- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
초보자를 위한 신경망 딥러닝 입문 수식 없이, 코딩 없이 드래그 앤드 드롭으로 배우는 딥러닝
시리즈 : 위키북스 데이터 사이언스 시리즈 [23]
- 아다치 하루카 저
- 김은철, 유세라 역
- 위키북스
- 2018년 09월 05일
-
정가22,000원
-
판매가19,800원 [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
-
적립금1,100원 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 04일(수)※ 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: 9791158391164
308쪽
175 x 235 (㎜)
지금 이책은
- 판매지수 : 0
이 분야의 베스트셀러
-
최신 디지털 공학 [제11판]
Thomas L. Floyd
39,000원
-
화학공학 열역학[8판]
J. M. Smith
37,000원
-
화학공정계산 [제4판]
Richard M. Felder,Ronald W. Rousseau, Lisa G. Bullard
37,000원
이 책의 시리즈
전체 선택
쇼핑카트 담기
-
-
C#과 파이썬을 활용한 OpenCV 4 프로그래밍 [개정판] 32,400원 (10%↓+5%P)
-
실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전 25,200원 (10%↓+5%P)
-
데이터 분석을 떠받치는 수학 [개정판] 24,300원 (10%↓+5%P)
-
파이썬을 활용한 딥러닝 전이학습 27,000원 (10%↓+5%P)
-
텐서플로로 시작하는 딥러닝 입문 18,000원 (10%↓+5%P)
-
책 소개
출판사 리뷰
이 책은 딥러닝을 처음 시작하려 하지만 수식을 이해하기 어렵다거나 프로그래밍 경험이 많지 않은 IT 엔지니어나 초보자를 대상으로 합니다.
신경망과 딥러닝에 대한 기본적인 이해부터 시작하여, 딥러닝 기법을 이용한 초·중·고급 이미지 분류 예제와 이를 위한 데이터 전처리까지 전문 데이터 과학자가 친절하게 전체적인 흐름을 알기 쉽게 그림과 함께 설명합니다.
소니가 개발한 무료 GUI 툴인 '신경망 콘솔'을 사용하여 단계적으로 딥러닝을 체험할 수 있도록 구성돼 있으며, 드래드 앤드 드롭만으로 '수식 없이' 딥러닝 기법을 이해하고 '프로그래밍 없이' 구현하는 방법도 알려 줍니다.
저자 소개
지은이 : 아다치 하루카 (あだち はるか)
제조사에서 데이터 과학자로 일하는 한편, 사회인 대학원생으로서 데이터 마이닝을 연구하였다. SI 업체에서 데이터 분석과 활용 업무 진행하였고, 벤더 업체에서는 데이터 분석과 활용 업무를 지원하는 일을 하는 등 갑과 을의 입장에서 데이터 과학에 종사해 왔다. 또한 데이터 과학의 보급을 목적으로 웹이나 잡지에 기사를 게재했으며, 각지에서 세미나 강사를 맡아 왔다. 저서로는 『처음 시작하는 텐서플로: 수식없이 배우는 딥러닝 입문』(2017, 릭텔레콤)이 있다. 감수성이 예민한 시기에 고등전문학교에서 5년을 보내 버린 탓인지 주변에서 괴짜라는 평가를 받고 있다. 취미는 성과 댐, 절 순례하기다.
옮긴이 : 김은철
㈜아이티에스 대표이며, AWS 기반한 IoT 실시간 서비스를 개발해 운영 중이다.
일본법인 ㈜아이티에스 대표 및 엘피에이아카데미 전임강사(C, C++, MFC, Network, Database)였고, 한화S&C㈜에서 근무했다. 저서로는 <예제가 가득한 C 언어 길라잡이>, <초보자를 위한 C 언어 300제>, <윈도우 프로그래밍 플러스>, 역서로는 <유니티5 교과서>, <예제로 배우는 핵심 패턴 안드로이드 프로그래밍>, <아이폰 프로그래밍 UIKit 핵심 바이블>, <PHP 7 예비학교>, <예제가 가득한 Java/JavaScript/Android/iOS 프로그래밍> 외 다수가 있다. 최근에는 블록체인, 인공지능 관련 사업을 하고 있다(ceo@k2apps.kr).
옮긴이 : 유세라
현재 일본 전문 번역가로 활동하고 있으며, ㈜컴온히어 기업 대표로 ICT 사업에도 주력하고 있다. 일본에서는 IT 엔지니어로 활동했다. 역서로는 <유니티5 교과서>, <예제로 배우는 핵심 패턴 안드로이드 프로그래밍>, <아이폰 프로그래밍 UIKit 핵심 바이블>, <PHP 7 예비학교>, <예제가 가득한 Java/JavaScript/Android/iOS 프로그래밍> 외 다수가 있다.
