파이썬과 엑셀로 시작하는 딥러닝

홍재권 , 윤동현 , 이승준 지음

정보문화사 2023년 08월 11일 출간 종이책 : 2023년 07월 25일 출간

작품소개

책소개

실전 데이터 분석을 위한 파이썬 딥러닝

딥러닝은 데이터를 행렬로 구성하여 연산 처리한다. 그중 파이썬으로 행렬 연산을 쉽게 할 수 있도록 해주는 라이브러리인 넘파이를 활용하는 이 책은 딥러닝에 필요한 몇 가지 주요한 행렬과 관련된 함수와 미분 방법을 코드와 실습을 통해 익혀볼 수 있다. 머신러닝 및 인공지능을 활용해 볼 수 있는 다양한 예제를 제공하는 사이킷런을 통해 모델을 만들어 보기 때문에 이를 활용하면 실전에서 바로 써먹을 수 있다. 정확한 숫자를 예측하는 회귀 문제와 클래스라고 불리는 라벨을 맞추는 분류 문제를 당뇨병 예측, 체력 검사, 붓꽃, 손글씨 예제를 통해 모델을 구현하고 검증해보는 과정을 보여줌으로써 개념을 확실히 잡아준다. 특히 어려운 수학적 개념을 그림과 수식을 통해 이해를 높였으며 처리 과정을 엑셀로 보여주기 때문에 방향을 잃지 않고 끝까지 잘 따라갈 수 있다. 데이터의 특징을 추출하여 패턴을 파악하는 구조인 CNN과 반복적이고 순서가 있는 데이터 학습에 특화된 RNN으로 마지막을 마무리하면서 신경망에서 학습을 통해 적합한 필터 생성을 보여준다. 이를 모두 학습하여 끊임없이 발전하고 있는 딥러닝 분야에서 자신만의 새로운 방법과 기술을 개발하는 데 활용하면 도움이 될 것이다.

목차

PART 0 개발 환경 구축
1. 파이썬 설치
01. Windows OS 버전
02. Mac OS 버전
2. 필요 패키지 설치
01. 주피터(Jupyter)
02. xlwings
03. 사이킷런(Scikit-Learn)
04. OpenCV 및 Numpy
05. Matplotlib
3. 파이썬-엑셀 연동 실습
01. 셀 내 중복값 제거 실습
02. 웹캠 이미지 엑셀 출력

PART 1 넘파이(Numpy)
1. 배열(ndarray)
01. arange 함수
02. reshape 함수
03. array indexing
2. 연산
01. 행렬의 사칙연산과 행렬곱
02. eye 함수
03. 전치 행렬(Transpose)
04. flip 함수
05. pad 함수
3. 미분
01. 함수의 기울기
02. 미분 프로그래밍

PART 2 딥러닝 개요
1. 딥러닝 학습
2. y = wx 학습
01. 엑셀 데이터 준비
02. 손실 함수(Loss)의 정의
03. 경사 하강법(Gradient Descent)
04. 모델 구현
3. y = wx + b 학습
01. 편미분
02. 확률적 경사 하강법(Stochastic Gradient Descent)
03. 모델 구현
4. y = w1 × 1 + w2 × 2 + b 학습
01. 행렬 표현
02. 행렬 연산의 이해
03. 모델 구현
5. 임의의 함수 학습
01. 딥러닝(Deep Learning)
02. 체인룰(CHAIN RULE), 순전파(Forward Propagation), 역전파(Back Propagation)
03. 활성화 함수(Activation Function)
04. 모델 구현

PART 3 회귀 예제
1. 당뇨병 예측 데이터
01. 데이터 확인 및 모델 만들기
02. 데이터 정규화
03. 하이퍼 파라미터(Hyper Parameter) 설정
04. 과소/과대 적합 방지
2. 체력 검사 데이터
01. 데이터 확인
02. 다중 출력 모델 설계
03. 다중 출력 모델의 역전파

