| 000 | 00000cam c2200205 c 4500 | |
| 001 | 000045983846 | |
| 005 | 20190516102801 | |
| 007 | ta | |
| 008 | 190516s2019 ggka 001c kor | |
| 020 | ▼a 9791158391355 ▼g 93000 | |
| 035 | ▼a (KERIS)BIB000015123512 | |
| 040 | ▼a 241026 ▼c 241026 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h eng |
| 082 | 0 4 | ▼a 006.31 ▼2 23 |
| 085 | ▼a 006.31 ▼2 DDCK | |
| 090 | ▼a 006.31 ▼b 2019z8 | |
| 100 | 1 | ▼a Newnham, Joshua |
| 245 | 2 0 | ▼a (실전! Core ML을 활용한) 머신러닝 iOS 앱 개발 : ▼b 인공지능을 활용한 객체 인식, 감정 탐지, 스타일 전이, 스케치 인식 구현 / ▼d 죠슈아 뉴햄 지음 ; ▼e 김정인 옮김 |
| 246 | 1 9 | ▼a Machine Learning with Core ML : ▼b an iOS developer's guide to implementing machine learning in mobile apps |
| 260 | ▼a 파주 : ▼b 위키북스, ▼c 2019 | |
| 300 | ▼a xiv, 342 p. : ▼b 삽화 ; ▼c 25 cm | |
| 490 | 1 0 | ▼a DS 데이터 사이언스 시리즈 ; ▼v 034 |
| 500 | ▼a 색인수록 | |
| 700 | 1 | ▼a 김정인, ▼e 역 |
| 830 | 0 | ▼a DS 데이터 사이언스 시리즈 ; ▼v 034 |
| 900 | 1 0 | ▼a 뉴햄, 죠슈아, ▼e 저 |
Holdings Information
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Sejong Academic Information Center/Science & Technology/ | Call Number 006.31 2019z8 | Accession No. 151346112 (4회 대출) | Availability Loan can not(reference room) | Due Date | Make a Reservation | Service |
Contents information
Book Introduction
Core ML을 이해하기 쉽게 설명할 뿐 아니라 머신러닝을 명확하게 설명해 준다. 모바일 플랫폼에서 현실적이면서 흥미로운 머신러닝 예제를 통해 배우며, 시각 기반의 애플리케이션을 위해 전이 학습과 신경망 이론을 사용하여 Core ML을 구현하는 법도 배울 것이다. 기본 사항을 파악하고 나서는 유용한 7가지 예제를 만들어 본다. 예제를 만들어 보면서 머신러닝 관련 개념과 기법이 어떻게 예제에 적용되는지 살펴본다.
애플 Core ML을 활용한 스마트한 iOS 앱 만들기!
Core ML은 다양한 머신러닝 작업을 지원하기 위해 설계된 API를 제공하는 애플의 유명한 프레임워크다. 이 프레임워크를 활용하면 머신러닝 모델을 훈련시킨 다음 그 모델을 iOS 앱에 통합시킬 수 있다.
이 책은 Core ML을 이해하기 쉽게 설명할 뿐 아니라 머신러닝을 명확하게 설명해 준다. 모바일 플랫폼(특히 iOS)에서 현실적이면서 흥미로운 머신러닝 예제를 통해 배우며, 시각 기반의 애플리케이션을 위해 전이 학습과 신경망 이론을 사용하여 Core ML을 구현하는 법도 배울 것이다. 기본 사항을 파악하고 나서는 유용한 7가지 예제를 만들어 본다. 예제를 만들어 보면서 머신러닝 관련 개념과 기법이 어떻게 예제에 적용되는지 살펴본다.
이 책을 마칠 때면 Core ML API를 사용해 머신러닝을 장착한 자신만의 애플리케이션을 만드는 데 필요한 기술을 갖게 될 것이다.
★ 이 책에서 다루는 내용 ★
◎ 알고리즘과 데이터를 사용해 ML 프로젝트의 구성요소 이해하기
◎ 머신러닝 모델을 얻고 임포트함으로써 Core ML을 마스터하고 클래스 생성하기
◎ 머신러닝에 사용할 데이터를 준비하고 최적화된 솔루션을 얻기 위해 결과 해석하기
◎ 지원되지 않는 계층을 위한 맞춤 계층을 생성하고 최적화하기
◎ CNN을 사용해 이미지와 동영상 데이터에 CoreML 적용하기
◎ 스케치를 인식하기 위해 RNN 품질을 배우고 드로잉 강화하기
◎ Core ML 전이 학습을 사용해 이미지에 스타일 전이 실행하기
Information Provided By: :
Author Introduction
조슈아 뉴햄(지은이)
조슈아 뉴햄은 디자인과 인공지능(artificial intelligence, AI) 사이의 교차 지점, 특히 컴퓨터 설계와 인간 컴퓨터 상호작용 분야에 중점을 두고 있는 글로벌 디자인 기업인 메서드(Method)에서 기술을 선도하고 있다. 이전에 그는 엔지니어와 크리에이티브 사이의 협업 도구를 만드는 가상 현실(Virtual Reality, VR)과 증강 현실(Augmented Reality, AR) 스튜디오인 Master of Pie의 기술 임원이었다.
