- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
텐서플로우 원리와 응용
- 황원지앤, 탕위앤 저
- 이상구, 김응수, 송정영 외 역
- 광문각
- 2018년 11월 02일
-
정가28,000원
-
판매가25,200원 [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
-
적립금1,400원 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: 9788970939193
424쪽
188 x 257 (㎜)
지금 이책은
- 판매지수 : 305
- 주간 자연과학/공학: 65위
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
이 책과 함께 구매한 책
-
파이썬을 이용한 머신러닝, 딥러닝 실전 개발 입문 쿠지라 히코우즈쿠에 27,000원
-
완벽한 IT 인프라 구축의 자동화를 위한 Kubernetes(쿠버네티스) Asa Shiho 22,500원
-
인공지능을 이용한 빅데이터 처리 입문 오다카 토모히로 19,800원
-
컴퓨터 비전과 딥러닝 라쟈링가파 샨무갸마니 27,000원
-
텐서플로우 입문 김유두, 장문수, 이종서 14,400원
책 소개
출판사 리뷰
텐서플로우(TensorFlow)는 구글이 2015년 11월 개발한 머신러닝(Machine Learning) ？ 딥러닝(Deep Learning) 프레임워크이다. 텐서플로우로 개발된 알파고 마스터(AlphaGo Master)가 한국？중국 ？일본의 바둑 고수들과의 바둑 대결에서 완승을 거두어 전 세계를 놀라게 하였다. 그로 인해 텐서플로우의 우수성이 널리 알려졌으며, 지금은 IT 전문가가 되기 위해서는 반드시 텐서플로우를 마스터해야 하는 프로그램이 되었다. 현재 텐서플로우는 모든 머신러닝？딥러닝 프로젝트에서 1위를 하고 있으며, 또한 모든 파이썬 프로젝트에서도 1위를 하고 있다.
구글의 텐서플로우 개발자들이 집필한 학습서
이 책은 구글의 텐서플로우 개발자들이 집필하였으며, 구글 텐서플로우 R&D 팀에서 추천하는 학습서이다. 이 책의 저자인 황원지앤(黃文)은 현재 중국 인터넷투자금융 기업인 PPmoney의 빅데이터 알고리즘 인스펙터로서 Google TensorFlow Contributor로 활동 중이며, 탕위앤(唐源)은 미국 Uptake 데이터 과학자로서 Google TensorFlow Committer로 활동 중이다.
이 책은 저자들이 텐서플로우 개발 경험을 살려, 실용적 측면에 중점을 두고 독자들에게 텐서플로우를 사용한 완전 연결 신경망, 컨벌루션 신경망, 순환 신경망 및 Deep Q-Network 등을 연결하는 방법을 설명한다. 다양한 코드 예제를 수록하여, 독자들이 실제로 예제를 풀어보면서 텐서플로우 사용 방법을 쉽게 학습할 수 있도록 구성되어 있다. 또한 텐서플로우 원리 및 딥러닝의 부분 지식과 결합하여 독자들이 이 책을 통해 실제 프로젝트와 성과를 만들어낼 수 있다.
다양한 코드 예제를 직접 풀어보면서 텐서플로우를 쉽게 학습한다.
이 책의 각 장 사이에는 커다란 의존적인 관계가 없으므로, 만일 독자가 어느 장에 흥미를 느낀다면 직접 그 부분을 읽으면 된다. 이 책은 TensorFlow 1.0.0-rc0을 사용하여 예를 들어 설명하였다. 최신 버전의 텐서플로우와 대부분의 코드는 호환되며, 몇 가지 인터페이스 업데이트가 있을 수 있으며, 독자는 프롬프트를 참조할 수 있다. 이 책의 대부분 코드는 파이썬 코드로, 이는 텐서플로우가 지원하는 가장 완벽한 인터페이스 언어이다.
제1, 2장은 텐서플로우의 기초 지식과 개념을 소개하고, 제3장과 4장은 간단한 예시 및 신경망을 연결하는 방법을 소개한다. 제5장과 6장은 기초적인 회선신경망 및 현재 비교적 정형화된 AlexNet, VGGNet, Inception Net과 ResNet을 설명한다. 제7장은 Word2Vec, RNN과 LSTM을, 제8장은 강화학습 및 딥러닝을 기반으로 한 정책 네트워크와 평가 네트워크를,. 제9장은 TensorBoard, 단독 설비의 여러 GPU의 병행 및 분산식 병행에 대해 설명한다.
