본문 바로가기

추천 검색어

실시간 인기 검색어

텐서플로 2와 케라스로 구현하는 딥러닝

회귀, CNN. GAN, RNN, NLP, AutoML까지 딥러닝의 모든 것 | 2 판
데이터 과학
에이콘출판 · 2020년 04월 29일 출시
가장 최근에 출시된 개정판입니다. 구판보기
9.4 (19개의 리뷰)
집중돼요 (33%의 구매자)
  • 텐서플로 2와 케라스로 구현하는 딥러닝 대표 이미지
    텐서플로 2와 케라스로 구현하는 딥러닝 대표 이미지
  • A4
    사이즈 비교
    210x297
    188x235
    단위 : mm
MD의 선택 무료배송 사은품 이벤트 소득공제
10% 38,700 43,000
적립/혜택
2,150P

기본적립

5% 적립 2,150P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 2,150P
  • 리뷰 작성 시, e교환권 추가 최대 300원
배송안내
무료배송
배송비 안내
국내도서 / 외국도서
도서만 1만 원 이상 구매 시 무료배송
도서 + 잡지 / 만화 / :K컬렉션을 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

잡지 / 만화 / :K컬렉션 (교보배송)
각각 구매하거나 함께 2만 원 이상 구매 시 무료배송

2만원 미만 시 2,000원 배송비 부과

해외주문 서양도서 / 해외주문 일본도서 (교보배송)
각각 구매하거나 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

업체배송 상품 (전집, GIFT, 음반 / DVD 등)
중고장터 상품
해당 상품 상세페이지 "배송비" 참고 (업체 별/판매자 별 무료배송 기준 다름)
바로드림 오늘배송
업체에서 별도 배송하여 1Box당 배송비 2,500원 부과

1Box 기준 : 도서 10권

그 외 무료배송 기준
바로드림, eBook 상품을 주문한 경우, 플래티넘/골드/실버회원 무료배송쿠폰 이용하여 주문한 경우, 무료배송 등록 상품을 주문한 경우
주문정보를 불러오는 중입니다.
서울시 종로구 종로 1

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.

패키지

북카드

키워드 Pick

키워드 Pick 안내

관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.

텐서플로 2와 케라스로 구현하는 딥러닝 상세 이미지
딥러닝에 관련된 거의 모든 최신 기술을 설명한다. 회귀부터 시작해, 딥러닝의 기초를 설명하고 컨볼루션 신경망, 순환 신경망, LTSM, 자연어 처리, 이미지 합성 등에 대한 최신 기술 동향을 알 수 있다. 특히 현재 활발히 연구 중인 AutoML 분야의 현황과 구글 클라우드를 이용한 AutoML 실습도 다루고 있다.

풍부한 예제를 통해 케라스가 완전 통합된 텐서플로 2.0의 사용 방법을 다양한 응용분야에 걸쳐 직접 구축해 볼 수 있다. GAN을 통한 필기체 숫자의 생성, RNN과 LTSM이 나오게 된 배경 및 어떤 문제를 해결하고자 했는지에 대한 배경 설명을 듣게 되면, 다양한 각도에서 딥러닝을 이해하게 될 것이다. 마지막 장에서는 최근 주목받고 있는 구글의 TPU가 기존 GPU 대비 얼마나 성능이 우수한지에 대한 설명도 볼 수 있다.

작가정보

저자(글) 안토니오 걸리

혁신과 실행에 있어 전체적 기술과 관리를 구축하는 데 열정이 있다. 전문 분야는 클라우드 컴퓨팅, 딥러닝, 검색 엔진이다. 현재 구글 CTO 사무소에서 엔지니어링 이사로 재직 중이다. 이전에 구글 바르샤바(Warsaw) 사이트에서 리더로 근무하며 엔지니어링 사이트를 두 배로 늘렸다.
지금까지 운 좋게 유럽 4개국에서 전문적인 경험을 쌓을 수 있었고, EMEA의 6개국과 미국에서 팀을 관리했다. 암스테르담의 주요 과학 출판사인 엘스비어(Elsevier)에서는 부사장으로 과학 출판을 이끌었고, 런던에서는 마이크로소프트 Ask.com의 CTO로 Bing 검색 작업을 수행하는 엔지니어링 사이트 책임자로 일했다. 또한 유럽 최초의 웹 검색 회사 중 하나를 비롯한 여러 공동 펀드 스타트업에서 일했다.
검색, 스마트 에너지, 환경, AI 분야에서 수많은 기술을 공동 발명했고, 20개가 넘는 특허를 출원/등록했으며, 코딩과 머신러닝에 관한 다수의 책을 저술했고 그 책들은 일본어와 중국어로도 번역됐다. 스페인어, 영어, 이탈리아어를 할 수 있으며 현재 폴란드어와 프랑스어를 배우고 있다. 두 아들 로렌조(Lorenzo)와 레오나르도(Leonardo) 그리고 어린 공주 오로라(Aurora)의 아버지이기도 하다.

델리대학교 SRCASW 전자과 부교수이며 지난 20년간 신경망과 인공지능을 적극적으로 가르치고 있다. 코딩과 교육에 열정을 갖고 있으며 도전적인 문제를 해결하는 것을 즐긴다. DAAD 샌드위치 펠로우십(Sandwich fellowship) 2008의 수상자이며 포토닉스(Photonics) 국제 콘퍼런스에서 최우수 발표상을 수상했다. 열렬한 독자이자 학습자다. 딥러닝에 관한 책을 공동 저술했으며 국제 저널 및 콘퍼런스에 50개 이상의 논문을 게재했다. 현재 연구 분야는 머신러닝, 심층 강화학습, 양자 컴퓨터, 로봇 공학이다.

