본문내용 바로가기

KYOBO 교보문고

교보문고 39주년
2020다이어리
매일 선착순 2,000원
ebook전종 30%할인
  • 수요낭독공감 11월 행사
  • 제5회 교보손글쓰기대회 수상작 전시
  • 북모닝 책강
밑바닥부터 시작하는 딥러닝
* 중고장터 판매상품은 판매자가 직접 등록/판매하는 상품으로 판매자가 해당상품과 내용에 모든 책임을 집니다. 우측의 제품상태와 하단의 상품상세를 꼭 확인하신 후 구입해주시기 바랍니다.
312쪽 | 규격外
ISBN-10 : 8968484635
ISBN-13 : 9788968484636
밑바닥부터 시작하는 딥러닝 중고
저자 사이토 고키 | 역자 개앞맵시 | 출판사 한빛미디어
정가
24,000원
판매가
19,190원 [20%↓, 4,810원 할인]
배송비
2,500원 (판매자 직접배송)
지금 주문하시면 2일 이내 출고 가능합니다.
토/일, 공휴일을 제외한 영업일 기준으로 배송이 진행됩니다.
2017년 1월 3일 출간
제품상태
상태 최상 외형 최상 내형 최상
이 상품 최저가
17,900원 다른가격더보기
새 상품
21,600원 [10%↓, 2,400원 할인] 새상품 바로가기
수량추가 수량빼기
안내 :

중고장터에 등록된 판매 상품과 제품의 상태는 개별 오픈마켓 판매자들이 등록, 판매하는 것으로 중개 시스템만을 제공하는
인터넷 교보문고에서는 해당 상품과 내용에 대해 일체 책임을 지지 않습니다.

교보문고 결제시스템을 이용하지 않은 직거래로 인한 피해 발생시, 교보문고는 일체의 책임을 지지 않습니다.

판매자 상품 소개

※ 해당 상품은 교보문고에서 제공하는 정보를 활용하여 안내하는 상품으로제품 상태를 반드시 확인하신 후 구입하여주시기 바랍니다.

판매자 배송 정책

  • 토/일, 공휴일을 제외한 영업일 기준으로 배송이 진행됩니다.

더보기

구매후기 목록
NO 구매후기 구매만족도 ID 등록일
27 중고상품이어서 사용한 흔적이 있는지 알았는데 그냥 완전 새책이네요? 서점은 전부 재고가 없었는데 배송도 이틀만에 도착해서 완전 좋습니다! 5점 만점에 5점 eved*** 2019.11.19
26 거의 새책급이네요. 5점 만점에 5점 dmswo0*** 2019.11.14
25 좋습니다 책상태도 좋아요 5점 만점에 5점 77ka*** 2019.11.12
24 감솨합니다^^ 고맙습니다~!! 5점 만점에 5점 cmw1*** 2019.11.09
23 `1234567890 5점 만점에 5점 p3*** 2019.11.08

책 소개

상품구성 목록
상품구성 목록

직접 구현하고 움직여보며 익히는 가장 쉬운 딥러닝 입문서! 『밑바닥부터 시작하는 딥러닝』은 라이브러리나 프레임워크에 의존하지 않고, 딥러닝의 핵심을 ‘밑바닥부터’ 직접 만들어보며 즐겁게 배울 수 있는 본격 딥러닝 입문서다. 술술 읽힐 만큼 쉽게 설명하였고, 역전파처럼 어려운 내용은 ‘계산 그래프’ 기법으로 시각적으로 풀이했다. 무엇보다 작동하는 코드가 있어 직접 돌려보고 요리조리 수정해보면 어려운 이론도 명확하게 이해할 수 있다. 딥러닝에 새롭게 입문하려는 독자들과 기초를 다시금 정리하고 싶은 현업 연구자와 개발자에게 유용한 책이 될 것이다.

새로운 지식을 배울 때 설명만 들어서는 석연치 않거나 금방 잊어버리게 된다. 그래서 무엇보다 ‘직접 해보는 것’이 중요하다. 이 책은 딥러닝의 기본을 ‘이론 설명’과 ‘파이썬 구현 코드’라는 투 트랙으로 설명한다. 각 장은 주제 하나를 설명한 후 그것을 실습할 수 있도록 꾸몄다. 즉, 실행되는 소스 코드를 준비했다. 소스 코드를 읽으면서 스스로 생각하고 그 생각을 반영해 실험하다 보면 확실하게 자기 것으로 만들 수 있다. 여러 실험을 해보면서 겪는 시행착오 역시 큰 자산이 될 것이다.

저자소개

저자 : 사이토 고키
저자 사이토 고키(?藤 康毅)는 1984년 나가사키 현 쓰시마 태생. 도쿄공업대학교 공학부를 졸업하고 도쿄대학대학원 학제정보학부 석사 과정을 수료했다. 현재는 기업에서 컴퓨터 비전과 기계학습 관련 연구?개발에 매진하고 있다. 오라일리재팬에서 『실천 파이썬 3』, 『컴퓨터 시스템의 이론과 구현』, 『실천 기계학습 시스템』 등을 번역했다.

