- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
C++로 배우는 딥러닝 신경망의 기초부터 C++를 이용한 구현까지
- 후지타 타케시 저
- 김성훈 역
- 성안당
- 2018년 06월 29일
-
정가23,000원
-
판매가20,700원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금1,150원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2026년 02월 05일(목)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9788931555660
272쪽
182 x 235 (㎜)
지금 이책은
- 판매지수 : 391
- 주간 컴퓨터/IT: 83위
이 분야의 베스트셀러
-
이것이 취업을 위한 코딩 테스트다 with 파이썬
나동빈
30,600원
-
지니어스키트로 배우는 마이크로비트
아이씨뱅큐
18,000원
-
Do it! 점프 투 파이썬 [개정판]
박응용
16,920원
이 책과 함께 구매한 책
-
그로스 해킹 Growth Hacking 라이언 홀리데이 12,420원
-
당신에겐 집이 필요하다 렘군 14,400원
-
파이썬 라이브러리를 활용한 머신러닝 안드레아스 뮐러, 세라 가이도 27,000원
-
유니티를 이용한 VR 앱 개발 코노 노부히로, 마츠시마 히로키, 오오시마 타케나오 28,800원
-
컴퓨터 비전과 딥러닝 라쟈링가파 샨무갸마니 27,000원
책 소개
출판사 리뷰
신경망의 기본부터 합성곱 신경망(CNN), 재귀형 신경망(RNN)까지 총 망라!
신경망의 기초부터 C++를 이용한 구현까지
C++로 배우는 딥러닝
요즘 생활어가 된 인공지능을 구현하기 위해서는 머신러닝, 좀 더 세부적으로는 딥러닝으로 범위를 좁혀서 딥러닝의 기초가 되는 신경망을 공부해야 한다. 집안에서 “기가지니, TV 좀 켜줘!”하고 인공지능 스피커에서 말하면 TV를 켜주거나 꺼주기도 하지만 아직은 친구처럼 느껴질 정도로 진화된 단계는 아니다. 익사이트 주식회사(www.excite.co.jp)의 기술 전략실 이사로 머신러닝 기반 제품 개발에 종사 중인 저자 후지타 타케시는 이러한 딥러닝에 대한 갈증을 이 책을 통해 확실하게 풀어 준다.
저자는 “딥러닝의 기초가 되는 신경망(뉴럴 네트워크)은 뇌신경 세포의 전기적인 행동에서 영감을 얻어 단순화한 구조를 컴퓨터로 재현 가능한 알고리즘으로 정의한 것”으로, “최근에는 딥러닝 전용 프레임워크가 개발되어 구글 사의 텐서플로(TensorFlow)를 비롯, UC버클리의 카페(Caffe), 몬트리올 대학의 테아노(Theano), 프리퍼드네트웍 사의 체이너(Chainer) 등 문턱이 낮아져 일반 사용자도 딥러닝을 이용한 서비스 구축이 가능하다”고 말한다. 저자는 활용을 위해서는 기초 이론을 학습해야 한다고 강조하며 이 책의 독자를 딥러닝의 기초를 학습하려는 입문자와 소프트웨어 엔지니어로 규정한다. 역자인 김성훈 씨에 따르면 이 책에서는 CUDA(Compute Unified Device Architecture) 커널을 바탕으로 고속화된 행렬 라이브러리, 활성화 함수, 손실 함수 등 C++로 딥러닝을 하는 이들에게 필요한 다양한 예제가 마련되어 있으며 실제 예제 구현을 위해서는 엔비디어의 GPU를 탑재한 그래픽 카드가 필요하다.
이 책은 1장에서는 신경망 구축에 필요한 최소한의 C++ 프로그래밍 지식을, 2장에서는 병렬 프로그래밍의 중요성과 그에 관한 지식과 행렬 연산을 설명한 뒤 3장 이후부터 신경망에 관한 깊이 있는 내용으로 이어지고 있다. 또 3장에서는 퍼셉트론이라는 신경망의 최소 단위가 되는 유닛과 퍼셉트론을 중첩한 신경망의 기본형인 다층 퍼셉트론(MLP)를 설명한다. 4장에서는 신경망의 매개변수 학습법인 오차역전파법을, 5장에서는 다층 퍼셉트론을 이용해 손글씨 숫자 이미지를 인식해 본다. 6장에서는 머신러닝 전반에서 발생하는 오버피팅(Overfitting, 과적합)을 신경망에서 억제하는 방법을, 7장에서는 딥러닝이 주목받는 계기가 된 기술 중 하나인 오토인코더(Autoencoder)를, 8장에서는 현재 딥러닝의 대표 주자로 불리는 합성곱 신경망(CNN)을, 9장에서는 재귀형 신경망으로 불리는 자기 출력을 입력으로 하는 재귀 구조로 된 신경망을 이용해 자연 언어 처리에 응용하는 예를 소개한다.
