본문내용 바로가기

KYOBO 교보문고

책 다시 숲
교보문고 기프트카드
  • 교보아트스페이스
  • 북모닝책강
C++로 배우는 딥러닝(신경망의 기초부터 C++를 이용한 구현까지)
* 중고장터 판매상품은 판매자가 직접 등록/판매하는 상품으로 판매자가 해당상품과 내용에 모든 책임을 집니다. 우측의 제품상태와 하단의 상품상세를 꼭 확인하신 후 구입해주시기 바랍니다.
| | 182*236*17mm
ISBN-10 : 8931555660
ISBN-13 : 9788931555660
C++로 배우는 딥러닝(신경망의 기초부터 C++를 이용한 구현까지) 중고
저자 후지타 타케시 | 역자 김성훈 | 출판사 성안당
정가
23,000원 신간
판매가
18,390원 [20%↓, 4,610원 할인]
배송비
2,500원 (판매자 직접배송)
지금 주문하시면 2일 이내 출고 가능합니다.
토/일, 공휴일을 제외한 영업일 기준으로 배송이 진행됩니다.
2018년 6월 29일 출간
제품상태
상태 최상 외형 최상 내형 최상
이 상품 최저가
18,390원 다른가격더보기
새 상품
20,700원 [10%↓, 2,300원 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.

중고책 추천 (판매자 다른 상품)

더보기

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
29 잘읽을게요 감사합니다 5점 만점에 5점 leefr*** 2019.12.16
28 아주아주 좋습니다아 5점 만점에 5점 tpdl*** 2019.12.14
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

이 책의 시리즈

책 소개

상품구성 목록
상품구성 목록

입문자와 소프트웨어 엔지니어를 위한 딥러닝과 신경망의 모든 것!
신경망의 기본부터 합성곱 신경망(CNN), 재귀형 신경망(RNN)까지 총 망라! 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.

저자소개

저자 : 후지타 타케시
저자 후지타 타케시
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 : 김성훈
역자 김성훈
주요 번역서로는 〈C가 보이는 그림책〉, 〈프로그래밍이 보이는 그림책〉, 〈게 임 프로그래밍의 정석〉, 〈웹을 지탱하는 기술〉, 〈Objective-C 프 로그래밍〉, 〈안드로이드 개발 레벨업 교과서〉, 〈실무에서 바로 통하는 자바〉, 〈C 이보다 쉬울 순 없다〉, 〈iOS 디버그 & 최적화 기법〉, 〈UML 모델링의 본질〉, 〈프로가 가르쳐주는 시퀀스 제어〉, 〈만화로 쉽게 배우는 선형대수〉 등 다수가 있다.

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

책 속으로

출판사 서평

책 속 한 문장

회원리뷰

  • C++로 배우는 딥러닝 | st**4s | 2018.10.18 | 5점 만점에 5점 | 추천:0
    &nbs...

    슬라이드1.JPG

    슬라이드2.JPG

    슬라이드3.JPG

    슬라이드4.JPG

    슬라이드5.JPG

    슬라이드6.JPG

    슬라이드7.JPG

    슬라이드8.JPG

    슬라이드9.JPG

    슬라이드10.JPG

    슬라이드11.JPG

    슬라이드12.JPG


    슬라이드13.JPG

    슬라이드14.JPG

    슬라이드15.JPG

    슬라이드16.JPG

    슬라이드17.JPG

    슬라이드18.JPG

    슬라이드19.JPG

    슬라이드20.JPG

    슬라이드21.JPG

    슬라이드22.JPG

    슬라이드23.JPG

    슬라이드24.JPG


    슬라이드25.JPG

    슬라이드26.JPG

    슬라이드27.JPG

    슬라이드28.JPG

    슬라이드29.JPG

    슬라이드30.JPG

    슬라이드31.JPG

    슬라이드32.JPG


     

    스마트폰으로 인해 시대가 점점 정보가 넘쳐나게 된 것 같습니다. 사진을 찍고 바로바로 온라인으로 등록이 되면서부터 정보의 홍수가 기하급수적으로 다가왔다는 것을 정말로 실감하는 요즘입니다. 전 세계 방방고곡의 어디를 가든지간에 누가 무엇을 하고 있는지 기록들이 고스란히 전해주기 때문에 앞으로 데이터를 어떻게 누가 잘 활용하느냐가 중요할 것 같은 요즘인데 그 핵심 기술이 딥러닝이라는 사실로부터 이 책은 우리에게 데이터를 어떻게 향후 사용해야 하는지에 대한 올바른 길로 인도해줄 것 같은 기대감에 읽고싶어 이렇게 읽었는데 AI의 기본이 어떻게 돌아가는지 궁금한 모든 분들이 이 책을 읽어보신다면 너무나 좋겠다고 생각이 들어 이렇게 추천하고자 합니다.