역자 : 개앞맵시
역자 개앞맵시(이복연)는 고려대학교 컴퓨터학과를 졸업하고 삼성소프트웨어멤버십을 거쳐, 삼성전자 소프트웨어센터와 미디어솔루션센터에서 자바 가상 머신, 바다 플랫폼, 챗온 메신저 서비스 등을 개발했다. 주 업무 외에 분산 빌드, 지속적 통합, 앱 수명주기 관리 도구, 애자일 도입 등 동료 개발자들에게 실질적인 도움을 주는 일에 적극적이었다. 그 후 창업 전선에 뛰어들어 소셜 서비스, 금융 거래 프레임워크 등을 개발하다가, 무슨 바람이 불어서인지 책을 만들겠다며 기획ㆍ편집자(자칭 Wisdom Compiler)로 변신했다.
『Effective Unit Testing』(한빛미디어, 2013)과 『JUnit 인 액션』(인사이트, 2011)을 번역했다.

<개발자의 앞길에 맵핵 시전>, 줄여서 ‘개앞맵시’는 역자가 어려서부터 생각한 후학 양성의 꿈을 조금 독특한 방식으로 일찍 실행에 옮긴 것이다. 현재 모습은 게임, 서버, 웹 등 주요 직군별 개발자에게 꼭 필요한 기술과 역량을 안내하는 책들을 로드맵 형태로 정리한 지도다. 필요할 때 바로 구해볼 수 있도록 판매 중인 도서만을 다룬다.
페이스북 : https://facebook.com/dev.loadmap
로드맵 모음 : https://mindmeister.com/users/channel/wegra
스카이넷도 딥러닝부터 : https://mindmeister.com/812276967/_

목차

1장 헬로 파이썬
1.1 파이썬이란?
1.2 파이썬 설치하기
__1.2.1 파이썬 버전
__1.2.2 사용하는 외부 라이브러리
__1.2.3 아나콘다 배포판
1.3 파이썬 인터프리터
__1.3.1 산술 연산
__1.3.2 자료형
__1.3.3 변수
__1.3.4 리스트
__1.3.5 딕셔너리
__1.3.6 bool
__1.3.7 if 문
__1.3.8 for 문
__1.3.9 함수
1.4 파이썬 스크립트 파일
__1.4.1 파일로 저장하기
__1.4.2 클래스
1.5 넘파이
__1.5.1 넘파이 가져오기
__1.5.2 넘파이 배열 생성하기
__1.5.3 넘파이의 산술 연산
__1.5.4 넘파이의 N차원 배열
__1.5.5 브로드캐스트
__1.5.6 원소 접근
1.6 matplotlib
__1.6.1 단순한 그래프 그리기
__1.6.2 pyplot의 기능
__1.6.3 이미지 표시하기
1.7 정리

2장 퍼셉트론
2.1 퍼셉트론이란?
2.2 단순한 논리 회로
__2.2.1 AND 게이트
__2.2.2 NAND 게이트와 OR 게이트
2.3 퍼셉트론 구현하기
__2.3.1 간단한 구현부터
__2.3.2 가중치와 편향 도입
__2.3.3 가중치와 편향 구현하기
2.4 퍼셉트론의 한계
__2.4.1 도전! XOR 게이트
__2.4.2 선형과 비선형
2.5 다층 퍼셉트론이 출동한다면
__2.5.1 기존 게이트 조합하기
__2.5.2 XOR 게이트 구현하기
2.6 NAND에서 컴퓨터까지
2.7 정리

3장 신경망
3.1 퍼셉트론에서 신경망으로
__3.1.1 신경망의 예
__3.1.2 퍼셉트론 복습
__3.1.3 활성화 함수의 등장
3.2 활성화 함수
__3.2.1 시그모이드 함수
__3.2.2 계단 함수 구현하기
__3.2.3 계단 함수의 그래프
__3.2.4 시그모이드 함수 구현하기
__3.2.5 시그모이드 함수와 계단 함수 비교
__3.2.6 비선형 함수
__3.2.7 ReLU 함수
3.3 다차원 배열의 계산
__3.3.1 다차원 배열
__3.3.2 행렬의 내적
__3.3.3 신경망의 내적
3.4 3층 신경망 구현하기
__3.4.1 표기법 설명
__3.4.2 각 층의 신호 전달 구현하기
__3.4.3 구현 정리
3.5 출력층 설계하기
__3.5.1 항등 함수와 소프트맥스 함수 구현하기
__3.5.2 소프트맥스 함수 구현 시 주의점
__3.5.3 소프트맥스 함수의 특징
__3.5.4 출력층의 뉴런 수 정하기
3.6 손글씨 숫자 인식
__3.6.1 MNIST 데이터셋
__3.6.2 신경망의 추론 처리
__3.6.3 배치 처리
3.7 정리

4장 신경망 학습
4.1 데이터에서 학습한다!
__4.1.1 데이터 주도 학습
__4.1.2 훈련 데이터와 시험 데이터
4.2 손실 함수
__4.2.1 평균 제곱 오차
__4.2.2 교차 엔트로피 오차
__4.2.3 미니배치 학습
__4.2.4 (배치용) 교차 엔트로피 오차 구현하기
__4.2.5 왜 손실 함수를 설정하는가?
4.3 수치 미분
__4.3.1 미분
__4.3.2 수치 미분의 예
__4.3.3 편미분
4.4 기울기
__4.4.1 경사법(경사 하강법)
__4.4.2 신경망에서의 기울기
4.5 학습 알고리즘 구현하기
__4.5.1 2층 신경망 클래스 구현하기
__4.5.2 미니배치 학습 구현하기
__4.5.3 시험 데이터로 평가하기
4.6 정리