저자(글) 수짓 팔

리드-엘스비어(Reed-Elsevier) 그룹의 고급 기술 그룹인 엘스비어 랩(Elsevier Labs)의 기술 연구 이사다. 관심 분야는 문맥 검색, 자연어 처리, 머신러닝, 딥러닝이다. 엘스비어에서 여러 머신러닝 이니셔티브(initiatives)를 수행했는데, 대규모 이미지와 텍스트 말뭉치, 추천 시스템과 지식 그래프 개발 등의 다른 이니셔티브도 수행했다. 이전에 안토니오 걸리와 함께 딥러닝에 대한 또 다른 책을 공동 저술했으며 블로그 Salmon Run에서 기술 관련 글을 쓰고 있다.

(주) 크라스랩
머신러닝을 기반으로 다양한 연구를 수행하고 있으며, 특히 머신러닝 기반의 금융 분석과 핀테크에 중점을 두고 있다. KAIST 전산학과 계산이론 연구실 출신의 이병욱 대표가 이끌고 있으며, 저서로는 『비트코인과 블록체인, 탐욕이 삼켜버린 기술』(에이콘, 2018), 『블록체인 해설서』(에이콘, 2019)가 있다. 특히 『블록체인 해설서』는 대한민국학술원이 선정한 2019 교육부 우수학술도서이기도 하다.

작가의 말

이 책은 지난 6년간 학습 기술의 진화에 대한 아주 상세한 파노라마를 보여준다. 케라스와 유사한(Keras-like) API 기반 모듈형 네트워크 라이브러리인 텐서플로 2.0을 사용해 파이썬으로 코딩된 수십 개의 심층 신경망을 제공한다. 이 책에서는 단순 회귀, 전통적 다층 퍼셉트론과 같은 지도학습을 단계별로 알아보고, 좀 더 정교한 심층 컨볼루션(deep Convolution) 신경망, 생성적 적대 신경망(generative adversarial networks)도 소개한다. 또한 오토인코더(autoencoder), 생성적 신경망 등의 비지도학습도 다룬다. 순환 신경망과 LTSM(Long Short-Term Memory) 신경망도 자세히 설명한다. 심층 강화학습도 종합적으로 소개하는데, 딥러닝 가속기(GPU와 TPU), 클라우드 개발, 데스크톱, 클라우드, 모바일/IoT 기기, 브라우저 등에서 다중 환경을 설정하는 방법도 설명한다. 실제 응용으로는 정해진 범주로 텍스트 분류하기, 구문 분석, 감정 분석, 텍스트 합성, 품사(POS, Parts-Of-Speech) 태깅을 다룬다. 이미지 처리도 알아보는데, 필기체 숫자 이미지, 이미지를 다른 범주로 분류하기, 연관 이미지 주석달기를 사용한 고급 객체 인식 등을 다룬다. 음성 분석으로는 다중 화자로부터의 이산 음성 인식을 알아본다. 오토인코더와 GAN을 통한 이미지 생성도 다룬다. 강화학습을 사용해 비지도학습이 가능한 Q 학습 신경망을 구축해본다. 실습은 이 책의 핵심이다. 각 신경망은 각 입력 매개변수, 신경망의 형태, 손실 함수, 최적화 알고리즘을 변경함에 따라 학습 성능을 점진적으로 개선하는 다변량을 통해 강화된다. CPU, GPU, TPU 학습에 대한 몇 가지 비교도 다룬다. 딥러닝 모델을 효율적으로 자동으로 구축하는 방법에 딥러닝 모델을 사용하는 AutoML이라는 새로운 분야도 소개한다. 머신러닝의 배경이 되는 수학 공식을 설명하는 데 별도로 한 장을 할애했다.

목차

  • 1장. 텐서플로 2.0으로 신경망 구현
    __텐서플로(TF)란?
    __케라스란?
    __텐서플로 2.0의 가장 중요한 변화
    __신경망 소개
    __퍼셉트론
    ____텐서플로 2.0 코드 첫 번째 예제
    __다층 퍼셉트론: 신경망 첫 번째 예제
    ____퍼셉트론 훈련의 문제점과 해결책
    ____활성화 함수: 시그모이드
    ____활성화 함수: tanh
    ____활성화 함수: ReLU
    ____추가적인 두 개의 활성화 함수: ELU와 LeakyReLU
    ____활성화 함수
    ____간단히 말해: 결국 신경망이란?
    __실제 예제: 필기체 숫자 인식
    ____원핫 인코딩(OHE)
    ____텐서플로 2.0으로 단순 신경망 정의
    ____단순 텐서플로 2.0 신경망 실행과 베이스라인 구축
    ____텐서플로 2.0의 단순 신경망을 은닉층으로 개선
    ____텐서플로에서 드롭아웃으로 단순망 개선
    ____텐서플로 2.0에서 여러 최적화기 테스트
    ____에폭 수 증가시키기
    ____최적화기 학습률 조절
    ____내부 은닉층 개수 증가
    ____배치 계산 크기 증가
    ____필기체 인식 실행 차트 요약
    __정규화
    ____과적합을 피하기 위한 정규화 적용
    ____배치 정규화의 이해
    __구글 Colab 사용: CPU, GPU, TPU
    __감정 분석
    __초매개변수 튜닝과 AutoML
    __출력 예측
    __역전파에 대한 실용적 개괄
    __정리
    __딥러닝 접근법을 향해
    __참고 자료

    2장. 텐서플로 1.x와 2.x
    __텐서플로 1.x의 이해
    ____텐서플로 1.x 계산 그래프 구조
    ____상수, 변수, 플레이스홀더와 작업
    ____연산의 예시
    ____텐서플로 2.x에서의 텐서플로 1.x 예제
    __텐서플로 2.x의 이해
    ____즉시 실행
    ____오토그래프
    ____케라스 API: 3가지 프로그래밍 모델
    ____콜백
    ____모델과 가중치 저장
    ____tf.data.datasets으로 훈련
    ____tf.keras 또는 추정기?
    ____비정형 텐서
    ____맞춤형 훈련
    ____텐서플로 2.x에서 분산 훈련
    ____네임스페이스의 변화
    ____1.x에서 2.x로 변환
    ____텐서플로 2.x의 효율적인 사용
    __텐서플로 2.x 생태계
    ____언어 바인딩
    __케라스 또는 tf.keras 중 어떤 것?
    __요약