이 책 한 권이면 딥러닝의 기본 개념에 대한 설명과 이론에 대한 골격이 잡히면서 C++로 코딩을 해보면서 딥러닝 서비스 개발에 대한 자신감까지 덤으로 얻을 수 있을 것이다.
저자 소개
- 구분 : 저서
- 국적 : 일본
- 분류 : 과학/공학 저자
- 인기지수 : 17
익사이트 주식회사 전략실 실장. Excite Media Service PH Inc. 이사.
머신러닝을 기반으로 한 제품 개발에 종사하고, 콘텐츠 추천 엔진 위스티리어(Wisteria) 등 자사 서비스의 개발 지 휘를 맡고 있다. 2000년 익사이트 주식회사에 입사한 후 웹 검색 엔진 개발과 운영에 참여했고, 인프라 책임자 및 응용 프로그램 개발 책임자로 활약했다. 2008년 웹사이트 개발, 모바일 애플리케이션 및 게임을 개발·운영하는 회사를 설립한 바 있다. 2013년에는 빅데이터 분석을 중심으로 하는 신생 기업에 합류해, 소셜 미디어 상의 데이터 분석 및 주가 분석 등을 담당했다. 2015년 이후, 익사이트 주식회사로 돌아와 현직에 이른다.
역자 소개
- 국적 : 대한민국
- 분류 : 과학/공학 저자 , 대학교재 저자 , 기타
- 인기지수 : 375
첫 직장에서 과외 업무로 두꺼운 매뉴얼을 1년에 걸쳐 번역한 것을 시작으로, 지금은 IT 서적을 주로 번역하는 전문 번역가로 활동 중이다. 번역서로는 『C가 보이는 그림책』 『프로그램이 보이는 그림책』 등의 그림책 시리즈, 『게임 프로그래밍의 정석』 『Objective-C 프로그래밍』 『구글을 지탱하는 기술』 『소프트웨어 설계 테크닉』 『UML 모델링의 본질』 등이 있다.
책 속에서
목차
Chapter 01 딥러닝 개론
1-1 딥러닝
1-1-1 딥러닝이란
1-1-2 딥러닝의 배경
1-1-3 딥러닝이 할 수 있는 일
1-1-4 딥러닝의 응용 예
1-1-5 이 책이 대상으로 하는 독자
1-1-6 이 책의 구성
1-1-7 이 책에서 제공하는 소스 코드에 대해서
1-2 학습에 필요한 C++ 언어의 기능
1-2-1 포인터
1-2-2 공유 포인터
1-2-3 vector
1-2-4 map
1-2-5 리스트 구조
1-2-6 트리 구조
Chapter 02 신경망을 위한 행렬 연산과 병렬 프로그래밍
2-1 GPU 활용하기
2-1-1 병렬 프로그래밍의 중요성
2-1-2 GPU와 딥러닝
2-2-3 GPU 이용하기
2-2 CUDA 프로그래밍
2-2-1 CUDA 커널
2-2-2 스레드 구성
2-2-3 CPU 메모리와 GPU 메모리
2-3 행렬 연산
2-3-1 행렬 연산의 프레임워크화
2-3-2 cuBLAS
2-3-3 행렬사칙연산 이외의 예
2-3-4 연산자 정의
Chapter 03 신경망
3-1 단순 퍼셉트론
3-1-1 단순 퍼셉트론 모델
3-1-2 단순 퍼셉트론이 할 수 있는 일
3-1-3 단순 퍼셉트론의 학습 과정
3-2 다층 퍼셉트론
3-2-1 다층 퍼셉트론 모델
3-2-2 활성화 함수
3-2-3 회귀 문제에서 다층 퍼셉트론 학습
3-2-4 분류 문제에서 다층 퍼셉트론 학습
3-3 신경망의 매개변수 추정
3-3-1 확률적 경사 하강법(Stochastic Gradient Descent, SGD)
3-3-2 미니배치(mini-batch)
3-3-3 가중치 초기화
Chapter 04 오차역전파
4-1 순방향 계산
4-1-1 계산 그래프
4-1-2 미니배치 행렬 표현
4-2 미분의 연쇄법칙
4-2-1 합성함수의 미분
4-2-2 미분의 연쇄법칙
4-2-3 다층 신경망에서의 각 매개변수 미분
4-2-4 연쇄법칙의 시각적 표현
4-3 기울기 소실 문제
4-3-1 기울기 소실 문제란?
