- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
파이썬을 활용한 딥러닝 전이학습 Transfer Learning으로 빠르고 손쉽게 구축하는 고급 딥러닝 모델
시리즈 : 위키북스 데이터 사이언스 시리즈 [23]
- 디파니안 사르카르, 러그허브 발리, 타모그나 고시 저
- 송영숙, 심상진, 한수미 외 역
- 위키북스
- 2019년 10월 11일
-
정가30,000원
-
판매가27,000원 [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
-
적립금1,500원 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
품절된 상품입니다.
회원리뷰
ISBN: 9791158391454
412쪽
188 x 240 (㎜)
지금 이책은
- 판매지수 : 82
- 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
-
C#과 파이썬을 활용한 OpenCV 4 프로그래밍 윤대희 31,500원
-
케라스로 구현하는 고급 딥러닝 알고리즘 로웰 아티엔자 25,200원
-
동급생 히가시노 게이고 13,320원
-
금빛 눈의 고양이 미야베 미유키 15,120원
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
◎ GPU(graphics processing unit)와 클라우드가 지원되는 자신만의 딥러닝 환경 설정
◎ 머신러닝과 딥러닝 모델로 전이학습의 원리 탐구
◎ CNN과 LSTM, 캡슐 네트워크를 포함한 다양한 딥러닝 아키텍처 탐색
◎ 데이터 및 네트워크 표현과 손실 함수에 관한 학습
◎ 전이학습 모델과 전략 파악
◎ 복잡한 전이학습 모델을 처음부터 구축할 때 생길 수 있는 잠재적 문제 해결
◎ 컴퓨터 비전 및 오디오 분석과 관련된 실제 연구 문제 탐색
◎ 자연어 처리에서 전이학습을 활용하는 방법 이해
저자 소개
저자 : 디파니안 사르카르
데이터 과학과 머신러닝, 딥러닝을 활용해 대규모 지능형 시스템을 구축하고 있는 인텔의 데이터 과학자다. 그는 데이터 과학 및 소프트웨어 엔지니어링 분야의 전문 기술로 석사 학위를 취득했다. 현재 머신러닝과 자연어 처리, 통계 방법, 딥러닝을 전문적으로 분석하고 있다.
저자 : 러그허브 발리
옵텀(United Health Group)의 데이터 과학자다. 유스케이스에 기초해서 머신러닝, 딥러닝, 의료와 보험 관련 자연어 처리로 기업 수준의 솔루션 연구와 개발을 하고 있다. 이전에 인텔에서 상황 주도적인 데이터 중심의 IT 기획에 관여했었다.
저자 : 타모그나 고시
인텔의 머신러닝 엔지니어다. 마이크로소프트 연구소(Microsoft Research, MSR) 인도에서의 4년간의 핵심 연구 경험을 포함해 총 11년의 경력이 있다. MSR에서 그는 암호 분석 연구 분야 조교로 블록 암호를 푸는 일을 했다. 빅 데이터, 머신러닝, 자연어 처리, 정보 검색, 데이터 시각화 및 소프트웨어 개발에 전문적인 지식이 있다.
역자 : 송영숙
경희대학교 국어국문학과에서 공부하고 있다. 국어학을 전공했고 전산언어학과 언어 유형론에 관심이 많다. 사람의 언어와 기계의 언어에 장벽을 조금이라고 줄여서 벽을 허물고 길을 내는 사람이 되려고 노력하고 있다.
역자 소개
송영숙
송영숙은 경희대학교 국어국문학과에서 공부하고 있다. 국어학을 전공했고 전산언어학과 언어 유형론에 관심이 많다. 사람의 언어와 기계의 언어에 장벽을 조금이라고 줄여서 벽을 허물고 길을 내는 사람이 되려고 노력하고 있다.
심상진
심상진은 물리학을 전공하고 company.AI에서 챗봇 관련 업무를 담당하고 있다. 늘 머신러닝을 현실에서 잘 사용할 수 있는 방법을 찾기 위해 고심하고 있다.
한수미
한수미는 한림대학교 영어영문학과 및 디지털 인문예술전공 조교수다. 영어평가 및 응용언어학을 전공했고 자동언어평가를 연구하기 위해서 딥러닝의 세계에 입문했다. 현재 대학에서 영어학과 데이터분석 및 시각화 관련 수업을 하고 있고, 교육공학에 관심이 많다.
