- 현재 위치
- home > 컴퓨터·ICT·어학 > 컴퓨터·IT 도서 > 컴퓨터공학 > 한 줄씩 따라 해보는 파이토치 딥러닝 프로젝트 모음집[비제이퍼블릭]
;)
시중에 딥러닝을 가르쳐주는 입문책은 많습니다. 하지만 실제로 우리가 흔히 다루는 날것의 데이터를 활용한 프로젝트 예제집은 찾기가 어렵습니다. 이 책은 딥러닝 프로젝트들을 중점적으로 다룸으로써, 어느정도 딥러닝 지식은 있으나 프로젝트로 경험하고 싶은 독자들에게 꼭 필요한 책이 될 것입니다.
이 책은 크게 이론 파트와 실전 파트로 나누어져 있습니다. 이론 파트에서는 인공지능과 딥러닝의 기본적인 개념을 이해할 수 있으며, 실전 파트에서는 MNIST 실습과 더불어 CNN, LSTM, GAN 등 다양한 딥러닝 모델들을 이미지, 텍스트, 음성, 영상 등 다양한 분야에 접목하여 프로젝트를 구현합니다. 따라서 독자들은 이 책을 통해 실전 감각을 익히고 딥러닝에 대해 제대로 이해할 수 있습니다. 이 책이 필요한 독자
-CNN, RNN 등 딥러닝 기초를 익히신 분
-다양한 딥러닝 프로젝트를 접하고 실습하고 싶으신 분
-프로젝트 예제들로 실전 감각을 익히고 싶은 학생
-인공지능에 관심이 있는 학부생
이 책은 크게 이론 파트와 실전 파트로 나누어져 있습니다. 이론 파트에서는 인공지능과 딥러닝의 기본적인 개념을 이해할 수 있으며, 실전 파트에서는 MNIST 실습과 더불어 CNN, LSTM, GAN 등 다양한 딥러닝 모델들을 이미지, 텍스트, 음성, 영상 등 다양한 분야에 접목하여 프로젝트를 구현합니다. 따라서 독자들은 이 책을 통해 실전 감각을 익히고 딥러닝에 대해 제대로 이해할 수 있습니다. 이 책이 필요한 독자
-CNN, RNN 등 딥러닝 기초를 익히신 분
-다양한 딥러닝 프로젝트를 접하고 실습하고 싶으신 분
-프로젝트 예제들로 실전 감각을 익히고 싶은 학생
-인공지능에 관심이 있는 학부생
저자: 이경택, 김수지, 박희경, 신훈철, 심은선, 이승현, 장예은, 전종섭, 조민호 (지은이)
이론파트
PART 1 인공지능(Artificial Intelligence)
1.1 인공지능과 딥러닝
1.1.1 인공지능이란?
1.1.2 인공지능 사례
1.2 머신러닝(Machine Learning)
1.2.1 머신러닝이란?
1.2.2 머신러닝 구분
1.2.3 지도학습(Supervised Learning)
1.2.4 비지도학습(Unsupervised Learning)
1.2.5 과적합과 모델 학습법
1.2.6 성능 지표
PART 2 딥러닝(Deep Learning)
2.1 딥러닝이란?
2.2 딥러닝 발전 과정
2.2.1 퍼셉트론(Perceptron)
2.2.2 다층 퍼셉트론(Multi-Layer Perceptron)
2.2.3 인공신경망 핵심 알고리즘
2.3 고급 딥러닝 기술
2.3.1 Convolutional Neural Network(CNN)
2.3.2 Recurrent Neural Network(RNN)
2.3.3 Long Short-Term Memory(LSTM)
2.3.4 강화학습(Reinforcement Learning)
