상세정보
미리보기
생활코딩 머신러닝 실습편 with 파이썬 텐서플로
- 저자
- 이숙번,이고잉 저
- 출판사
- 위키북스
- 출판일
- 2022-05-20
- 등록일
- 2022-07-04
- 파일포맷
- PDF
- 파일크기
- 20MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
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 책이다. 복잡한 원리와 수학을 몰라도, 휴대폰 사용법을 익히듯 쉽고 재미있게 딥러닝을 배울 수 있다. 구글의 딥러닝 라이브러리인 텐서플로(TensorFlow)를 활용해 간단한 형태의 딥러닝 모델을 작성한다. 실습은 무료로 사용할 수 있는 구글 코랩(Colaboratory)과 스프레드시트(Google Sheets)를 이용해 이뤄지므로 고성능 컴퓨터가 없어도 충분히 실습할 수 있다.
저자소개
일반 사람들에게 프로그래밍을 알려주는 무료 온라인, 오프라인 사이트 생활코딩(opentutorials.org) 운영자이다. EGOING은 프로그래밍과 글을 쓰는 것을 좋아한다. 개발자뿐만 아니라 수많은 문서를 관리해야 하는 모든 사람들이 깃과 깃허브를 사용할 수 있도록 ‘GIT1’ 등 150여 개의 강의 영상을 만들었다.
현재 일반인에게 프로그래밍을 알려주는 활동인 생활코딩과 이와 같은 활동을 할 수 있도록 도와주는 플랫폼인 OPENTUTORIALS.ORG를 친구들과 함께 만들어가고 있다. 블로그 EGOING.NET을 운영한다.
목차
[1부] 텐서플로 10101장: 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__정리04 실습 환경: 구글 코랩__구글 코랩 소개__코랩 실습 환경 준비__코랩 노트북 사용해보기__소스 코드02장: 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 __정리06장: 세 번째 딥러닝 - 붓꽃 품종 분류01 개요__붓꽃의 품종__붓꽃 데이터__코드02 원핫 인코딩__원핫 인코딩의 원리__데이터를 원핫 인코딩하는 코드__모델을 만드는 코드03 소프트맥스__정답을 확률 표현으로 예측__활성화 함수__크로스엔트로피__정확도__정리04 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 코드07장: 네 번째 딥러닝 - 멀티 레이어 인공 신경망 01 히든 레이어__인풋 레이어, 아웃풋 레이어, 히든 레이어__히든 레이어 추가하기__히든 레이어를 3개 사용한 모델02 히든 레이어 실습__보스턴 집값 예측__모델 구조 확인__붓꽃 품종 분류__전체 코드 08장: 데이터를 위한 팁01 데이터를 위한 팁__원핫 인코딩이 되지 않는 문제__NA 값 체크__전체 코드09장: 모델을 위한 팁01 모델을 위한 팁__보스턴 집값 예측에 배치 노멀라이제이션을 적용__분류 모델에 배치 노멀라이제이션을 적용__전체 코드10장: 1부 정리[2부] 텐서플로 102 11장: 오리엔테이션01 오리엔테이션__이미지 분류 문제12장: 데이터와 차원01 데이터와 차원__용어 지옥__‘차원’이라는 말의 두 가지 의미__표의 열 vs. 포함 관계 __정리13장: 이미지 데이터 이해01 이미지 데이터 구경하기__MNIST 이미지__CIFAR-10 이미지 __사진의 속성__샘플 이미지02 이미지 데이터 실습__라이브러리 사용__샘플 이미지셋 불러오기__화면 출력 __차원 확인__정리__전체 코드14장: 다섯 번째 딥러닝 1 - 플래튼 레이어를 활용한 이미지 학습01 플래튼__reshape__모델을 조금 더 살펴보기__코드 사용법02 플래튼 레이어를 활용한 이미지 학습 모델 실습__reshape를 사용한 모델 __Flatten 레이어를 사용한 모델__정리__전체 코드15장: 다섯 번째 딥러닝 2 - Conv2D 01 컨볼루션의 이해__숫자 이미지의 특징__컨볼루션 필터와 특징 맵__컨볼루션 레이어를 적용한 코드02 필터의 이해__딥러닝 모형으로 이해 03 컨볼루션 연산의 이해__컨볼루션 연산의 원리__실제 계산의 예04 Conv2D 실습__노트북 설정__라이브러리 사용__데이터 준비__모델 만들기__모델을 학습__모델을 이용__정답 확인__모델 확인__전체 코드16장: 다섯 번째 딥러닝 3 - MaxPool2D01 MaxPool2D__플래튼만을 이용한 모델__컨볼루션 레이어를 추가한 모델 __풀링 레이어를 사용한 모델__맥스 풀링의 원리02 MaxPool2D 실습__컨볼루션 레이어 모델__맥스 풀링 모델을 활용한 CNN 모델 완성__전체 코드17장: 다섯 번째 딥러닝 완성 - LeNet01 LeNet02 LeNet 실습__라이브러리 로딩__MNIST를 사용하는 LeNet 모델__LeNet으로 CIFAR-10을 학습__정리__전체 코드18장: 내 이미지 사용하기01 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 코드19장: 2부 정리차원특징 자동 추출기LeNet딥러닝의 정상축하합니다!
.png){kind=logo}
