딥러닝 EXPRESS

우리는 알파고의 충격을 잊지 못한다. 컴퓨터가 정복하기 어려울 것이라던 바둑 게임에서 프로 기사들을 상대로, 인공지능 프로그램 알파고는 일방적인 승리를 기록하였다. 최근에 인공지능, 그 중에서도 딥러닝(deep learning)은 시대의 화두가 되었다. 많은 기업에서 인공지능을 미래의 먹거리로 생각하고 연구에 매진하고 있다. 많은 대학교에서도 딥러닝을 정규 과목으로 편성하여 가르치고 있다.

하지만 딥러닝을 효과적으로 가르치기란 쉽지 않다. 많은 이유가 있겠지만 수학도 필요하고, 파이썬, 특히 넘파이 라이브러리에 대한 깊은 지식이 필요하다. 이 책은 대학교의 딥러닝 과목을 목표로 하여 저술되었다. 학생들에게 딥러닝을 효과적으로 가르치려면 여러 가지 기법이 필요하다고 믿고 있다.

이 책의 특징

- 적절한 그림을 가능한 많이 사용하여, 보다 친숙하고, 지루하지 않으며 독자들이 이해하기 쉽게 구성하였다.

- 구글이 제공하는 텐서플로우 플레이그라운드 웹사이트를 이용하여 각종 개념에 대한 실습을 코딩없이 가능하도록 하였다. 독자들은 웹사이트의 간단한 설정을 통하여 여러 가지 실험을 해볼 수 있다.

- 딥러닝의 핵심적인 개념들을 철저히 설명하였다. 예를 들어서 역전파 알고리즘은 지면을 아끼지 않고 최대한 자세히 설명하였다.

- 흥미로운 주제의 실습 코드들을 최대한 수록하였다. 다만 어려운, 너무 복잡한 코드는 제외하였다.

천인국

서울대학교 전자공학과에 입학하여 1983년에 공학사 학위를 취득하였고, 한국과학기술원 대학원에 입학하여 1985년에 전기 및 전자공학과 석사 학위를, 1993년에 박사 학위를 취득하였다. 1985년부터 1988년까지 삼성전자 종합연구소에서 주임 연구원으로 재직하였고, 1993년부터 현재까지 순천향대학교 컴퓨터공학과 교수로 재직 중이다. 2005년에는 캐나다 UBC에서 방문교수를 지냈다.

저서로는 「HTML5+CSS3+JavaScript로 배우는 웹프로그래밍 기초 2판」(2023, 인피니티북스), 「Power JAVA 3판」(2022, 인피니티북스), 「인공지능」(2020, 인피니티북스), 「스크래치로 배우는 컴퓨팅 사고와 문제해결」(2019, 인피니티북스), 「OpenCV를 이용한 디지털 영상처리」(2019, 인피니티북스), 「Power Java Compact」(2018, 인피니티북스), 「어서와 C++는 처음이지!」(2018, 인피니티북스), 「문제해결과 컴퓨팅 사고」(2017, 인피니티북스), 「문제해결과 컴퓨팅 사고를 위한 스크래치」(2017, 인피니티북스), 「문제해결과 컴퓨팅 사고를 위한 파이썬」(2017, 인피니티북스), 「어서와 파이썬은 처음이지!」(2016, 인피니티북스), 「어서와 Java는 처음이지!」(2015, 인피니티북스), 「어서와 C언어는 처음이지!」(2015, 인피니티북스), 「HTML5+CSS3+JavaScript로 배우는 웹프로그래밍 기초」 (2014, 인피니티북스), 「C++ Espresso」(2010, 인피니티북스), 「Power C++」 (2010, 인피니티북스), 「쉽게 풀어쓴 C언어 Express」(2007, 생능출판사), 「C언어로 쉽게 풀어쓴 자료구조」(2005, 생능출판사) 등이 있다. 

Chapter 01 인공지능이란?

1. 인공지능의 시대

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. 예제: 다음 단어 예측하기

7. 예제: 영화 리뷰 감성 판별하기

요약

연습문제

Chapter 13 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 14 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