    3장. 회귀
    __회귀란?
    __선형 회귀를 사용한 예측
    ____단순 선형 회귀
    ____다중 선형 회귀
    ____다변량 선형 회귀
    __텐서플로 추정기
    ____특징 열
    ____입력 함수
    ____텐서플로 추정기 API를 사용한 MNIST
    __선형 회귀를 사용한 주택 가격 예측
    __분류 과제와 결정 경계
    ____로지스틱 회귀
    ____MNIST 데이터셋에 로지스틱 회귀 적용
    __요약
    __참고 자료

    4장. 컨볼루션 신경망
    __심층 컨볼루션 신경망(DCNN)
    ____로컬 수용 필드
    ____가중치 공유와 향
    ____수학적 예제
    ____텐서플로 2.x의 ConvNets
    ____풀링 계층
    __DCNN의 예: LeNet
    ____텐서플로 2.0에서 LeNet 코드
    ____딥러닝의 위력 이해
    __딥러닝으로 CIFAR-10 이미지 인식
    ____심층 신경망으로 CIFAR-10 성능 향상
    ____데이터 보강으로 CIFAR-10 성능 개선
    ____CIFAR-10으로 예측
    __대규모 이미지 인식을 위한 고심층 컨볼루션 신경망
    ____VGG16 신경망으로 고양이 인식
    ____VGG16망 내장 tf.keras 활용
    ____특징 추출을 위해 사전 구축된 딥러닝 모델 재활용
    __요약
    __참고 자료

    5장. 고급 컨볼루션 신경망
    __컴퓨터 비전
    ____복잡한 과제를 위한 CNN 구성
    ____tf.keras 추정기 모델로 패션 MNIST 분류
    ____패션 MNIST tf.keras 추정기 모델을 GPU에서 실행
    ____전이학습용 심층 인셉션-V3 망
    ____말과 사람을 구분하기 위한 전이학습
    ____tf.keras와 텐서플로 Hub를 사용한 응용 집합소
    ____기타 CNN 아키텍처
    ____이미지에 대한 질문의 대답(VQA)
    ____스타일 변환
    ____DeepDream 망 생성
    ____망이 학습한 것을 조사
    __비디오
    ____사전 훈련된 망으로 비디오를 분류하는 6가지 방법
    __텍스트 문서
    ____CNN을 사용한 감정 분석
    __오디오와 음악
    ____확장 ConvNets, WaveNet, NSynth
    __컨볼루션 연산 요약
    ____기본 컨볼루션 신경망(CNN 또는 ConvNet)
    ____확장 컨볼루션
    ____분리 가능 컨볼루션
    ____깊이별 컨볼루션
    ____깊이별 분리 가능 컨볼루션
    __캡슐 망
    ____그렇다면 CNN의 문제점은 무엇인가?
    ____캡슐 망이 새로운 점은 무엇인가?
    __요약
    __참고 자료

    6장. 생성적 적대 신경망
    __GAN이란?
    ____텐서플로에서 GAN을 사용한 MNIST
    __심층 컨볼루션 GAN(DCGAN)
    ____MNIST 숫자를 위한 DCGAN
    __몇 가지 흥미로운 GAN 아키텍처
    ____SRGAN
    ____CycleGAN
    ____InfoGAN
    __GAN의 흥미로운 응용
    __텐서플로 2.0로 CycleGAN 구현
    __요약
    __참고 자료

    7장. 단어 임베딩
    __단어 임베딩: 시작과 기초
    __분산 표현
    __정적 임베딩
    ____Word2Vec
    ____GloVe
    __gensim을 사용해 자신만이 임베딩 생성
    __gensim을 사용한 임베딩 공간 탐색
    __워드 임베딩을 사용한 스팸 탐지
    ____데이터 구하기
    ____데이터를 사용 준비
    ____임베딩 행렬 구축
    ____스팸 분류기 정의
    ____모델의 훈련과 평가
    ____스팸 탐지기 실행
    __신경망 임베딩: 단어 이외의 용도
    ____Item2Vec
    ____node2vec
    __문자와 부분 단어 임베딩
    __동적 임베딩
    __문장과 문단 임베딩
    __언어 모델 기반 임베딩
    ____BERT를 특징 추출기로 사용
    ____BERT 미세 조정
    ____BERT를 사용한 분류: 커맨드라인
    ____BERT를 자신의 신경망 일부로 사용
    __요약
    __참고 자료

    8장. 순환 신경망
    __기본 RNN 셀
    ____BPTT
    ____사라지고 폭발하는 그래디언트
    __RNN 셀 변형
    ____LSTM
    ____GRU
    ____핍홀 LSTM
    __RNN 변형
    ____양방향 RNN
    ____상태 저장 RNN
    __RNN 위상
    ____예제: 일대다 텍스트 생성을 학습
    ____예제: 다대일 감정 분석
    ____예제: 다대다 POS 태깅
    __인코더-디코더 아키텍처: seq2seq
    ____예제: 기계 번역용 어텐션 없는 seq2seq
    __어텐션 메커니즘
    ____예제: 기계 번역용 어텐션이 있는 seq2seq
    __변환기 아키텍처
    __요약
    __참고 자료

    9장. 오토인코더
    __오토인코더 소개
    __바닐라 오토인코더
    ____텐서플로 케라스 Layers: 맞춤형 계층 정의
    ____오토인코더를 사용해 필기체 숫자 재구성
    __희소 오토인코더
    __디노이징 오토인코더
    ____디노이징 오토인코더를 이용한 이미지 정리
    __스택된 오토인코더
    ____이미지의 노이즈 제거를 위한 컨볼루션 오토인코더
    ____케라스 오토인코더 예제: 문장 벡터
    __요약
    __참고 자료

