- 도서소개
- 목차
- 저자
-
책소개
❖ 책 소개
Udemy 인기강좌를 책으로 정리!
딥러닝 모델 구현과 웹 앱 구축까지,
효율적이고 콤팩트하게!
이런 분께 추천!
- 파이토치를 사용해보고 싶다
- 구글 코랩을 이용해 딥러닝을 구현하고 싶다
- 인공지능 웹 앱을 구축하고 싶다
- 딥러닝 코드를 구현할 수 있는 힘을 기르고 싶다
- 인공지능에 관심이 있다
❖ 출판사 서평
이 책의 목표는 딥러닝을 PyTorch와 구글 코랩을 이용해 효율적으로 익히는 방법을 소개하고, 이를 이용해 머신러닝의 구현을 차례로 습득해 인공지능을 탑재한 웹 앱을 구축하는 데에 있습니다.
우선 PyTorch 및 딥러닝의 개요, 그리고 개발 환경인 구글 코랩의 설명부터 시작해 CNN, RNN, 인공지능을 탑재한 앱 개발 순으로 살펴봅니다.
각 장에서 코드와 함께 PyTorch 사용법을 배우고 프로그래밍 언어 Python을 사용하여 심층학습을 구현합니다. 또한, Streamlit라는 프레임워크를 사용한 훈련된 모델을 탑재한 인공지능 웹 앱의 구축과 공개에 대해서도 배웁니다.
이 책을 다 읽으면 다양한 상황에서 인공지능을 활용하고 싶어지게 될 것입니다.
-
목차
문의 사항 가이드라인
예제 파일 및 프로그램 안내
Chapter 0 소개
0.1 이 책에 대해서 16
0.1.1 이 책의 특징 16
0.1.2 Python의 기초를 배운다 16
0.1.3 이 책의 구성 17
0.1.4 이 책으로 할 수 있게 되는 것 17
0.1.5 이 책의 주의 사항 18
0.1.6 이 책의 대상 독자 18
0.1.7 이 책의 사용법
Chapter 1 PyTorch와 심층학습
1.1 PyTorch
1.1.1 PyTorch의 개요
1.2 심층학습
1.2.1 인공지능, 기계학습, 심층학습
1.2.2 신경 세포
1.2.3 신경 세포의 네트워크
1.2.4 신경망과 뉴런
1.2.5 신경망의 구조
1.2.6 백프로퍼게이션(오차역전파법)
1.2.7 심층학습(딥러닝)
1.3 정리
Chapter 2 개발환경
2.1 Google Colaboratory 시작하는 방법
2.1.1 Google Colaboratory 사전 준비
2.1.2 노트북의 사용법
2.1.3 다운로드한 파일 다루는 법
2.2 세션과 인스턴스
2.2.1 세션과 인스턴스
2.2.2 90분 규칙
2.2.3 12시간 규칙
2.2.4 세션 관리
2.3 CPU와 GPU
2.3.1 CPU, GPU, TPU
2.3.2 GPU 사용법
2.3.3 성능 비교
2.4 Google Colaboratory의 다양한 기능
2.4.1 텍스트 셀
2.4.2 스크래치 코드 셀
2.4.3 코드 스니펫
2.4.4 코드의 실행 이력
2.4.5 GitHub와 연계하기
2.5 연습
2.5.1 코드 셀 조작
2.5.2 텍스트 셀 조작
2.5.3 셀의 위치 변경과 삭제
2.6 정리
Chapter 3 PyTorch로 구현하는 간단한 심층학습
3.1 구현의 개요
3.1.1 학습 파라미터와 하이퍼 파라미터
3.1.2 순전파와 역전파
3.1.3 구현 순서
3.2 Tensor
3.2.1 패키지 확인
3.2.2 Tensor 생성
3.2.3 NumPy 배열과 Tensor의 상호 변환
3.2.4 범위를 지정하여 Tensor의 일부에 접근
3.2.5 Tensor의 연산
3.2.6 Tensor 형태 변환하기
3.2.7 다양한 통계값 계산
3.2.8 간단 연습: Tensor끼리 연산
3.2.9 정답 예
3.3 활성화 함수
3.3.1 시그모이드 함수
3.3.2 tanh
3.3.3 ReLU
3.3.4 항등 함수
3.3.5 소프트맥스 함수
3.4 손실 함수
3.4.1 평균 제곱 오차
3.4.2 교차 엔트로피 오차
3.5 최적화 알고리즘
3.5.1 경사와 경사 하강법
3.5.2 최적화 알고리즘의 개요
3.5.3 확률적 경사 하강법
3.5.4 모멘텀
3.5.5 AdaGrad
3.5.6 RMSProp
3.5.7 Adam
3.6 간단한 심층학습의 구현
3.6.1 손글씨 문자 이미지의 확인
3.6.2 데이터를 훈련용과 테스트용으로 분할
3.6.3 모델 구축
3.6.4 학습
3.6.5 오차 추이
3.6.6 정답률
3.6.7 훈련한 모델을 사용한 예측
3.7 연습
3.7.1 데이터를 훈련용과 테스트용으로 분할
3.7.2 모델 구축
3.7.3 학습
3.7.4 오차 추이
3.7.5 정답률
3.7.6 정답 예
3.8 정리
Chapter 4 자동 미분과 DataLoader
4.1 자동 미분0
저자
Prev
List
