머신러닝을 위한 파이썬 한 조각

 

머신러닝을 위한 파이썬 한 조각

부제 파이썬으로 이해하는 인공지능의 시작

저자 박성호

 

출간/배본가능일 2020년 2월 21일 

정가 24,000원 

페이지 348

판형 크라운판 (173 * 230)

 

ISBN 979-11-90014-75-5 (93000)

 

책 소개 

기초부터 고급까지, 머신러닝과 딥러닝의 모든 것!

 

이 책은 머신러닝과 딥러닝에 관심이 있는 분들을 위해 기본적인 내용부터 동작 원리까지 예제와 함께 알기 쉬운 내용으로 구성했다. 데이터를 학습하면서 미래 값을 예측하는 머신러닝과 신경망을 기반으로 하는 딥러닝 아키텍처를 설계하고, 딥러닝의 꽃으로 불리는 오차역전파, 이미지를 인식할 수 있는 CNN, 순서가 있는 데이터를 다루는 데 적합한 RNN 동작 원리를 단계별로 알아볼 수 있다.

 

간단한 원리를 이해한 뒤에는 최근 가장 주목받고 있는 프로그래밍 언어인 파이썬, 텐서플로를 이용하여 선형회귀, 수치 미분, 신경망, 오차역전파, CNN, RNN 코드를 직접 구현해 본다. 또한 저자의 YouTube 강의 채널까지 바로 확인할 수 있는 QR 코드를 함께 수록해 해당 내용을 더욱 편리하고 자세하게 이해할 수 있다. 이 책으로 인공지능 개발에 대해 한 발 더 알아보자.

 

이 책의 특징 

- 파이썬 기초부터 머신러닝, 딥러닝의 고급 단계까지 예제 코드를 통해 알아간다.

- 딥러닝 구조와 동작 원리를 상세한 설명과 그림을 통해 단계별로 알 수 있다.

- 저자의 YouTube 강의 채널(NeoWizard)로 연결되는 QR 코드를 통해 책의 내용을 한층 더 깊게 이해할 수 있다.

 

이 책이 필요한 독자 

- 파이썬과 텐서플로는 자세히 모르지만 프로그래밍에 도전해보고 싶은 입문자
- 머신러닝의 기초부터 딥러닝 고급 단계까지 직접 구현해보고 싶은 분들
- 딥러닝 아키텍처와 동작 원리를 단계별로 상세히 알고 싶은 분들

 

독자대상 

초중급 

 

소스코드 다운로드 

https://github.com/bjpublic/MLpythonpiece

 

저자 소개 

박성호

KAIST 전기 및 전자공학과 학부와 대학원을 졸업하고 삼성전자, Google, NIPA에서 근무하며 삼성전자 개발공로상과 지식경제부 장관 표창을 수상하였습니다. 현재는 숭실대학교 교수로 재직 중이며 머신러닝, 딥러닝과 강화학습 분야의 강의와 연구에 매진하고 있습니다. 이러한 내용들을 누구나 쉽게 접할 수 있게 YouTube 채널(https://www.youtube.com/NeoWizard)을 운영하며 많은 분들과 소통하고 있습니다.

 

목차

서문

 

1. 머신러닝 개요

1.1 4차 산업혁명
1.2 인공지능과 머신러닝
1.3 머신러닝에서의 회귀와 분류
1,4 머신러닝 구현 방법
1.5 정리

 

2. 파이썬 (Python)
2.1 파이썬 설치 및 jupyter notebook 실행
2.2 파이썬 데이터타입(DataType)
2.3 파이썬 조건문 if
2.4 파이썬 for 반복문
2.5 List Comprehension
2.6 파이썬 함수 (Function)
2.7 파이썬 클래스 (class)
2.8 정리

 