2.3.5 Generative Adversarial Networks(GAN)
PART 3 PyTorch
3.1 PyTorch 소개
3.1.1 PyTorch란?
3.1.2 아나콘다(Anaconda) 설치
3.1.3 가상환경 구축
3.1.4 CUDA와 CuDNN 설치하기
3.1.5 PyTorch 설치하기
3.2 예제 : 손글씨 숫자 이미지 분류 문제
3.2.1 데이터 살펴보기
3.2.2 CNN으로 손글씨 숫자 이미지 분류하기
실전파트
PART 4 작물 잎 사진으로 질병 분류하기
4.1 프로젝트 소개
4.2 프로젝트 파헤치기
4.2.1 데이터 구조
4.2.2 실험 설계를 위한 데이터 분할
4.2.3 베이스라인 모델 설계
4.2.4 Transfer Learning
4.3 모델 평가
PART 5 국민청원 분류하기
5.1 프로젝트 소개
5.2 프로젝트 파헤치기
5.2.1 크롤링
5.2.2 데이터 전처리
5.2.3 토크나이징 및 변수 생성
5.2.4 단어 임베딩
5.2.5 실험 설계
5.2.6 TextCNN 모델 설계
5.3 결론
PART 6 실제 사진 애니메이션으로 만들기
6.1 프로젝트 소개
6.2 프로젝트 파헤치기
6.2.1 전처리 및 데이터 클래스 정의
6.2.2 Generator 구현
6.2.3 Discriminator 구현
6.2.4 모델 학습
6.2.5 학습 결과
6.3 결론
PART 7 실시간 비명 감지 시스템
7.1. 프로젝트 소개
7.1.1 프로젝트에서 다루는 내용
7.1.2 프로젝트를 통해 배울 수 있는 내용
7.2. 프로젝트 파헤치기
7.2.1 소리 데이터에 대한 이해
7.2.2 비명 데이터
PART 1 인공지능(Artificial Intelligence)
1.1 인공지능과 딥러닝
1.1.1 인공지능이란?
1.1.2 인공지능 사례
1.2 머신러닝(Machine Learning)
1.2.1 머신러닝이란?
1.2.2 머신러닝 구분
1.2.3 지도학습(Supervised Learning)
1.2.4 비지도학습(Unsupervised Learning)
1.2.5 과적합과 모델 학습법
1.2.6 성능 지표
PART 2 딥러닝(Deep Learning)
2.1 딥러닝이란?
2.2 딥러닝 발전 과정
2.2.1 퍼셉트론(Perceptron)
2.2.2 다층 퍼셉트론(Multi-Layer Perceptron)
2.2.3 인공신경망 핵심 알고리즘
2.3 고급 딥러닝 기술
2.3.1 Convolutional Neural Network(CNN)
2.3.2 Recurrent Neural Network(RNN)
2.3.3 Long Short-Term Memory(LSTM)
2.3.4 강화학습(Reinforcement Learning)
2.3.5 Generative Adversarial Networks(GAN)
PART 3 PyTorch
3.1 PyTorch 소개
3.1.1 PyTorch란?
3.1.2 아나콘다(Anaconda) 설치
3.1.3 가상환경 구축
3.1.4 CUDA와 CuDNN 설치하기
3.1.5 PyTorch 설치하기
3.2 예제 : 손글씨 숫자 이미지 분류 문제
3.2.1 데이터 살펴보기
3.2.2 CNN으로 손글씨 숫자 이미지 분류하기
실전파트
PART 4 작물 잎 사진으로 질병 분류하기
4.1 프로젝트 소개
4.2 프로젝트 파헤치기
4.2.1 데이터 구조
4.2.2 실험 설계를 위한 데이터 분할
4.2.3 베이스라인 모델 설계
4.2.4 Transfer Learning
4.3 모델 평가
PART 5 국민청원 분류하기
5.1 프로젝트 소개
5.2 프로젝트 파헤치기
5.2.1 크롤링
5.2.2 데이터 전처리
5.2.3 토크나이징 및 변수 생성
5.2.4 단어 임베딩
5.2.5 실험 설계
5.2.6 TextCNN 모델 설계
5.3 결론
PART 6 실제 사진 애니메이션으로 만들기
6.1 프로젝트 소개
6.2 프로젝트 파헤치기
6.2.1 전처리 및 데이터 클래스 정의
6.2.2 Generator 구현
6.2.3 Discriminator 구현
6.2.4 모델 학습
6.2.5 학습 결과
6.3 결론
PART 7 실시간 비명 감지 시스템
7.1. 프로젝트 소개
7.1.1 프로젝트에서 다루는 내용
7.1.2 프로젝트를 통해 배울 수 있는 내용
7.2. 프로젝트 파헤치기
7.2.1 소리 데이터에 대한 이해
7.2.2 비명 데이터