    10장. 비지도학습
    __주성분 분석
    ____MNIST 데이터셋에서 PCA
    ____텐서플로 임베딩 API
    ____K-평균 군집화
    ____텐서플로 2.0에서의 K-평균
    ____k-평균 변형
    __자체 구성 맵
    ____SOM을 사용한 컬러 매핑
    __제한된 볼츠만 머신
    ____RBM을 사용한 이미지 재구성
    ____심층 신뢰 신경망
    __가변 오토인코더
    __요약
    __참고 자료

    11장. 강화학습
    __소개
    ____RL 용어
    ____심층 강화학습 알고리즘
    ____최근 몇 년간의 강화학습 성공
    __OpenAI Gym 소개
    ____Breakout 게임을 하는 랜덤 에이전트
    __심층 Q 신경망
    ____카트폴용 DQN
    ____아타리 게임용 DQN
    ____DQN 변종
    __심층 확정적 정책 그래디언트
    __요약
    __참고 자료

    12장. 텐서플로와 클라우드
    __클라우드에서의 딥러닝
    ____마이크로소프트 애저
    ____아마존 웹 서비스(AWS)
    ____구글 클라우드 플랫폼(GCP)
    ____IBM 클라우드
    __클라우드의 가상머신
    ____아마존의 EC2
    ____GCP의 컴퓨트 인스턴스
    ____마이크로소프트 애저의 가상머신
    __클라우드의 주피터 노트북
    ____SageMaker
    ____구글 Colaboratory
    ____마이크로소프트 애저 노트북
    __생산을 위한 텐서플로 익스텐디드
    ____TFX 파이프라인
    ____TFX 파이프라인 구성 요소
    ____TFX 라이브러리
    __텐서플로 엔터프라이즈
    __요약
    __참고 자료

    13장. 모바일, IoT, 텐서플로.js용 텐서플로
    __텐서플로 모바일
    __텐서플로 라이트
    ____양자화
    ____플랫버퍼`
    ____모바일 변환기
    ____모바일 최적화 인터프리터
    ____지원 플랫폼
    ____아키텍처
    ____텐서플로 라이트 사용
    ____일반적 응용 사례
    ____GPU와 가속기 사용
    ____응용 예제
    __텐서플로 라이트에서 사전 훈련된 모델
    ____이미지 분류
    ____객체 탐지
    ____자세 추정
    ____스마트 회신
    ____세그먼테이션
    ____스타일 전이
    ____텍스트 분류
    ____질문과 답변
    ____모바일 GPU 사용의 참고 사항
    __에지에서의 연합학습 개요
    ____텐서플로 FL API
    __텐서플로.js
    ____바닐라 텐서플로.js
    ____모델 변환
    ____사전 훈련된 모델
    ____Node.js
    __요약
    __참고 자료

    14장. AutoML 소개
    __AutoML이란?
    __AutoML 성취
    __자동 데이터 준비
    __자동 특징 엔지니어링
    __자동 모델 생성
    __AutoKeras
    __구글 클라우드 AutoML
    ____클라우드 AutoML 사용: 테이블 솔루션
    ____클라우드 AutoML 사용: 비전 솔루션
    ____클라우드 AutoML 사용: 텍스트 분류 솔루션
    ____클라우드 AutoML 사용: 번역 솔루션
    ____클라우드 AutoML 사용: 비디오 인텔리전스 분류 솔루션
    ____비용
    __구글 AutoML을 캐글로 가져가기
    __요약
    __참고 자료

    15장. 딥러닝 배경 수학
    __역사
    __몇 가지 수학 도구
    ____미분과 그래디언트
    ____그래디언트 하강
    ____연쇄법칙
    ____몇 가지 미분 규칙
    ____행렬 연산
    __활성화 함수
    ____시그모이드의 도함수
    ____tanh의 도함수
    ____ReLU의 도함수
    __역전파
    ____전방향 단계
    ____역단계
    ____역전파의 한계
    ____교차 엔트로피와 도함수
    ____배치 그래디언트 하강, 확률적 그래디언트 하강, 미니 배치
    __역전파와 컨볼루션 신경망
    __역전파와 RNN
    __텐서플로 참고 사항과 자동 미분
    __요약
    __참고 자료

    16장. TPU
    __C/G/T 프로세스 유닛
    ____CPU와 GPU
    ____TPU
    __3세대의 TPU와 에지 TPU
    ____1세대 TPU
    ____2세대 TPU
    ____3세대 TPU
    ____에지 TPU
    __TPU 성능
    __Colab에서 TPU를 사용하는 방법
    ____TPU를 쓸 수 있는지 확인
    ____tf.data로 데이터 로드
    ____모델 구축과 TPU로 로드
    __사전 훈련된 TPU 모델 사용
    __텐서플로 2.1 사용과 야간 빌드
    __요약
    __참고 자료

출판사 서평

★ 이 책에서 다루는 내용 ★

■ 텐서플로 2와 케라스 API를 사용해 머신러닝과 딥러닝 시스템 구축
■ 머신러닝에서 가장 보편적인 기법인 회귀분석
■ 컨볼루션 신경망의 이해와 이미지 분류에 딥러닝 시스템 적용
■ GAN을 사용해 기존 패턴에 적합한 새로운 데이터 생성
■ 시퀀스 일부가 다른 시퀀스를 해석해 입력 시퀀스를 처리할 수 있는 RNN
■ 자연어와 자연어 번역에 딥러닝을 적용해 적절한 반응 생성
■ 클라우드에서 모델을 훈련하고 실제 환경에 TF 적용
■ 구글 툴이 단순한 머신러닝 워크플로우를 복잡한 모델링 없이도 자동화 하는 것을 탐색

★ 이 책의 대상 독자 ★

머신러닝에 경험이 있는 데이터 과학자이거나 신경망을 알고 있는 AI 프로그래머라면 이 책이 텐서플로 2.0을 사용해 딥러닝을 다루는 유용한 진입점이 될 것이다. 딥러닝 쓰나미에 대한 관심을 키워가는 소프트웨어 엔지니어에게 지식을 넓힐 수 있는 기반이 될 것이다. 이 책을 읽으려면 파이썬 기본 지식이 필요하다.