3. 넘파이 (numpy)
3.1 넘파이 라이브러리 가져오기(import)
3.2 넘파이와 리스트(numpy vs list)
3.3 넘파이 벡터(Vector, 1차원 배열) 생성
3.4 넘파이 행렬(Matrix, 2차원 배열) 생성
3.5 넘파이 산술연산
3.6 넘파이 형 변환(reshape)
3.7 넘파이 브로드캐스트(Broadcast)
3.8 넘파이 전치행렬(Transpose)
3.9 넘파이 행렬 곱(Matrix Multiplication)
3.10 행렬 원소 접근(Indexing, Slicing)
3.11 넘파이 이터레이터(Iterator)
3.12 넘파이 유용한 함수(Useful Function)
3.13 정리

 

4. 미분 (Derivative)
4.1 미분 개념과 인사이트(Insight)
4.2 편미분(Partial Derivative)
4.3 체인 룰(Chain Rule)
4.4 수치 미분(Numerical Derivative)
4.5 정리

 

5. 선형 회귀와 분류(Linear Regression and Classification)
5.1 인공지능 머신러닝 딥러닝 리뷰
5.2 선형 회귀(Linear Regression)
5.3 분류(Classification)
5.4 정리

 

6. XOR 문제(XOR Problem)
6.1 논리게이트 AND, OR, NAND, XOR
6.2 논리게이트(Logic Gate) 클래스 구현
6.3 논리 게이트 검증
6.4 XOR 문제 해결 방법
6.5 정리

 

7. 딥러닝(Deep Learning)
7.1 XOR 문제 리뷰
7.2 신경망(Neural Network) 개념
7.3 신경망과 인공 신경망
7.4 딥러닝(Deep Learning) 기초
7.5 딥러닝으로 XOR 문제 해결
7.6 정리

 

8. MNIST(필기체 손글씨)
8.1 MNIST(필기체 손글씨)
8.2 MNIST 인식을 위한 딥러닝 아키텍처
8.3 MNIST_Test 클래스 구현
8.4 MNIST 인식 정확도 검증
8.5 정리

 

9. 오차역전파(Back Propagation)
9.1 수치 미분의 문제점
9.2 오차역전파 개념 및 원리
9.3 각 층에서의 선형회귀 값(z), 출력 값(a), 오차(E)
9.4 시그모이드(sigmoid) 함수 미분
9.5 출력층 오차역전파 공식
9.6 은닉층 오차역전파 공식
9.7 오차역전파를 이용한 MNIST 검증
9.8 정리

 

10. 텐서플로(TensorFlow) 기초
10.1 텐서플로 설치
10.2 텐서플로 텐서(Tensor)
10.3 텐서플로 노드(Node), 엣지(Edge)
10.4 텐서플로를 이용한 MNIST 검증
10.5 정리

 

11. 합성곱 신경망 CNN(Convolutional Neural Network)
11.1 CNN 아키텍처
11.2 콘볼루션층(Convolutional Layer) 개요
11.3 패딩(padding)
11.4 콘볼루션 연산을 통한 출력 데이터 크기
11.5 CNN 기반의 MNIST 검증
11.6 정리

 

12. 순환 신경망 RNN(Recurrent Neural Network)
12.1 RNN 아키텍처
12.2 순서가 있는 데이터
12.3 RNN 동작원리(정성적 분석)
12.4 RNN 동작원리(정량적 분석)
12.5 RNN 예제
12.6 정리

 

찾아보기

 

출판사 리뷰 

머신러닝만큼 IT 업계에서 꾸준히 언급되는 것이 따로 있을까? 우리는 여러 매체에서 머신러닝에 대해 귀가 닳도록 들어왔다. 그럼에도 불구하고 머신러닝이 정확히 무엇인지 물어보면, 구체적으로 대답하거나 완벽하게 이해했다고는 말하기 어려운 것이 현실이다.

 

이 책은 머신러닝과 딥러닝에 필요한 기초적인 내용부터 실제 딥러닝 모델 구조의 설계 과정에 대해 설명한다. 기초적인 개념부터 클래스 구현에 필요한 함수식, 그리고 가장 널리 쓰이고 있는 모델인 CNN, RNN까지 아울러 설명한다. 책을 다 읽은 뒤에는 기초를 잘 다진 인공지능 분야의 고급 개발자가 될 수 있을 것이다.