5장 오차역전파법
5.1 계산 그래프
__5.1.1 계산 그래프로 풀다
__5.1.2 국소적 계산
__5.1.3 왜 계산 그래프로 푸는가?
5.2 연쇄법칙
__5.2.1 계산 그래프에서의 역전파
__5.2.2 연쇄법칙이란?
__5.2.3 연쇄법칙과 계산 그래프
5.3 역전파
__5.3.1 덧셈 노드의 역전파
__5.3.2 곱셈 노드의 역전파
__5.3.3 사과 쇼핑의 예
5.4 단순한 계층 구현하기
__5.4.1 곱셈 계층
__5.4.2 덧셈 계층
5.5 활성화 함수 계층 구현하기
__5.5.1 ReLU 계층
__5.5.2 Sigmoid 계층
5.6 Affine/Softmax 계층 구현하기
__5.6.1 Affine 계층
__5.6.2 배치용 Affine 계층
__5.6.3 Softmax-with-Loss 계층
5.7 오차역전파법 구현하기
__5.7.1 신경망 학습의 전체 그림
__5.7.2 오차역전파법을 적용한 신경망 구현하기
__5.7.3 오차역전파법으로 구한 기울기 검증하기
__5.7.4 오차역전파법을 사용한 학습 구현하기
5.8 정리

6장 학습 관련 기술들
6.1 매개변수 갱신
__6.1.1 모험가 이야기
__6.1.2 확률적 경사 하강법(SGD)
__6.1.3 SGD의 단점
__6.1.4 모멘텀
__6.1.5 AdaGrad
__6.1.6 Adam
__6.1.7 어느 갱신 방법을 이용할 것인가?
__6.1.8 MNIST 데이터셋으로 본 갱신 방법 비교
6.2 가중치의 초깃값
__6.2.1 초깃값을 0으로 하면?
__6.2.2 은닉층의 활성화 분포
__6.2.3 ReLU를 사용할 때의 가중치 초깃값
__6.2.4 MNIST 데이터셋으로 본 가중치 초깃값 비교
6.3 배치 정규화
__6.3.1 배치 정규화 알고리즘
__6.3.2 배치 정규화의 효과
6.4 바른 학습을 위해
__6.4.1 오버피팅
__6.4.2 가중치 감소
__6.4.3 드롭아웃
6.5 적절한 하이퍼파라미터 값 찾기
__6.5.1 검증 데이터
__6.5.2 하이퍼파라미터 최적화
__6.5.3 하이퍼파라미터 최적화 구현하기
6.6 정리

7장 합성곱 신경망(CNN)
7.1 전체 구조
7.2 합성곱 계층
__7.2.1 완전연결 계층의 문제점
__7.2.2 합성곱 연산
__7.2.3 패딩
__7.2.4 스트라이드
__7.2.5 3차원 데이터의 합성곱 연산
__7.2.6 블록으로 생각하기
__7.2.7 배치 처리
7.3 풀링 계층
__7.3.1 풀링 계층의 특징
7.4 합성곱/풀링 계층 구현하기
__7.4.1 4차원 배열
__7.4.2 im2col로 데이터 전개하기
__7.4.3 합성곱 계층 구현하기
__7.4.4 풀링 계층 구현하기
7.5 CNN 구현하기
7.6 CNN 시각화하기
__7.6.1 1번째 층의 가중치 시각화하기
__7.6.2 층 깊이에 따른 추출 정보 변화
7.7 대표적인 CNN
__7.7.1 LeNet
__7.7.2 AlexNet
7.8 정리

8장 딥러닝
8.1 더 깊게
__8.1.1 더 깊은 네트워크로
__8.1.2 정확도를 더 높이려면
__8.1.3 깊게 하는 이유
8.2 딥러닝의 초기 역사
__8.2.1 이미지넷
__8.2.2 VGG
__8.2.3 GoogLeNet
__8.2.4 ResNet
8.3 더 빠르게(딥러닝 고속화)
__8.3.1 풀어야 할 숙제
__8.3.2 GPU를 활용한 고속화
__8.3.3 분산 학습
__8.3.4 연산 정밀도와 비트 줄이기
8.4 딥러닝의 활용
__8.4.1 사물 검출
__8.4.2 분할
__8.4.3 사진 캡션 생성
8.5 딥러닝의 미래
__8.5.1 이미지 스타일(화풍) 변환
__8.5.2 이미지 생성
__8.5.3 자율 주행
__8.5.4 Deep Q-Network(강화학습)
8.6 정리

부록 A Softmax-with-Loss 계층의 계산 그래프
A.1 순전파
A.2 역전파
A.3 정리

참고문헌

책 속으로

출판사 서평

파이썬으로 익히는 딥러닝 이론과 구현 _예제 소스: https://github.com/WegraLee/deep-learning-from-scratch ★ 누구를 위한 책인가? _ 외부 라이브러리는 최소한만 이용하고 파이썬을 사용해 딥러닝...

