딥러닝 EXPRESS

생성형 AI 수록 및 케라스 라이브러리 실습 코드 포함

천인국 저자(글)

생능출판 · 2024년 07월 26일

책 소개

인공지능(AI)은 오랜 시간 동안 인간의 상상력을 자극하며 여러 분야에서 연구되고 활용되어 왔다. 최근 각 기업들은 인공지능(AI) 인재를 찾기 위해 사활을 걸고 있다. 인공지능 기술의 급격한 발전은 산업 전반에 걸쳐 혁신을 이끌어내고 있으며, 특히 OpenAI의 ChatGPT가 그 대표적인 사례이다. ChatGPT는 단순한 챗봇의 기능을 뛰어넘어 다양한 산업 분야에 적용될 수 있는 무한한 가능성을 보여주고 있다.

작가정보

저자(글) 천인국

1983년 서울대학교 전자공학과 공학사
1985년 KAIST 전기및전자공학과 공학석사
1993년 KAIST 전기및전자공학과 공학박사
1985~1988년 삼성전자 종합연구소 주임 연구원
1993년~현재 순천향대학교 컴퓨터공학과 교수
2005년 캐나다 UBC 방문 교수

목차

• Chapter 01 인공지능이란?
  1. 인공지능의 시대
  Lab ChatGPT와 Dall-E 체험하기
  2. 인공지능의 정의
  3. 인공지능의 간단한 역사
  4. 규칙 기반 방법 vs 머신러닝 방법
  5. 인공지능은 어디에 필요할까?
  Lab 머신러닝 체험하기 #1
  Lab 머신러닝 체험하기 #2
  Lab 티처블 머신 이용하여 머신러닝 체험하기
  요약
  연습문제
  
  Chapter 02 파이썬과 넘파이 복습
  1. 파이썬이란?
  2. 파이썬 설치하기
  3. 어떤 개발 도구를 사용할 것인가?
  4. 파이썬 복습
  5. 딥러닝 개발에 사용되는 라이브러리
  6. 넘파이
  Lab 넘파이로 평균 제곱 오차 계산하기
  7. 맵플롯립
  Lab 맵플롯립으로 시그모이드 함수를 그려보자
  요약
  연습문제
  
  Chapter 03 머신러닝의 기초
  1. 머신러닝이란?
  2. 지도 학습
  3. 머신러닝의 과정
  4. 붓꽃을 머신러닝으로 분류해보자.
  5. 필기체 숫자 이미지를 분류해보자.
  6. 머신러닝 알고리즘의 성능평가
  7. 머신러닝의 용도
  요약
  연습문제
  
  Chapter 04 선형 회귀
  1. 선형 회귀
  2. 선형 회귀에서 손실 함수 최소화 방법
  3. 선형 회귀 파이썬 구현 #1
  4. 선형 회귀 파이썬 구현 #2
  Lab 선형 회귀 실습
  5. 과잉 적합 vs 과소 적합
  Lab 당뇨병 예제
  Mini Project 면적에 따른 집값 예측
  요약
  연습문제
  
  Chapter 05 퍼셉트론
  1. 신경망이란?
  2. 퍼셉트론
  3. 퍼셉트론 학습 알고리즘
  Lab 퍼셉트론 시각화
  4. 퍼셉트론의 한계점
  Mini Project 퍼셉트론으로 분류
  요약
  연습문제
  Chapter 06 MLP(다층 퍼셉트론)
  1. MLP(다층 퍼셉트론)
  2. 활성화 함수
  Lab 활성화 함수 구현
  3. MLP의 순방향 패스
  Lab MLP 순방향 패스
  4. 손실함수 계산
  5. 경사 하강법
  Lab 경사 하강법 실습
  Lab 2차원 그래디언트 시각화
  6. 역전파 학습 알고리즘
  7. 역전파 알고리즘을 손으로 계산해보자.
  8. 넘파이만을 이용한 MLP 구현
  9. 구글의 플레이그라운드를 이용한 실습
  요약
  연습문제
  
  Chapter 07 MLP와 케라스 라이브러리
  1. 미니 배치
  Lab 미니 배치 실습 #1
  2. 행렬로 미니 배치 구현하기
  3. 학습률
  Lab 학습률과 배치크기 실습
  4. 케라스(Keras) 시작하기
  5. 케라스를 사용하는 3가지 방법
  6. 케라스를 이용한 MNIST 숫자 인식
  7. 케라스의 입력 데이터
  8. 케라스의 클래스들
  9. 하이퍼 매개변수
  요약
  연습문제
  
  Chapter 08 심층 신경망
  1. 심층 신경망
  2. 그래디언트 소실 문제
  Lab 활성화 함수 실험
  3. 손실 함수 선택 문제
  Lab 교차 엔트로피의 계산
  4. 케라스에서의 손실 함수
  5. 가중치 초기화 문제
  Lab 가중치 초기화 실험
  6. 범주형 데이터 처리
  7. 데이터 정규화
  8. 과잉 적합과 과소 적합
  9. 과잉 적합 방지 전략
  Lab 배치 크기, 학습률, 규제항
  10. 앙상블
  11. 예제: MNIST 필기체 숫자 인식
  12. 예제: 패션 아이템 분류
  13. 예제: 타이타닉 생존자 예측하기
  요약
  연습문제
  