4-3-2 기울기 소실 문제에 관한 대처
Chapter 05 C++를 이용한 신경망 구현
5-1 역방향 자동 미분 구현
5-1-1 변수
5-1-2 함수의 기반 클래스
5-1-3 활성화 함수의 정의
5-1-4 선형함수의 정의
5-1-5 교차 엔트로피 오차함수
5-1-6 역전파
5-2 함수 래퍼
5-3 모델
5-3-1 모델의 정의
5-3-2 모델의 저장과 복원
5-4 옵티마이저
5-4-1 옵티마이저의 기반 클래스.
5-4-2 옵티마이저의 예
5-5 MNIST를 예로 든 학습과 평가
5-5-1 MNIST 데이터 셋 구하기
5-5-2 MNIST 데이터 형식
5-5-3 분류 모델
5-6 Iris를 예로 한 학습과 평가
5-6-1 Iris의 데이터 형식
5-6-2 분류 모델
Chapter 06 학습 최적화와 오버피팅
6-1 학습 최적화
6-1-1 모멘텀 SGD
6-1-2 NAG
6-1-3 AdaGrad
6-1-4 RMSprop
6-1-5 AdaDelta
6-1-6 Adam
6-1-7 Adam의 구현
6-2 오버피팅 대책
6-2-1 정규화
6-2-2 드롭아웃
6-2-3 드롭아웃 구현
6-2-4 배치 정규화
6-2-5 배치 정규화 구현
Chapter 07 사전 학습
7-1 오토인코더와 사전 학습
7-1-1 오토인코더
7-1-2 희소 오토인코더(sparse autoencoder)
7-1-3 은닉층의 가중치
7-1-4 디노이징 오토인코더
7-1-5 사전 학습
7-2 오토인코더 구현
7-2-1 은닉층
7-2-2 은닉층의 래퍼
7-2-3 오토인코더 구축과 학습
Chapter 08 합성곱 신경망
8-1 합성곱
8-1-1 이미지
8-1-2 이미지 필터
8-1-3 패딩
8-1-4 풀링
8-2 합성곱층
8-2-1 합성곱층 계산
8-2-2 합성곱층 계산 연구.
8-2-3 필터 계수 초기화
8-2-4 합성곱층 구현
8-2-5 풀링층 구현
8-2-6 전결합층
8-3 CIFAR-10을 사용한 이미지 인식
8-3-1 CIFAR-10의 라벨
8-3-2 파일 형식
8-3-3 분류 모델
Chapter 09 재귀형 신경망
9-1 폭넓게 응용할 수 있는 재귀형 신경망
9-1-1 재귀형 신경망 모델
9-1-2 재귀형 신경망의 역전파
9-1-3 역전파 세부 사항
9-2 재귀형 신경망의 문제점과 해결책
9-2-1 LSTM
9-2-2 LSTM의 오차역전파
9-2-3 LSTM 구현
9-2-4 GRU
9-2-5 GRU의 구현
9-2-6 잘린 BPTT(Truncated BPTT)
9-2-7 숫자 기억하기
9-2-8 사인파 재현
9-3 단어의 벡터 표현
9-3-1 벡터 표현
9-3-2 벡터 표현의 구현
9-4 번역 모델·어텐션 모델
9-4-1 인코더·디코더 모델
9-4-2 패딩
9-4-3 어텐션 모델
9-5 자동 번역 구현
9-5-1 번역 코퍼스
9-5-2 인코더·디코더 모델을 사용한 네트워크 훈련.
9-5-3 인코더·디코더 모델을 사용한 번역(추정)
9-5-4 실행 결과의 고찰
참고 문헌
INDEX
1-1 딥러닝
1-1-1 딥러닝이란
1-1-2 딥러닝의 배경
1-1-3 딥러닝이 할 수 있는 일
1-1-4 딥러닝의 응용 예
1-1-5 이 책이 대상으로 하는 독자
1-1-6 이 책의 구성
1-1-7 이 책에서 제공하는 소스 코드에 대해서
1-2 학습에 필요한 C++ 언어의 기능
1-2-1 포인터
1-2-2 공유 포인터
1-2-3 vector
1-2-4 map
1-2-5 리스트 구조
1-2-6 트리 구조
Chapter 02 신경망을 위한 행렬 연산과 병렬 프로그래밍
2-1 GPU 활용하기
2-1-1 병렬 프로그래밍의 중요성
2-1-2 GPU와 딥러닝
2-2-3 GPU 이용하기
2-2 CUDA 프로그래밍
2-2-1 CUDA 커널
2-2-2 스레드 구성
2-2-3 CPU 메모리와 GPU 메모리
2-3 행렬 연산
2-3-1 행렬 연산의 프레임워크화
2-3-2 cuBLAS
2-3-3 행렬사칙연산 이외의 예
2-3-4 연산자 정의
Chapter 03 신경망
3-1 단순 퍼셉트론
3-1-1 단순 퍼셉트론 모델
3-1-2 단순 퍼셉트론이 할 수 있는 일
3-1-3 단순 퍼셉트론의 학습 과정
3-2 다층 퍼셉트론
3-2-1 다층 퍼셉트론 모델
3-2-2 활성화 함수
3-2-3 회귀 문제에서 다층 퍼셉트론 학습
3-2-4 분류 문제에서 다층 퍼셉트론 학습
3-3 신경망의 매개변수 추정
3-3-1 확률적 경사 하강법(Stochastic Gradient Descent, SGD)
3-3-2 미니배치(mini-batch)
3-3-3 가중치 초기화
Chapter 04 오차역전파
4-1 순방향 계산
4-1-1 계산 그래프
4-1-2 미니배치 행렬 표현
4-2 미분의 연쇄법칙
4-2-1 합성함수의 미분
4-2-2 미분의 연쇄법칙
4-2-3 다층 신경망에서의 각 매개변수 미분
4-2-4 연쇄법칙의 시각적 표현
4-3 기울기 소실 문제
4-3-1 기울기 소실 문제란?