[출판사서평 더 보기]

파이썬으로 익히는 딥러닝 이론과 구현

_예제 소스: https://github.com/WegraLee/deep-learning-from-scratch

★ 누구를 위한 책인가?
_ 외부 라이브러리는 최소한만 이용하고 파이썬을 사용해 딥러닝 프로그램을 처음부터 구현합니다.
_ 파이썬이 처음인 사람도 이해할 수 있도록 파이썬 사용법도 간략히 설명합니다.
_ 실제 동작하는 파이썬 코드와 독자가 직접 실험할 수 있는 학습 환경을 제공합니다.
_ 간단한 기계학습 문제부터 시작하여 궁극에는 이미지를 정확하게 인식하는 시스템을 구현합니다.
_ 딥러닝과 신경망 이론을 알기 쉽게 설명합니다.
_ 오차역전파법(backpropagation)과 합성곱(convolution) 연산 등 복잡해 보이는 기술을 구현 수준에서 이해할 수 있도록 설명합니다.
_ 하이퍼파라미터 결정 방식, 가중치 초깃값 등 딥러닝을 활용하는 데 도움이 되는 실용적인 기술을 소개합니다.
_ 배치 정규화, 드롭아웃, Adam 같은 최근 트렌드를 설명하고 구현해봅니다.
_ 딥러닝이 왜 뛰어난지, 층이 깊어지면 왜 정확도가 높아지는지, 은닉층이 왜 중요한지와 같은 ‘왜’에 관한 문제도 다룹니다.
_ 자율 주행, 이미지 생성, 강화학습 등, 딥러닝을 응용한 예를 소개합니다.

★ 누구를 위한 책이 아닌가?
_ 딥러닝 분야의 최신 연구에 대해서는 자세히 다루지 않습니다.
_ 카페(Caffe), 텐서플로(TensorFlow), 체이너(Chainer) 등의 딥러닝 프레임워크 사용법은 설명하지 않습니다.
_ 딥러닝, 특히 신경망에 관한 아주 상세한 이론까지는 담지 않았습니다.
_ 딥러닝의 정확도를 높이기 위한 튜닝은 자세히 설명하지 않습니다.
_ 딥러닝 성능을 높여주는 GPU 기술은 구체적으로 다루지 않습니다.
_ 주로 이미지 인식을 다룹니다. 자연어 처리, 음성 인식 등의 사례는 다루지 않습니다.

[출판사서평 더 보기 닫기]

책 속 한 문장

회원리뷰

  • 자율주행 자동차에 있어서 이미지 인식은 아주 중요합니다. 따라서 저자가 이것만 강조하여 빠르게 배울 수 있는 포인트를 선정하는...

    자율주행 자동차에 있어서 이미지 인식은 아주 중요합니다. 따라서 저자가 이것만 강조하여 빠르게 배울 수 있는 포인트를 선정하는 것은 정말 좋은 선택과 집중의 묘미가 있습니다.


    얇은 책을 먼저 반복해서 공부하는 것은, 효율적인 방법이 될 만하다고 하죠. 딱 딥러닝 분야에서 이 책은 그런 역할읗 잘 보여 줍니다. 정말 인공지능 뉴스가 하루라도 빠지지 않습니다. 마치 처음 인터넷이 등장하고 윈도우95가 등장하던 그런 때가 생각납니다. 그보다는 더욱 더 파괴적인 영향력을 끼칠 것 같습니다. 그래서 미루고 미룬 딥러닝 공부라면 딱 이 책부터 해보면 시간도 절약하고 전체적인 흐름을 좀 더 깊이있게 알게 됩니다. 다른 사람에게 듣는 딥러닝은 한계가 있습니다. 그래서 직접 열공 성공하는 길은 당연히 스스로 해보는 것이죠. 

     

    파이썬 기초부터 다루고 있습니다. 넘파이, matplotlib도 다루면서 파이썬 데이터분석을 빠르게 경험합니다. 파이썬을 처음 접하는 분들도 배려하고 있습니다. 

     

    퍼셉트론 / 신경망 / 신경망 학습 / 오차역전파법 / 합성곱 신경망 / 딥러닝 

    이렇게 알짜로만 배우기 위해 조금만 노력하면 되는 것이죠. 그렇게 흥미롭고 보람을 얻을 만한 시간을 이 작은 책, 얇은 책에서 경험할 수 있습니다. 물론 이미 잘 알려진 것처럼 이 분야는 수학을 새롭게 다시 공부하는 각오가 있어야 한다고 그렇죠. 당연히 인공지능적이라면 수학이 필요하겠죠. 물론 딥러닝 학습이라는 목적성을 위해 일단 빠르게 경험하는 것조차 행운입니다.

     

    물론 저자는 특별히 "누구를 위한 책이 아닌가" 언급하면서 시작합니다. 즉, 딥러닝 분야 최신 연구, 상세한 이론, 튜닝, GPU 기술을 다루지 않고 자연어 처리, 음성 인식 등의 사례도 커버하지 않는다고 합니다. 이미지 인식은 그래도 굉장한 분야이죠. 그래서 일단 시작해보자. 그렇게 마음을 먹을 수 있습니다. 딥러닝 그 넘사벽이 완만한 동산 같이 느껴질 것입니다. 언제라도 마음 먹고 딱 주말 짧은 시간이라도 노력하면 어렵지 않게 완독을 할 것입니다. 

     

    그래서 저자에게 경의를 표하게 됩니다. 우리에게 정말 필요한 기술을 아주 쉽게 알려 주니 말이죠!!!


