다테이시 겐고  | 한빛미디어

25,200원  | 20210302  | 9791162243886

고등학교 수학으로 이해하는 인공 신경망 수학 기초는 약하지만 일단 개발부터 하고 보는 그대에게 수학을 어려워하는 마음을 깊이 공감하고 가능한 한 이해하기 쉽게 풀어냈다. 다양한 그림과 수식으로 신경망의 개념과 원리부터 경사하강법, 오차역전파법까지 설명하며 등장인물의 대화 속에서 자연스럽게 익힐 수 있도록 배려했다. 차근차근 쌓은 이론을 바탕으로 신경망을 구현해 이미지 크기를 판정해보고 손글씨도 식별해볼 수 있다. 수학이 약해 딥러닝이 낯설게 느껴졌다면, 딥러닝 이해에 필요한 수학 기초를 탄탄히 다지고 싶다면 이 책이 아주 좋은 안내자가 되어줄 것이다.

와쿠이 요시유키, 와쿠이 사다미  | 한빛미디어

22,500원  | 20180201  | 9791162240441

고등학교 수학으로 살펴보는 딥러닝 개념 딥러닝 모델의 바탕은 수학입니다. 따라서 수학 전공자 수준만큼은 아니더라도 딥러닝에서 사용하는 수학 이론의 큰 그림을 이해해야 실제 딥러닝 모델을 제대로 설계해서 개발할 수 있습니다. 이 책은 신경망을 구현하는 데 사용하는 수학 이론을 그림 중심으로 설명합니다. 또한 엑셀을 이용해 수학 이론의 구현 결과를 살펴볼 수 있습니다. 딥러닝 관련 라이브러리를 사용해본 경험은 있지만, 수학에 바탕을 둔 딥러닝 모델 구현을 어려워한다면 이 책을 읽고 원하는 딥러닝 모델을 구현하는 토대를 쌓기 바랍니다.

로널드 크누젤  | 제이펍

22,500원  | 20220808  | 9791192469225

확률, 통계, 선형대수, 미분, 행렬로 역전파, 경사하강법 제대로 정복하기 심층학습의 위력을 제대로 이해하려면 심층학습의 기본이 되는 수학 개념을 확실히 파악해야 한다. 이 책은 심층학습을 이해하는 데 꼭 필요한 확률, 통계, 선형대수, 미분에 관한 실무 지식을 제공하며, 각 수학 분야의 개념에 대해 실행가능한 파이썬 예제 코드로 설명한다.

아카이시 마사노리  | 위키북스

22,500원  | 20200327  | 9791158391942

AI의 블랙박스를 열어 보자! 딥러닝의 본질을 이해하는 데 필요한 ‘수학'을 ‘최단 코스'로 배울 수 있습니다! 이 책은 미분과 벡터, 행렬과 확률과 같은 딥러닝에 필요한 수학을 고등학교 1학년 수준부터 복습해 나가면서 설명하고 있습니다. 최단 코스로 익힐 수 있도록 꼭 필요한 수학 개념만 간추려서 설명하고 그것들의 관계를 그림으로 표현했습니다. 이론으로 배운 수학적 개념은 주피터 노트북에서 실행할 수 있도록 소스코드도 함께 제공합니다. 이 책을 통해 ‘딥러닝'의 동작 원리를 직접 체험해보기 바랍니다.

이원상  | 길벗

21,600원  | 20200824  | 9791165212537

단순히 수학만 배우는 것이 아니다. 머신 러닝에 수학이 필요한 이유부터 개념, 활용까지 배운다. 수학으로 데이터를 수집, 정제하여 요약할 수 있으며, 문제를 정의하고 논리적으로 해결할 수도 있다. 선형대수, 미분과 적분, 확률과 통계의 기본 개념부터 배우고, 이를 데이터 분석 기법에 활용하는 방법까지 살펴본다.