고재선
고재선은 주식회사 농협은행 준법감시부 법무팀 변호사다. 통신공학과 법학을 전공했고, 법과 과학기술 사이의 접점에 관심이 많다
책 속에서
목차
▣ 1장: 머신러닝의 기초 원리
왜 머신러닝인가?
___공식적 정의
___얕은 학습과 딥러닝
머신러닝 기법
___지도 학습
___비지도 학습
CRISP-DM
___비즈니스 이해
___데이터 이해
___데이터 준비
___모델링
___평가
___배포
표준 머신러닝 워크플로
___데이터 검색
___데이터 준비
___모델링
___모델 평가와 튜닝
___배포와 모니터링
탐색적 데이터 분석
특성 추출과 특성 엔지니어링
___특성 엔지니어링에서 쓰는 전략
___텍스트 데이터 다루기
특성 선택
정리
▣ 2장: 딥러닝 기초
딥러닝이란 무엇인가?
딥러닝 프레임워크
GPU가 지원되는 클라우드 기반의 딥러닝 환경 구축
GPU 지원을 통한 강력한 딥러닝 환경 구축하기
신경망 기초
___단순한 선형 뉴런
___기울기 기반 최적화
___야코비와 헤세 행렬
___미분의 연쇄 규칙
___확률적 경사 하강
___비선형 신경 유닛
___간단한 비선형 유닛 학습 - 로지스틱 유닛
___손실 함수
___데이터 표현
___다층 신경망
___역전파 - 심층 신경망 훈련하기
___신경망 학습의 과제
___모델 파라미터의 초기화
___SGD의 개선
___신경망에서의 과대 적합과 과소 적합
___신경망의 하이퍼 파라미터
정리
▣ 3장: 딥러닝 아키텍처 이해하기
신경망 아키텍처
___왜 다른 아키텍처가 필요할까
다양한 아키텍처
___MLP와 심층 신경망
___오토인코더 신경망
___변분 오토인코더
___적대적 생성망
___CNN
___캡슐 네트워크
___순환 신경망
___메모리 신경망
___신경 튜링 기계
___어텐션 기반 신경망 모델
정리
▣ 4장: 전이학습의 기초
전이학습 소개
___전이학습의 혜택
전이학습 전략
전이학습과 딥러닝
___전이학습의 방법
___사전 훈련 모델
___활용
심층 전이학습의 유형
___도메인 적응
___도메인 혼란
___다중 과제 학습
___원샷 학습
___제로샷 학습
전이학습의 도전 과제
___부정적 전이
___전이 범위
정리
▣ 5장: 전이학습의 위력 발휘하기
전이학습의 필요성
___실제적인 문제에서의 설정
___데이터 세트 구축
___접근법 설정
CNN 모델 처음부터 구축하기
___기본 CNN 모델
___CNN 모델과 정규화
___CNN 모델과 이미지 늘리기
전이학습에서 사전 훈련된 CNN 모델 활용하기
___VGG-16 모델의 이해
___특성 추출기로 사전 훈련된 CNN 모델
___특성 추출기와 이미지 늘리기로 사전 훈련된 CNN 모델
___사전 훈련된 CNN 모델과 미세 튜닝 및 이미지 늘리기
딥러닝 모델 평가
___샘플 테스트 이미지로 모델 예측
___CNN 모델이 인지한 것을 시각화하기
___테스트 데이터로 수행한 평가 모델 성능
정리
▣ 6장: 이미지 인식과 분류
딥러닝 기반의 이미지 분류
벤치마킹 데이터 세트
최신 이미지 분류 모델
이미지 분류와 전이학습
___CIFAR-10
___개 품종 식별 데이터 세트
정리
▣ 7장: 텍스트 문서의 범주화
텍스트 범주화
___전통적인 텍스트 범주화
단어 표현
___Word2vec 모델
___Gensim을 이용한 Word2vec
___GloVe 모델
CNN 문서 모델
___리뷰 감성 분류기 구현
___가장 많이 변경된 임베딩은 무엇일까?
___전이학습 - IMDB 데이터 세트에 적용
___Word2vec 임베딩으로 전체 IMDB 데이터 세트 훈련
___CNN 모델로 문서 요약하기
___ CNN 모델을 이용한 다중 클래스 분류
___문서 임베딩 시각화
정리
▣ 8장: 오디오 이벤트 식별과 분류
