컨텐츠 바로가기

국가기술자격

컴퓨터

운전/조종

국가자격/전문사무

국어/외국어

경제/금융/회계/물류

공인중개사/주택관리사

편입/검정고시/독학사/수시.논술대비

취업/상식/적성검사

공무원

고등고시/전문직

보건/위생/의학

기타/신규자격증

이전상품 다음 제품 보기 확대보기
추천메일 보내기 상품조르기 대량구매문의

영진닷컴 텐서플로로 배우는 딥러닝 (해외배송 가능상품)

기본 정보
판매가 23,400원
상품코드 P0000QIT
배송비 2,500원 (15,000원 이상 구매 시 무료)
수량 수량증가수량감소
SNS 상품홍보
SNS 상품홍보

개인결제창을 통한 결제 시 네이버 마일리지 적립 및 사용이 가능합니다.

상품 옵션
옵션 선택

(최소주문수량 1개 이상 / 최대주문수량 0개 이하)

수량을 선택해주세요.

위 옵션선택 박스를 선택하시면 아래에 상품이 추가됩니다.

상품 목록
상품명 상품수 가격
영진닷컴 텐서플로로 배우는 딥러닝 수량증가 수량감소 23400 (  0)
총 상품금액(수량) : 0 (0개)
바로구매하기 장바구니 담기 SOLD OUT 관심상품등록
제목 없음


텐서플로로 배우는 딥러닝

솔라리스 (지은이) <*> 영진.com(영진닷컴) <*> 2018-11-16

딥러닝 기법의 이론적 배경이 되는 기초적인 수학적 이론들을 자세하게 소개하고, 딥러닝 기초 모델들(ANN, 오토인코더, CNN, RNN)의 정확한 이해를 위해 텐서플로 예제 코드와 함께 설명한다. 또한, 딥러닝 모델들을 다양한 문제에 적용하고 실제 문제에 응용하는 방법을 소개한다.

1. 인공지능, 머신러닝, 딥러닝 소개

1.1 딥러닝 알고리즘의 등장배경

1.2 지도 학습

1.3 비지도 학습

1.4 강화 학습

1.5 정리

2. 텐서플로 소개

2.1 텐서플로 설치 및 책에서 사용하는 소스 코드 다운로드

2.1.1 텐서플로 소개

2.1.2 텐서플로 설치

2.1.3 책에서 사용하는 소스 코드 다운로드

2.2 딥러닝, 텐서플로 응용 분야

2.2.1 컴퓨터 비전

2.2.2 자연어 처리

2.2.3 음성 인식

2.2.4 게임

2.2.5 생성 모델

2.3 텐서플로 추상화 라이브러리들

2.3.1 케라스

2.3.2 TF-Slim

2.3.3 Sonnet

2.4 정리

3. 텐서플로 기초와 텐서보드

3.1 텐서플로 기초 - 그래프 생성과 그래프 실행

3.2 플레이스홀더

3.3 선형회귀 및 경사하강법 알고리즘

3.3.1 머신러닝의 기본 프로세스 - 가설 정의, 손실 함수 정의, 최적화 정의

3.3.2 선형 회귀 알고리즘 구현 및 변수

3.4 텐서보드를 이용한 그래프 시각화

3.5 정리

4. 머신러닝 기초 이론들

4.1 Batch Gradient Descent, Mini-Batch Gradient Descent, Stochastic Gradient Descent

4.2 Training Data, Validation Data, Test Data 및 오버피팅

4.3 소프트맥스 회귀

4.3.1 소프트맥스 회귀

4.3.2 크로스 엔트로피 손실 함수

4.3.3 MNIST 데이터셋

4.3.4 One-hot Encoding

4.4 소프트맥스 회귀를 이용한 MNIST 숫자 분류기 구현

4.4.1 mnist_classification_using_softmax_regression.py

4.4.2 tf_nn_sparse_softmax_cross_entropy_with_logits_example.py

4.5 정리

5. 인공신경망(ANN)

5.1 인공신경망의 등장 배경

5.2 퍼셉트론

5.3 다층퍼셉트론 MLP

5.4 오류역전파 알고리즘

5.5 ANN을 이용한 MNIST 숫자 분류기 구현

5.6 정리

6. 오토인코더(AutoEncoder)