김정인(옮긴이)
플랫폼 기업의 빅데이터 서비스 조직에서 근무하고 있다. 업계 용어 중심으로 쓰면 나태하게 보일까 걱정되고, 모두 우리말로 바꾸자니 전문가들과 소통이 어렵지는 않을까 하는 걱정 사이에, 이제는 어떻게 하면 챗GPT보다 더 나은 가치를 제공할 수 있는지까지 고민을 하나 더 얹어 번역하고 있다. 이런 고민을 책 문장마다 잘 녹여내기 바라며 옮기지만, 그에 대한 인정은 독자들 몫이니 마음을 내려놓는 연습도 하고 있다. 옮긴 책으로는 《파이썬 데이터 사이언스 핸드북(개정판)》, 《실전! 파이토치 딥러닝 프로젝트》, 《강화학습/심층강화학습 특강》, 《실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전》 등이 있다.
Table of Contents
목차 01 머신러닝 소개 머신러닝이란 무엇인가? = 2 ML 알고리즘 소개 = 5 넷플릭스 - 추천 생성하기 = 5 Shadow draw - 프리핸드 드로잉을 위한 실시간 사용자 가이드 = 8 셔터스톡(Shutterstock) - 구도 기반의 이미지 검색 = 13 iOS 키보드 예측 - 다음 글자 예측 = 16 일반적인 ML 작업 흐름 = 19 요약 = 20 02 애플 Core ML 소개 훈련과 추론의 차이 = 22 에지에서의 추론 = 23 Core ML = 25 작업 흐름 = 26 학습 알고리즘 = 28 스웨덴 자동차 보험 = 28 지원 학습 알고리즘 = 34 고려사항 = 36 요약 = 37 03 실세계에서 객체 인식하기 이미지 이해하기 = 40 객체 인식 = 44 데이터 캡처 = 44 데이터 전처리 = 54 추론하기 = 65 요약 = 66 04 CNN을 활용한 감정 탐지 얼굴 표정 = 68 입력 데이터와 선처리 = 72 종합 = 95 요약 = 103 05 실세계에서 객체 위치 측정 객체 위치 측정과 객체 탐지 = 106 케라스 Tiny YOLO를 Core ML로 변환하기 = 117 사진을 쉽게 찾는 방법 = 126 배치로 최적화 = 156 요약 = 160 06 스타일 전이로 예술 창작하기 한 이미지에서 다른 이미지로 스타일 옮기기 = 162 스타일 전이를 더 빠르게 하는 방법 = 168 케라스 모델을 Core ML로 변환하기 = 170 스위프트에서 맞춤 계층 구축하기 = 181 계층 속도 높이기 = 191 GPU 활용하기 = 193 모델 가중치 줄이기 = 196 요약 = 201 07 CNN으로 드로잉 보조하기 지능형 인터페이스를 구현해야 하는 이유 = 204 드로잉 = 205 사용자 스케치 인식하기 = 220 훈련 데이터와 모델 검토 = 221 스케치 분류하기 = 223 시각적 유사성을 기준으로 정렬하기 = 239 요약 = 252 08 RNN으로 드로잉 보조하기 드로잉 보조하기 = 254 드로잉 분류에 사용할 순환 신경망 = 255 입력 데이터와 전처리 = 261 종합 = 277 요약 = 291 09 CNN을 활용한 객체 분할 픽셀 분류하기 = 293 원하는 효과를 내기 위한 데이터 - 액션 샷 = 297 사진 효과 애플리케이션 구축하기 = 301 확률적 결과 활용하기 = 319 모델 개선하기 = 319 제약 조건을 두어 설계하기 = 320 휴리스틱 포함 = 321 사후 처리 및 앙상블 기법 = 321 인적 보조 = 322 요약 = 323 10 Create ML 소개 전형적인 작업 흐름 = 325 데이터 준비하기 = 326 모델 생성 및 훈련 = 330 모델 매개변수 = 334 모델 메타데이터 = 334 다른 작업 흐름(그래픽 버전) = 335 마무리 = 336 요약 = 337