박경원  | 정보문화사

0원  | 20190710  | 9788956748351

이 책은 코딩을 처음 시작하는 중학생은 물론 성인들에게도 아주 자연스럽게 코딩을 배울 수 있도록 유도합니다. 우리가 배웠던 ‘수학에 이러한 로직이 있었구나’를 되새기면서 이를 코딩으로 직접 구현해 볼 수 있습니다. 이러한 과정 중에 파이썬의 중요한 패키지인 numpy, matplotlib, pandas에 대해 배우게 됩니다. 이 책은 이 패키지를 반복적으로 사용하게끔 유도하면서 책을 끝까지 다 공부하게 되면 위 패키지 사용에 어느 정도 자신감을 갖게 될 것입니다.

산타누 파타나야크  | 에이콘출판

31,500원  | 20190228  | 9791161752761

딥러닝에 필요한 수학적 기초부터 딥러닝의 기본 이론, CNN, RNN, RBM 및 GAN까지 모두 다루고 있는 책이다. 먼저, 딥러닝에 필요한 선형대수, 확률, 미적분, 최적화와 같은 기본적인 수학적인 기초를 탄탄히 다진다. 이를 기반으로 딥러닝의 기본 개념을 쉽게 설명한다. 또한 텐서플로의 기본 구문을 설명해 텐서플로에 익숙할 수 있도록 돕는다. CNN을 소개하면서 기본적인 신경망의 구조를 상세히 설명하고, RNN, LSTM, 양방향 RNN 및 GRU와 같은 고급 주제를 다룬다. 그리고 RBM 및 인코더를 다루면서 세부 주제인 깁스 샘플링, 베이지안 추론, 마르코프 체인 몬테 카를로 방법 및 PCA, ZCA 화이트닝과 같은 같은 기법에 상세히 설명한다. 이와 더불어 DBN에 대해서도 자세히 다룬다. 마지막으로 신경망의 고급 주제인 R-CNN, Fast R-CNN 및 GAN에 대해 관련된 예제와 함께 상세히 설명하고 있다. 이 책 한 권으로 딥러닝의 수학적인 기초 및 고급 주제까지 모두 배울 수 있다.

박성수  | 위키북스

27,000원  | 20210917  | 9791158392734

코딩하면서 알고리즘이 유도된 과정이 궁금하다면 이 책을 선택하기 바랍니다! 이 책은 딥러닝이나 강화학습 예제를 코딩하면서 그 배경 알고리즘의 유도 과정을 궁금해하는 사람을 위한 책이다. 술술 읽히는 책은 아니지만, 그렇다고 심하게 어려운 책도 아니다. 수학의 선수 지식으로 대학 2학년 때 배우는 공업수학을 이수한 정도면 충분하고, 딥러닝의 선수 지식으로는 텐서플로 또는 파이토치를 사용하여 MNIST와 같은 간단한 딥러닝 예제를 따라해 본 정도면 충분하다. 이 책은 강화학습뿐만 아니라 다른 머신러닝과 딥러닝의 기초가 되는 확률이론과 추정론에 대한 기본적인 이해를 바탕으로 강화학습의 여러 알고리즘을 처음부터 끝까지 생략하지 않고 수식으로 유도했다. 강화학습이 추구하는 기본 목표로부터 A2C, A3C, PPO, DDPG, SAC 및 모델 기반 강화학습 등 강화학습의 알고리즘이 무엇이고 어떤 목적으로 개발됐는지, 어떻게 수학적으로 유도했는지, 그리고 어떻게 코드로 구현해 적용했는지를 구체적으로 설명한다. ★ 이 책에서 다루는 내용 ★ ◎ 강화학습을 이해하기 위한 기본 수학: 확률론, 추정론, 최적화, 벡터/행렬의 미분 ◎ 강화학습 알고리즘: A2C, A3C, PPO, DDPG, SAC ◎ 최적제어 알고리즘: 반복적 LQR, 가우시안 LQR ◎ 로컬 모델 기반 강화학습: GMM, 모델 피팅 방법, LQR을 이용한 강화학습