역자 소개
김은철(ceo@k2apps.kr)
㈜아이티에스 대표. AWS에 기반한 IoT 실시간 서비스를 개발했다. 일본 법인 ㈜아이티에스 대표 및 엘피에이캠퍼스 전임강사(C, C++, MFC, Network, Database)를 역임하고 한화S&C㈜에서 근무했다. 저서로 『예제가 가득한 C 언어 길라잡이』, 『초보자를 위한 C 언어 300제』, 역서로 『라즈베리 파이 3 입문과 실전 활용』 『유니티 5 교과서』, 『예제로 배우는 핵심 패턴 안드로이드 프로그래밍 SDK 2.1』, 『스위프트로 만드는 실전강좌! 아이폰 앱 프로그래밍』, 『머신 러닝 부트캠프 with 파이썬』 외 다수가 있다. 최근에는 앱, 인공지능, 블록체인 관련 사업을 하고 있다.
유세라(serasoul@gmail.com)
일본어 전문 번역가로 활동하고 있으며 현재 ㈜컴온히어 기업 대표로 앱과 인공지능 관련 일을 하고 있다. 한국에서 영상 처리와 게임 분야의 프로그래밍을 했고 일본에서 IT 엔지니어로 활동했다. 역서로는 『라즈베리 파이 3 입문과 실전 활용』 『유니티 5 교과서』, 『예제로 배우는 핵심 패턴 안드로이드 프로그래밍 SDK 2.1』, 『아이폰 프로그래밍 UIKit 핵심 바이블』, 『가장 쉬운 파이썬 입문교실』 외 다수가 있다.
목차
▣ 1장: AI 세계에 오신 것을 환영합니다
1.1. AI와 데이터 과학
___1.1.1 데이터 과학자의 기술
___1.1.2 데이터 과학의 업무
1.2. 머신러닝
___1.2.1 지도 학습과 예측
___1.2.2 비지도 학습과 지식 발견
___1.2.3 모델 만들 때의 검증
___1.2.4 머신러닝의 툴
1.3. 신경망에서 딥러닝으로
___1.3.1 신경망이란?
___1.3.2 딥러닝은?
1장 정리
▣ 2장: 딥러닝의 기법
2.1. 신경망
___2.1.1 신경망의 개요
___2.1.2 순전파의 구조
___2.1.3 역전파의 시스템
2.2. 딥러닝
___2.2.1 오토 인코더 시스템
___2.2.2 학습의 테크닉
2.3. 합성곱 신경망
___2.3.1 합성곱층의 시스템
___2.3.2 풀링층의 시스템
___2.3.3 패딩의 시스템
2.4. 재귀형 신경망
___2.4.1 순전파와 역전파의 시스템
___2.4.2 LSTM의 시스템
2장 정리
▣ 3장: 인공지능(AI) 툴과 신경망 콘솔(Neural Network Console)
3.1. 전 세계에 보급된 AI 툴
___3.1.1 딥러닝의 주요한 툴
3.2. 신경망 콘솔
3.3. NNC 설치
___3.3.1 사전 준비
___3.3.2 NNC 내려받기
___3.3.3 NNC 설치
___3.3.4 NNC 애플리케이션의 폴더 구성
___3.3.5 NNC 실행
3.4. NNC 조작 화면
___3.4.1 PROJECT(프로젝트) 화면
___3.4.2 DATASET(데이터셋) 화면
___3.4.3 EDIT(편집) 화면
___3.4.4 TRAINING(학습) 화면
___3.4.5 EVALUATION(평가) 화면
___3.4.6 CONFIG(설정) 화면
3장 정리
▣ 4장: 초급 - 샘플 프로젝트를 실행해 보자!
4.1. 신경망을 이용한 이미지 분류(1)
___4.1.1 작성된 프로젝트를 연다
___4.1.2 사용할 데이터 세트 확인
___4.1.3 완성된 네트워크 구조를 확인
___4.1.4 학습 조건의 설정
___4.1.5 학습의 실행
___4.1.6 평가의 실행
4.2. CNN으로 이미지 분류(1)
___4.2.1 작성된 프로젝트를 연다
___4.2.2 사용할 데이터 세트 확인
___4.2.3 완성된 네트워크 구조 확인
___4.2.4 학습 조건의 설정
___4.2.5 평가의 실행
___4.2.6 평가의 실행
4장 정리
▣ 5장: 중급 - 신규 프로젝트를 실행해 보자!
