딥러닝에 목마른 사람들을 위한 PyTorch

 

딥러닝에 목마른 사람들을 위한 PyTorch 

 

부제 개인용 GPU 학습 서버 구축부터 딥러닝까지

저자 장지수

 

출간/배본가능일 2019년 6월 28일 

정가 24,000원 

페이지 328

판형 크라운판 (173 * 230)

 

ISBN 979-11-90014-36-6 (93000)

 

 

책 소개 

 

개인용 GPU 학습 서버 구축부터 딥러닝까지 

 

이 책은 혼자서도 딥러닝을 학습하고 싶으신 분들을 위한 자습서 겸 안내서다. 딥러닝 학습 환경을 구축하고, 기초 이론을 딥러닝 프레임워크인 “PyTorch”를 사용하여 낱낱이 살펴보고 최근 이미지 처리, 자연어 처리 분야에 자주 사용되는 알고리즘 내부 구동 원리를 설명한다. 또한 신경망에 사용되는 최소한의 수학 지식을 코드를 통해 구현해서 쉽게 설명하고 “왜 이렇게 사용하는가?” “언제 사용하는가?”에 대한 필자의 탐구와 참고 자료들을 정리해서 독자 여러분과 함께 공유한다. 

 

이 책의 특징 

- GPU가 장착된 컴퓨터에 운영체제부터 각종 패키지 설치를 A부터 Z까지 알려준다. 이를 통해 외부에서도 사용할 수 있는 딥러닝 학습 서버 환경을 구축할 수 있다. 

- 신경망 네트워크의 내부 구성 및 기본 이론과 개념을 설명하고, 왜 사용하는지를 설명한다. 신경망에 필요한 수식은 코드로 구현하여 이해를 돕도록 한다. 

- 신경망 이론의 구현을 “PyTorch” 프레임워크를 사용하여 하나씩 뜯어서 설명하고, 이미지 처리 및 자연어 처리에 사용되는 딥러닝 알고리즘(CNN, RNN)을 사용해 손쉬운 모델을 구축할 수 있도록 돕는다. 

 

이 책이 필요한 독자 

- 딥러닝 코드 실습은 해보았지만, 내부 원리를 이해하고 실제 문제에 적용해보고 싶은 독자 

- 유명한 딥러닝 기초 강좌를 들었지만, 그다음으로 무엇을 해야 할지 고민하는 독자 

- 개인용 GPU 컴퓨터는 있지만, 학습용 서버로 활용하고 싶거나 각종 환경설정에 어려움을 겪고 있는 독자 

 

독자대상 

초중급 

 

소스코드 다운로드 

https://github.com/bjpublic/PyTorch 

 

 

저자 소개 

장지수

한양대학교 경제금융학과를 졸업하였다. 대학교 4학년 때 엑셀로 데이터 분석을 하다가 답답해서 Python을 배웠다. 이후로 데이터 사이언스 분야의 매력에 푹 빠져버려 약 1년 사이에 이제는 개발자의 길로 접어 들은 경제학도다. 어렸을 때부터 중국 청도에 살아서 한국어, 중국어, 영어 세 가지 언어를 다 다루게 되었다. 이 때문인지 공부를 하면서 자연스럽게 자연어 처리 분야에 관심을 두게 되었다. 

  

현재는 주로 기계 독해(Machine Comprehension), 기계 번역(Machine Translation)을 공부하고 있다. 수학에도 관심이 많아서, 남들이 수학 관련된 수업을 피할 때 열심히 들으러 다녔고, 모르는 개념이 나오면 계속 이해할 때까지 파고드는 스타일이다. 현재는 커넥트재단에서 MOOC AI 콘텐츠를 퍼블리싱하고 기획하는 일을 하고 있다. 교육 콘텐츠를 퍼블리싱하는 일을 하면서, 학습자 관점에서 많은 생각을 하게 되었고, 어떻게 하면 더 쉽게 어려운 개념들을 설명할 수 있을지 고민하고 있다. 

 

목차

 

Chapter 1. 딥러닝 학습환경을 갖추자 

1.0 목표 

1.1 컴퓨터 구매 

1.2 우분투 설치 

1.3 우분투 서버 환경설정 

1.4 Python 및 CUDA 설치 

1.5 가상환경 구축하기 

 

Chapter 2. 딥러닝 세계로 빠져보자 

2.0 목표 

2.1 머신러닝과 딥러닝 

2.1.1 머신러닝 

2.1.2 왜 딥러닝이 잘될까? 

2.2 딥러닝 기초 

2.2.1텐서(Tensor) 

2.2.2 제일 간단한 퍼셉트론: 논리 회로 

2.2.3 Feedforward Neural Network 

2.2.4 30분만 다뤄보는 확률 통계 

2.2.5 손실함수 

2.2.6 오차역전파 

2.2.7 Summary & Tips 

2.2.8 Mini-Project: 나만의 딥러닝 모델로 Mnist Dataset 학습하기 

 

Chapter 3. 분야별 딥러닝 활용법 

3.0 목표 

3.1 이미지 처리에 강한 CNN 

3.1.1 컴퓨터 비전과 이미지 처리 

3.1.2 합성곱 층 

3.1.3 풀링 

3.1.4 합성곱 네트워크 만들기 

3.1.5 Case Study 

3.1.6 Mini-Project: 전이 학습 

3.2 자연어 처리에 강한 RNN 

3.2.1 자연어 처리 

3.2.2 딥러닝 자연어 처리의 일반적인 프로세스 

3.2.3 단어 임베딩 

3.2.4 순환 신경망 

3.2.5 Deep RNN과 Bidirectional RNN 

3.2.6 Mini-Project: 영화 댓글 감성 분류 

 

Chapter 4. 딥러닝 입문 그다음은 

4.0 난이도 업! 논문 읽어보기 

4.1 요약 및 서언 

4.2 본론 

4.3 실험 결과 및 결론 

4.4 Mini-Project: Seq2Seq를 활용한 한영 번역기 만들기 

 

 

출판사 리뷰 

이 책은 혼자서 딥러닝을 학습하고 싶은 사람들을 위한 자습서 겸 안내서다. 저자는 딥러닝 학습 서버 환경 구축을 위한 패키지 설치를 A부터 Z까지 알려준다. 그래서 비교적 쉬운 작업을 통해  딥러닝을 시작할 수 있다. 

 

최근에는 머신러닝과 딥러닝을 쉽게 사용할 수 있는 프레임워크(Frameworks)가 많이 등장했다. 머신러닝에 자주 사용되는 Scikit-Learn, 딥러닝에 자주 사용되는 TensorFlow, PyTorch 등 이들은 코드 몇 줄로 하나의 모델을 만들고 원하는 작업을 쉽게 이룰 수 있다. 쉽게 사용할 수 있지만, 기술을 쉽게 익힐 수 있는 것은 아니다. 내부의 원리를 알아야 여러분이 당면한 문제에 잘 적용해서 쓸 수 있다. 이 책은 바로 “왜 이렇게 사용하는가?” “언제 사용하는가?”에 대한 저자의 탐구와 참고 자료들을 정리했다. 이를 바탕으로 저자가 겪은 어려움을 독자 여러분들이 조금 덜 겪고, 데이터 분야에 조금 더 쉽게 진입하게 되리라 믿는다.