딥러닝 워크북

머신 러닝 기초부터 딥러닝, 강화 학습까지 예제로 실습하여 이해한다!

시미즈 료 저자(글) · 김은철 , 유세라 번역 · 조태호 감수

길벗 · 2018년 04월 30일

책 소개

결국 실무에서는 GPU다!

CPU에서 익혀 GPU에 적용한다? CUDA, cuDNN 설치부터 생소하다! GPU 실습 환경을 구성하는 방법부터 머신 러닝과 딥러닝, 강화 학습 기초까지 간단한 이미지 인식, 분류 등 다양한 예제로 실습한다. 체이너(Chainer), 텐서플로(TensorFlow) 등 다양한 프레임워크를 사용해 딥러닝의 전체 모습을 살펴볼 수 있다. 또한, 실습하면서 만날 수 있는 오류에 대한 대처법도 수록했다.

작가정보

저자(글) 시미즈 료

저자 시미즈 료
주식회사 UEI의 대표이사 사장 겸 CEO다. 주식회사 도완코 회장실의 3과장도 겸하고 있다. 딥러닝을 중심으로 한 인공지능을 연구/개발하며 직접 프로그래밍도 한다. 2004년에 독립행정법인 정보처리 추진기구(IPA)로부터 천재 프로그래머/슈퍼 크리에이터로 인정받았다. 2013년에 개발한 자필 프로그래밍 단말 enchantMOON을 계기로 딥러닝과 만났으며, 딥러닝 워크스테이션 DEEPstation 시리즈 및 딥러닝 소프트웨어를 개발했다. 2016년부터 아키하바라 프로그래밍 교실에서 딥러닝 프로그래밍을 배우는 AI 프로그래밍 강좌를 열었다. 저서로는 [알기 쉬운 인공지능 최첨단의 사람만이 알고 있는 딥러닝의 비밀], [프로그래밍 바보] 등이 있다.

번역 김은철

역자 김은철
(주)아이티에스 대표이며, AWS 기반 IoT 실시간 서비스를 개발했다. 일본법인 (주)아이티에스 대표 및 엘피에이캠퍼스 전임강사(C, C++, MFC, Network)였고, 한화S&C(주)에서 근무했다. 저서로는 [예제가 가득한 C 언어 길라잡이], [초보자를 위한 C 언어 300제],
역서로는 [유니티 5 교과서], [예제로 배우는 핵심 패턴 안드로이드 프로그래밍], [아이폰 프로그래밍 UIKit 핵심 바이블] 등이 있다. 최근에는 앱, 인공지능, VR 사업을 하고 있다.

번역 유세라

역자 유세라
일본 전문 번역가로 활동하고 있으며, 현재 (주)컴온히어 기업 대표로 앱, 인공지능을 하고 있다. 한국에서 영상 처리, 게임 회사를 거쳐 일본에서 IT 엔지니어로 활동했다. 역서로는 [유니티 5 교과서], [예제로 배우는 핵심 패턴 안드로이드 프로그래밍], [아이폰 프로그래밍 UIKit 핵심 바이블] 외 다수가 있다.

감수 조태호

감수자 조태호
일본 도쿄의과치과대학에서 생명정보학 박사 학위를 받고 미국 텍사스대학교 박사 후 과정을 거쳐, 현재 미국 인디애나대학교 (IU) 의과대학 영상의학과 연구 조교수로 근무 중이다. IU 뇌신경 영상 데이터 센터 및 IU 치매 질환 연구 센터에서 딥러닝을 적용해 치매 질환을 예측하는 연구를 하고 있다. 2015년 국제 학회지에 발표한 ‘딥러닝을 이용한 단백질 구조 예측’ 연구는 영국의 《이코노미스트》 와 국내 다수 언론에 소개된 바 있다. 2002년부터 방송대 TV 강의와 칼럼을 통해 어려운 내용을 쉽게 설명하는 작업을 해 왔고 [모두의 딥러닝] 외 컴퓨터·IT 분야 서적을 여러 권 집필했다.

목차

• 1장 딥러닝 시작하기
  1.1 11줄로 쓴 딥러닝 AI 프로그램
  1.2 환경 설정
  1.3 소프트웨어 환경 설정
  1.4 가볍게 이미지 인식해보기
  1.5 카메라에 비치는 것을 실시간으로 인식하기
  1.6 비디오에서 물체 인식하기
  1.7 어떻게 이미지를 인식할 수 있을까?
  1.8 합성곱 신경망으로 이미지를 클래스로 분류하기
  1.9 15줄의 짧은 프로그램으로 이미지를 학습시키기
  1.10 본격적으로 학습시키자
  
  2장 체이너로 머신 러닝 기초부터 배우자
  2.1 가장 간단한 신경망
  2.2 논리 연산 학습시키기
  2.3 합성곱 신경망
  2.4 다양한 합성곱 신경망
  2.5 학습시킨 합성곱 신경망을 파이썬에서 이용하기
  
  3장 순환 신경망 프로그래밍
  3.1 입력할 때마다 답이 달라지는 신경망
  3.2 CSLAIER에 의한 LSTM
  3.3 LSTM에 의한 프로그래밍
  3.4 학습시킨 데이터로부터 추정
  