    // 한빛미디어 서평 리뷰단으로 책을 받은 후, 바쁜 일정 속에서도 충분히 읽고 열공할 수 있게 되었습니다. 한빛미디어 그리고 저자에게 감사드립니다.

  • [나도 리뷰어] 밑바닥부터 시작하는 딥러닝

    0. 누구를 위한 책인가?

    책의 서문에 보면 이런 내용이 나온다.

    • 외부 라이브러리는 최소한만 이용하고 파이썬을 사용해 딥러닝을 처음부터 구현
    • 파이썬이 처음인 사람도 이해할수 있도록 파이썬 사용법도 간략히 설명
    • 간단한 기계학습 문제부터 시작하여 이미지를 인식하는 시스템을 구현
    • 딥러닝과 신경망 이론을 알기 쉽게 설명

    실제로 구현을 해나가면서 딥러닝에 대한 내용을 이해할 수 있다는 점이 장점인것 같다.

    1. 헬로 파이썬

    간단하게 파이썬 문법에 대한 설명이 나온다.

    파이썬을 처음 접하는 사람들을 배려해서 친절하게 설명이 되어 있다.

    2. 퍼셉트론

    퍼셉트론은 신경망(딥러닝)의 기원이 되는 알고리즘이라고 한다.

    간단히 설명하면

    • 퍼셉트론은 다수의 신호를 입력으로 받아 하나의 신호를 출력한다.
    • 입력신호가 보내질때 각각 고유한 가중치가 곱해진다.
    • 보내온 신호의 총합이 정해진 한계를 넘어설 때만 1을 출력하는데 그 한계를 임계값이라고 한다.

    퍼셉트론 알고리즘을 이용해서 기본적인 논리회로(AND, OR, XOR, NAND)도 구성할 수 있다는 이야기가 굉장히 흥미로웠다.

    게다가 NAND 게이트의 조합만으로 컴퓨터를 만들 수 있다니!

    3. 신경망

    퍼셉트론의 단점은 가중치를 설정하는 작업을 사람이 수동으로 해줘야 한다는 것 이다.

    신경망은 가중치의 적절한 값을 데이터로 부터 자동으로 학습하는 역할을 해준다고 한다.

    이 둘을 구분해주기 위해서 활성화 함수라는 개념이 등장한다.

    • 퍼셉트론에서는 활성화 함수로 계단 함수를 이용한다.
    • 신경망에서는 활성화 함수로 시그모이드 함수를 이용한다.

    간단히 그래프로 보면 아래와 같다.

    왼쪽이 계단함수 오른쪽이 시그모이드 함수

    비선형 함수

    위 두 그래프는 모두 비선형 함수이다.

    신경망에서는 활성화 함수로 비선형 함수를 사용해야한다.

    선형 함수를 이용하면 신경망의 층을 깊게 하는 의미가 없어지기 때문이다.

    내용 정리

    • 신경망에서는 활성화 함수로 시그모이드 함수와 ReLU 함수 같이 매끄럽게 변화하는 함수를 이용한다. (그 이유는 신경망 학습과 관련이 있는데 이건 다음장에서 설명한다고..)
    • NumPy의 다차원 배열을 사용하면 신경망을 효율적으로 구현할 수 있다. (이래서 파이썬을 많이 사용하는듯!)
    • 기계학습 문제는 크게 회귀와 분류로 나눌 수 있다.
    • 분류는 데이터가 어떤 클래스에 속하느냐 하는 문제 (예를 들어 사진 속 인물의 성별을 분류)
    • 회귀문제는 입력데이터에서 수치를 예측하는 문제 (예를 들어 사진 속 인물의 몸무게를 예측하는 문제)

    이번 장에서는 MNIST 이미지 데이터를 가져와서 이미 학습되어 있는 네트워크를 사용해서 어떤 숫자인지 추론하는 과정을 구현 한다.

    신경망 이론을 어떻게 실제 문제에 적용할 수 있는지 맛을 보여주는 간단한 예제라서 좋은 것 같다.

    4. 신경망 학습

    위 그림을 보면 신경망과 기계학습의 차이에 대해서 알 수 있다.

    이제는 특정 문제들에 대해서는 사람이 알고리즘을 만들지 않아도 되는 시대라는 생각이 들었다.

    5. 마무리

    책을 다 읽고 리뷰를 올리고 싶었으나 반 정도까지만 보고 올리게 되었다.

    딥러닝이 최근에 많이 이슈가 되고 있는데 이 책의 경우 기본적인 내용에 집중해서 직접 구현을 해보는 방식이라 개인적으로는 맘에 들었다.

    파이썬이 왜 요즘 이렇게 많이 사용되고 있는지도 느낄수 있었고..

    나머지 부분도 얼른 다 읽고 정리를 해야겠다.

  • 요즘 딥러닝의 인기는 정말... 높은 것 같아요. 여러 스터디에 나가보면 거의 모든 분들이...

    요즘 딥러닝의 인기는 정말... 높은 것 같아요. 여러 스터디에 나가보면 거의 모든 분들이 관심이 있으신 것 같습니다. 알파고랑 이세돌의 격돌도 잠시, 작년 겨울에 나온 구글 번역기의 놀라운 성능은 기계학습 전공자들의 눈을 모두 딥러닝으로 쏠리게 만든 것 같습니다.

