DO IT 딥러닝 교과서

이 딥러닝 코드는 왜 이렇게 동작할까?

최신 딥러닝 논문, 해외 주요 강의를 보기 전에 꼭 읽어야 할 책!

딥러닝 입문자도, 실무자도 모두 이 책으로 딥러닝 공부를 시작하자! 지금까지 등장한 딥러닝 기술들은 모두 딥러닝 기초 모델을 변형하여 발전한 것이다. 즉, 최신 딥러닝 논문이나 기술을 쉽게 공부하고 제대로 적용하려면 딥러닝 모델이 처음부터 지금까지 어떻게 발전했고, 어떻게 동작하는지, 어떤 부위에 어떤 수식이 적용되는지 속속들이 알아야 한다. 딥러닝 기초를 단단하게 익히고 싶은 입문자라면, 더 깊은 곳으로 나아가길 바라는 개발자라면 이 책으로 딥러닝 공부를 시작해 보자.

퍼셉트론부터 GAN까지 핵심 이론 총망라!

딥러닝 모델이 세상에 나온 배경과 작동 원리를 순서대로, 제대로 알려 주는 책!

순방향 신경망, 콘벌루션 신경망, 순환 신경망, 생성 모델이 세상에 등장한 이유는 무엇이며, 어떻게 작동할까? 이 책은 퍼셉트론부터 GAN까지 딥러닝 모델이 등장한 이유와 특징, 작동 원리를 미적분 통계 등 수학 지식과 함께 구체적으로 알려 준다. 예를 들어 활성화 함수에서 계단 함수는 수식으로 어떻게 표현하며, 계단 함수의 단점은 무엇이길래 시그모이드 함수로 발전할 수 밖에 없었는지, 이런 발전 과정에서 나온 활성화 함수와 특징은 무엇인지 문장과 수식, 그림으로 제대로 알려 준다. 이렇게 공부하다 보면 결국 자신이 입력한 딥러닝 코드가 어떻게, 왜 이렇게 작동하는지 명쾌하게 이해할 수 있다.

딥러닝 입문자, 연구자, 실무자 모두에게 강력 추천!

최신 논문, 해외 주요 딥러닝 강의를 보기 전에 반드시 읽어야 할 책!

딥러닝 기초 이론 공부는 실무자와 연구자 모두에게 필수라고 저자는 설명한다. 그 이유는 간단하다. 애초에 딥러닝은 기초 이론을 바탕으로 새로운 기술, 이론이 만들어지고 발전하는 특성을 지닌 학문이기 때문이다. 최신 논문을 보며 자신의 연구에 적용하고 싶은 연구자라면, 또한 해외 주요 딥러닝 관련 강의를 들으며 자신의 커리어를 더 높이고 싶은 실무 엔지니어라면 이 책으로 딥러닝 기초 체력을 길러 더 깊은 곳으로 나아가 보자.

입문자도 딥러닝 개념을 충분히 이해하고 느낄 수 있는 친절한 설명!

문장으로, 수식으로, 그림으로, 세 번 짚어 주는 책!

저자는 독자가 딥러닝 개념을 충분히 이해하고 느낄 수 있도록 꼭 설명해야 할 부분만 엄선하여 최대한 친절히 딥러닝 이론을 설명하는 것에 중점을 두고 이 책을 집필했다. 본문에서는 새로운 딥러닝 기술이 등장할 때 '이 기술은 왜 필요한지'부터 차분히 설명하기 시작한다. 그러면서 이 기술이 수식으로는 어떻게 표현되는지, 그림으로는 이 수식이 딥러닝 모델의 어느 부분에 어떻게 적용되는지 자세히 설명한다. 문장으로, 수식으로, 그림으로 세 번 짚어 깊이 이해할 수 있도록 도와주는 이 책으로 딥러닝을 시작해 보자.

딥러닝 핵심 개념 사전 240 특별 부록 수록!

딥러닝 공부를 마친 뒤에 더 유용해요!