5.1. 신경망을 사용한 이미지 분류(2)
___5.1.1 새로운 프로젝트 만들기
___5.1.2 데이터 세트의 선택
___5.1.3 네트워크 만들기: 컴포넌트의 배치
___5.1.4 네트워크 만들기: 컴포넌트의 파라미터 설정
___5.1.5 학습 조건과 최적화 설정
___5.1.6 학습의 실행
___5.1.7 평가의 실행
5.2. CNN을 이용한 이미지 분류(2)
___5.2.1 새로운 프로젝트 만들기
___5.2.2 데이터 세트의 선택
___5.2.3 네트워크 만들기: 컴포넌트의 배치
___5.2.4 네트워크 만들기: 컴포넌트의 파라미터 설정
___5.2.5 학습 조건과 최적화 설정
___5.2.6 학습의 실행
___5.2.7 평가의 실행
5.3. 네트워크 구조의 최적화
___5.3.1 앞에서 만든 프로젝트 복제
___5.3.2 네트워크 구조의 최적화 설정
5장 정리 164
▣ 6장: 상급 - 원본 이미지로 구현해 보자!
6.1. 데이터 세트 만들기
___6.1.1 폴더 만들기
___6.1.2 데이터 세트 확인
6.2. 네트워크 만들기
___6.2.1 프로젝트 만들기
___6.2.2 네트워크의 수정
6.3. 데이터 세트의 선택
6.4. 학습 조건의 설정
___6.4.1 Global Config의 설정
___6.4.2 Optimizer의 설정
6.5. 학습의 실행
6.6. 평가의 실행
6장 정리
▣ 7장: 상급 - 원본 데이터로 구현해 보자!
7.1. 데이터의 전처리
___7.1.1 NNC에서의 구조화 데이터의 처리
___7.1.2 데이터 분석 소프트웨어 - 래피드마이너
___7.1.3 래피드마이너의 설치와 실행
___7.1.4 래피드마이너의 화면 구성
___7.1.5 구현에 사용할 데이터 세트
___7.1.6 래피드마이너를 사용한 데이터의 전처리 - 기본적인 성형
___7.1.7 래피드마이너를 사용한 데이터의 전처리 - NNC 입력 형식으로 변환(학습 데이터)
___7.1.8 래피드마이너를 사용한 데이터의 전처리 - NNC 입력 형식으로의 변환(평가 데이터)
7.2. 데이터 세트의 등록
7.3. 네트워크 만들기
7.4. 데이터 세트의 선택
7.5. 학습 조건의 설정
7.6. 학습의 실행
7.7. 평가의 실행
7장 정리
▣ 부록 A
A.1. NNC에 대응하지 않는 OS가 설치된 PC에 NNC 설치하기
___A.1.1 VirtualBox의 설치
___A.1.2 윈도우 10의 설치
___A.1.3 신경망 콘솔(NNC)의 설치
___A.1.4 데이터의 전처리
A.2. 머신러닝을 사용해 분류 문제를 해결해 보자!
___A.2.1 결정 트리
___A.2.2 학습의 실행
___A.2.3 평가의 실행
책을 마치며
1.1. AI와 데이터 과학
___1.1.1 데이터 과학자의 기술
___1.1.2 데이터 과학의 업무
1.2. 머신러닝
___1.2.1 지도 학습과 예측
___1.2.2 비지도 학습과 지식 발견
___1.2.3 모델 만들 때의 검증
___1.2.4 머신러닝의 툴
1.3. 신경망에서 딥러닝으로
___1.3.1 신경망이란?
___1.3.2 딥러닝은?
1장 정리
▣ 2장: 딥러닝의 기법
2.1. 신경망
___2.1.1 신경망의 개요
___2.1.2 순전파의 구조
___2.1.3 역전파의 시스템
2.2. 딥러닝
___2.2.1 오토 인코더 시스템
___2.2.2 학습의 테크닉
2.3. 합성곱 신경망
___2.3.1 합성곱층의 시스템
___2.3.2 풀링층의 시스템
___2.3.3 패딩의 시스템
2.4. 재귀형 신경망
___2.4.1 순전파와 역전파의 시스템
___2.4.2 LSTM의 시스템
2장 정리
▣ 3장: 인공지능(AI) 툴과 신경망 콘솔(Neural Network Console)
3.1. 전 세계에 보급된 AI 툴
___3.1.1 딥러닝의 주요한 툴
3.2. 신경망 콘솔
3.3. NNC 설치
___3.3.1 사전 준비
___3.3.2 NNC 내려받기
___3.3.3 NNC 설치
___3.3.4 NNC 애플리케이션의 폴더 구성
___3.3.5 NNC 실행
3.4. NNC 조작 화면
___3.4.1 PROJECT(프로젝트) 화면
___3.4.2 DATASET(데이터셋) 화면
___3.4.3 EDIT(편집) 화면
___3.4.4 TRAINING(학습) 화면
___3.4.5 EVALUATION(평가) 화면
___3.4.6 CONFIG(설정) 화면
3장 정리
▣ 4장: 초급 - 샘플 프로젝트를 실행해 보자!