    그래서, 저도 텐서플로 딥러닝 카페에서 이런저런 정보를 얻어가던 중, 한빛 미디어의 밑바닥부터 시작하는 딥러닝 출간 소식과 사람들의 호평을 보고 좋은 느낌을 가지고 있었습니다.

    풉풉... 2주전부터 이 책이 제 손에 들어왔습니다. 저랑 같이 이 책이 여러가지 장단점을 살펴볼까요?

    책 소개를 하면 "누구를 위한 책인가?" 저도 항상 생각하게 됩니다.

    결론부터 말하면 : 김성훈 교수의 : 모두를 위한 머신러닝/딥러닝 강의 의 시즌 1 - 딥러닝의 기본 (종강) 비디오 리스트 를 들으신 분들이 보시면 좋습니다.

    사실 대한민국의 대부분 딥러닝 입문자들은 김성훈 교수님 강의부터 듣게 되죠. ㅎㅎ 딥러닝 시작하기에 가장 좋은 입문 동영상 입니다. 그래서 딥러닝 입문후 계속 공부할지 말지 어느 수준을 책을 읽어야 할지 고민하게 될 때 김성훈 교수님 강의가 너무 어렵다면 딥러닝 첫걸음이나 텐서플로 첫걸음 같은 좀 더 쉬운 입문서를 다시 보고 오시는 것이 좋습니다.

    어느 정도 이해가 되는데, 김 성훈 교수님 PDF에 강의 내용을 정리해서 여러번 반복 복습하고 싶다면, 이 때 이 책이 딱입니다. 김 성훈 교수님은 텐서플로를 위주로 설명해주시는데, 밑바닥부터 시작하는 딥러닝은 텐서플로 외에도 여러 딥러닝 도구에도 사용할 수 있도록 기본 이론을 위주로 아주 자세하게 설명합니다.

    김성훈 교수님의 동영상 + 밑바닥부터 시작하는 딥러닝의 조화 : 기초 다지기에 좋아요.

    책을 사서 처음 보시면, 김성훈 교수님 강의 동영상이랑 순서가 조금 달라서 당황하실 수도 있어요. 퍼셉트론, XOR 이런 주제는 동영상에서는 중반 부분에 나오는데, 이 책은 초반에 바로 시작...

    그래서... 음 뭔가 어려울 것 같다는 생각이 들지만, 동영상을 듣고 이 책을 읽게 되면, 저자의 의도를 이해하게 됩니다. 그리고 동영상에서 XOR 문제를 한 번 다루었기 때문에, 책 초반에 읽어도 어렵지는 않아요.

    그런데, 태어나서 난생 처음으로 딥러닝을 하시려는 분들은 이 책을 바로 읽으시면 조금 힘드실 수도 있어요. 왜 이것을 이해해야하는지 그것을 이해하기 어려울수도 있으니까요.
    동영상 먼저 보세요. 동영상 강의가 책으로는 이해하기 어려운 방향성을 잘 잡아주기도 하거든요. 

    저자는 친절하게 챕터1에서 파이썬 기초 문법을 설명해 놓았습니다. 제 생각에는 별로 도움이 안 됩니다. 파이썬을 아시는 분들은 간단하게 체크하는 정도에서 읽어보시면 좋겠지만, 파이썬이 처음이라면, 파이썬 문법이 간단하므로, 다른 단행권 책이나 인터넷 자료, 강의를 보시는 것이 좋습니다. 

    저는 처음에 제 윈도우에 matplot가 실행이 안되어서, 실습 없이 소스 코드만 읽고 이해했는데, 소스 코드가 별로 어렵지 않아서 천천히 읽어면서 이해했습니다.

    이글을 쓰기 전, ㅎㅎ matplot 메서드 불러오는데, 성공했습니다. 윈도우 10이랑 matplot 실행에 오류가 좀 있었네요.

    딥러닝을 하다보면 정말 배열이나 행렬이 많이 나옵니다.  이 부분이 약하면 다른 딥러닝 소스 코드 이해하는데 어려움이 많습니다.
    그런데 대부분의 책들은 전공자들이 읽을꺼라고 생각해서 그런지 넘파이 같은 메서드를 설명하지 않고, 바로 코드 구현에 들어갑니다. 초심자에게는 무작정따라하기가 시작되는 거죠.

    이 책은 친절하게 넘파이 같은 메서드를 소개합니다. 입문자들이 무엇을 어려워하는지 알고 서술한 느낌입니다. 이런 친절함이 책을 읽다보면 중간중간에 나옵니다.

    밑마닥부터 시작하는 딥러닝이 친절한 이유 중에 하나가 위 이미지에서 보듯이, 텍스트 뿐만 아니라 도표, 그래프 등 다른 설명 도구를 이용해서 설명을 충분히 한다는 점입니다.

    이미지 설명도 위의 그림과 같이 원 안과 화살표 위에 필요한 인자들을 넣어 입문자들이 더욱 쉽게 이해할 수 있도록 배려하고 있습니다. 보통의 책들은 원이랑 화살표만 있는 경우가 대부분이죠.                                                         

    그냥 썩~~ ͛어보면 어렵다고 생각할 수도 있지만, 이미지 아래에 충분한 설명이 있으므로, 천천히 읽어보면 이해할 수 있습니다.