제10장은 다양한 유형의 딥러닝 및 유행하는 머신러닝 알고리즘의 사용 방법이 포함된 텐서플로우의 contrib.leam 모듈을 소개하며, 이 모듈의 분산식 에스티메이터(Estimator)의 기본 구조 및 에스티메이터를 어떻게 사용해야 자신의 분산식 머신러닝 모델의 구조를 빠르게 구축하고 모델의 훈련과 평가를 진행할 수 있는지 해석하였다. 또한, 슈퍼바이저를 사용하여 모델 훈련을 잘 모니터링하고, 데이터프레임(DataFrame)을 사용하여 다양한 데이터 양식을 읽는 방법에 대해서도 설명한다.
제11장에서는 Contrib 모듈을 소개하고, 이 모듈 안에 통계 분포, 머신러닝 층, 최적 함수, 지표 등이 포함된 많은 머신러닝에 필요한 기능을 제공한다. 이 장에서는 그중의 모두에게 텐서플로우의 포괄적 범위를 이해시키는 기능을 간략히 소개하였으므로 커뮤니티의 적극적 참여와 공헌도를 느낄 수 있다. 제10장과 제11장은 TensorFlow 0.11.0-rc0 버전을 사용하여 예제를 풀어가며 알기 쉽게 설명한다.
저자 소개
지은이 : 황원지앤 (黃文堅)
지은이 : 탕위앤 (唐源)
옮긴이 : 이상구
서울대학교 공과대학 전자공학과 졸업(학사)
KAIST 전산학과 졸업(석사)
와세다대학교 전기전자컴퓨터공학과 졸업(박사)
미국 NJIT 방문교수
ETRI, KISTI 초빙연구원
현재, 한남대학교 컴퓨터공학과 교수
옮긴이 : 김응수
부산대학교 전자공학과 졸업(학사)
부산대학교 대학원 전자공학과 졸업(석사)
Tohoku Univ. 졸업(공학박사)
ETRI 책임 연구원
Kumamoto Gakuen Univ. 교환교수
현재, 대전대학교 전자·정보통신공학화 교수
옮긴이 : 송정영
와세다대학교 전기전자정보공학연구과 졸업(공학박사)
플로리다주립대 컴퓨터공학부 교환교수
아이다호주립대 컴퓨터공학부 교환교수
ETRI(전자통신연구원) 초빙연구원
현재, 배재대학교 컴퓨터공학과 교수
옮긴이 : 이창훈
동경공업대학 지능시스템과학 졸업(박사)
동경공업대학 지능시스템과학 전문연구원
한국과학기술연구원 휴먼로봇연구센터 위촉연구원
배재대학교 전자공학과 교수
현재, 배재대학교 드론로봇공학과 교수
옮긴이 : 류정탁
오사카대학교 전자공학과(공학박사)
일본 벤쳐비지니스연구소 전임강사
미국 DUKE UNIVERSITY 연구교수
현재, 대구대학교 전자공학과 교수
역자 소개
이상구
서울대학교 공과대학 전자공학과 졸업(학사)
KAIST 전산학과 졸업(석사)
와세다대학교 전기전자컴퓨터공학과 졸업(박사)
미국 NJIT 방문교수
ETRI, KISTI 초빙연구원
현재, 한남대학교 컴퓨터공학과 교수
김응수
부산대학교 전자공학과 졸업(학사)
부산대학교 대학원 전자공학과 졸업(석사)
Tohoku Univ. 졸업(공학박사)
ETRI 책임 연구원
Kumamoto Gakuen Univ. 교환교수
현재, 대전대학교 전자·정보통신공학화 교수
송정영
와세다대학교 전기전자정보공학연구과 졸업(공학박사)
플로리다주립대 컴퓨터공학부 교환교수
아이다호주립대 컴퓨터공학부 교환교수
ETRI(전자통신연구원) 초빙연구원
현재, 배재대학교 컴퓨터공학과 교수
이창훈
동경공업대학 지능시스템과학 졸업(박사)
동경공업대학 지능시스템과학 전문연구원
한국과학기술연구원 휴먼로봇연구센터 위촉 연구원
배재대학교 전자공학과 교수
현재, 배재대학교 드론로봇공학과 교수
류정탁
오사카대학교 전자공학과(공학박사)
일본 벤쳐비지니스연구소 전임강사
미국 DUKE UNIVERSITY 연구교수
현재, 대구대학교 전자공학과 교수
목차
Chapter 01 텐서플로우 기초
1.1 텐서플로우 개요
1.2 텐서플로우 프로그램 모델 소개
1.2.1 핵심 개념
1.2.2 구현 원리
1.2.3 기능 확장
1.2.4 성능 최적화
Chapter 02 텐서플로우와 기타 딥러닝 프레임워크 비교
2.1 주요 딥러닝 프레임워크 비교
2.2 주요 딥러닝 프레임워크 소개
2.2.1 텐서플로우
2.2.2 카페(Caffe)
2.2.3 테아노(Theano)
2.2.4 토치(Torch)
2.2.5 라자냐(Lasagne)
2.2.6 케라스(Keras)
2.2.7 엠엑스넷(MXNet)