이 책을 읽고 나면 더 유용한 '딥러닝 핵심 개념 사전 240'을 책 속 특별 부록으로 제공한다. 이 책에서 설명한 딥러닝 이론을 저자가 직접 엄선하여 '딥러닝 핵심 개념 사전 240'으로 정리한 것이다. 책을 다 읽은 뒤 부록을 보면 딥러닝의 이론 전체가 내 손바닥 안에 들어오는 즐거운 경험을 할 수 있을 것이다.

배운 내용은 실전에서 바로바로!

저자가 엄선한 텐서플로 튜토리얼 사이트의 딥러닝 실전 문제!

딥러닝 이론만 공부하면 아쉬워할 독자를 위해 대표 문제를 엄선하여 장 마지막 위치에 배치했다. 딥러닝 입문자라면 꼭 알아야 할 문제이기도 하다. 텐서플로 튜토리얼 사이트에서 저자가 직접 엄선한 대표 문제를 해결해 보며 실력을 키워 보자! 만약 이 문제를 풀 수 있다면 각 장마다 공부한 내용을 완벽하게 이해했다고 자부해도 좋다.

- 텐서플로 튜토리얼 사이트: www.tensorflow.org/tutorials

이런 사람에게 이 책을 추천합니다!

- 딥러닝의 기초 원리부터 제대로 이해하며 입문하고 싶은 사람

- 파이썬 코딩 위주로 딥러닝을 공부해서 뭔가 제대로 안다고 느껴지지 않는 사람

- 왜 하는지 모르고 딥러닝 실무만 하다 공허해진 사람

- 딥러닝 업무를 맡았지만 딥러닝을 입맛에 맞게 활용할 수 있을지 걱정되는 사람 

윤성진

KAIST 전산학과에서 컴퓨터 그래픽스를 전공했으며 LG전자 전자기술원, 티맥스소프트, 액센추어 등에서 소프트웨어 연구 개발, 미들웨어 및 모듈형 로봇 플랫폼 제품 기획 업무를 수행했습니다. 인공지능 전문가로서 한국외국어대학교에서 딥러닝, 자료구조, 데이터마이닝 등을 가르쳤습니다. 현재 인공지능 연구원(AIRI)에서 딥러닝과 강화학습, 메타학습을 활용한 금융 인공지능 솔루션 개발을 총괄하고 있습니다.

__01 딥러닝 개요

1.1 딥러닝이란?

1.2 인공 신경망의 탄생

1.3 딥러닝의 역사

__02 순방향 신경망

2.1 순방향 신경망의 구조와 설계 항목

2.2 분류와 회귀 문제

2.3 이진 분류 모델

2.4 다중 분류 모델

2.5 회귀 모델

2.6 입력 계층

2.7 활성 함수

2.8 신경망 모델의 크기

2.9 신경망 학습 관련 내용(*)

__03 신경망 학습

3.1 신경망 학습의 의미

3.2 신경망 학습과 최적화

3.3 경사 하강법

3.4 역전파 알고리즘

3.5 데이터셋 구성과 훈련 데이터 단위

3.6 손실 함수 정의(*)

__04 최적화

4.1 확률적 경사 하강법

4.2 SGD 모멘텀

4.3 네스테로프 모멘텀

4.4 AdaGrad

4.5 RMSProp

4.6 Adam

__05 초기화와 정규화

5.1 가중치 초기화

5.2 정규화

5.3 배치 정규화

5.4 가중치 감소

__06 콘벌루션 신경망

6.1 시각 패턴 인식을 위한 신경망 모델

6.2 콘벌루션 신경망의 구조

6.3 콘벌루션 신경망의 가정 사항

6.4 개선된 콘벌루션 연산

6.5 업샘플링 연산

__07 콘벌루션 신경망 모델

7.1 르넷-5

7.2 알렉스넷

7.3 제트에프넷

7.4 브이지지넷

7.5 구글넷

7.6 레즈넷

7.7 콘벌루션 신경망 비교

7.8 다양한 모델의 등장

__08 순환 신경망

8.1 기억을 갖는 신경망 모델 RNN

8.2 순환 신경망의 주요 모델

8.3 시간펼침 역전파

8.4 LSTM과 GRU

8.5 순환 신경망 개선

__09 생성 모델

9.1 생성 모델

9.2 VAE

9.3 GAN