6.1 오토인코더의 개념

6.2 오토인코더를 이용한 MNIST 데이터 재구축

6.3 오토인코더와 소프트맥스 분류기를 이용한 MNIST 분류기 구현

6.3.1 파인 튜닝과 전이 학습

6.3.2 오토인코더와 소프트맥스 분류기를 이용한 MNIST 숫자 분류기 구현

6.4 정리

7. 컨볼루션 신경망(CNN)

7.1 컨볼루션 신경망의 개념 - 컨볼루션, 풀링

7.2 MNIST 숫자 분류를 위한 CNN 분류기 구현

7.3 CNN을 이용한 CIFAR-10 이미지 분류기 구현

7.3.1 CIFAR-10 데이터셋

7.3.2 드롭아웃

7.3.3 CNN을 이용한 CIFAR-10 이미지 분류기 구현

7.4 대표적인 CNN 모델들 - AlexNet, VGGNet, GoogLeNet, ResNet

7.4.1 AlexNet

7.4.2 VGGNet

7.4.3 GoogLeNet(Inception v1)

7.4.4 ResNet

7.5 tf.train.Saver API를 이용해서 모델과 파라미터를 저장하고 불러오기

7.6 정리

8. 순환신경망(RNN)

8.1 순환신경망

8.2 LSTM(장/단기 기억 네트워크)와 경사도 사라짐 문제

8.3 GRU

8.4 임베딩

8.4.1 임베딩의개념

8.4.2 tf.nn.embedding_lookup을 이용한 임베딩 구현

8.5 경사도 증가 문제와 경사도 자르기

8.6 Char-RNN

8.6.1 Char-RNN의 개념

8.6.2 텐서플로를 이용한 Char-RNN 구현

8.6.2.1 train_and_sampling.py

8.6.2.2 utils.py

8.7 정리

9. 이미지 캡셔닝(Image Captioning)

9.1 이미지 캡셔닝 문제 소개

9.2 이미지 캡셔닝 데이터셋 - MS COCO

9.3 이미지 캡셔닝 구현 - im2txt

9.4 im2txt 코드 구조에 대한 설명 및 코드 실행 방법

9.4.1 train.py

9.4.2 show_and_tell_model.py

9.4.3 run_inference.py

9.5 정리

10. Semantic Image Segmentation

10.1 Semantic Image Segmentation 개념

10.2 FCN

10.3 Semantic Image Segmentation을 위한 데이터셋 - MIT Scene Parsing

10.4 FCN을 이용한 Semantic Image Segmentation 구현 - FCN.tensorflow

10.4.1 FCN.py

10.4.2 TensorflowUtils.py

10.4.3 read_MITSceneParsingData.py

10.4.4 BatchDatsetReader.py

10.5 정리

11. 생성 모델 - GAN

11.1 생성 모델의 개념

11.2 GAN의 개념

11.3 GAN을 이용한 MNIST 데이터 생성

11.4 정리

12. 강화 학습(Reinforcement Learning)

12.1 강화 학습의 기본 개념과 MDP

12.1.1 상태 가치 함수

12.1.2 행동 가치 함수

12.2 Q-Learning

12.2.1 Q-Table과 Q-Networks

12.2.2 ∈-Greedy

12.3 DQN

12.4 DQN을 이용한 게임 에이전트 구현 - CatchGame

12.4.1 train_catch_game.py

12.4.2 play_catch_game.ipynb

12.5 정리

13. 파인 튜닝과 사전 학습된 모델을 이용한 실제 문제 해결

13.1 파인 튜닝 및 전이 학습 기법 리뷰

13.2 Inception v3 Retraining을 이용한 나만의 분류기

13.2.1 Inception v3 모델

13.2.2 inceptionv3_retrain.py - 나만의 데이터셋으로 파인 튜닝

13.2.3 inceptionv3_retrain.py

13.2.4 inceptionv3_inference.py

13.3 사전 학습된 모델을 이용한 물체 검출 수행

13.3.1 물체 검출의 개념

13.3.2 사전 학습된 Faster R-CNN 모델로 물체 검출 수행

13.3.3 faster_rcnn_inference.py

13.4 TensorFlow Hub

13.5 정리

13.6 더 공부할 것들





배송정보

  • 배송 방법 : 택배
  • 배송 지역 : 전국지역
  • 배송 비용 : 2,500원
  • 배송 기간 : 1일 ~ 2일
  • 배송 안내 :

교환및 반품정보

상품에 대해 궁금한 점을 해결해 드립니다.

게시물이 없습니다

상품문의하기 모두 보기

0