"밑바닥부터 시작하는 딥러닝 3"는 딥러닝의 기본 개념부터 실제 구현 방법까지 체계적으로 설명하는 책으로, 저자 사이토 고키의 경험과 지식을 바탕으로 한 심도 깊은 학습 자료입니다. 이 책은 딥러닝을 처음 접하는 사람들뿐만 아니라 이미 기초를 다진 독자들에게도 유용한 내용으로 구성되어 있습니다. 특히, 파이썬을 활용하여 딥러닝 프레임워크를 직접 구현해보는 과정은 독자에게 실질적인 경험을 제공합니다.
책은 단계별로 진행되며, 각 단계에서 필요한 개념과 기술을 차근차근 익힐 수 있도록 설계되었습니다. 예를 들어, 코드 3줄로 시작하여 점진적으로 복잡한 구조를 만들어 가는 방식은 독자가 딥러닝의 기초부터 고급 내용까지 자연스럽게 이해할 수 있도록 돕습니다. 이 과정에서 동적 계산 그래프(Define-by-Run)와 같은 현대적 기술을 배울 수 있으며, 이를 통해 딥러닝 프레임워크의 기본 설계 원리를 이해하게 됩니다.
또한, 이 책은 단순히 이론적인 내용에 그치지 않고, 실제로 손쉽게 신경망을 구축할 수 있는 방법을 제시합니다. CNN, RNN 등 다양한 딥러닝 모델을 다루며, 실전에서 필요한 기능을 추가하는 방법도 설명하고 있습니다. 이를 통해 독자는 자신만의 딥러닝 프레임워크를 만드는 데 필요한 기술적 기반을 다질 수 있습니다.
"밑바닥부터 시작하는 딥러닝 3"는 딥러닝에 대한 깊은 이해를 원하는 모든 이들에게 추천할 만한 책입니다. 파이썬에 대한 기본적인 지식이 있다면, 이 책을 통해 딥러닝의 세계로 한 걸음 더 나아갈 수 있을 것입니다. 독자들은 이 책을 통해 딥러닝의 메커니즘을 이해하고, 실제로 작동하는 코드를 작성함으로써 자신감을 가질 수 있게 될 것입니다. 이 책은 단순한 학습 자료를 넘어, 딥러닝에 대한 열정을 더욱 키워줄 귀중한 자원이 될 것입니다.
목차
제1고지 미분 자동 계산
__1단계 상자로서의 변수
__2단계 변수를 낳는 함수
__3단계 함수 연결
__4단계 수치 미분
__5단계 역전파 이론
__6단계 수동 역전파
__7단계 역전파 자동화
__8단계 재귀에서 반복문으로
__9단계 함수를 더 편리하게
__10단계 테스트
제2고지 자연스러운 코드로
__11단계 가변 길이 인수(순전파 편)
__12단계 가변 길이 인수(개선 편)
__13단계 가변 길이 인수(역전파 편)
__14단계 같은 변수 반복 사용
__15단계 복잡한 계산 그래프(이론 편)
__16단계 복잡한 계산 그래프(구현 편)
__17단계 메모리 관리와 순환 참조
__18단계 메모리 절약 모드
__19단계 변수 사용성 개선
__20단계 연산자 오버로드(1)
__21단계 연산자 오버로드(2)
__22단계 연산자 오버로드(3)
__23단계 패키지로 정리
__24단계 복잡한 함수의 미분
제3고지 고차 미분 계산
__25단계 계산 그래프 시각화(1)
__26단계 계산 그래프 시각화(2)
__27단계 테일러 급수 미분
__28단계 함수 최적화
__29단계 뉴턴 방법으로 푸는 최적화(수동 계산)
__30단계 고차 미분(준비 편)
__31단계 고차 미분(이론 편)
__32단계 고차 미분(구현 편)
__33단계 뉴턴 방법으로 푸는 최적화(자동 계산)
__34단계 sin 함수 고차 미분
__35단계 고차 미분 계산 그래프
__36단계 고차 미분 이외의 용도
제4고지 신경망 만들기
__37단계 텐서를 다루다
__38단계 형상 변환 함수
__39단계 합계 함수
__40단계 브로드캐스트 함수
__41단계 행렬의 곱
__42단계 선형 회귀
__43단계 신경망
__44단계 매개변수를 모아두는 계층
__45단계 계층을 모아두는 계층
__46단계 Optimizer로 수행하는 매개변수 갱신
__47단계 소프트맥스 함수와 교차 엔트로피 오차
__48단계 다중 클래스 분류
__49단계 Dataset 클래스와 전처리
__50단계 미니배치를 뽑아주는 DataLoader
__51단계 MNIST 학습
제5고지 DeZero의 도전
__52단계 GPU 지원
__53단계 모델 저장 및 읽어오기
__54단계 드롭아웃과 테스트 모드
__55단계 CNN 메커니즘(1)
__56단계 CNN 메커니즘(2)
__57단계 conv2d 함수와 pooling 함수
__58단계 대표적인 CNN(VGG16)
__59단계 RNN을 활용한 시계열 데이터 처리
__60단계 LSTM과 데이터 로더
부록 A 인플레이스 연산(14단계 보충)
부록 B get_item 함수 구현(47단계 보충)
부록 C 구글 콜랩에서 실행
- 교보문고: https://bitl.bz/nt1Y3h
- 쿠팡: https://bitl.bz/FT7kFk
- Yes24: https://bitl.bz/H7fOqT
'데이터 과학 > 통계학, 머신러닝' 카테고리의 다른 글
| 사이토 고키, 밑바닥부터 시작하는 딥러닝 5 - 10단계로 익히는 이미지 생성 모델의 원리, 한빛미디어 (0) | 2025.03.19 |
|---|---|
| 사이토 고키, 밑바닥부터 시작하는 딥러닝 4 - 파이썬으로 직접 구현하며 배우는 강화 학습 알고리즘, 한빛미디어 (2) | 2025.03.18 |
| 사이토 고키, 밑바닥부터 시작하는 딥러닝 2 - 파이썬으로 직접 구현하며 배우는 순환 신경망과 자연어 처리, 한빛미디어 (0) | 2025.03.16 |
| 사이토 고키, 밑바닥부터 시작하는 딥러닝 1(리마스터판) - 파이썬으로 익히는 딥러닝 이론과 구현, 한빛미디어 (0) | 2025.03.15 |
| 문건웅, 의료인을 위한 R 생존분석, 한나래아카데미 (3) | 2025.03.12 |