★ 이 책의 구성 ★

이 책의 목적은 텐서플로 2.0의 특징과 라이브러리를 설명하고, 지도 및 비지도 머신러닝 모델의 개요를 제공하며, 딥러닝과 머신러닝 모델에 대한 포괄적인 분석을 제공하는 것이다. 클라우드, 모바일, 대규모 운영 환경에 대한 실사례가 책 전반에 걸쳐 제공된다.

1장, ‘텐서플로 2.0으로 신경망 구성’에서는 신경망을 단계별로 소개한다. 텐서플로 2의 tf.keras 계층을 사용해 간단한 신경망 모델을 만드는 방법을 배운다. 퍼셉트론, 다층 퍼셉트론, 활성화 함수와 밀집 신경망을 설명하고 마지막으로 역전파의 직관을 소개한다.
2장, ‘텐서플로 1.x와 2.x’에서는 텐서플로 1.x와 텐서플로 2.0 프로그래밍 모델을 비교한다. 텐서플로 1.x 하위레벨 계산 그래프 API를 사용하는 방법과 tf.keras 고급 API를 사용하는 방법을 학습한다. 즉시 계산(eager computation), 오토그래프(Autograph), tf.Datasets와 같은 새로운 기능과 분산 훈련을 설명한다. tf.keras와 추정기 사이의 간략한 비교와 함께 tf.keras와 케라스를 비교 설명한다.
3장, ‘회귀’에서는 가장 인기 있는 머신러닝 기술인 회귀에 초점을 맞춘다. 텐서플로 2.0 추정기를 사용해 단순 및 다중 회귀 모형을 작성하는 방법을 배운다.
4장, ‘컨볼루션 신경망’에서는 컨볼루션 신경망(CNN, Convolutional Neural Networks) 및 이미지 처리의 응용을 소개한다. 텐서플로 2.0을 사용해 MNIST 데이터셋에서 필기체 문자를 인식하는 간단한 CNN을 작성하는 방법과 CIFAR 이미지를 분류하는 방법을 알아본다. 또한 VG6과 인셉션(Inception) 같은 사전 훈련된 신경망을 사용하는 방법을 살펴본다.
5장, ‘고급 컨볼루션 신경망’에서는 CNN을 이미지, 비디오, 오디오, 텍스트 처리에 적용하는 고급 응용 기법을 알아본다. 이미지 처리(전이학습(Transfer Learning), DeepDream), 음성 처리(WaveNet)와 텍스트 처리(감정 분석, 질문&답변(Q&A))를 예로 자세히 설명한다.
6장, ‘생성적 적대 신경망’에서는 최근에 발견된 생성적 적대 신경망(GAN, Generative Adversarial Networks)에 중점을 둔다. 먼저 최초로 제안된 GAN 모델을 살펴보고 MNIST 숫자를 만드는 데 사용한다. 심층 컨볼루션 GAN을 사용해 연예인 이미지를 만든다. 또한 SRGAN, InfoGAN, CycleGAN과 같은 다양한 GAN 아키텍처를 설명하고 GAN의 여러 응용 방법을 설명한다. 마지막으로 겨울-여름 이미지를 변환하고자 텐서플로 2.0에 구현된 CycleGAN을 사용하는 방법을 알아본다.
7장, ‘단어 임베딩’에서는 Word2vec과 GloVe라는 널리 알려진 두 가지 임베딩으로 워드 임베딩을 설명한다. 두 가지 임베딩의 핵심 아이디어와 이를 자신의 말뭉치(corpus)에서 생성하는 방법, 자연어 처리(NLP, Natural Language Processing)를 응용하고자 자신의 신경망에서 사용하는 방법을 다룬다. 그런 다음 단어 대신 문자 트라이그램(trigram)(fastText) 사용, 정적 임베딩을 신경망으로 대체해 단어 내용 유지(ELMO, Google Universal Sentence Encoder), 문장 임베딩(InferSent, SkipThoughts), 임베딩에 사전 훈련된 언어 모델 사용(ULMFit, BERT)과 같은 기본 임베딩 방법의 다양한 확장을 다룬다.
8장, ‘순환 신경망’에서는 순환 신경망(RNN, Recurrent Neural Networks)의 기본 아키텍처와 NLP 등에 있는 시퀀스 학습 작업에 어떻게 적합하게 사용되는지 설명한다. 여기에는 다양한 유형의 RNN, LSTM, 게이트 순환 신경망(GRU, Gated Recurrent Unit), GRU 핍홀(Peephole) LSTM과 양방향 LSTM 등이 있다. RNN을 언어 모델로 사용하는 방법은 좀 더 자세히 설명한다. 그런 다음 컴퓨터 변환에 처음 사용된 RNN 기반의 인코더-디코더 아키텍처의 일종인 seq2seq 모델을 다룬다. 그 후 어텐션(attention) 기법을 통해 seq2seq 아키텍처의 성능을 강화시키는 방법을 설명하고, 마지막으로 〈주의력이 전부다(Attention is all you need)〉라는 논문에 기반을 둔 변환기(Transformer) 아키텍처(BERT, GPT-2)를 설명한다.
9장, ‘오토인코더’에서는 입력을 목표로 재생성하려는 신경망 부류인 오토인코더를 설명한다. 희소(sparse) 오토인코더, 컨볼루션 오토인코더, 노이즈 제거 오토인코더와 같은 다양한 종류의 오토인코더를 다룬다. 노이즈 제거 오토인코더를 훈련시켜 입력 이미지에서 노이즈를 제거한다. 오토인코더를 사용해 MNIST 숫자를 만드는 방법도 보여준다. 마지막으로 문장 벡터를 생성하고자 LSTM 오토인코더를 구축하는 단계도 다룬다.
10장, ‘비지도학습’에서는 비지도학습 모델을 알아본다. PCA, k-평균과 자체 구성(self-organized) 맵과 같은 군집화와 차원 축소에 필요한 기술을 소개한다. 텐서플로를 사용해 볼츠만 머신(Boltzmann Machines)의 세부 사항과 구현을 알아본다. 여기서 설명한 개념은 제한된 볼츠만 머신(RBM, Restricted Boltzmann Machine)을 구축하고자 확장된다.
11장, ‘강화학습’에서는 강화학습에 초점을 맞춘다. 먼저 Q 러닝 알고리즘으로 시작한다. 벨만포드(Bellman Ford) 방정식으로 시작해 할인 보상, 탐색과 개발, 할인 요인과 같은 개념을 설명한다. 또한 정책 기반과 모델 기반의 강화학습을 설명한다. 마지막으로 아타리(Atari) 게임에서 심층 Q 러닝(Q-learning) 신경망(DQN, Deep Q-learning Network)을 구축한다.
12장, ‘텐서플로와 클라우드’에서는 클라우드 환경과 이를 활용해 모델을 교육하고 배포하는 방법을 설명한다. 딥러닝용 AWS(Amazon Web Services)를 설정하는 데 필요한 단계도 알아본다. 또한 딥러닝 애플리케이션용 구글 클라우드 플랫폼을 설정하는 데 필요한 단계를 다루고, 딥러닝 애플리케이션을 위해 마이크로소프트 애저(Azure)를 설정하는 방법도 설명한다. 클라우드에서 주피터 노트북(Jupyter Notebook)을 직접 실행할 수 있는 다양한 클라우드 서비스도 설명한다. 마지막으로 텐서플로 익스텐디드(Extended)를 소개하며 마무리한다.
13장, ‘모바일, IoT, 텐서플로.js용 텐서플로’에서는 모바일 장비와 IoT에서 텐서플로 라이트(Lite)를 사용하는 방법과 안드로이드 장비에서 실제로 애플리케이션을 배치하는 방법을 다룬다. 또한 수천 개의 모바일 장비에서 분산 학습하는 연합학습(federated learning)도 알아본다.
14장, ‘AutoML’에서는 흥미로운 AutoML 분야를 소개한다. 자동 데이터 준비, 자동 특징 엔지니어링, 자동 모델 생성을 설명한다. 또한 테이블, 비전, 텍스트, 번역, 비디오 처리용 다양한 솔루션을 갖춘 AutoKeras와 구글 클라우드 플랫폼 AutoML을 소개한다.
15장, ‘딥러닝 배경 수학’에서는 딥러닝의 기초 수학을 설명한다. 딥러닝을 수행할 때 내부에서는 어떤 일이 벌어지고 있는지 살펴본다. 먼저 딥러닝 프로그래밍과 역전파의 기원에 관한 간략한 역사로 시작한다. 다음으로 개념 이해에 도움이 될 수학적 도구와 미분을 소개한다. 나머지 부분은 역전파와 CNN, RNN 내의 일부 애플리케이션을 자세히 설명한다.
16장, TPU에서는 신경망 수학 연산의 초고속 실행을 위해 구글에서 개발한 특수 칩인 TPU(Tensor Processing Unit)를 소개한다. CPU와 GPU를 3세대 TPU와 에지(Edge) TPU와 비교한다. 또한 TPU 사용에 대한 코드 예를 보여준다.

