Do it! 정직하게 코딩하며 배우는 딥러닝 입문 박해선 pdf 다운로드를 무료로 제공합니다 이 책은 어설픈 지름길을 담지 않았다. 공부는 했는데 남는 게 없으면 안 되니까! 실무에서 제대로 알고 써야 하니까! 국내 6명뿐인 구글 인증 머신러닝 전문가
관련 교재 pdf 모음
책 소개
딥러닝은 복잡한 데이터 속에 있는 현실 문제를 해결하기 위한 기술이다. 그래서 실제 문제를 해결하는 과정을 꼭 경험해 보아야 한다. 이 책은 당뇨병 환자, 위스콘신 유방암, MNIST 패션 이미지, 영화 리뷰 데이터를 가지고 수치 예측, 이진 분류, 다중 분류, 텍스트 분류 문제를 해결한다. 대부분의 딥러닝 문제는 이런 문제의 개념을 확장하여 사용하고 있으므로 이 책에서 다루는 대표 문제 4가지만 알면 실무에서 마주치게 될 문제들도 충분히 해결할 수 있을 것이다. 실습 환경 준비에 힘 빼지 말고 바로 시작하자! 딥러닝은 컴퓨터 준비부터 소프트웨어 설치, 파이썬 패키지 설치 등 실습을 위해 준비해야 할 것이 많다. 그러나 《Do it! 딥러닝 입문》은 실습 준비 과정이 단순하다. 구글에서 제공하는 코랩으로 실습을 진행하여 1분 만에 딥러닝 공부를 시작할 수 있도록 만들어 준다. 코랩은 웹 브라우저에서 실행할 수 있는 구글의 주피터 노트북으로, 딥러닝 학습에 필요한 패키지가 모두 설치되어 있는 훌륭한 파이썬 편집기이다. 코랩에서 작성한 모든 실습 코드는 구글의 클라우드 컴퓨터에서 실행되고 구글 드라이브에 자동으로 저장된다. 이것저것 준비하느라 고생할 필요 없이 웹 브라우저에 접속하여 1분 만에 딥러닝을 시작해 보자. 딥러닝에 왕도는 없지만 정도는 있다! 어렵다고 피하지 않고 정직하게 공부하는 딥러닝 입문서! 딥러닝은 개념과 수식은 물론 코딩까지 삼박자가 맞아야 하는 원래 어려운 기술이다. 특히 수식은 입문자에게 가장 큰 걸림돌이다. 이 수렁에서 헤어 나오는 사람이 많지 않다. 그래서 몇몇 책들은 독자를 배려한다는 이유로 수식을 간략하게 소개하거나 아예 생략하는 방법을 선택한다. 하지만 이 책의 저자는 이 부분을 위해 공을 들였다. 수식은 딥러닝 코드의 기반이므로 모래 위에 집을 지을 수 없다는 게 그 이유다. 그렇다. 딥러닝에 왕도(王道)는 없지만 정도(正道)는 있다. 딥러닝을 제대로 공부하는 방법은 높은 산에 오르는 방법과 같다. 그냥 한 걸음씩 정직하게 내딛으면 된다. 그렇지만 아무렇게나 발을 내디딜 수는 없는 법. 정상을 향해 한 발씩 내딛으며 집중해야 할 3가지 요소 개념, 수식, 실습은 확실하게 챙긴다. 이 책을 초보 인공지능 개발자의 첫 번째 딥러닝 교과서로 추천한다.
Do it! 정직하게 코딩 딥러닝 입문
01 딥러닝을 소개합니다
__01-1 인공지능을 소개합니다
__01-2 머신러닝을 소개합니다
__01-3 딥러닝을 소개합니다
01장에서 꼭 기억해야 할 내용
02 최소한의 도구로 딥러닝을 시작합니다
__02-1 구글 코랩을 소개합니다
__02-2 딥러닝을 위한 도구들을 알아봅니다
02장에서 꼭 기억해야 할 내용
03 머신러닝의 기초를 다집니다 – 수치 예측
__03-1 선형 회귀에 대해 알아보고 데이터를 준비합니다
__03-2 경사 하강법으로 학습하는 방법을 알아봅니다
__03-3 손실 함수와 경사 하강법의 관계를 알아봅니다
__03-4 선형 회귀를 위한 뉴런을 만듭니다
03장에서 꼭 기억해야 할 내용
04 분류하는 뉴런을 만듭니다 – 이진 분류
__04-1 초기 인공지능 알고리즘과 로지스틱 회귀를 알아봅니다
__04-2 시그모이드 함수로 확률을 만듭니다
__04-3 로지스틱 손실 함수를 경사 하강법에 적용합니다
__04-4 분류용 데이터 세트를 준비합니다
__04-5 로지스틱 회귀를 위한 뉴런을 만듭니다
__04-6 로지스틱 회귀 뉴런으로 단일층 신경망을 만듭니다
__04-7 사이킷런으로 로지스틱 회귀를 수행합니다
04장에서 꼭 기억해야 할 내용
05 훈련 노하우를 배웁니다
__05-1 검증 세트를 나누고 전처리 과정을 배웁니다
__05-2 과대적합과 과소적합을 알아봅니다
__05-3 규제 방법을 배우고 단일층 신경망에 적용합니다
__05-4 교차 검증을 알아보고 사이킷런으로 수행해 봅니다
05장에서 꼭 기억해야 할 내용
06 2개의 층을 연결합니다 – 다층 신경망
__06-1 신경망 알고리즘을 벡터화하여 한 번에 전체 샘플을 사용합니다
__06-2 2개의 층을 가진 신경망을 구현합니다
__06-3 미니 배치를 사용하여 모델을 훈련합니다
06장에서 꼭 기억해야 할 내용
07 여러 개를 분류합니다 – 다중 분류
__07-1 여러 개의 이미지를 분류하는 다층 신경망을 만듭니다.
__07-2 텐서플로와 케라스를 사용하여 신경망을 만듭니다
07장에서 꼭 기억해야 할 내용
08 이미지를 분류합니다 – 합성곱 신경망
__08-1 합성곱 연산에 대해 알아봅니다
__08-2 풀링 연산에 대해 알아봅니다
__08-3 합성곱 신경망의 구조를 알아봅니다
__08-4 합성곱 신경망을 만들고 훈련합니다
__08-5 케라스로 합성곱 신경망을 만듭니다
08장에서 꼭 기억해야 할 내용
09 텍스트를 분류합니다 – 순환 신경망
__09-1 순차 데이터와 순환 신경망을 배웁니다
__09-2 순환 신경망을 만들고 텍스트를 분류합니다
__09-3 텐서플로로 순환 신경망을 만듭니다
__09-4 LSTM 순환 신경망을 만들고 텍스트를 분류합니다
09장에서 꼭 기억해야 할 내용