오디오 이벤트 분류의 이해
___실세계 문제에서의 설정
___오디오 이벤트의 탐색적 분석
특성 엔지니어링과 오디오 이벤트의 표현
전이학습을 통한 오디오 이벤트 분류
기본 특성으로 데이터 세트 구축하기
___특성 추출을 위한 전이학습
___분류 모델 만들기
___분류기 성능 평가
딥러닝 오디오 이벤트 식별자 만들기
정리
▣ 9장: 딥드림
소개
___컴퓨터 비전의 알고리즘적 환각
___특성 지도 시각화
딥드림
___예제
정리
▣ 10장: 스타일 전이
신경 스타일 전이의 이해
이미지 전처리 방법
손실 함수 구축
___내용 손실
___스타일 손실
___총 변동 손실
___총 손실 함수
커스텀 최적화기 만들기
스타일 전이의 작동
정리
▣ 11장: 자동 이미지 캡션 생성기
이미지 캡션 넣기의 이해
목표 설정
데이터 이해하기
자동화된 이미지 캡션 넣기의 접근 방식
___개념적 접근
___유용한 실습 방법
전이학습과 이미지 특성 추출
캡션에 쓸 어휘집 작성
이미지 캡션 데이터 세트 생성기 구축
이미지에 쓸 언어 인코더-디코더 딥러닝 모델 구축
이미지에 캡션을 넣는 딥러닝 모델 훈련
이미지에 캡션을 넣는 딥러닝 모델 평가
___데이터와 모델 불러오기
___그리디 서치와 빔 서치의 이해
___빔 서치 기반 캡션 생성기 구현
___BLEU 채점의 이해와 구현
___테스트 데이터에서 모델 성능 평가
이미지에 캡션 넣기 자동화의 실제
___야외 장면에서 샘플 이미지에 캡션 넣기
___인기 있는 스포츠의 샘플 이미지에 캡션 넣기
___개선할 점들
정리
▣ 12장: 이미지 채색
문제 설명
컬러 이미지
___색상 이론
___색상 모델과 색상 공간
___문제 상태 재검토
채색 심층 신경망 구축
___전처리
___손실 함수
___인코더
___전이학습 - 특성 추출
___융합층
___디코더
___후처리
___훈련과 결과
도전 과제
추가 개선 사항
정리
왜 머신러닝인가?
___공식적 정의
___얕은 학습과 딥러닝
머신러닝 기법
___지도 학습
___비지도 학습
CRISP-DM
___비즈니스 이해
___데이터 이해
___데이터 준비
___모델링
___평가
___배포
표준 머신러닝 워크플로
___데이터 검색
___데이터 준비
___모델링
___모델 평가와 튜닝
___배포와 모니터링
탐색적 데이터 분석
특성 추출과 특성 엔지니어링
___특성 엔지니어링에서 쓰는 전략
___텍스트 데이터 다루기
특성 선택
정리
▣ 2장: 딥러닝 기초
딥러닝이란 무엇인가?
딥러닝 프레임워크
GPU가 지원되는 클라우드 기반의 딥러닝 환경 구축
GPU 지원을 통한 강력한 딥러닝 환경 구축하기
신경망 기초
___단순한 선형 뉴런
___기울기 기반 최적화
___야코비와 헤세 행렬
___미분의 연쇄 규칙
___확률적 경사 하강
___비선형 신경 유닛
___간단한 비선형 유닛 학습 - 로지스틱 유닛
___손실 함수
___데이터 표현
___다층 신경망
___역전파 - 심층 신경망 훈련하기
___신경망 학습의 과제
___모델 파라미터의 초기화
___SGD의 개선
___신경망에서의 과대 적합과 과소 적합
___신경망의 하이퍼 파라미터
정리
▣ 3장: 딥러닝 아키텍처 이해하기
신경망 아키텍처
___왜 다른 아키텍처가 필요할까
다양한 아키텍처
___MLP와 심층 신경망
___오토인코더 신경망
___변분 오토인코더
___적대적 생성망
___CNN
___캡슐 네트워크
___순환 신경망
___메모리 신경망
___신경 튜링 기계
___어텐션 기반 신경망 모델
정리
▣ 4장: 전이학습의 기초
전이학습 소개
___전이학습의 혜택
전이학습 전략
전이학습과 딥러닝
___전이학습의 방법
___사전 훈련 모델
___활용
심층 전이학습의 유형