2.2.8 DIGITS(Deep Learning GPU Training System)
2.2.9 CNTK(Computational Network Toolkit)
2.2.10 Deeplearning4J
2.2.11 체이너(Chainer)
2.2.12 리프(Leaf)
2.2.13 DSSTNE(Deep Scalable Sparse Tensor Network Engine)
Chapter 03 텐서플로우 첫걸음
3.1 텐서플로우 컴파일 및 설치
3.1.1 Anaconda 설치
3.1.2 텐서플로우 CPU 버전 설치
3.1.3 텐서플로우 GPU 버전 설치
3.2 텐서플로우에 의한 Softmax Regression의 필기 숫자 인식 구현
Chapter 04 텐서플로우에 의한 오토인코더 및 멀티 레이어 퍼셉트론 구현
4.1 오토인코더(Autoencoder) 소개
4.2 텐서플로우에 의한 오토인코더 구현
4.3 멀티 레이어 퍼셉트론(MLP) 소개
4.4 텐서플로우에 의한 멀티 레이어 퍼셉트론 구현
Chapter 05 텐서플로우에 의한 컨벌루션 신경망 구현
5.1 컨벌루션 신경망 소개
5.2 텐서플로우에 의한 간단한 컨벌루션 네트워크 구현
5.3 텐서플로우에 의한 고급 컨벌루션 네트워크 구현
Chapter 06 텐서플로우에 의한 전형적인 컨벌루션 신경망 구현
6.1 텐서플로우에 의한 AlexNet 구현
6.2 텐서플로우에 의한 VGGNet 구현
6.3 텐서플로우에 의한 구글 인셉션 Net 구현
6.4 텐서플로우에 의한 ResNet 구현
6.5 컨벌루션 신경망의 발전 추세
Chapter 07 텐서플로우에 의한 순환 신경망 및 Word2Vec 구현
7.1 텐서플로우에 의한 Word2Vec 구현
7.2 텐서플로우에 의한 LSTM에 기초한 언어 모델을 구현
7.3 텐서플로우에 의한 Bidirectional LSTM Classifier 구현
Chapter 08 텐서플로우에 의한 심층 강화학습 구현
8.1 심층 강화학습(Deep reinforcement learning, RL) 소개
8.2 텐서플로우에 의한 전략 네트워크 구현
8.3 텐서플로우에 의한 평가 네트워크 구현
Chapter 09 텐서보드, 멀티 GPU 병렬성 및 분산 병렬성
9.1 텐서보드(TensorBoard)
9.2 다중 GPU 병렬성(또는 멀티 GPU 병렬성)
9.3 분산 병렬성(또는 분산식 병렬성 / 분산 병렬 처리)
Chapter 10 TF.Learn 입문부터 숙달까지
10.1 분산식 에스티메이터(Estimator)
10.1.1 분산식 에스티메이터 사용자 정의 모델 소개
10.1.2 자신의 러닝머신 에스티메이터 구축
10.1.3 RunConfig 런타임 매개변수 조정
10.1.4 Experiment와 LearnRunner
10.2 딥러닝 에스티메이터
10.2.1 심층 신경망(DNN)
10.2.2 와이드 앤 딥 모델(Wide & Deep Model)
10.3 머신러닝 에스티메이터(Machine Learning Estimator)
10.3.1 선형(Linear) / 로지스틱 회귀(Logistic Regression)
10.3.2 랜덤 포레스트(Random Forest)
10.3.3 K-평균 군집화(K-means clustering)
10.3.4 서포트 벡터 머신(Support Vector Machine)
10.4 데이터 프레임(DataFrame)
10.5 수퍼바이저 모니터(Supervisor Monitors)
Chapter 11 TF.Contrib의 기타 모듈
11.1 통계 분포
11.2 레이어 모듈
11.2.1 머신러닝 레이어
11.2.2 손실함수
11.2.3 특징 열(Feature Column)
11.2.4 임베딩(Embeddings)
11.3 성능분석기 tfprof
1.1 텐서플로우 개요
1.2 텐서플로우 프로그램 모델 소개
1.2.1 핵심 개념
1.2.2 구현 원리
1.2.3 기능 확장
1.2.4 성능 최적화
Chapter 02 텐서플로우와 기타 딥러닝 프레임워크 비교
2.1 주요 딥러닝 프레임워크 비교
2.2 주요 딥러닝 프레임워크 소개
