마이클 굿리치  | 한티에듀

36,100원  | 20200210  | 9791190017039

『자료구조와 알고리즘』은 전산학 교육과정에서 활용할 수 있는 자료구조 교재이다. 자료구조와 알고리즘 분석의 많은 예제를 수록하고 있다. 동적 프로그래밍과 그리디 방법과 같은 알고리즘 설계 기법들의 설명을 추가하고, 코드 예문의 표현을 단순화하고 재조직하였다. 심화문제, 창의력 문제, 프로젝트 문제로 나누어 구성한다.

이상진  | 프리렉

25,200원  | 20160610  | 9788965401254

[알고리즘과 그림으로 이해하고 C로 구현하는 자료구조 입문]은 이제 막 개발을 시작하는 초보 개발자를 주 대상으로 하는 자료구조 책이다. 책은 간결한 개념 전달과 정확한 소스 구현이라는 두 가지에 중점을 두고 자료구조를 이해하고 직접 구현할 수 있도록 안내한다.

티모시 마스터즈  | 에이콘출판

25,200원  | 20170811  | 9791161750316

전체 3권으로 이뤄지는 "C++과 CUDA C로 구현하는 딥러닝 신경망" 시리즈의 두 번째 책이다. 인코더와 디코더 구조를 기반으로 하면서 입력 정보를 다시 복원하는 구조의 오토인코더는 GAN 모델의 발전으로 인해 점차 그 활용도와 중요성이 커지고 있다. 1권에서 다뤘던 내용을 다시 언급하므로 1권의 내용을 충분히 숙지해주길 바란다. 먼저 기본적인 신호 처리 수준에서의 몰렛 웨이블릿 개념과 이를 이미지 처리로 확장했을 때의 푸리에 변환 개념 등을 살펴본다. 그다음 복소수 정의역에서의 오토인코딩 개념을 설명한다. 그리고 이러한 내용들을 복소수 영역에서의 신경망으로 확장해 활성화 함수와 그레디언트, SoftMax 레이어 등을 계산하는 과정으로 나눠 상세하게 살펴본다. 처음엔 단일 스레드 기반의 구현 방법부터 시작해서 마지막엔 멀티스레드 기반의 구현 방법으로 확장시킨다. 3장에서는 2장에서 각 레이어별로 구현한 내용을 GPGPU를 활용할 수 있도록 CUDA C로 구현하는 내용을 다룬다. 마지막 4장에서는 저자가 제공하는 DEEP 프로그램의 메뉴얼을 소개하면서, 사용자가 구현 결과를 미리 확인하면서 각 기능들의 실행 결과물을 쉽게 확인할 수 있도록 도와준다.

티모시 마스터즈  | 에이콘출판

25,200원  | 20161230  | 9788960779471

전체 3권으로 이루어진 'C++과 CUDA C로 구현하는 딥러닝 신경망' 시리즈의 마지막 책이다. 딥러닝에서 가장 화두가 되고 있는 영상 속의 사물 인지 알고리즘을 깊게 파고들면서 실제로 CUDA 기반으로 구현까지 해볼 수 있도록 가이드해준다. Deep Convolution Neural Network를 크게 지역적으로 연결된 레이어와 풀링 레이어, 출력 레이어 등으로 구별해 살펴보고, 훈련 과정의 핵심인 그래디언트 역전파를 DCNN에 적용하는 방법을 살펴본다. 알고리즘을 레이어별로 활성화하는 과정과 그레디언트를 계산하는 과정으로 나누어 살펴본다. 단일 스레드 기반의 구현 방법부터 시작해서 마지막엔 멀티스레드 기반의 구현 방법으로 확장한다. 각 레이어별로 구현한 내용을 다시 GPGPU로 활용할 수 있도록 CUDA C로 구현한다. 마지막으로는 저자가 제공하는 CONVNET 프로그램의 매뉴얼을 소개하면서, 사용자가 구현 결과를 미리 확인하면서 쉽게 각 기능들의 실행 결과물이 어떠한지 확인해본다.

티모시 마스터즈  | 에이콘출판

27,000원  | 20160428  | 9788960778580

에이콘 데이터과학 시리즈. 이 책은 인공지능 기술에서 가장 중심에 해당하는 딥러닝 알고리즘의 핵심인 'Deep Belief Network'를 'CUDA'와 함께 다루면서 딥러닝의 구조와 원리를 이해하고, 이러한 알고리즘이 GPGPU에서 동작하기 위해 어떠한 개념과 기법들이 적용되고 있는지 확인해볼 수 있는 책이다. 1장, '소개'에서는 다중 레이어 피드포워드 신경망에 대해 알아보고 Deep Belief Nets란 무엇인지 알아보고, 2장, '감독 피드포워드 신경망'에서는 오차 역전파에 대해 알아보고 멀티스레드를 지원하는 CUDA 기반의 기울이 연산 코드에 대해 알아본다. 3장, '제한된 볼츠만 머신'에서는 RBM(Restricted Boltzmann Machine)의 특이점을 알아보고, 최대 발생 가능 훈련에 대해 알아보고, 4장, '탐욕적인 훈련'은 훈련 알고리즘에 대해 알아 본 후, 생성적 샘플링에 대해 다루며, 5장, 'DEEP 사용 매뉴얼'에서는 개략적인 DEEP 1.0 프로그램의 사용 매뉴얼을 소개한다.

티모시 마스터즈  | 에이콘출판

70,200원  | 20170818  | 9791161750347

<C++와 CUDA C로 구현하는 딥러닝 알고리즘> 1, 2, 3권으로 구성된 세트. C++와 CUDA C로 구현하는 딥러닝 알고리즘 Vol.1 인공지능 기술에서 가장 중심에 해당하는 딥러닝 알고리즘의 핵심인 'Deep Belief Network'를 'CUDA'와 함께 다루면서 딥러닝의 구조와 원리를 이해하고, 이러한 알고리즘이 GPGPU에서 동작하기 위해 어떠한 개념과 기법들이 적용되고 있는지 확인해볼 수 있는 책이다. C++와 CUDA C로 구현하는 딥러닝 알고리즘 Vol.2 오토인코더에 대해 다룬 책이다. 신경망에 대해 이미 기본적인 지식이 있으며, Deep Belief Nets에 대해 학습하고 실험해보면서 이를 실제 프로그램으로 구현해보고자 하는 독자를 대상으로 한다. 1권에서 다뤘던 내용을 다시 언급하므로 1권의 내용을 충분히 숙지해야 할 필요가 있다. C++와 CUDA C로 구현하는 딥러닝 알고리즘 Vol.3 딥러닝에서 가장 화두가 되고 있는 영상 속의 사물 인지 알고리즘을 깊게 파고들면서 실제로 CUDA 기반으로 구현까지 해볼 수 있도록 가이드해준다. Deep Convolution Neural Network를 크게 지역적으로 연결된 레이어와 풀링 레이어, 출력 레이어 등으로 구별해 살펴보고, 훈련 과정의 핵심인 그래디언트 역전파를 DCNN에 적용하는 방법을 살펴본다.