조준우  | 인사이트

18,800원  | 20201104  | 9788966262854

수학으로 다지는 머신 러닝·딥 러닝 기본기! 이 책은 소위 머신 러닝·딥 러닝 ‘왕초보’라 할 수 있는 분들을 대상으로 약 2년간 여러 차례 강의를 진행한 콘텐츠를 토대로 만들어졌습니다. 저자는 강의를 하는 동안 독자의 눈높이에 맞게 내용들을 다듬었으며, 독자와 머신 러닝 사이의 간극을 메우기 위해 머신 러닝·딥 러닝에 필요한 기초 수학만을 간추려 놓았습니다. 우선 1장에서는 간단한 선형회귀를 직접 손으로 시도해 보면서 선형회귀에 대한 감을 익힙니다. 그리고 2장부터 9장까지 함수, 미분, 행렬과 벡터, 최적화, 인공신경망에 대한 내용을 학습합니다. 이렇게 학습한 내용으로 바탕으로 10장에서 선형회귀를 다시 구현합니다. 이 책은 다음과 같은 특징으로 차별화를 시도하였습니다. 배운 내용이 머신 러닝에 어떻게 활용되는지 가능한 한 실용적인 비유와 예를 들어 설명하였습니다. 파이썬 등 프로그래밍 도구를 이용하여 배운 수학 개념을 눈으로 확인해 볼 수 있게 하였습니다. 수학과 실제 작업을 단단하게 연결하는 경험을 통해서 앞으로 새로운 알고리즘을 공부할 때도 스스로 학습할 수 있는 능력을 기를 수 있도록 하였습니다.

마스이 도시카츠  | 루비페이퍼

0원  | 20190813  | 9791186710524

딥러닝도 모르겠는데 수학은 손놓은 지 오래다? 이 책을 한마디로 설명하자면 ‘수학 기초와 파이썬으로 배우는 머신러닝과 딥러닝 기초’라고 할 수 있습니다. 기초 수학을 설명한 후 여기서 파생하는 머신러닝과 딥러닝의 주요 개념인 회귀, 신경망, 경사하강법, 합성곱 신경망, 순환 신경망, 강화 학습 등을 설명합니다. 그리고 각 개념을 구현하는 파이썬 코드도 함께 소개합니다.

박성수  | 위키북스

0원  | 20200212  | 9791158391904

코딩하면서 알고리즘이 유도된 과정이 궁금하다면 이 책을 선택하기 바랍니다! 이 책은 딥러닝이나 강화학습 예제를 코딩하면서 그 배경 알고리즘의 유도 과정을 궁금해하는 사람을 위한 책이다. 술술 읽히는 책은 아니지만 그렇다고 심하게 어려운 책도 아니다. 수학의 선수 지식으로 대학 2학년 때 배우는 공업수학을 이수한 정도면 충분하고, 딥러닝의 선수 지식으로는 텐서플로, 케라스, 파이토치를 사용해 MNIST와 같은 간단한 딥러닝 예제를 따라 해 본 정도면 충분하다. 이 책에서는 강화학습뿐만 아니라 다른 머신러닝과 딥러닝의 기초가 되는 확률이론과 추정론에 대한 기본적인 이해를 바탕으로 강화학습의 여러 알고리즘을 처음부터 끝까지 생략하지 않고 수식으로 유도했다. 강화학습이 추구하는 기본 목표로부터 A2C, A3C, PPO, DDPG 및 모델 기반 강화학습 등 강화학습의 알고리즘이 무엇이고 어떤 목적으로 개발됐는지, 어떻게 수학적으로 유도했는지, 그리고 어떻게 코드로 구현해 적용했는지를 구체적으로 설명한다. ★ 이 책에서 다루는 내용 ★ ◎ 강화학습을 이해하기 위한 기본 수학: 확률론, 추정론, 최적화, 벡터/행렬의 미분 ◎ 강화학습 알고리즘: A2C, A3C, PPO, DDPG ◎ 최적제어 알고리즘: 반복적 LQR, 가우시안 LQR ◎ 로컬 모델 기반 강화학습: GMM, 모델 피팅 방법, LQR을 이용한 강화학습

