CNN을 중심으로 한 인공지능 기초

맛있는 태양0152 지음

작가와 2025년 04월 08일 출간

작품소개

책소개

이 책은 제가 지난 몇 년간 강의했던 내용을 바탕으로, 인공지능의 핵심 기술 중 하나인 CNN(Convolutional Neural Network)을 중심으로 한 딥러닝의 기초를 다루고 있습니다. 이 책은 단순히 이론적인 지식을 전달하는 것을 넘어, 독자들이 CNN의 구조와 원리를 깊이 이해할 수 있도록 돕는 것을 목표로 합니다.
이 책은 제가 강의했던 PPT 자료를 바탕으로 작성되었으며, 각 장마다 핵심 개념과 이론을 충실히 담았습니다. 실습 부분은 제외하였지만, 이론적인 내용을 충분히 이해하면 실무에서도 큰 어려움 없이 적용할 수 있을 것입니다.

이 책이 여러분의 인공지능 학습 여정에 큰 도움이 되기를 바라며, 딥러닝의 세계를 탐험하는 즐거운 시간이 되시길 바랍니다.

목차

제1장 딥러닝이론 Part 1
■ 다층 퍼셉트론과 ANN(Artificial Neural Network) | 5p
■ 신경망 학습(경사하강법) | 8p

제2장 딥러닝이론 Part 2
■ CNN(Convolutional Neural Network)구조 | 12p
■ CNN(Convolutional Neural Network)특징 | 15p

제3장 딥러닝 학습/예측 기본 프레임 구현
■ CNN분류 모델 구조 및 학습 구현 | 18p
■ CNN예측 구현 | 21p

제4장 딥러닝 최적 모델 저장
■ 학습 반복 별 최적 CNN모델 저장 | 24p
■ 학습 반복 별 CNN성능 시각화 | 27p

제5장 딥러닝 학습 분석
■ CNN필터 시각화 | 30p
■ CNN특징맵 시각화 | 32p

제6장 딥러닝 학습 개선
■ 데이터를 통한 과적합 문제 개선 | 35p
■ 기법을 통한 과적합 문제 개선 | 38p

제7장 실 데이터 구축
■ 이미지 데이터 획득 | 43p
■ 데이터 셋 구축 | 46p

제8장 실 데이터에 딥러닝 적용하기
■ 실 데이터에서 CNN분류 모델 구조 및 학습 구현 | 50p
■ 실 데이터에서 CNN예측 구현 | 53p

책 속으로

제1장에서는 다층 퍼셉트론(Multi-Layer Perceptron, MLP)과 인공신경망(Artificial Neural Network, ANN)의 기본 개념을 소개하며, 신경망 학습의 핵심인 경사하강법(Gradient Descent)에 대해 설명합니다. 이 부분은 딥러닝의 기초를 다지는 중요한 단계로, 이후의 학습을 위한 토대를 제공합니다.

제2장에서는 CNN의 구조와 특징을 자세히 다룹니다. CNN은 이미지 인식과 같은 시각적 데이터 처리에 매우 효과적인 신경망 구조로, 이 장에서는 CNN의 핵심 요소들이 어떻게 작동하는지 설명합니다.

제3장에서는 CNN 분류 모델의 구조와 학습 과정을 구현하는 방법을 다룹니다. 여기서는 CNN의 학습 과정을 단계별로 설명하며, 이를 통해 독자들이 CNN의 학습 메커니즘을 이해할 수 있도록 돕습니다.

제4장에서는 학습 반복 과정에서 최적의 CNN 모델을 저장하는 방법과 성능을 시각화하는 방법을 다룹니다. 이는 학습된 모델의 성능을 평가하고 개선하는 데 중요한 부분입니다.

제5장에서는 CNN 필터와 특징맵을 시각화하는 방법을 다룹니다. 이를 통해 CNN 내부에서 어떤 연산이 이루어지는지 직관적으로 이해할 수 있습니다.

제6장에서는 데이터를 통해 과적합 문제를 개선하는 방법을 다룹니다. 과적합은 딥러닝 모델에서 흔히 발생하는 문제로, 이를 해결하기 위한 다양한 기법을 소개합니다.

작가정보

저자(글) 맛있는 태양0152

- 작가 주요 경력 -

★ 제조사 근무 경력 17년(SCM, 생산, 품질관리, 인사 등 업무 담당)

★ 직업능력개발훈련교사