  4장 텐서플로를 배우자
  4.1 분산 계산에 적합한 프레임워크인 텐서플로
  4.2 텐서란?
  4.3 안녕, 텐서플로
  4.4 체이너와 텐서플로를 비교하면서 배우자
  4.5 텐서플로로 이미지 분류(Inception-v3)
  4.6 대화 로봇이 이렇게까지 말하네!
  4.7 텐서플로의 seq2seq로 영어-프랑스어 자동 번역 신경망 만들기
  
  5장 강화 학습: Deep Q Learning
  5.1 강화 학습이란?
  5.2 DQN이란?
  5.3 LIS
  5.4 LIS의 설치와 실행
  
  6장 딥러닝 지금부터
  6.1 명화의 터치를 흉내내는 인공지능
  6.2 사진을 보고 설명문을 만들고 그 반대도 가능하다고? 의역하고 창작하는 인공지능
  6.3 초고해상도에서 빅데이터 분석까지: 딥러닝의 숙명 오토인코더
  6.4 적층 오토인코더로 빅데이터 분석
  6.5 합성곱 신경망의 파인 튜닝
  6.6 복잡한 AI를 더 간단한 AI로 학습시키는 증류
  6.7 인공지능과 생체지능의 유사성과 차이
  6.8 마지막으로

책 속으로

필자도 이제는 딥러닝의 매력에 푹 빠져서 매일같이 인터넷에서 발표되는 신기술과 새로운 발견에 설레는 나날들을 보내고 있습니다. 이러한 딥러닝의 인기에 영향을 받아 딥러닝으로 인공지능 프로그래밍에 도전하겠다는 사람들이 계속 생겨나고 있습니다. 그런데 실제로 딥러닝을 하려면 정보가 너무 많고 뒤섞여 있는데다가 발전 속도가 너무 빨라 겨우 반 년 전의 정보와 현재의 정보가 전혀 다른 경우가 발생하곤 합니다. 이렇게 무작정 신기술만 따라가는 것은 비능률적이어서, 먼저 딥러닝으로 할 수 있는 것과 할 수 없는 것을 알고, 동시에 머신 러닝의 기초적인 요소부터 체계적으로 머신 러닝의 장단점을 배우는 교과서 같은 책이 있으면 좋겠다고 생각했습니다.
이 책은 딥러닝에 푹 빠져 있던 필자가 이러한 요구를 충족시키기 위해 집필한 안내서입니다. 딥러닝 컴퓨터 프로그래밍은 다른 프로그래밍에 비해 특별히 어렵지 않습니다. 오히려 간단하다고 할 수 있습니다. 이 책에서 소개하는 가장 간단한 프로그램은 겨우 11줄입니다. 그리고 딥러닝의 재미있는 점은 이처럼 간단한 프로그램이라도 여러 가지 가능성을 엿볼 수 있다는 점입니다.

- [지은이의 말] 중에서

CONTENTS
● 딥러닝 시작하기(GPU 환경 설정, 그림·웹 캠·비디오의 이미지 인식, 이미지 클래스 분류)
● 체이너로 머신 러닝 기초 배우기(환경 설정, 논리 연산, 합성곱 신경망)
● 순환 신경망 프로그래밍(CSLAIER, LSTM)
● 텐서플로 배우기(환경 설정, 체이너와 비교, 이미지 분류, 대화 로봇과 자동 번역 신경망)
● 강화 학습(Deep Q Learning, LIS)
● 딥러닝의 미래(명화 터치 흉내내기, 사진 보고 설명문 만들기, 오토인코더, 파인 튜닝)

출판사 서평

1일 vs 1시간
최적의 처리 속도를 경험하자!

CPU vs GPU
CPU와 GPU는 작업 처리 방식이 다르다. CPU는 직렬 처리에 최적화된 몇 개의 코어로 구성돼 복잡한 연산을 수행할 때 적합하며, GPU는 병렬 처리용으로 설계된 수천 개의 코어로 구성돼 대량으로 단순한 계산을 할 때 적합하다. 딥러닝은 대부분 행렬 연산이며, 행렬 연산은 대량의 단순한 계산이므로 GPU를 사용하면 처리 속도가 훨씬 빨라진다. 똑같은 코드를 실행하는 데 1일 vs 1시간이라면 어떤 것을 선택해야 할까? 정답은 GPU다!

코드를 직접 실행하며 이해한다!
소스 코드를 직접 실행해 보면서 머신 러닝과 딥러닝 기초 이론을 이해할 수 있다. 또한, 강화 학습, 파인 튜닝 방법, 오토인코더까지 학습한다. 실습하는 데 필요한 코드를 수록했고, 코드를 직접 실행해 보며 내용을 이해할 수 있다. 실습하면서 만날 수 있는 오류에 대한 대처법도 수록했다.

다양한 프레임워크로 딥러닝의 전체 모습을 살펴본다!
체이너(Chainer), 텐서플로(TensorFlow), Deel 프레임워크를 이용해 CUDA, cuDNN과 같은 GPU 실습 환경을 구성하는 방법부터 간단한 이미지 인식, 텍스트 예제, 자동 번역 신경망까지 다양한 예제로 딥러닝의 전체 모습을 살펴본다. 또한, 딥러닝이 어떻게 발전할지 미래까지 예측해 본다.

기본정보

ISBN	9791160504606
발행(출시)일자	2018년 04월 30일
쪽수	212쪽
크기	184 * 236 * 17 mm / 518 g
총권수	1권
원서(번역서)명/저자명	はじめての深層學習(ディ-プラ-ニング)プログラミング/淸水亮

Klover 리뷰 (4)

[su********]

딥러닝워크북 실전훈련자료 풍부함