  Chapter 09 컨벌루션 신경망
  1. 컨벌루션 신경망 소개
  2. 컨볼루션 연산
  3. 풀링(서브 샘플링)
  4. 컨벌루션 신경망을 해석해보자.
  5. 케라스로 컨벌루션 신경망 구현하기
  6. 예제: MNIST 필기체 숫자 인식
  요약
  연습문제
  
  Chapter 10 영상 인식
  1. 영상 인식이란?
  Lab 영상인식 신경망 체험하기
  2. 전통적인 영상 인식
  3. 심층 신경망을 이용한 영상 인식
  4. 예제: CIFAR-10 영상 분류하기
  5. 데이터 증대
  6. 예제: 강아지와 고양이 구별하기
  7. 가중치 저장과 전이 학습
  요약
  연습문제
  
  Chapter 11 순환 신경망
  1. 순환 신경망이란?
  2. 순환 데이터의 이해
  3. RNN의 구조
  4. RNN의 순방향 패스
  5. 순환 신경망의 학습
  6. 예제: 사인파 예측 프로그램
  7. LSTM 신경망
  8. 예제: Keras를 이용한 주가 예측
  요약
  연습문제
  
  Chapter 12 자연어 처리
  1. 자연어 처리란?
  2. 텍스트 전처리
  3. 단어의 표현
  4. 케라스에서의 자연어 처리
  5. 예제: 스팸 메일 분류하기
  6. seq2seq 모델
  7. 예제: 다음 단어 예측하기
  8. 예제: 영화 리뷰 감성 판별하기
  요약
  연습문제
  
  Chapter 13 생성형 언어 모델 GPT
  1. ChatGPT의 등장
  2. 이전 자연어 처리 모델
  3. 트랜스포머 모델
  4. GPT에서의 엠베딩 벡터와 위치 엔코딩
  5. GPT에서의 셀프 어텐션
  6. GPT 모델
  7. 실습 예제: picoGPT
  요약
  연습문제
  
  Chapter 14 강화 학습
  1. 강화 학습이란?
  2. 강화 학습 프레임워크
  3. OpenAI
  4. 전통 Q-학습
  5. 예제: 얼음 호수 게임에서 Q-학습의 구현
  6. Deep Q-학습
  7. 예제: 얼음 호수 게임에서 심층 Q-학습의 구현
  요약
  연습문제
  Chapter 15 생성 모델
  1. 생성 모델이란?
  2. 케라스의 함수형 API
  3. 기본형 오토인코더
  4. 노이즈 제거 오토인코더
  5. GAN이란?
  6. 예제: GAN으로 숫자 이미지 생성
  요약
  연습문제
  
  Chapter 16 이미지 생성 모델 Stable Diffusion
  1. 이미지 생성 모델
  2. 확산 모델
  Lab 간단한 안정 확산 모델의 구현
  3. 안정 확산 모델
  4. 텍스트 조건화
  Lab 안정 확산 모델 설치 및 실행
  요약
  연습문제

출판사 서평

이 책은 딥러닝을 중심으로 주요 인공지능 기술들을 다루며, 학습자들이 실습을 통해 그 개념을 확실히 이해할 수 있도록 구성하였다. 딥러닝은 매우 매력적인 주제이지만, 학교에서 가르치기에는 여러 가지 어려움이 따른다. 실습 환경을 구축하는 것도 쉽지 않지만, 최근 파이썬(Python)과 여러 가지 딥러닝 프레임워크가 널리 사용되면서 이러한 문제를 해결할 수 있게 되었다.
- 개정판에서는 강화 학습의 코드를 전면 교체하였다. 좀 더 빠른 시간 안에, 확실한 결과를 내는 코드로 교체하였다.
- 개정판에서는 ChatGPT의 근간이 되는 트랜스포머 구조와 이미지 생성형 AI 중에서 안정 확산 기법(Stabe Diffusion)을 추가하였다.
- 시각적 자료의 활용: 적절한 그림을 많이 사용하여 독자들이 친숙하게 느끼고 이해하기 쉬운 교재를 만들고자 노력하였다. 딥러닝 분야에서는 구글이 제공하는 텐서플로우 플레이그라운드 사이트를 이용하여 개념을 체득할 수 있도록 하였다.
- 풍부한 실습 예제: 실습을 통해 개념을 확실히 이해할 수 있도록 최대한 많은 실습 예제를 포함하였다. 딥러닝 분야의 실습은 구글의 텐서플로우와 고수준 라이브러리인 Keras를 사용하여 진행할 수 있도록 구성하였다. LAB의 끝에는 도전 문제를 두어 독자들이 추가적으로 실습할 수 있도록 하였다.

기본정보

ISBN	9791192932750
발행(출시)일자	2024년 07월 26일
쪽수	660쪽
크기	189 * 258 * 26 mm / 1361 g
총권수	1권