| 000 | 00000nam c2200205 c 4500 | |
| 001 | 000046193282 | |
| 005 | 20250207100630 | |
| 007 | ta | |
| 008 | 250206s2025 ulkad b 001a kor | |
| 020 | ▼a 9791169213387 ▼g 93000 | |
| 040 | ▼a 211009 ▼c 211009 ▼d 211009 | |
| 041 | 1 | ▼a kor ▼h jpn |
| 082 | 0 4 | ▼a 006.31 ▼2 23 |
| 085 | ▼a 006.31 ▼2 DDCK | |
| 090 | ▼a 006.31 ▼b 2017 ▼c 1.2025 | |
| 100 | 1 | ▼a 齋藤康毅, ▼d 1984- ▼0 AUTH(211009)122664 |
| 245 | 1 0 | ▼a 밑바닥부터 시작하는 딥러닝 = ▼x Deep learning from scratch. ▼n 1, ▼p 파이썬으로 익히는 딥러닝 이론과 구현 / ▼d 사이토 고키 지음 ; ▼e 개앞맵시 옮김 |
| 246 | 1 9 | ▼a ゼロから作るDeep Learning. ▼n 1, ▼p Pythonで学ぶディープラーニングの理論と実装 |
| 246 | 3 | ▼a Zero kara tsukuru dīpu rāningu. ▼n 1, ▼p Paison de manabu dīpu rāningu no riron to jissō |
| 250 | ▼a 번역개정판(리마스터판) | |
| 260 | ▼a 서울 : ▼b 한빛미디어, ▼c 2025 | |
| 300 | ▼a 312 p. : ▼b 삽화(일부천연색), 도표 ; ▼c 24 cm | |
| 500 | ▼a '개앞맵시'의 본명은 '이복연'임 | |
| 500 | ▼a 부록: A. Softmax-with-Loss 계층의 계산 그래프 | |
| 504 | ▼a 참고문헌(p. 301-307)과 색인수록 | |
| 650 | 0 | ▼a Deep learning (Machine learning) |
| 650 | 0 | ▼a Python (Computer program language) |
| 650 | 0 | ▼a Computer programming |
| 700 | 1 | ▼a 이복연, ▼e 역 ▼0 AUTH(211009)86652 |
| 900 | 1 0 | ▼a 사이토 고키, ▼e 저 |
| 900 | 1 0 | ▼a Saitō, Kōki, ▼e 저 |
| 900 | 0 0 | ▼a 개앞맵시, ▼e 역 |
| 945 | ▼a ITMT |
소장정보
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/Sci-Info/지정도서 | 청구기호 006.31 2017 1.2025 | 등록번호 121268891 | 도서상태 지정도서 | 반납예정일 | 예약 | 서비스 |
| No. 2 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2017 1.2025 | 등록번호 121268479 (9회 대출) | 도서상태 대출중 | 반납예정일 2026-01-30 | 예약 예약가능 | 서비스 |
컨텐츠정보
책소개
딥러닝의 핵심 개념을 ‘밑바닥부터’ 구현해보며 기초를 한 걸음씩 탄탄하게 다질 수 있도록 도와주는 친절한 안내서다. 라이브러리나 프레임워크에 의존하지 않고 딥러닝의 기본 개념부터 이미지 인식에 활용되는 합성곱 신경망(CNN)까지 딥러닝의 원리를 체계적으로 설명한다. 또한 복잡한 개념은 계산 그래프를 활용해 시각적으로 전달하여 누구나 쉽게 이해할 수 있다.
딥러닝 분야 부동의 베스트셀러!
머리로 이해하고 손으로 익히는 가장 쉬운 딥러닝 입문서
이 책은 딥러닝의 핵심 개념을 ‘밑바닥부터’ 구현해보며 기초를 한 걸음씩 탄탄하게 다질 수 있도록 도와주는 친절한 안내서입니다. 라이브러리나 프레임워크에 의존하지 않고 딥러닝의 기본 개념부터 이미지 인식에 활용되는 합성곱 신경망(CNN)까지 딥러닝의 원리를 체계적으로 설명합니다. 또한 복잡한 개념은 계산 그래프를 활용해 시각적으로 전달하여 누구나 쉽게 이해할 수 있습니다. 이 책은 딥러닝에 첫발을 내딛는 입문자는 물론이고 기초를 다시금 다지고 싶은 개발자와 연구자에게도 훌륭한 길잡이가 되어줄 것입니다.
딥러닝, 복잡한 개념을 가장 쉽게 배울 수 있는 방법!
‘왜’와 ‘어떻게’를 모두 담은 딥러닝 입문자의 필독서
딥러닝이 인공지능 혁신의 중심에 있다는 것은 이제 많은 사람이 알고 있습니다. 하지만 막상 배워보려 하면 복잡한 수식과 기술 용어의 벽 앞에서 쉽게 좌절하곤 합니다. 여러분도 이런 경험이 있지 않으신가요? 이 책은 딥러닝을 처음 배우는 분에게 ‘이해의 즐거움’과 ‘구현의 성취감’을 모두 제공합니다.
이론만으로 끝나지 않고 간단한 퍼셉트론부터 시작해 합성곱 신경망(CNN)과 이미지 인식까지 직접 구현하며 배웁니다. 코드 한 줄 한 줄을 읽고 수정하며 배울 때, 딥러닝이 더 이상 어렵게만 느껴지지 않을 것입니다. 이 책은 단순한 입문서를 넘어 딥러닝 기술을 심도 있게 학습할 수 있는 기반을 제공합니다. 여러분에게 『밑바닥부터 시작하는 딥러닝 1』이 다음 단계로 이어지는 든든한 발판이 되기를 바랍니다.