★ 옮긴이의 말 ★

딥러닝의 기초부터 최신 기술 동향까지 한눈에 쉽게 파악할 수 있도록 구성돼 있다. 특히 케라스를 완전 통합한 텐서플로 2.0의 풍부한 예제와 함께 현재 활발히 연구가 진행중인 AutoML까지 다룬다. 딥러닝을 처음 시작하는 사람도 어렵지 않을 정도로 친절히 안내하면서도 딥러닝의 핵심인 역전파의 이면에서 벌어지고 있는 수학적 의미에 대한 해부에 한 장을 할애할 정도로 전문적인 설명도 빠트리지 않는다.
책의 후반부에는 최신 트렌드인 에지에서의 연합학습을 포함해 분산 훈련에 관한 자세한 설명과 함께 TPU를 사용해 수행 속도를 향상시킬 수 있는 방법을 예제와 함께 제공한다.
편안한 마음으로 책을 따라가다 보면 어느새 최신 기조인 텐서플로 2.0의 전문가가 돼 있을 것이다.

기본정보

상품정보
ISBN 9791161754109 ( 1161754105 )
쪽수 788쪽
크기
188 * 235 * 37 mm / 1437 g
총권수 1권
시리즈명
데이터 과학
원서명/저자명 Deep Learning with TensorFlow 2 and Keras - Second Edition/Gulli, Antonio
이 책의 개정정보
가장 최근에 출시된 개정판입니다. 구판보기

Klover

Klover 리뷰 안내
교보를 애용해 주시는 고객님들이 남겨주신 평점과 감상을 바탕으로, 다양한 정보를 전달하는 교보문고의 리뷰 서비스입니다.
리워드 안내
구매 후 90일 이내에 평점과 10자 이상의 리뷰 작성 시 e교환권 200원을 적립해 드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
한달 후 리뷰
구매 후 30일~ 120일 이내에 작성된 두 번째 구매리뷰에 대해 한 달 후 리뷰로 인지하고 e교환권 100원을 추가 제공합니다.
운영 원칙 안내
Klover 리뷰를 통한 리뷰를 작성해 주셔서 감사합니다. 자유로운 의사 표현의 공간인 만큼 타인에 대한 배려를 부탁합니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
  • 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
  • 도서와 무관한 내용의 리뷰
  • 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
  • 의성어나 의태어 등 내용의 의미가 없는 리뷰
신고하기
다른 고객이 작성리뷰에 대해 불쾌함을 느끼는 경우 신고를 할 수 있으며, 신고 자가 일정수준 이상 누적되면 작성하신 리뷰가 노출되지 않을 수 있습니다.

