[epub3.0]신경망 교과서

6개 프로젝트로 제대로 배우는 신경망의 기본기

제임스 로이 지음 | 이춘오 옮김

길벗 2020년 06월 02일 출간 종이책 : 2020년 05월 28일 출간

작품소개

책소개

신경망, 이제 확실히 이해했다!

이 책의 목표는 실제로 사용 가능한 실전 신경망 프로젝트 6개를 난이도와 주제별로 만들어 보면서 신경망의 기본기를 익히고, 익힌 지식을 궁극적으로 자신만의 신경망을 구축하는 데 활용하는 것이다. 프로젝트는 실무 프로세스를 경험할 수 있도록 단계별로 구성했고, 신경망 아키텍처를 이해하는 데 필요한 지식, 진행 시 발생할 수 있는 오류, 오류를 해결하는 방법도 함께 담았다. 파이썬 코드로 신경망을 구현하는 방법은 한줄 한줄 차근차근 설명하여 초심자도 잘 따라갈 수 있게 했다.

목차

1장 머신 러닝과 신경망 개론
__1.1 머신 러닝이란?
____1.1.1 머신 러닝 알고리즘
____1.1.2 머신 러닝 워크플로
__1.2 머신 러닝 환경 셋업
__1.3 신경망
____1.3.1 신경망이 뛰어난 이유
____1.3.2 신경망 기본 아키텍처
____1.3.3 파이썬만으로 신경망 만들기
____1.3.4 딥러닝과 신경망
__1.4 판다스: 파이썬 데이터 분석 도구
____1.4.1 판다스 DataFrame
____1.4.2 판다스를 활용한 데이터 시각화
____1.4.3 판다스를 활용한 데이터 전처리
__1.5 텐서플로와 케라스
____1.5.1 케라스의 기본 빌딩 블록
____1.5.2 케라스로 신경망 만들기
__1.6 기타 파이썬 라이브러리
__1.7 마무리

2장 다중 레이어 퍼셉트론을 사용한 당뇨 예측
__2.1 실습 환경 설정
__2.2 당뇨병 예측
__2.3 의료 분야의 인공 지능
____2.3.1 진단 자동화
__2.4 당뇨병 데이터셋
__2.5 탐색적 데이터 분석
__2.6 데이터 전처리
____2.6.1 결측값 처리
____2.6.2 데이터 표준화
____2.6.3 데이터셋 분할
__2.7 다중 레이어 퍼셉트론
____2.7.1 모델 아키텍처
__2.8 케라스 모델 만들기
____2.8.1 모델 구성
____2.8.2 모델 컴파일
____2.8.3 모델 훈련
__2.9 결과 분석
____2.9.1 테스트 정확도
____2.9.2 혼동 행렬
____2.9.3 ROC 곡선
____2.9.4 모델 개선
__2.10 마무리
__2.11 복습

3장 심층 전방향 신경망을 사용한 택시 요금 예측
__3.1 실습 환경 설정
__3.2 뉴욕시 택시 요금 예측
__3.3 뉴욕시 택시 요금 데이터셋
__3.4 탐색적 데이터 분석
____3.4.1 위치 데이터 시각화
____3.4.2 요일 및 시간별 승차 통계
__3.5 데이터 전처리
____3.5.1 결측값 및 이상치 처리
__3.6 특징 공학
____3.6.1 시간 관련 변수
____3.6.2 위치 특징 변수
__3.7 변수 스케일링
__3.8 심층 전방향 신경망
____3.8.1 모델 아키텍처
____3.8.2 회귀 손실 함수
__3.9 케라스로 모델 만들기
__3.10 결과 분석
__3.11 예제 코드 정리
__3.12 마무리
__3.13 복습

4장 컨볼루션 신경망을 사용한 이미지 분류
__4.1 실습 환경 설정
__4.2 컴퓨터 비전과 사물 인식
__4.3 사물 인식 기술 유형
__4.4 신경망에 이미지를 입력하는 방법
__4.5 CNN의 빌딩 블록
____4.5.1 필터링과 컨볼루션
____4.5.2 최대 풀링
__4.6 CNN의 기본 아키텍처
__4.7 최신 CNN 아키텍처
____4.7.1 LeNet(1998)
____4.7.2 AlexNet(2012)
____4.7.3 VGG16(2014)
____4.7.4 Inception(2014)
____4.7.5 ResNet(2015)
____4.7.6 CNN의 미래
__4.8 고양이 개 이미지 데이터셋
__4.9 케라스로 이미지 데이터를 다루는 방법
__4.10 이미지 증강
__4.11 모델 구성
____4.11.1 기본 CNN
____4.11.2 전이 학습
__4.12 결과 분석
__4.13 마무리
__4.14 복습

5장 오토인코더를 사용한 이미지 노이즈 제거
__5.1 실습 환경 설정
__5.2 오토인코더
__5.3 잠재 표현
__5.4 오토인코더를 사용한 데이터 압축
__5.5 MNIST 데이터셋
__5.6 기본 오토인코더
____5.6.1 케라스로 오토인코더 만들기
____5.6.2 은닉 레이어 크기가 오토인코더 성능에 미치는 영향
__5.7 오토인코더를 사용한 노이즈 제거
____5.7.1 심층 컨볼루션 오토인코더를 사용한 노이즈 제거
__5.8 오토인코더를 사용한 문서 노이즈 제거
____5.8.1 기본 컨볼루션 오토인코더
____5.8.2 심층 컨볼루션 오토인코더
__5.9 마무리
__5.10 복습