PART 4 분류 개요
1. 이진 분류
01. 시그모이드(Sigmoid)
02. 분류의 역전파
03. 모델 구현
04. 시그모이드를 중간층의 활성화 함수로 사용하지 않는 이유 1
2. 다중 분류
01. 소프트맥스(Softmax)
02. 카테고리컬 크로스 엔트로피(Categorical Cross Entropy)
03. 모델구현

PART 5 분류 예제
1. 붓꽃 분류
01. 데이터 확인
02. 원핫인코딩(One-hot Encoding)
03. 모델 구현
2. 손글씨 분류
01. 데이터 확인
02. 데이터 전처리
03. 모델 구현
04. 모델 검증 및 한계

PART 6 CNN
1. 이미지 데이터 특성
2. 필터와 합성곱(Convolution) 연산
3. 합성곱의 역전파
4. 모델 구현
5. CNN 추가 정보
01. 행렬로 표현
02. Stride
03. 패딩(Padding)
04. 풀링(Pooling)
05. 채널

PART 7 RNN
1. RNN 구조
2. 순전파와 역전파 연산

부록 1 Google Spreadsheet 사용
1. 구글 드라이브 API 설정하기
2. 구글 스프레드시트 API 설정하기

부록 2 Tensorflow 사용
1. 당뇨병 데이터
2. 체력 검사 데이터
3. 붓꽃 데이터
4. 손글씨 데이터
5. 영어 철자 예측 데이터

출판사 서평

예제와 실습으로 따라 하는 기초와 응용

많은 사람들이 인공지능 기술이 우리의 미래를 어떻게 바꿀지 기대하고 있다. 세계의 많은 기업이 투자를 아끼지 않는 모습만 봐도 알 수 있다. 이 책은 말로만 듣던 딥러닝을 실무적 코드로 성능 향상을 위해 알고리즘의 내부 동작 방식과 그 원리를 이해하는 데 집중했다. 초기보다 구조화되고 진보된 파이토치, 텐서플로, 케라스같은 오픈소스 프레임워크들이 발달함에 따라 구현 방식도 어렵지 않기 때문에 비전공자도 바로 시작할 수 있다. 특히 딥러닝에서 중요한 순전파와 역전파 등을 엑셀을 통해 시각화하고 기초가 되는 이론은 넘파이로 구현하기 때문에 각 단계별 값의 변화를 코드를 통해 쉽게 파악할 수 있다. 이 책에서는 주로 파이썬과 xlwings를 이용해 코드를 구현하고 엑세을 활용하여 실습을 진행한다. 실습을 위해 필요한 프로그래밍 언어와 관련된 라이브러리 패키지를 설치하고 사용 방법부터 안내하므로 시작을 두려워 하지 않아도 된다. 특히 마지막에는 엑셀 사용이 어려운 사람들을 위해 구글 코랩과 구글 스프레드시트를 연동하여 사용하는 방법까지 안내함으로써 다양한 기능을 더욱 쉽게 활용할 수 있게 될 것이다.

작가정보

저자(글) 홍재권

기계정보공학을 전공하고 현재 산업 차량 무인화 기술 파트에서 일하고 있다. 알파고를 보고 딥러닝에 입문하였으며 이미지 분야와 강화학습에 관심이 많다. 대학원에 진학하여 딥러닝을 더욱 깊이 연구하고 있다.

저자(글) 윤동현

역사학을 전공하고 산업의 수요에 맞춰 독학으로 프로그래밍을 학습하였다. 대학원 진학 과정을 통해 딥러닝에 입문하였고, 현재는 소프트웨어 개발 법인을 운영하고 있다. 인공지능에 대한 기술 구현에 관심이 많고 컴퓨터 비전 분야를 연구하고 있다.

저자(글) 이승준

메카트로닉스공학을 전공하고 현재 산업용 엔진 제품 검증팀에서 근무하고 있다. 데이터 기반 고장 예측 진단 분야에 흥미를 느껴 딥러닝에 입문하였고, 인공지능 대학원 진학을 통해 더 깊이 있는 연구와 실전적인 기술을 학습하고 있다.