4-3-2 기울기 소실 문제에 관한 대처
Chapter 05 C++를 이용한 신경망 구현
5-1 역방향 자동 미분 구현
5-1-1 변수
5-1-2 함수의 기반 클래스
5-1-3 활성화 함수의 정의
5-1-4 선형함수의 정의
5-1-5 교차 엔트로피 오차함수
5-1-6 역전파
5-2 함수 래퍼
5-3 모델
5-3-1 모델의 정의
5-3-2 모델의 저장과 복원
5-4 옵티마이저
5-4-1 옵티마이저의 기반 클래스.
5-4-2 옵티마이저의 예
5-5 MNIST를 예로 든 학습과 평가
5-5-1 MNIST 데이터 셋 구하기
5-5-2 MNIST 데이터 형식
5-5-3 분류 모델
5-6 Iris를 예로 한 학습과 평가
5-6-1 Iris의 데이터 형식
5-6-2 분류 모델
Chapter 06 학습 최적화와 오버피팅
6-1 학습 최적화
6-1-1 모멘텀 SGD
6-1-2 NAG
6-1-3 AdaGrad
6-1-4 RMSprop
6-1-5 AdaDelta
6-1-6 Adam
6-1-7 Adam의 구현
6-2 오버피팅 대책
6-2-1 정규화
6-2-2 드롭아웃
6-2-3 드롭아웃 구현
6-2-4 배치 정규화
6-2-5 배치 정규화 구현
Chapter 07 사전 학습
7-1 오토인코더와 사전 학습
7-1-1 오토인코더
7-1-2 희소 오토인코더(sparse autoencoder)
7-1-3 은닉층의 가중치
7-1-4 디노이징 오토인코더
7-1-5 사전 학습
7-2 오토인코더 구현
7-2-1 은닉층
7-2-2 은닉층의 래퍼
7-2-3 오토인코더 구축과 학습
Chapter 08 합성곱 신경망
8-1 합성곱
8-1-1 이미지
8-1-2 이미지 필터
8-1-3 패딩
8-1-4 풀링
8-2 합성곱층
8-2-1 합성곱층 계산
8-2-2 합성곱층 계산 연구.
8-2-3 필터 계수 초기화
8-2-4 합성곱층 구현
8-2-5 풀링층 구현
8-2-6 전결합층
8-3 CIFAR-10을 사용한 이미지 인식
8-3-1 CIFAR-10의 라벨
8-3-2 파일 형식
8-3-3 분류 모델
Chapter 09 재귀형 신경망
9-1 폭넓게 응용할 수 있는 재귀형 신경망
9-1-1 재귀형 신경망 모델
9-1-2 재귀형 신경망의 역전파
9-1-3 역전파 세부 사항
9-2 재귀형 신경망의 문제점과 해결책
9-2-1 LSTM
9-2-2 LSTM의 오차역전파
9-2-3 LSTM 구현
9-2-4 GRU
9-2-5 GRU의 구현
9-2-6 잘린 BPTT(Truncated BPTT)
9-2-7 숫자 기억하기
9-2-8 사인파 재현
9-3 단어의 벡터 표현
9-3-1 벡터 표현
9-3-2 벡터 표현의 구현
9-4 번역 모델·어텐션 모델
9-4-1 인코더·디코더 모델
9-4-2 패딩
9-4-3 어텐션 모델
9-5 자동 번역 구현
9-5-1 번역 코퍼스
9-5-2 인코더·디코더 모델을 사용한 네트워크 훈련.
9-5-3 인코더·디코더 모델을 사용한 번역(추정)
9-5-4 실행 결과의 고찰
참고 문헌
INDEX
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