4.1. 신경망을 이용한 이미지 분류(1)
___4.1.1 작성된 프로젝트를 연다
___4.1.2 사용할 데이터 세트 확인
___4.1.3 완성된 네트워크 구조를 확인
___4.1.4 학습 조건의 설정
___4.1.5 학습의 실행
___4.1.6 평가의 실행
4.2. CNN으로 이미지 분류(1)
___4.2.1 작성된 프로젝트를 연다
___4.2.2 사용할 데이터 세트 확인
___4.2.3 완성된 네트워크 구조 확인
___4.2.4 학습 조건의 설정
___4.2.5 평가의 실행
___4.2.6 평가의 실행
4장 정리
▣ 5장: 중급 - 신규 프로젝트를 실행해 보자!
5.1. 신경망을 사용한 이미지 분류(2)
___5.1.1 새로운 프로젝트 만들기
___5.1.2 데이터 세트의 선택
___5.1.3 네트워크 만들기: 컴포넌트의 배치
___5.1.4 네트워크 만들기: 컴포넌트의 파라미터 설정
___5.1.5 학습 조건과 최적화 설정
___5.1.6 학습의 실행
___5.1.7 평가의 실행
5.2. CNN을 이용한 이미지 분류(2)
___5.2.1 새로운 프로젝트 만들기
___5.2.2 데이터 세트의 선택
___5.2.3 네트워크 만들기: 컴포넌트의 배치
___5.2.4 네트워크 만들기: 컴포넌트의 파라미터 설정
___5.2.5 학습 조건과 최적화 설정
___5.2.6 학습의 실행
___5.2.7 평가의 실행
5.3. 네트워크 구조의 최적화
___5.3.1 앞에서 만든 프로젝트 복제
___5.3.2 네트워크 구조의 최적화 설정
5장 정리 164
▣ 6장: 상급 - 원본 이미지로 구현해 보자!
6.1. 데이터 세트 만들기
___6.1.1 폴더 만들기
___6.1.2 데이터 세트 확인
6.2. 네트워크 만들기
___6.2.1 프로젝트 만들기
___6.2.2 네트워크의 수정
6.3. 데이터 세트의 선택
6.4. 학습 조건의 설정
___6.4.1 Global Config의 설정
___6.4.2 Optimizer의 설정
6.5. 학습의 실행
6.6. 평가의 실행
6장 정리
▣ 7장: 상급 - 원본 데이터로 구현해 보자!
7.1. 데이터의 전처리
___7.1.1 NNC에서의 구조화 데이터의 처리
___7.1.2 데이터 분석 소프트웨어 - 래피드마이너
___7.1.3 래피드마이너의 설치와 실행
___7.1.4 래피드마이너의 화면 구성
___7.1.5 구현에 사용할 데이터 세트
___7.1.6 래피드마이너를 사용한 데이터의 전처리 - 기본적인 성형
___7.1.7 래피드마이너를 사용한 데이터의 전처리 - NNC 입력 형식으로 변환(학습 데이터)
___7.1.8 래피드마이너를 사용한 데이터의 전처리 - NNC 입력 형식으로의 변환(평가 데이터)
7.2. 데이터 세트의 등록
7.3. 네트워크 만들기
7.4. 데이터 세트의 선택
7.5. 학습 조건의 설정
7.6. 학습의 실행
7.7. 평가의 실행
7장 정리
▣ 부록 A
A.1. NNC에 대응하지 않는 OS가 설치된 PC에 NNC 설치하기
___A.1.1 VirtualBox의 설치
___A.1.2 윈도우 10의 설치
___A.1.3 신경망 콘솔(NNC)의 설치
___A.1.4 데이터의 전처리
A.2. 머신러닝을 사용해 분류 문제를 해결해 보자!
___A.2.1 결정 트리
___A.2.2 학습의 실행
___A.2.3 평가의 실행
책을 마치며
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)
