케라스로 완성하는 인공 신경망 기본기
7가지 실전 예제와 노하우
$28.35
SKU
9791161756066
[Free shipping over $100]
Standard Shipping estimated by Fri 05/2 - Thu 05/8 (주문일로부 10-14 영업일)
Express Shipping estimated by Tue 04/29 - Thu 05/1 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2022/01/28 |
| Pages/Weight/Size | 188*235*16mm |
| ISBN | 9791161756066 |
| Categories | IT 모바일 > 프로그래밍 언어 |
Description
이 책은 파이썬, 텐서플로 그리고 케라스를 활용해 인공 신경망을 손쉽게 구성하는 과정을 보여준다. 서로 다른 7가지의 실전 프로젝트에서 상황에 적합한 인공 신경망(FNN, CNN, RNN, LSTM 등)을 구성해보고, 최적의 인공 신경망을 얻어내기 위한 노하우를 하나씩 살펴본다. 다양한 주제를 다루고 있지만 난이도는 높지 않으며, 간단한 구현 속에서 성능이 향상돼 가는 인공 신경망을 볼 수 있다. 인공 신경망을 처음으로 직접 구현하거나 자신의 문제에 어떻게 적용할지 막막해 하는 독자들에게 추천한다.
Contents
1부. 이론: 인공지능과 인공 신경망
1장. 인공지능의 분류
1.1 지도학습
1.2 비지도학습
1.3 강화학습
2장. 지도학습 구현 기법
2.1 선형 회귀
2.2 단계적 회귀
2.3 K-최근접 이웃
2.4 결정 트리
2.5 서포트 벡터 머신
3장. 인공 신경망의 구조와 연산
3.1 피드포워드 신경망
3.2 합성곱 신경망
3.3 순환 신경망
4장. 인공 신경망의 생성 과정과 응용
4.1 데이터 취득
4.2 인공 신경망의 생성, 학습, 검증
4.3 인공 신경망의 배포
2부. 실습: 케라스를 활용한 인공 신경망 구현
5장. 케라스 소개와 실습 준비
5.1 텐서플로와 케라스
5.2 인공지능 관련 파이썬 패키지
5.3 파이썬, 파이참, 케라스 설치
5.4 첫 인공 신경망 구현-집값 추정 회귀 문제
6장. 회귀 문제
6.1 피드포워드 신경망을 이용한 회귀-영구자석 전동기의 최고 효율 운전 조건
6.1.1 문제 배경과 인공 신경망의 필요성
6.1.2 데이터 불러오기와 전처리
6.1.3 신경망 구성, 훈련, 검증
6.1.4 배포-다른 환경에서 활용하기와 훈련된 모델의 모수 추출하기
6.2 모수 정규화와 과적합 방지-노이즈를 갖는 데이터 추정
6.3 연속된 신호의 추정과 출력 변수 가공-비선형 시스템 묘사
6.3.1 시스템 상태 추정의 의의
6.3.2 신경망을 이용한 비선형 시스템 묘사 모델 구현
7장. 분류 문제
7.1 합성곱 신경망의 활용-패션 이미지 분류
7.1.1 패션 이미지 데이터셋 소개
7.1.2 이미지 분류를 위한 인공 신경망 구현
7.2 순환 신경망의 활용-뉴스 분류
7.2.1 언어 처리를 위한 연산 기법
7.2.2 뉴스 분류를 위한 인공 신경망 구현
7.3 이상 진단 문제의 데이터 취득-전동기 인버터 고장 분류
7.3.1 문제 배경과 인공 신경망의 필요성
7.3.2 고장 분류 기법과 고장 데이터 취득
7.3.3 신경망 구성, 훈련, 검증
7.3.4 이상 데이터셋 취득과 진단에 관한 조언
부록 A
A1. 파이썬 패키지 사용 예제
A2. GPU의 메모리 사용량 제한하기
A3. 텐서플로 불러오기 오류 고치기
1장. 인공지능의 분류
1.1 지도학습
1.2 비지도학습
1.3 강화학습
2장. 지도학습 구현 기법
2.1 선형 회귀
2.2 단계적 회귀
2.3 K-최근접 이웃
2.4 결정 트리
2.5 서포트 벡터 머신
3장. 인공 신경망의 구조와 연산
3.1 피드포워드 신경망
3.2 합성곱 신경망
3.3 순환 신경망
4장. 인공 신경망의 생성 과정과 응용
4.1 데이터 취득
4.2 인공 신경망의 생성, 학습, 검증
4.3 인공 신경망의 배포
2부. 실습: 케라스를 활용한 인공 신경망 구현
5장. 케라스 소개와 실습 준비
5.1 텐서플로와 케라스
5.2 인공지능 관련 파이썬 패키지
5.3 파이썬, 파이참, 케라스 설치
5.4 첫 인공 신경망 구현-집값 추정 회귀 문제
6장. 회귀 문제
6.1 피드포워드 신경망을 이용한 회귀-영구자석 전동기의 최고 효율 운전 조건
6.1.1 문제 배경과 인공 신경망의 필요성
6.1.2 데이터 불러오기와 전처리
6.1.3 신경망 구성, 훈련, 검증
6.1.4 배포-다른 환경에서 활용하기와 훈련된 모델의 모수 추출하기
6.2 모수 정규화와 과적합 방지-노이즈를 갖는 데이터 추정
6.3 연속된 신호의 추정과 출력 변수 가공-비선형 시스템 묘사
6.3.1 시스템 상태 추정의 의의
6.3.2 신경망을 이용한 비선형 시스템 묘사 모델 구현
7장. 분류 문제
7.1 합성곱 신경망의 활용-패션 이미지 분류
7.1.1 패션 이미지 데이터셋 소개
7.1.2 이미지 분류를 위한 인공 신경망 구현
7.2 순환 신경망의 활용-뉴스 분류
7.2.1 언어 처리를 위한 연산 기법
7.2.2 뉴스 분류를 위한 인공 신경망 구현
7.3 이상 진단 문제의 데이터 취득-전동기 인버터 고장 분류
7.3.1 문제 배경과 인공 신경망의 필요성
7.3.2 고장 분류 기법과 고장 데이터 취득
7.3.3 신경망 구성, 훈련, 검증
7.3.4 이상 데이터셋 취득과 진단에 관한 조언
부록 A
A1. 파이썬 패키지 사용 예제
A2. GPU의 메모리 사용량 제한하기
A3. 텐서플로 불러오기 오류 고치기