| 000 | 00000nam c2200205 c 4500 | |
| 001 | 000046002835 | |
| 005 | 20191122160532 | |
| 007 | ta | |
| 008 | 191021s2019 ggkad b 001c kor | |
| 020 | ▼a 9791158391713 ▼g 93000 | |
| 040 | ▼a 211009 ▼c 211009 ▼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 2019z27 | |
| 100 | 1 | ▼a Atienza, Rowel |
| 245 | 2 0 | ▼a (케라스로 구현하는) 고급 딥러닝 알고리즘 : ▼b 딥러닝 기법, 오토인코더, GAN, 변분 오토인코더, 심층 강화학습, 정책 경사 기법 적용하기 / ▼d 로웰 아티엔자 지음 ; ▼e 김정인 옮김 |
| 246 | 1 9 | ▼a Advanced deep learning with Keras : ▼b apply deep learning techniques, autoencoders, GANs, variational autoencoders, deep reinforcement learning, policy gradients, and more |
| 260 | ▼a 파주 : ▼b 위키북스, ▼c 2019 | |
| 300 | ▼a xiv, 342 p. : ▼b 삽화, 도표 ; ▼c 24 cm | |
| 504 | ▼a 참고문헌과 색인수록 | |
| 700 | 1 | ▼a 김정인, ▼e 역 |
| 900 | 1 0 | ▼a 아티엔자, 로웰, ▼e 저 |
Holdings Information
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2019z27 | Accession No. 121251098 (12회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. 2 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2019z27 | Accession No. 121252421 (12회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. 3 | Location Sejong Academic Information Center/Science & Technology/ | Call Number 006.31 2019z27 | Accession No. 151347881 (4회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. | Location | Call Number | Accession No. | Availability | Due Date | Make a Reservation | Service |
|---|---|---|---|---|---|---|---|
| No. 1 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2019z27 | Accession No. 121251098 (12회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| No. 2 | Location Science & Engineering Library/Sci-Info(Stacks1)/ | Call Number 006.31 2019z27 | Accession No. 121252421 (12회 대출) | Availability Available | Due Date | Make a Reservation | Service |
| 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 2019z27 | Accession No. 151347881 (4회 대출) | Availability Available | Due Date | Make a Reservation | Service |
Contents information
Book Introduction
오늘날 활용할 수 있는 고급 딥러닝 기법을 종합적으로 소개함으로써 각자만의 최첨단 AI를 만들 수 있게 해준다. 이 책에서는 오픈소스 딥러닝 라이브러리로 케라스를 사용해 최신 기법을 적용한 효과적인 AI를 만드는 방법을 다양한 실습 프로젝트를 통해 보여준다.
GAN, VAE, 심층강화학습(DRL)을 포함한 최근 딥러닝의 발전은 인상적인 AI를 창조하고 있다. 이는 세계 체스 챔피언을 물리친 알파고 제로와 사람이 그린 것처럼 감쪽같아 40만 달러 이상에 팔린 그림을 만들 수 있는, 우리의 새로운 표제 '생성적 AI'를 생성한다.
《케라스로 구현하는 고급 딥러닝 알고리즘》은 오늘날 활용할 수 있는 고급 딥러닝 기법을 종합적으로 소개함으로써 각자만의 최첨단 AI를 만들 수 있게 해준다. 이 책에서는 오픈소스 딥러닝 라이브러리로 케라스를 사용해 최신 기법을 적용한 효과적인 AI를 만드는 방법을 다양한 실습 프로젝트를 통해 보여준다.
먼저 이 책에서 다루는 고급 기법의 기본 구성요소가 되는 MLP, CNN, RNN을 살펴본다. 케라스와 텐서플로를 사용해 딥러닝 모델을 구현하는 방법을 배운 뒤 ResNet과 DenseNet을 포함한 심층 신경망 아키텍처를 살펴보고 오토인코더를 생성하는 방법을 알아본다. 아울러 GAN에 대해 알아보고 어떻게 이 모델이 AI 성능의 새로운 지평을 여는지 알아볼 것이다. 다음으로 VAE를 구현하는 방법을 알아보고 GAN과 VAE가 현대 AI의 주요 진전인 인간에게 매우 설득력 있는 데이터를 합성하는 생산 능력을 어떻게 갖추게 되는지 배울 것이다. 마지막으로 현대 AI 분야에서 이룬 핵심 성과인 심층 Q-러닝과 정책 경사 기법 같은 DRL을 구현하는 방법을 배운다.
