  - 04 붓꽃 품종 분류 실습
    - 라이브러리 임포트
    - 과거의 데이터를 준비
    - 원핫 인코딩
    - 칼럼 이름 출력
    - 종속변수, 독립변수
    - 모델의 구조 만들기
    - 데이터로 모델을 학습
    - 모델을 이용
    - 학습한 가중치
    - 정리
    - 전체 코드
- ▣ 07장: 네 번째 딥러닝 - 멀티 레이어 인공 신경망
  - 01 히든 레이어
    - 인풋 레이어, 아웃풋 레이어, 히든 레이어
    - 히든 레이어 추가하기
    - 히든 레이어를 3개 사용한 모델
  - 02 히든 레이어 실습
    - 보스턴 집값 예측
    - 모델 구조 확인
    - 붓꽃 품종 분류
    - 전체 코드
- ▣ 08장: 데이터를 위한 팁
  - 01 데이터를 위한 팁
    - 원핫 인코딩이 되지 않는 문제
    - NA 값 체크
    - 전체 코드
- ▣ 09장: 모델을 위한 팁
  - 01 모델을 위한 팁
    - 보스턴 집값 예측에 배치 노멀라이제이션을 적용
    - 분류 모델에 배치 노멀라이제이션을 적용
    - 전체 코드
- ▣ 10장: 1부 정리
[2부] 텐서플로 102
- ▣ 11장: 오리엔테이션
  - 01 오리엔테이션
    - 이미지 분류 문제
- ▣ 12장: 데이터와 차원
  - 01 데이터와 차원
    - 용어 지옥
    - ‘차원’이라는 말의 두 가지 의미
    - 표의 열 vs. 포함 관계
    - 정리
- ▣ 13장: 이미지 데이터 이해
  - 01 이미지 데이터 구경하기
    - MNIST 이미지
    - CIFAR-10 이미지
    - 사진의 속성
    - 샘플 이미지
  - 02 이미지 데이터 실습
    - 라이브러리 사용
    - 샘플 이미지셋 불러오기
    - 화면 출력
    - 차원 확인
    - 정리
    - 전체 코드
- ▣ 14장: 다섯 번째 딥러닝 1 - 플래튼 레이어를 활용한 이미지 학습
  - 01 플래튼
    - reshape
    - 모델을 조금 더 살펴보기
    - 코드 사용법
  - 02 플래튼 레이어를 활용한 이미지 학습 모델 실습
    - reshape를 사용한 모델
    - Flatten 레이어를 사용한 모델
    - 정리
    - 전체 코드
- ▣ 15장: 다섯 번째 딥러닝 2 - Conv2D
  - 01 컨볼루션의 이해
    - 숫자 이미지의 특징
    - 컨볼루션 필터와 특징 맵
    - 컨볼루션 레이어를 적용한 코드
  - 02 필터의 이해
    - 딥러닝 모형으로 이해
  - 03 컨볼루션 연산의 이해
    - 컨볼루션 연산의 원리
    - 실제 계산의 예
  - 04 Conv2D 실습
    - 노트북 설정
    - 라이브러리 사용
    - 데이터 준비
    - 모델 만들기
    - 모델을 학습
    - 모델을 이용
    - 정답 확인
    - 모델 확인
    - 전체 코드
- ▣ 16장: 다섯 번째 딥러닝 3 - MaxPool2D
  - 01 MaxPool2D
    - 플래튼만을 이용한 모델
    - 컨볼루션 레이어를 추가한 모델
    - 풀링 레이어를 사용한 모델
    - 맥스 풀링의 원리
  - 02 MaxPool2D 실습
    - 컨볼루션 레이어 모델
    - 맥스 풀링 모델을 활용한 CNN 모델 완성
    - 전체 코드
- ▣ 17장: 다섯 번째 딥러닝 완성 - LeNet
  - 01 LeNet
  - 02 LeNet 실습
    - 라이브러리 로딩
    - MNIST를 사용하는 LeNet 모델
    - LeNet으로 CIFAR-10을 학습
    - 정리
    - 전체 코드
- ▣ 18장: 내 이미지 사용하기
  - 01 내 이미지 사용하기
    - notMNIST 이미지셋
    - 이미지 데이터를 읽어들이기
  - 02 내 이미지 사용하기 실습
    - 이미지 데이터셋을 읽어 들이기
    - 독립변수와 종속변수를 변형
    - 모델 학습
    - 보충 설명
    - 전체 코드
- ▣ 19장: 2부 정리
  - 차원
  - 특징 자동 추출기
  - LeNet
  - 딥러닝의 정상
  - 축하합니다!

정오표

96쪽, 본문 첫 번째 줄

Step 5-1. B 값을 0.001을 더한 값으로 고쳐주고 dLoss / dt의 값을 관찰한다.

==>

Step 5-1. B 값을 0.0001을 더한 값으로 고쳐주고 dLoss / dt의 값을 관찰한다.