6장 LSTM을 사용한 영화 리뷰 감성 분석
__6.1 실습 환경 설정
__6.2 시퀀스 문제
__6.3 자연어 처리와 감성 분석
____6.3.1 감성 분석이 어려운 이유
__6.4 RNN 신경망
____6.4.1 RNN의 내부 구조
____6.4.2 RNN의 단기 의존성과 장기 의존성
____6.4.3 경사 소실 문제
__6.5 LSTM 신경망
____6.5.1 LSTM의 원리
____6.5.2 LSTM 신경망의 내부
__6.6 IMDb 영화 리뷰 데이터셋
__6.7 단어의 벡터 표현
____6.7.1 원핫 인코딩
____6.7.2 단어 임베딩
__6.8 모델 아키텍처
____6.8.1 입력
____6.8.2 단어 임베딩 레이어
____6.8.3 LSTM 레이어
____6.8.4 밀집 레이어
____6.8.5 출력
__6.9 모델 구성
____6.9.1 데이터 입수
____6.9.2 제로 패딩
____6.9.3 단어 임베딩 레이어와 LSTM 레이어
____6.9.4 모델 컴파일 및 훈련
__6.10 결과 분석
____6.10.1 혼동 행렬
__6.11 예제 코드 정리
__6.12 마무리
__6.13 복습

7장 샴 신경망을 사용한 안면 인식
__7.1 실습 환경 설정

출판사 서평

프로젝트를 만들면서 배우는 신경망
주제별로 여섯 가지 신경망 프로젝트를 준비했다. 프로젝트는 실제 프로세스를 경험해 볼 수 있도록 문제 정의, 데이터 전처리, 모델 만들기, 결과 분석, 마무리, 복습 순서로 진행한다. 과정 안에는 특정 신경망 아키텍처를 이해하는 데 필요한 지식, 진행 시 발생할 수 있는 오류, 오류를 해결하는 방법도 함께 담았다.
● 당뇨 발병 여부 예측: 다중 레이어 퍼셉트론
● 택시 요금 예측: 특징 공학, 변수 스케일링, 심층 전방향 신경망
● 이미지 분류 모델: CNN, 전이 학습
● 이미지 노이즈 제거: 기본/심층 컨볼루션 오토인코더
● 영화 리뷰 감성 분석: 단어 임베딩, RNN, LSTM
● 안면 인식 시스템: 원샷 학습, 샴 신경망

개념 이해와 파이썬 라이브러리 사용법까지
각 장에서는 프로젝트를 만들기에 앞서 실습에 필요한 핵심 개념과 지식을 간결하게 정리하였으며, 그림도 풍부하게 사용해 이해를 높였다. 즉, 실습에 필요한 이론적 토대를 쌓고, 사용할 알고리즘과 모델 아키텍처를 숙지한 뒤에 직접 신경망을 만들어 볼 것이다.
신경망을 만들 때는 파이썬 코드를 한 줄씩 차근차근 최대한 쉽게 설명하려 노력했다. 또한, 꼭 알아두어야 하는 파이썬 라이브러리인 케라스, 맷플롯립, 판다스, 넘파이, 시본, 사이킷런 등도 사용해 본다.

[추천평]
이 책을 통해 실제로 연구에 신경망을 사용하게 되었습니다. 매우 만족합니다. _아마존 독자

단계별로 프로젝트 진행 흐름은 물론, 코드로 내가 무슨 작업을 하고 있는지 이해할 수 있게 설명합니다. 전처리 부분이 특히 상세하고 철저합니다. _아마존 독자

작가정보

저자(글) 제임스 로이

저자 : 제임스 로이
James Loy
금융 및 의료 산업의 데이터 과학 분야에서 5년 이상 경력을 쌓았다. 싱가포르 최대 은행에서 일하며 예측 분석을 활용해 고객 로열티를 개선하고 혁신을 주도했다. 또한, 의료 분야에 데이터 분석 기법을 적용해 여러 병원의 의사 결정 과정을 개선했다. 조지아 공과 대학교에서 컴퓨터 공학 석사를 취득했으며, 머신 러닝을 전공했다.
주요 연구 분야는 딥러닝과 응용 머신 러닝이며, 산업 자동화를 위한 컴퓨터 비전 기반 인공 지능 에이전트 개발에도 관심이 있다. 또한, 유명 머신 러닝 웹사이트 Towards Data Science에 글을 기고해 월 조회 수 3백만 회 이상을 기록했다.

역자 : 이춘오
KAIST 정보통신공학과 학사 및 박사 학위를 취득하고, 삼성전자에서 빅데이터 플랫폼 엔지니어로 근무했다. 그 이후 SK 플래닛과 11번가에서 커머스 분야의 데이터 과학자로 경력을 쌓아 현재는 영상 기술 스타트업인 하이퍼커넥트에서 데이터 과학팀과 데이터실을 이끌고 있다.

번역 이춘오