2.2.1 텐서플로우
2.2.2 카페(Caffe)
2.2.3 테아노(Theano)
2.2.4 토치(Torch)
2.2.5 라자냐(Lasagne)
2.2.6 케라스(Keras)
2.2.7 엠엑스넷(MXNet)
2.2.8 DIGITS(Deep Learning GPU Training System)
2.2.9 CNTK(Computational Network Toolkit)
2.2.10 Deeplearning4J
2.2.11 체이너(Chainer)
2.2.12 리프(Leaf)
2.2.13 DSSTNE(Deep Scalable Sparse Tensor Network Engine)
Chapter 03 텐서플로우 첫걸음
3.1 텐서플로우 컴파일 및 설치
3.1.1 Anaconda 설치
3.1.2 텐서플로우 CPU 버전 설치
3.1.3 텐서플로우 GPU 버전 설치
3.2 텐서플로우에 의한 Softmax Regression의 필기 숫자 인식 구현
Chapter 04 텐서플로우에 의한 오토인코더 및 멀티 레이어 퍼셉트론 구현
4.1 오토인코더(Autoencoder) 소개
4.2 텐서플로우에 의한 오토인코더 구현
4.3 멀티 레이어 퍼셉트론(MLP) 소개
4.4 텐서플로우에 의한 멀티 레이어 퍼셉트론 구현
Chapter 05 텐서플로우에 의한 컨벌루션 신경망 구현
5.1 컨벌루션 신경망 소개
5.2 텐서플로우에 의한 간단한 컨벌루션 네트워크 구현
5.3 텐서플로우에 의한 고급 컨벌루션 네트워크 구현
Chapter 06 텐서플로우에 의한 전형적인 컨벌루션 신경망 구현
6.1 텐서플로우에 의한 AlexNet 구현
6.2 텐서플로우에 의한 VGGNet 구현
6.3 텐서플로우에 의한 구글 인셉션 Net 구현
6.4 텐서플로우에 의한 ResNet 구현
6.5 컨벌루션 신경망의 발전 추세
Chapter 07 텐서플로우에 의한 순환 신경망 및 Word2Vec 구현
7.1 텐서플로우에 의한 Word2Vec 구현
7.2 텐서플로우에 의한 LSTM에 기초한 언어 모델을 구현
7.3 텐서플로우에 의한 Bidirectional LSTM Classifier 구현
Chapter 08 텐서플로우에 의한 심층 강화학습 구현
8.1 심층 강화학습(Deep reinforcement learning, RL) 소개
8.2 텐서플로우에 의한 전략 네트워크 구현
8.3 텐서플로우에 의한 평가 네트워크 구현
Chapter 09 텐서보드, 멀티 GPU 병렬성 및 분산 병렬성
9.1 텐서보드(TensorBoard)
9.2 다중 GPU 병렬성(또는 멀티 GPU 병렬성)
9.3 분산 병렬성(또는 분산식 병렬성 / 분산 병렬 처리)
Chapter 10 TF.Learn 입문부터 숙달까지
10.1 분산식 에스티메이터(Estimator)
10.1.1 분산식 에스티메이터 사용자 정의 모델 소개
10.1.2 자신의 러닝머신 에스티메이터 구축
10.1.3 RunConfig 런타임 매개변수 조정
10.1.4 Experiment와 LearnRunner
10.2 딥러닝 에스티메이터
10.2.1 심층 신경망(DNN)
10.2.2 와이드 앤 딥 모델(Wide & Deep Model)
10.3 머신러닝 에스티메이터(Machine Learning Estimator)
10.3.1 선형(Linear) / 로지스틱 회귀(Logistic Regression)
10.3.2 랜덤 포레스트(Random Forest)
10.3.3 K-평균 군집화(K-means clustering)
10.3.4 서포트 벡터 머신(Support Vector Machine)
10.4 데이터 프레임(DataFrame)
10.5 수퍼바이저 모니터(Supervisor Monitors)
Chapter 11 TF.Contrib의 기타 모듈
11.1 통계 분포
11.2 레이어 모듈
11.2.1 머신러닝 레이어
11.2.2 손실함수
11.2.3 특징 열(Feature Column)
11.2.4 임베딩(Embeddings)
11.3 성능분석기 tfprof
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)
