생활코딩 머신러닝 with 파이썬 텐서플로(실습편)

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

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!
  • 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.

[동영상 강좌]