구매 후 리뷰 작성 시, e교환권 200원 적립

문장수집

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요“ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.
리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.

구매 후 리뷰 작성 시, e교환권 100원 적립

이 책의 첫 기록을 남겨주세요

교환/반품/품절 안내

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

이벤트
TOP

저자 모두보기

매장별 재고 및 위치

할인쿠폰 다운로드

  • 쿠폰은 주문결제화면에서 사용 가능합니다.
  • 다운로드한 쿠폰은 마이 > 혜택/포인트 에서 확인 가능합니다.
  • 도서정가제 적용 대상 상품에 대해서는 정가의 10%까지 쿠폰 할인이 가능합니다.
  • 도서정가제 적용 대상 상품에 10% 할인이 되었다면, 해당 상품에는 사용하실 수
    없습니다.

적립예정포인트 안내

  • 통합포인트 안내

    • 통합포인트는 교보문고(인터넷, 매장), 핫트랙스(인터넷, 매장), 모바일 교보문고 등 다양한 곳에서 사용하실 수 있습니다.
    • 상품 주문 시, 해당 상품의 적립률에 따라 적립 예정 포인트가 자동 합산되고 주문하신 상품이 발송완료 된 후에 자동으로 적립됩니다.
    • 단, 쿠폰 및 마일리지, 통합포인트, e교환권 사용 시 적립 예정 통합포인트가 변동될 수 있으며 주문취소나 반품시에는 적립된 통합포인트가 다시 차감됩니다.
  • 통합포인트 적립 안내

    • 통합포인트는 도서정가제 범위 내에서 적용됩니다.
    • 추가적립 및 회원 혜택은 도서정가제 대상상품(국내도서, eBook등)으로만 주문시는 해당되지 않습니다.
  • 기본적립) 상품별 적립금액

    • 온라인교보문고에서 상품 구매시 상품의 적립률에 따라 적립됩니다.
    • 단 도서정가제 적용 대상인 국내도서,eBook은 15%내에서 할인율을 제외한 금액내로 적립됩니다.
  • 추가적립) 5만원 이상 구매시 통합포인트 2천원 추가적립

    • 5만원 이상 구매시 통합포인트 2천원 적립됩니다.
    • 도서정가제 예외상품(외서,음반,DVD,잡지(일부),기프트) 2천원 이상 포함시 적립 가능합니다.
    • 주문하신 상품이 전체 품절인 경우 적립되지 않습니다.
  • 회원혜택) 3만원이상 구매시 회원등급별 2~4% 추가적립

    • 회원등급이 플래티넘, 골드, 실버 등급의 경우 추가적립 됩니다.
    • 추가적립은 실결제액 기준(쿠폰 및 마일리지, 통합포인트, e교환권 사용액 제외) 3만원 이상일 경우 적립됩니다.
    • 주문 후 취소,반품분의 통합포인트는 단품별로 회수되며, 반품으로 인해 결제잔액이 3만원 미만으로 변경될 경우 추가 통합포인트는 전액 회수될 수 있습니다.

제휴 포인트 안내

제휴 포인트 사용

  • OK CASHBAG 10원 단위사용 (사용금액 제한없음)
  • GS&POINT 최대 10만 원 사용
더보기

구매방법 별 배송안내

배송 일정 안내

  • 출고 예정일은 주문상품의 결제(입금)가 확인되는 날 기준으로 상품을 준비하여 상품 포장 후 교보문고 물류센터에서 택배사로 전달하게 되는 예상 일자입니다.
  • 도착 예정일은 출고 예정일에서 택배사의 배송일 (약1~2일)이 더해진 날이며 연휴 및 토, 일, 공휴일을 제외한 근무일 기준입니다.
배송 일정 안내
출고예정일 도착예정일
1일이내 상품주문 후 2~3일 이내
2일이내 상품주문 후 3~4일 이내
3일이내 상품주문 후 4~5일 이내
4일이내 상품주문 후 5~6일 이내

연휴 및 토, 일, 공휴일은 제외됩니다.

당일배송 유의사항

  • 수도권 외 지역에서 선물포장하기 또는 사은품을 포함하여 주문할 경우 당일배송 불가
  • 회사에서 수령할 경우 당일배송 불가 (퇴근시간 이후 도착 또는 익일 배송 될 수 있음)
  • 무통장입금 주문 후 당일 배송 가능 시간 이후 입금된 경우 당일 배송 불가
  • 주문 후 배송지 변경 시 변경된 배송지에 따라 익일 배송될 수 있습니다.
  • 수도권 외 지역의 경우 효율적인 배송을 위해 각 지역 매장에서 택배를 발송하므로, 주문 시의 부록과 상이할 수 있습니다.
  • 각 지역 매장에서 재고 부족 시 재고 확보를 위해 당일 배송이 불가할 수 있습니다.

일반배송 시 유의사항

  • 날씨나 택배사의 사정에 따라 배송이 지연될 수 있습니다.
  • 수도권 외 지역 바로배송 서비스의 경우 경품 수령 선택 여부에 따라 도착 예정일이 변경됩니다.
  • 출고 예정일이 5일 이상인 상품의 경우(결제일로부터 7일 동안 미입고), 출판사 / 유통사 사정으로 품/절판 되어 구입이 어려울 수 있습니다. 이 경우 SMS, 메일로 알려드립니다.
  • 선물포장 주문 시 합배송 처리되며, 일부상품 품절 시 도착 예정일이 늦어질 수 있습니다.
  • 분철상품 주문 시 분철 작업으로 인해 기존 도착 예정일에 2일 정도 추가되며, 당일 배송, 해외 배송이 불가합니다.