     

    프로그램 개발을 하는 일을 하고 있지만, 솔직히 이렇게 크라우드 같은 빅데이터가 성공하리라곤 생각 못했었는데, 이 도서는 80년대에 더미터미날을 이용해서 중앙컴퓨터를 사용했던 시절이 생각나더라구요. 이렇게 빅데이터가 새로운 비즈니스의 장을 연다는 것이 재미있었어요. 이 책은 IT 정보 이상의 활용과 전망 등을 이야기하고 있어서 관심이 많이가게 하네요. 언어학에서 사람은 하루종일 듣기, 말하기, 읽기, 쓰기 순으로 언어를 사용한다고 하지만, 오늘날에는 읽기, 쓰기, 듣기, 말하기 순서가 아닐까 생각해보네요. 대부분 스마트폰으로 인터넷을 접속해 데이터를 읽고 트위터나 검색으로 자신의 관심사를 입력하는데, 즉 각 개개인의 관심영역이 입력 단어안에 모두 녹아있게 된다는 것은 입력단어를 분석함으로써 집단의 방향성을 알수 있다는 뜻이기도 할꺼에요. 눈치 빠른 업체들은 이미 이 사실을 수익 모델로 현실화하고 있다는 점에서 놀라움을 느끼곤 해요. 이 책을 통해 빅데이터에 대해 다시한번 알아가보고 싶은 분들께 꼭 추천하고 싶습니다.

  • C++로 배우는 딥러닝 | sh**he | 2018.07.24 | 5점 만점에 5점 | 추천:0
    주어진 과제를 컴퓨터에 정확하고 상세하게 입력해야만 해결되는 기존의 시스템과 비교하여 요즘 Artificial Intellig...
    주어진 과제를 컴퓨터에 정확하고 상세하게 입력해야만 해결되는 기존의 시스템과 비교하여 요즘 Artificial Intelligence는 주어진 데이터에서 과제를 해결하는 방법을 스스로 찾아낸다는 점에서 혁신성을 드러낸다. 컴퓨터 프로그램, 로봇, 뇌과학과 바이오 기술 등 생물학적 영역까지 광범위하게 적용되는 AI의 중심역활을 하는 컴퓨터 알고리즘과 그와 관련된 미들웨어를 말하는 딥러닝은 이전까지의 일반적인 자기완결형 프로그램과는 달리 마치 고등생물처럼 생각하는 모습을 보여 준다고 한다. 그래서 그런지 이제 막 입문하는 나에게는 버거운 내용들이 많았다. 소프트 엔지니어가 딥러닝의 기초를 이해하고 소프트웨어를 구현함으로써 딥러닝의 편리함이나 재미를 느끼는 데에 초점을 맞추었다는 작가의 바램을 충족시키기엔 프로그래밍 언어 입문자 실력으로는 당연히 무리였다. 학습서의 서평을 쓸 때마다 드는 의문점과 또 다시 마주 친다. 개인적으로는 서평단을 신청할 때 학습서의 경우 내 자신이 모르는 배우고 싶은 것들만 신청하므로 당연히 내용을 모르는 상태에서 출발을 하고 어느 정도 시간이 지나야 내용을 어렴풋이나마 이해하게 된다. 아무리 짧아도 한달은 걸려야 그나마의 서평이 가능할 거라는 생각이다. 일반 소설책처럼 2주이내는 모르는데 어떻게 평가를 하는지 궁금하기만 하다. 실제로 이 글을 쓰고 있는 지금도 기본 개념인 기계학습, 신경망, 딥러닝을 완전히 이해하고 있다고 말할 수가 없는 실정이다. 그래서 C++과 연관지어 딥러닝을 이해하는 것은 뒤로 미루고 기본 개념부터 시작한다. 먼저 딥러닝의 기반이자 뇌신경세포의 전기적인 행동에서 영감을 얻어 단순화한 구조를 컴퓨터로 재현 가능한 알고리즘으로 정의한 것인 신경망부터 살펴보면  1950년대 원시적인 구조의 퍼셉트론의 1차 AI 열풍, 1980년대 계층 퍼셉트론의 2차 AI 열풍, 2010년대 심층화 네트워크의 학습부진문제를 해결한 3차 AI 열풍에서 심층학습이란 의미의 딥러닝이 사용되었다.

    '딥러닝을 학습하려면 기초이론을 이해해야만 합니다.'
    이제부터 시작이라는 마음다짐을 해본다. 기계를 학습시켜 인간처럼 기계가 특정한 규칙을 형성하고 정답을 구하는 능력을 부여하고자하는 기계학습 그 중에 신경막 기반의 딥러닝을 배우는 것은 어떤 면에서는 인간을 훨씬 넘어서고 있는 인공지능을 이해하고 긍정적인 문명발달로 향하는 발걸음이 될 것이다.

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
24%

바로가기

최근 본 상품