박유성  | 자유아카데미

29,160원  | 20240405  | 9791158086046

시계열 예측 방법은 (1) 통계적 방법, (2) 혼합적(hybrid) 방법, (3) 딥러닝 기반 방법으로 구분할 수 있다. 대표적인 통계적 방법은 시계열 분해, ARIMA, VARIMA 등이 있고, 혼합적 방법은 통계적 방법과 딥러닝 기반 방법을 혼합한 시계열 예측 기법으로 Prophet, Neural Prophet 등이 대표적이다. 딥러닝을 기반으로 하는 시계열 모형은 딥러닝의 3대 아키텍처인 MLP, RNN, CNN을 근간으로 시계열의 예측력을 획기적으로 향상시키고 정밀화하였으며, 대표적으로 BlockRNN, TCN, N-HiTs, Transformer, DLinear, TiDE, TFT 등이 있다. 저자는 지난 30여 년간 강단에서 통계적 시계열 모형을 강의해 왔고, 최근 7년여 동안은 머신러닝, 딥러닝, 강화학습, 그리고 XAI(explainable AI)를 강의해 왔기 때문에 딥러닝을 이용한 고수준 시계열 모형의 출현은 시간 문제라고 생각해 왔다. 특히, 최근 3~4년 동안 발표된 딥러닝 시계열 모형은 양적으로나 질적으로나 놀라운 성과를 보여주고 있다. 정밀한 시계열 예측은 금융, 물류, marketing, 인사, 경제계획, 의사결정 등에 결정적인 역할을 한다. 대형마트에는 수만 개의 item들이 있으며, 이 item들의 판매량은 실시간으로 기록되고 있다. 이런 데이터를 이용하여 item들의 판매량을 정확하게 예측하면 생산, 분배, 인력 수급, 배치 및 상품진열, 선택적 promotion, 광고 등에 대한 의사결정에 중요한 정보가 된다. 이러한 형태의 데이터를 multiple 데이터라고 하는데, 각 item의 시계열 관측치가 많을 뿐만 아니라 item의 수도 매우 큰 big data이므로 딥러닝을 기반으로 하는 시계열 모형의 적용은 필수적이다. 그러나 딥러닝 시계열 모형을 적용하기 위해서는 딥러닝에 대한 깊이 있는 사전지식과 tensorflow나 pytorch와 같은 프로그램 언어의 습득도 해야 하는 커다란 장애요인이 존재한다. 이를 회피하기 위해 저자는 간단하게 딥러닝 모형을 적용하고 응용할 수 있도록 Darts와 Neural Prophet이라는 라이브러리를 이용하였다. 저자는 시계열 예측에 있어서 딥러닝을 기반으로 한 시계열 모형과 혼합형 시계열 모형이 빠르게 기존의 통계적 시계열 모형을 대체할 것으로 생각한다. 라이브러리로 인해 딥러닝 모형을 통계적 시계열 모형보다 더 쉽게 적용할 수 있고, 대규모 시계열 데이터의 처리능력과 예측정밀도가 통계적 시계열 모형보다 훨씬 우수하며 이에 더해 예측 결과에 대한 이유와 설명변수의 기여도를 설명할 수 있게 되었기 때문이다. 이 책은 총 30여 개의 시계열 모형과 시계열 패턴 탐색으로 시계열을 예측하는 방법을 적용하고 응용할 수 있도록 구성하였다. 하나의 모형에 2개 이상의 초모수나 모형 가정을 선택하면, 최소한 60여 개의 모형을 주어진 시계열 데이터에 적용할 수 있다는 의미가 된다. 이 책의 내용을 숙지하면 보다 우수한 시계열 예측을 위한 모형설정, 예측 방법, 예측 결과 해석 방법을 습득하게 되며, 하나의 시계열 데이터에 수십개의 모형을 적합하여 만든 자신만의 앙상블 시계열 모형을 구축할 수 있는 능력을 가지게 된다. 좋은 책을 만들기 위해 노력하였지만 부족한 부분이 있을 수 있다. 이 점은 양해를 바라며 출간 후 나올 수 있는 수정사항 등은 자유아카데미 홈페이지(www.freeaca.com) 자료실에 제공할 예정이니 참고하기를 바란다. 끝으로, 이 책의 개념도를 그려주고 교정을 도와준 박진세 군의 노고에 감사를 전하고, 항상 응원하고 격려하는 사랑하는 가족에게도 감사의 마음을 전한다.