★ 이 책에서 다루는 내용 ★
◎ 인간과 비슷한 AI 성능을 내는 최첨단 기법
◎ 케라스를 사용해 고급 딥러닝 모델을 구현하는 방법
◎ 고급 딥러닝 기법의 구성요소 - MLP, CNN, RNN
◎ 심층 신경망 - ResNet, DenseNet
◎ 오토인코더와 변분 오토인코더(VAE)
◎ 생성적 적대 신경망(GAN)과 창의적인 AI 기법
◎ 분해된 표현의 GAN과 교차 도메인 GAN
◎ 심층강화학습 기법과 그 구현
◎ OpenAI Gym을 사용해 산업 표준 애플리케이션을 구성하는 방법
◎ 심층 Q-러닝과 정책 경사 기법
Information Provided By: :
Author Introduction
로웰 아티엔자(지은이)
로웰 아티엔자는 필리핀 딜리만의 필리핀대학교 전기전자공학부 부교수다. Dado and Maria Banatato 연구소 인공지능 분야의 교수장이기도 하다. 로웰은 필리핀대학교를 졸업한 후로 지능형 로봇에 매료됐다. AI가 탑재된 네 발 달린 로봇을 만들어 싱가포르 국립대학교에서 공학 석사 학위를 받았다. 오스트레일리아 국립대학교에서 인간과 로봇의 상호작용을 위한 시선 위치 추적 기술을 연구해 박사 학위를 마쳤다. 현재는 AI와 컴퓨터 비전을 연구하고 있다. 그의 꿈은 지각하고 이해하고 추론할 수 있는 유용한 기계를 만드는 것이다. 필리핀 과학기술부(DOST), 필리핀 삼성 연구소, 고등 교육 위원회 산하 필리핀-캘리포니아 고등 연구소(CHED-PCARI)로부터 지원을 받아 그 꿈을 이루려고 노력 중이다.
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
▣ 01장: 케라스를 활용한 고급 딥러닝 소개 왜 케라스가 딥러닝 라이브러리로 완벽한가? __케라스와 텐서플로 설치하기 핵심 딥러닝 모델 구현하기 ? MLP, CNN, RNN __MLP, CNN, RNN의 차이점 다층 퍼셉트론(MLP) __MNIST 데이터세트 __MNIST 숫자 분류 모델 __정규화 __출력 활성화 함수와 손실 함수 __최적화 __성능 평가 __모델 요약 합성곱 신경망(CNN) __합성곱 __풀링 연산 __성능 평가 및 모델 요약 순환 신경망(RNN) 결론 참고 문헌 ▣ 02장: 심층 신경망 함수형 API __입력이 두 개, 출력이 하나인 모델 생성하기 심층 잔차 신경망(ResNet) ResNet v2 밀집 연결 합성곱 네트워크(DenseNet) __CIFAR10을 위한 100계층 DenseNet-BC 구성하기 결론 참고 문헌 ▣ 03장: 오토인코더 오토인코더의 원리 케라스로 오토인코더 구성하기 잡음 제거 오토인코더(DAE) 자동 채색 오토인코더 결론 참고 문헌 ▣ 04장: 생성적 적대 신경망(GAN) GAN의 개요 GAN 원리 케라스로 구현한 GAN 조건부 GAN 결론 참고문헌 ▣ 05장: 개선된 GAN 모델 베셔슈타인 GAN 거리 함수 GAN의 거리 함수 __베셔슈타인 손실 함수 사용하기 __케라스에서 WGAN 구현하기 최소 제곱 GAN(LSGAN) ACGAN 결론 참고 문헌 ▣ 06장: 분해된 표현 GAN 분해된 표현 InfoGAN 케라스에서 InfoGAN 구현 InfoGAN의 생성기 출력 StackedGAN 케라스에서 StackedGAN을 구현하기 StackedGAN의 생성기 출력 결론 참고 문헌 ▣ 07장: 교차 도메인 GAN CycleGAN 원리 CycleGAN 모델 케라스에서 CycleGAN 구현하기 CycleGAN의 생성기 출력 MNIST 및 SVHN 데이터세트에 CycleGAN 적용하기 결론 참고 문헌 ▣ 08장: 변분 오토인코더 VAE 원리 __변분 추론 __핵심 방정식 __최적화 __매개변수 조정 기법 __디코더 테스트 __케라스로 VAE 구현하기 __VAE를 위해 CNN 사용하기 조건부 VAE(CVAE) b-VAE: 분해된 잠재 표현을 사용한 VAE 결론 참고 문헌 ▣ 09장: 심층강화학습 강화학습의 원리 __Q 값 __Q-러닝 예제 __파이썬에서의 Q-러닝 __비결정론적 환경 __시간차 학습 __OpenAI gym에서의 Q-러닝 __심층 Q-네트워크(DQN) __알고리즘 9.6.1 DQN 알고리즘: __케라스에서의 DQN __더블 Q-러닝(DDQN) 결론 참고문헌 ▣ 10장: 정책 경사 기법 정책 경사 정리 몬테 카를로 정책 경사(REINFORCE) 기법 __기준선을 적용한 REINFORCE __액터-크리틱 기법 __어드밴티지 액터-크리틱(A2C) 기법 __케라스로 정책 경사 기법 구현하기 __정책 경사 기법의 성능 평가 결론 참고 문헌