___도메인 적응
___도메인 혼란
___다중 과제 학습
___원샷 학습
___제로샷 학습
전이학습의 도전 과제
___부정적 전이
___전이 범위
정리
▣ 5장: 전이학습의 위력 발휘하기
전이학습의 필요성
___실제적인 문제에서의 설정
___데이터 세트 구축
___접근법 설정
CNN 모델 처음부터 구축하기
___기본 CNN 모델
___CNN 모델과 정규화
___CNN 모델과 이미지 늘리기
전이학습에서 사전 훈련된 CNN 모델 활용하기
___VGG-16 모델의 이해
___특성 추출기로 사전 훈련된 CNN 모델
___특성 추출기와 이미지 늘리기로 사전 훈련된 CNN 모델
___사전 훈련된 CNN 모델과 미세 튜닝 및 이미지 늘리기
딥러닝 모델 평가
___샘플 테스트 이미지로 모델 예측
___CNN 모델이 인지한 것을 시각화하기
___테스트 데이터로 수행한 평가 모델 성능
정리
▣ 6장: 이미지 인식과 분류
딥러닝 기반의 이미지 분류
벤치마킹 데이터 세트
최신 이미지 분류 모델
이미지 분류와 전이학습
___CIFAR-10
___개 품종 식별 데이터 세트
정리
▣ 7장: 텍스트 문서의 범주화
텍스트 범주화
___전통적인 텍스트 범주화
단어 표현
___Word2vec 모델
___Gensim을 이용한 Word2vec
___GloVe 모델
CNN 문서 모델
___리뷰 감성 분류기 구현
___가장 많이 변경된 임베딩은 무엇일까?
___전이학습 - IMDB 데이터 세트에 적용
___Word2vec 임베딩으로 전체 IMDB 데이터 세트 훈련
___CNN 모델로 문서 요약하기
___ CNN 모델을 이용한 다중 클래스 분류
___문서 임베딩 시각화
정리
▣ 8장: 오디오 이벤트 식별과 분류
오디오 이벤트 분류의 이해
___실세계 문제에서의 설정
___오디오 이벤트의 탐색적 분석
특성 엔지니어링과 오디오 이벤트의 표현
전이학습을 통한 오디오 이벤트 분류
기본 특성으로 데이터 세트 구축하기
___특성 추출을 위한 전이학습
___분류 모델 만들기
___분류기 성능 평가
딥러닝 오디오 이벤트 식별자 만들기
정리
▣ 9장: 딥드림
소개
___컴퓨터 비전의 알고리즘적 환각
___특성 지도 시각화
딥드림
___예제
정리
▣ 10장: 스타일 전이
신경 스타일 전이의 이해
이미지 전처리 방법
손실 함수 구축
___내용 손실
___스타일 손실
___총 변동 손실
___총 손실 함수
커스텀 최적화기 만들기
스타일 전이의 작동
정리
▣ 11장: 자동 이미지 캡션 생성기
이미지 캡션 넣기의 이해
목표 설정
데이터 이해하기
자동화된 이미지 캡션 넣기의 접근 방식
___개념적 접근
___유용한 실습 방법
전이학습과 이미지 특성 추출
캡션에 쓸 어휘집 작성
이미지 캡션 데이터 세트 생성기 구축
이미지에 쓸 언어 인코더-디코더 딥러닝 모델 구축
이미지에 캡션을 넣는 딥러닝 모델 훈련
이미지에 캡션을 넣는 딥러닝 모델 평가
___데이터와 모델 불러오기
___그리디 서치와 빔 서치의 이해
___빔 서치 기반 캡션 생성기 구현
___BLEU 채점의 이해와 구현
___테스트 데이터에서 모델 성능 평가
이미지에 캡션 넣기 자동화의 실제
___야외 장면에서 샘플 이미지에 캡션 넣기
___인기 있는 스포츠의 샘플 이미지에 캡션 넣기
___개선할 점들
정리
▣ 12장: 이미지 채색
문제 설명
컬러 이미지
___색상 이론
___색상 모델과 색상 공간
___문제 상태 재검토
채색 심층 신경망 구축
___전처리
___손실 함수
___인코더
___전이학습 - 특성 추출
___융합층
___디코더
___후처리
___훈련과 결과
도전 과제
추가 개선 사항
정리
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)