    저처럼 오랫동안 수학을 보지 못한 분들을 위해 행렬을 어떻게 계산하는지 상세하게 설명합니다. 배열과 행렬은 오래전에 수학을 그만 둔 인문계분들에게는 참 어렵게 느껴질 수 있지만, 이것을 못하면 딥러닝은 더욱 어려워지므로, 책 내용을 하나하나 천천히 공부하셔야 합니다.

    하하 엄청 어려워 보이지 않나요? 책으로 공부하시면 다 이해가 되시므로 겁먹지 마세요. 일부러 이 책에서 매우 복잡한 이미지 중 한를 보여드립니다. 저도 처음볼 때 깜짝 놀랐는데, 책 아래 설명을 보면 이해가 됩니다.

    그래프 뿐만 아니라, 개별 내용들도 풍부합니다. 김성훈 교수님의 동영상에서 짧게 언급된 부분들도 책에서는 충분히, 체계적으로 서술되어 있으므로, 강의와 책을 연결시키면 훌륭한 학습서가 될 것 같습니다.

    딥러닝의 CNN 등을 할 때 제일 헤깔리는 부분 중의 하나가 배열입니다. 이 책 최대 장점 중의 하나가 배열을 자세히 설명한다는 점입니다. 그리고 어떤 인자들을 서로 일치시켜야 하는지 상세하게 설명하므로, 다음에 본인이 직접 딥러닝의 층을 만들때 어느 부분을 주의해야 하는지 사전에 충분히 인지할 수 있습니다.

    김성훈 교수님의 강의 때 역전파의 성공이 딥러닝의 역사에서 정말 중요한 한 계기가 되었음을 알게 되었는데, 그 역전파를 매우 상세하게 설명합니다. 위 이미지를 잘 기억해 놓으시면 텐서플로로 딥러닝 할 때 노드와 엣지 구성을 어떻게 하고, 그것이 실제로 어떻게 동작하는지, 마치 텐서보드에서의 동작 구현을 보듯이, 공부하실 수 있습니다.

    앞의 이미지가 순전파이고, 이 이미지가 역전파입니다. 기계학습에서 최적의 파라미터를 찾아가는 마법같은 일이 이 역전파에서 일어난다는 것을 이해하시면 이 책의 구성이 정말 탄탄하다고 느끼실 수 있을꺼에요.

    딥러닝 책 몇 권을 읽었는데, 이렇게 부분부분 상세하게 입문자 수준에서 가려운 곳을 해결해주는 책은 없었습니다(아직까지 ㅎㅎ).

    이론적인 순서와 내용이 필요하면 건너뛰지 않고 한 단계, 한 단계 모두 설명합니다. 똑 같은 설명의 반복 같지만, 입문자 입장에서는 완결성 높은 느낌이 듭니다. 가끔 IT 기술서을 읽다가 보면 나중에는 다 알게 되지만, 처음에는 IT 분야에서만 통용되는 용어들이 설명없이 너무 자주 나와서 책 읽는데 힘드는데, 이 책은 되도록이면 건너뛰지 않고 설명합니다.

    딥러닝의 발전 속도가 어마어마 빠른데, --" 자고 일어나면 새로운 이론들이 나오고 있는 것 같아요. 이 책에서는 다양한 최선의 기법들을 많이 설명하는 것 같습니다. 그리고 저자의 분석도 있어서, 각 경우에 맞게 선택할 수 있도록 안내하고 있습니다.

    CNN 에 대한 설명은 많지는 않지만, 알맹이는 모두 잘 설명되어 있습니다. 이미지들의 계산 결과를 하나하나 따라하다보면 CNN 의 대략적인 감을 잡을 수 있습니다.

    보통 책들이 딥러닝 역사부터 설명하는데, 이 책은 제일 뒷편에 나옵니다. 

    하하 과거 역사가 정말 너무 오래전 역사가 아니라, 바로 얼마전의 역사이므로, 딥러닝의 시작하는 우리에게는 현재진행형처럼 느껴지는 이야기들을 하고 있습니다. 딥러닝의 방향성을 잡기에 좋습니다.

    딥러닝이 최근 눈길을 끌고, 워낙 다양한 분야에 급속하게 적용되다보니, 여러 좋은 책들이 막나오기 시작하는 것 같습니다. 저로 주로 한글로 입문서들을 주로 읽었는데, 이번에 읽은 밑바닥부터 시작하는 딥러닝은 제가 읽은 입문서들보다는 좀 더 딥러닝을 깊게 자세하게 이해하는 계기가 된 책인것 같습니다.

    여러 다양한 경로를 통해 딥러닝에 대해서 배우고 접했던터라, 이 블로그에서 설명한 제 생각이 틀릴수도 있지만,
    마지막으로 말씀드리면 김성훈 교수님의 동영상 강의와 밑바닥부터 시작하는 딥러닝으로 시작하시면 딥러닝 세계가 대충 어떻게 돌아가는지 이해하실 수 있을 것 같습니다.

    딥러닝의 세계로 초대합니다.

     이 서평은 교재를 제공받아 작성되었으며, Yes24, 교보문고 사이트에도 같이 등록됩니다.

  • 초보자에게는 신경회로망, 딥러닝(CNN)에 대한 큰 그림을 보여주는 좋은 책이라고 생각됩니다.개인적으로 신경회로망을 처음 접한...