해외주문 시 유의사항

  • 해외주문도서는 해외 거래처 사정에 의해 품절/지연될 수 있습니다.

Special order 주문 시 유의사항

  • 스페셜오더 도서나 일서 해외 주문 도서와 함께 주문 시 배송일이 이에 맞추어 지연되오니, 이점 유의해 주시기 바랍니다.

바로드림존에서 받기

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상 시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함 되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해 주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반 코너에서 수령확인이 가능합니다
  • 선물 받는 분의 휴대폰번호만 입력하신 후 결제하시면 받는 분 휴대폰으로 선물번호가 전달됩니다.
  • 문자를 받은 분께서는 마이 > 주문관리 > 모바일 선물내역 화면에서 선물번호와 배송지 정보를 입력하시면 선물주문이 완료되어 상품준비 및 배송이 진행됩니다.
  • 선물하기 결제하신 후 14일까지 받는 분이 선물번호를 등록하지 않으실 경우 주문은 자동취소 됩니다.
  • 또한 배송 전 상품이 품절 / 절판 될 경우 주문은 자동취소 됩니다.

바로드림 서비스 안내

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.
  1. STEP 01
    픽업박스에서 찾기 주문
  2. STEP 02
    도서준비완료 후 휴대폰으로 인증번호 전송
  3. STEP 03
    매장 방문하여 픽업박스에서 인증번호 입력 후 도서 픽업
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.

도서 소득공제 안내

  • 도서소득공제란?

    • 2018년 7월 1일 부터 근로소득자가 신용카드 등으로 도서구입 및 공연을 관람하기 위해 사용한 금액이 추가 공제됩니다. (추가 공제한도 100만원까지 인정)
      • 총 급여 7,000만 원 이하 근로소득자 중 신용카드, 직불카드 등 사용액이 총급여의 25%가 넘는 사람에게 적용
      • 현재 ‘신용카드 등 사용금액’의 소득 공제한도는 300만 원이고 신용카드사용액의 공제율은 15%이지만, 도서·공연 사용분은 추가로 100만 원의 소득 공제한도가 인정되고 공제율은 30%로 적용
      • 시행시기 이후 도서·공연 사용액에 대해서는 “2018년 귀속 근로소득 연말 정산”시기(19.1.15~)에 국세청 홈택스 연말정산간소화 서비스 제공
  • 도서 소득공제 대상

    • 도서(내서,외서,해외주문도서), eBook(구매)
    • 도서 소득공제 대상 상품에 수반되는 국내 배송비 (해외 배송비 제외)
      • 제외상품 : 잡지 등 정기 간행물, 음반, DVD, 기프트, eBook(대여,학술논문), 사은품, 선물포장, 책 그리고 꽃
      • 상품정보의 “소득공제” 표기를 참고하시기 바랍니다.
  • 도서 소득공제 가능 결제수단

    • 카드결제 : 신용카드(개인카드에 한함)
    • 현금결제 : 예치금, 교보e캐시(충전에한함), 해피머니상품권, 컬쳐캐쉬, 기프트 카드, 실시간계좌이체, 온라인입금
    • 간편결제 : 교보페이, 네이버페이, 삼성페이, 카카오페이, PAYCO, 토스, CHAI
      • 현금결제는 현금영수증을 개인소득공제용으로 신청 시에만 도서 소득공제 됩니다.
      • 교보e캐시 도서 소득공제 금액은 교보eBook > e캐시 > 충전/사용내역에서 확인 가능합니다.
      • SKpay, 휴대폰 결제, 교보캐시는 도서 소득공제 불가
  • 부분 취소 안내

    • 대상상품+제외상품을 주문하여 신용카드 "2회 결제하기"를 선택 한 경우, 부분취소/반품 시 예치금으로 환원됩니다.

      신용카드 결제 후 예치금으로 환원 된 경우 승인취소 되지 않습니다.

  • 도서 소득공제 불가 안내

    • 법인카드로 결제 한 경우
    • 현금영수증을 사업자증빙용으로 신청 한 경우
    • 분철신청시 발생되는 분철비용

알림 신청

아래의 알림 신청 시 원하시는 소식을 받아 보실 수 있습니다.
알림신청 취소는 마이룸 > 알림신청내역에서 가능합니다.

텐서플로 2와 케라스로 구현하는 딥러닝
회귀, CNN. GAN, RNN, NLP, AutoML까지 딥러닝의 모든 것
2 판
한달 후 리뷰
/ 좋았어요
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 올해 주식 투자를 시작했다. 아무것도 모르고 초심자의 행운으로 분유값 정도를 벌고 나니, 조금 더 공부해보고 싶어져서 『초격차 투자법』을 구매했다.
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
기대가됩니다~
기대가됩니다~
기대가됩니다~
이 구매자의 첫 리뷰 보기
/ 좋았어요
하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까 예견해 본다. 책한권으로 등의 근육들이 오그라진 느낌에 아직도 느껴진다. 하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이 처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까..
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
신고

신고 사유를 선택해주세요.
신고 내용은 이용약관 및 정책에 의해 처리됩니다.

허위 신고일 경우, 신고자의 서비스 활동이 제한될 수 있으니 유의하시어
신중하게 신고해주세요.

판형알림

  • A3 [297×420mm]
  • A4 [210×297mm]
  • A5 [148×210mm]
  • A6 [105×148mm]
  • B4 [257×364mm]
  • B5 [182×257mm]
  • B6 [128×182mm]
  • 8C [8절]
  • 기타 [가로×세로]