반병현  | 생능북스

18,000원  | 20210421  | 9788970504872

딥러닝 기초부터 실습까지 사용자의 눈높이에서 알려주는 책! 이 책은 딥러닝 지식이 실무에 필요한 기획자나 경영인, 첨단 기술의 활용 방법을 체험해보고 싶은 비전공자, 그리고 딥러닝을 빠르게 익히고 체험해보고 싶은 학생들을 위한 책이다. 기초적인 딥러닝 기법을 체험해보고, 직접 몇 가지 인공지능을 제작해보는 과정을 소개한다. 특히 복잡한 수식이나 어려운 작동 원리에 집중하기보다는 더욱 손쉽게 딥러닝 인공지능을 설계하고 성능을 향상시키는 방법을 소개하고 있다. 책에 소개된 방법으로 코드를 실행하기만 하면 독자의 컴퓨터에서 인공지능이 만들어진다. 코드를 천천히 읽어보고, 학습에 사용한 데이터가 어떤 형태인지도 살펴볼 수 있다. 또한 복잡하고 어려운 빅 데이터 전처리 작업을 대신 처리해주는 모듈이 모든 예제에서 제공된다. 코딩 실력이나 빅 데이터 관련 지식에 구애받지 않고, 첨단 기술을 자유롭게 익혀보자. 도서 홈페이지 : https://needleworm.github.io/bhban_ai

앤드루 트라스크  | 한빛미디어

23,400원  | 20191201  | 9791162242285

신경망이 어떻게 인간을 모사하는지를 먼저 알려준다. 복잡한 수식 없이 서너 줄짜리 간단한 코드로 신경망을 구축한 다음, 이 작은 코드 조각을 다음 장에서 활용해 조금 더 그럴 듯한 프로그램으로 점차 발전시켜간다. 책 전체에 걸쳐 다음과 같이 물 흐르듯 학습할 수 있다. 인공지능/딥러닝 용어 설명 → 예측, 비교, 학습 패러다임 실습 → 기초 신경망 구축 → 딥러닝 관련 이론 설명 → 최신 기법 소개 → 딥러닝 프레임워크 구축. 그리고 마지막 장은 이 책을 읽은 다음 무엇을 할지 10단계에 거쳐 딥러닝을 처음 접하는 입문자에게 방향을 제시한다.

양지헌  | 스포트라잇북

27,000원  | 20180830  | 9791187431152

다들 어려워했던 수식들 하나하나, 딥다(Deep+多) 파고들어 설명하는 딥러닝 책 바야흐로 인공지능의 시대, 딥러닝 공부에도 왕도가 있을까? 인간이 편하자고 컴퓨터를 학습시키는 것이 딥러닝인데, 공부하는 사람들은 골머리 앓느라 편하지 않다. 이 책의 저자 역시 많은 책과 논문을 통해 딥러닝에 도전하면서 정작 힘들었던 부분은 그간의 책들에 생략되었던 수학적 지식이었다. 딥러닝 이론 자체가 어려운 게 아니라 그를 위한 수학에 아직 익숙하지 않았던 것뿐이었다. 1부는 딥러닝 실습을 맛보게 해준다. 질병을 예측하고, 자동응답 챗봇, 화재감시 시스템을 만드는가 하면, 가요도 작곡하고 심지어는 간단한 마이너리티 리포트까지 도출해본다. 2부는 딥러닝 관련 수학을 정면 돌파한다. 이론으로 파고들어가기 전에 기반을 다지는 부분이다. 각각 수식들의 전개를 생략 없이 다루며 독자들을 세심하게 안내한다. 3부는 비로소 딥러닝 이론들을 다룬다. 1부의 호기심과 재미, 2부의 수학 지식이라는 기본력을 바탕으로 딥러닝 이론을 다룬다. 딥러닝 하드 트레이닝을 표방하는 이 책은 어려워도 꼭 알아야 할 수학 지식과 딥러닝 핵심 이론들에 더해 재미있는 아이디어가 빛나는 한국형 딥러닝 실습까지 제공하는, 중급자용 딥러닝 종합교재이다. ‘딥다’는 사전에 ‘들입다’의 준말로 나오지만 여기서는 딥러닝을 만나 ‘Deep+多’라는 의미가 추가되었다.