    초보자에게는 신경회로망, 딥러닝(CNN)에 대한 큰 그림을 보여주는 좋은 책이라고 생각됩니다.

    개인적으로 신경회로망을 처음 접한 것은 1994년도였습니다.

    그때도 일서 번역본으로 공부했던 기억이 납니다. C언어 소스가 함께 포함되어 있어서 논문을 쓴다든지, 실험을 할 때 많은 도움이 되었던 기억이 나네요.

     

    20 여년이 흘러 AI가 주목을 받는 이때에 [밑바닥부터 시작하는 딥러닝] 이 책을 통하여 다시 돌아본 신경회로망은 내가 관심을 두지 않은 동안에도 많은 추가적인 연구가 진행되고 있었구나 하는 것을 또다시 이 일어 번역서를 통하여 그 내용을 통하여 알 수 있었습니다.

     

    시그모이드 함수, tanh 함수에만 익숙했는데, 활성화 함수 ReLU 라는 것도 있구나 알게 되었고, 가중치(Weight, W)의 초기화 설정도 어떻게 해야 하는지 연구가 있었고, 더불어 가중치의 변화 과정도 모니터링하고 가장 효과적인 설정이 어떤 것인지 연구해 나가는 것을 보면서 이 분야의 연구가 꾸준히 이루어지고 있었던 것이 인상깊었습니다.

     

    저는 파이썬에 익숙하지 않은 터라, 소스 실행없이 책만 쭉 읽었습니다. 그래서인지 이 책에 기재된 소스에 대한 이해도는 떨어졌는데 여유가 되시는 분은 실습과 병행하면 멋진 학습이 될 듯합니다.

     

    아무튼 이 책을 통하여 책의 초반부에 나오는 퍼셉트론, 신경망, 오차역전파 학습에 대해 리뷰를 해 볼 수 있었고,

    후반부에는 이미지 처리에 주로 활용되는 CNN(Convolutional Neural Network)에 관하여 차근차근 그림과 프로그램 소스로 이해할 수 있었습니다.

     

    이렇게 컴퓨터 실습과 이론학습을 병행할 수 있는 좋은 서적들이 더많이 출간되었으면 합니다. 최신의 이론과 동향들을 알기 위해 더 많은 번역서들이 나오기를 기대합니다.

     

     

  • 가장 핫한 딥러닝의 시대에서 개념을 잡기엔 최고의 책이라 생각한다. 인터넷의 발전으로 인한 딥러닝에 대한 정보를 쉽게...
    가장 핫한 딥러닝의 시대에서 개념을 잡기엔 최고의 책이라 생각한다. 인터넷의 발전으로 인한 딥러닝에 대한 정보를 쉽게 접할 수 있지만 아예 처음 부터 시작하는 사람들에게는 아직도 많이 생소하다. 이책을 시작으로 기본을 잡고 정보들을 습득한다면 이해력을 많이 향상 시킬 수 있다. 책의 가장 처음 파이썬 기초부터 시작하여 딥러닝이 무엇인지 개념 소개와 파이썬코드를 직접 작성하여 딥러닝의 맛을 볼 수있다. CNN 등 기본적인 딥러닝에 대한 개념, 함수, 최적화등 설명이 잘 되어 있고, 수학을 모르더라도 간단한 수식정도는 설명을 해주고 있고 행렬, 그래프, 이미지를 통한 딥러닝을 진행하기 때문에 책만 보고 시작 하는 것보단 실질적인 결과 추론을 할 수가 있어 하면 할 수록 할 맛이난다. 물론 TensorFlow나 딥러닝 프레임워크의 사용법은 나오지 않지만 초보자가 딥러닝이 무엇인가에 개념을 쌓기 좋고, 책 내용은 보기에 불필요한 문장들을 사용하지 않고 간결하게 구성되어 있어서 이해하기 어렵지 않다. 

교환/반품안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품안내
반품/교환방법

[판매자 페이지>취소/반품관리>반품요청] 접수
또는 [1:1상담>반품/교환/환불], 고객센터 (1544-1900)

※ 중고도서의 경우 재고가 한정되어 있으므로 교환이 불가할 수 있으며, 해당 상품의 경우 상품에 대한 책임은 판매자에게 있으며 교환/반품 접수 전에 반드시 판매자와 사전 협의를 하여주시기 바랍니다.

반품/교환가능 기간

변심반품의 경우 수령 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내

※ 중고도서의 경우 판매자와 사전의 협의하여주신 후 교환/반품 접수가 가능합니다.

반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유

소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우(단지 확인을 위한 포장 훼손은 제외)

소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 예) 화장품, 식품, 가전제품 등

복제가 가능한 상품 등의 포장을 훼손한 경우 예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집

소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)

디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우

시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우

전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우

1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품이므로 단순 변심 및 착오로 인한 취소/교환/반품 시 해외주문 반품/취소 수수료 고객 부담 (해외주문 반품/취소 수수료는 판매정가의 20%를 적용

2) 중고도서 : 반품/교환접수없이 반송하거나 우편으로 접수되어 상품 확인이 어려운 경우

소비자 피해보상
환불지연에 따른 배상

- 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨

- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

판매자
책책북북
판매등급
특급셀러
판매자구분
일반
구매만족도
5점 만점에 5점
평균 출고일 안내
2일 이내
품절 통보율 안내
23%

이 책의 e| 오디오

바로가기

최근 본 상품