리마스터판에서 달라진 점
리마스터판에서는 서식, 코드, 그래프 등을 전면 컬러화하고 번역과 편집 품질을 한층 높였습니다. 원서보다 나은 실습 환경을 제공하여 어느 위치에서든 실행할 수 있게끔 코드를 수정하고 브라우저에서 바로 확인할 수 있도록 구글 콜랩 코드도 제공합니다.
서식, 코드, 그래프 등을 전면 컬러화하고 편집 개선
일부 용어를 현대화하고 번역 개선
어느 위치에서든 실행할 수 있게끔 예제 코드 수정
브라우저에서 바로 확인할 수 있도록 구글 콜랩 코드 제공
누구를 위한 책인가?
외부 라이브러리는 최소한만 이용하고 파이썬을 사용해 딥러닝 프로그램을 처음부터 구현합니다. 파이썬에 익숙하지 않아도 이해할 수 있도록 파이썬 사용법도 간략히 설명합니다.
딥러닝에 관심은 있지만 어디서부터 시작해야 할지 막막한 분
이론뿐만 아니라 동작하는 코드를 직접 구현하며 학습하고 싶은 분
라이브러리에 의존하지 않고 딥러닝의 원리를 깊이 이해하고 싶은 분
최신 딥러닝 기술을 다루기 전 기초를 탄탄히 다지고 싶은 분
국내 최다 판매, 수많은 독자의 호평으로 검증된 입문서로 시작하고 싶은 분
‘밑바닥부터 시작하는 딥러닝’ 시리즈에서 다루는 주제
[1편] 합성곱 신경망과 이미지 처리
[2편] 순환 신경망과 자연어 처리
[3편] 동적 계산 그래프와 딥러닝 프레임워크
[4편] 심층 강화학습
[5편] 이미지 생성 모델
정보제공 :
저자소개
사이토 고키(지은이)
1984년 나가사키 현 쓰시마 출생. 도쿄공업대학교 공학부를 졸업하고 도쿄대학대학원 학제정보학부 석사 과정을 수료했다. 현재는 기업에서 인공지능 관련 연구·개발에 매진하고 있다. 『밑바닥부터 시작하는 딥러닝』 시리즈 집필 외에 『파이썬 인 프랙티스』, 『밑바닥부터 만드는 컴퓨팅 시스템』, 『Building Machine Learning Systems with Python』 등을 일본어로 옮겼다.
개앞맵시(이복연)(옮긴이)
고려대학교 컴퓨터학과를 졸업하고 삼성전자에서 자바 가상 머신, 스마트폰 플랫폼, 메신저 서비스 등을 개발했다. 주 업무 외에 분산 빌드, 지속적 통합, 앱 수명주기 관리 도구, 애자일 등 동료 개발자들에게 실질적인 도움을 주는 일에 관심이 많았다. 그 후 창업전선에 발을 들여 좌충우돌하다가 개발자 커뮤니티에 기여하는 더 나은 방법을 찾아 출판 시장에 뛰어들었다. 『밑바닥부터 시작하는 딥러닝』 시리즈, 『구글 엔지니어는 이렇게 일한다』, 『리팩터링 2판』, 『JVM 밑바닥까지 파헤치기』, 『이펙티브 자바 3판』 등을 번역했다. - 페이스북: facebook.com/dev.loadmap - 개앞맵시에게 번역이란: brunch.co.kr/@wegra/27
목차
CHAPTER 1 헬로 파이썬 _1.1 파이썬이란? _1.2 파이썬 설치하기 _1.3 파이썬 인터프리터 _1.4 파이썬 스크립트 파일 _1.5 넘파이 _1.6 맷플롯립 _1.7 정리 CHAPTER 2 퍼셉트론 _2.1 퍼셉트론이란? _2.2 단순한 논리 회로 _2.3 퍼셉트론 구현하기 _2.4 퍼셉트론의 한계 _2.5 다층 퍼셉트론이 출동한다면 _2.6 NAND에서 컴퓨터까지 _2.7 정리 CHAPTER 3 신경망 _3.1 퍼셉트론에서 신경망으로 _3.2 활성화 함수 _3.3 다차원 배열의 계산 _3.4 3층 신경망 구현하기 _3.5 출력층 설계하기 _3.6 손글씨 숫자 인식 _3.7 정리 CHAPTER 4 신경망 학습 _4.1 데이터에서 학습한다! _4.2 손실 함수 _4.3 수치 미분 _4.4 기울기 _4.5 학습 알고리즘 구현하기 _4.6 정리 CHAPTER 5 오차역전파법 _5.1 계산 그래프 _5.2 연쇄법칙 _5.3 역전파 _5.4 단순한 계층 구현하기 _5.5 활성화 함수 계층 구현하기 _5.6 Affine/Softmax 계층 구현하기 _5.7 오차역전파법 구현하기 _5.8 정리 CHAPTER 6 학습 관련 기술들 _6.1 매개변수 갱신 _6.2 가중치의 초깃값 _6.3 배치 정규화 _6.4 바른 학습을 위해 _6.5 적절한 하이퍼파라미터 값 찾기 _6.6 정리 CHAPTER 7 합성곱 신경망(CNN) _7.1 전체 구조 _7.2 합성곱 계층 _7.3 풀링 계층 _7.4 합성곱/풀링 계층 구현하기 _7.5 CNN 구현하기 _7.6 CNN 시각화하기 _7.7 대표적인 CNN _7.8 정리 CHAPTER 8 딥러닝 _8.1 더 깊게 _8.2 딥러닝의 초기 역사 _8.3 더 빠르게(딥러닝 고속화) _8.4 딥러닝의 활용 _8.5 정리 APPENDIX A Softmax-with-Loss 계층의 계산 그래프 A.1 순전파 A.2 역전파 A.3 정리