장바구니 담기 close

장바구니에 상품을 담았습니다.

장바구니로 계속쇼핑하기
머신러닝 TensorFlow.js JavaScript
미리보기

머신러닝 TensorFlow.js JavaScript

  • 김영보
  • |
  • 생각나눔
  • |
  • 2019-04-15 출간
  • |
  • 416페이지
  • |
  • 174 X 248 mm
  • |
  • ISBN 9791196672430
판매가

32,000원

즉시할인가

28,800 원

배송비

무료배송

(제주/도서산간 배송 추가비용:3,000원)

추가상품
상품선택
독서대 7,900원 독서대 선택안함 0원
수량
+ -
총주문금액
28,800원
장바구니 구매하기

※ 스프링제본 상품은 반품/교환/환불이 불가능하므로 신중하게 선택하여 주시기 바랍니다.

북스크린영상으로 만나보는 한 권의 책 이야기

출판사서평




책의 출판 시점에 관련된 분야(TensorFlow.js)의 도서가 없었다. 저자는 공부하면서 관련 도서가 없어 힘들었던 경험을 후배들에게도 물려주고 싶지 않아 최초의 TensorFlow.js 분야 책을 집필했다.

저자는 개발자로서, 개발자를 가르치는 선생님으로서 항상 개발 현장에 있었다. 개발과 강의 경험을 통해 개발자가 필요로 하는 핵심을 정리해 이 책에 담았다.
『머신러닝 TensorFlow.js JavaScript』는 머신러닝에 대한 단계적이고 자세한 설명을 통해 따라 하기만 하면 지식이 축적되도록 구성했다. 또한, 방대한 수학 지식 중 웹 개발자가 이해해야 하는 범위를 알려주는 등 많은 개발자의 고민을 쉽게 해결할 수 있는 길도 알려준다.

머신러닝을 배우려는 분,
자바스크립트, Node.js 개발자,
파이썬+TensorFlow 환경과 자바스크립트+TensorFlow.js 환경을 통합하려는 분 등
누구든지 목표를 이루고자 하는 의지만 챙겨오라. 의지를 가지고 책이 이끄는 대로 따라가다 보면 어느새 머신러닝을 내 것으로 만든 당신을 발견할 수 있다.

『머신러닝 TensorFlow.js JavaScript』를 통해 새로운 기회를 선점하여 보다 더 많이 발전하시길 바란다.


목차


1부 TensorFlow.js
1. 개요
1.1. TensorFlow.js 개요
1.1.1. TensorFlow.js란?
1.1.2. TensorFlow.js 목적, 방향성
1.2. 머신러닝, 딥러닝
1.2.1. 머신러닝
1.2.2. 추론
1.2.3. 딥러닝
1.3. Tensor와 Flow
1.4. 개발자 관점에서의 TensorFlow.js

2. Tensor 생성
2.1. 함수 작성 기준
2.2. Tensor 생성
2.3. Tensor 출력
2.4. 값 타입
2.5. TypedArray 오브젝트
2.6. scalar, rank, shape
2.7. scalar Tensor 생성
2.8. 1차원 Tensor 생성
2.9. 다차원 Tensor 생성

3. 함수, 식, 행렬
3.1. 변수, 상수, 계수
3.2. 독립변수, 종속변수
3.3. 함수
3.4. 1차식, 2차식
3.4.1. 항, 차수
3.4.2. 1차식
3.4.3. 2차식
3.5. 벡터
3.5.1. 벡터 덧셈, 뺄셈
3.5.2. 벡터 브로드캐스팅
3.5.3. 내적
3.5.4. 외적
3.6. 행렬
3.6.1. 행렬 덧셈, 뺄셈
3.6.2. 행렬 브로드캐스팅
3.6.3. 행렬 곱셈

4. Tensor 연산
4.1. 산술연산
4.1.1. 산술연산 함수 목록
4.1.2. tf.Tensor 값 더하기
4.1.3. 다수의 tf.Tensor 값 더하기
4.1.4. 누적 합산
4.2. 논리연산
4.2.1. 논리연산 함수 목록
4.2.2. 상태에 따라 값 반환
4.2.3. true인 인덱스 반환
4.3. 수열
4.3.1. 수열 개념
4.3.2. 등차수열
4.3.3. 등비수열
4.3.4. 항수로 등차수열 생성
4.3.5. 차이로 등차수열 생성
4.3.6. 시그마, 파이
4.4. 초깃값 설정
4.4.1. 초깃값 설정 함수 목록
4.4.2. 초깃값 설정 함수
4.5. 수학식 함수
4.5.1. 수학식 함수 목록
4.5.2. 최솟값과 최댓값 사이의 값

5. Tensor Class
5.1. 함수 목록
5.2. shape 변환
5.2.1. 벡터, 스칼라로 변환
5.2.2. 랭크 변환
5.2.3. 값 타입 변환
5.2.4. shape 변환
5.3. 동기, 비동기 처리
5.3.1. 동기 방법으로 텐서 값 추출
5.3.2. 비동기 방법으로 텐서 값 추출

6. Tensor 추출, 변환
6.1. 함수 목록
6.2. 추출
6.2.1. 인덱스로 추출
6.2.2. 범위로 추출
6.3. 결합
6.3.1. Tensor 연결
6.3.2. Tensor 스택
6.3.3. 반복 복제
6.3.4. 순서 변경
6.4. 분할
6.4.1. 1차원 낮추어 분할
6.4.2. 지정한 수로 분할
6.5. 변환
6.5.1. 값 타입 변환
6.5.2. rank 확장, 압축
6.5.3. 앞뒤에 엘리먼트 삽입
6.5.4. shape 변환
6.6. 논리 AND, OR 비교
6.7. 최댓값, 최솟값
6.7.1. 최댓값, 최솟값
6.7.2. 최댓값, 최솟값 인덱스
6.8. 평균, 합계, 곱하기
6.8.1. 평균, 합계
6.8.2. 행, 열 곱하기
6.9. 난수 생성
6.9.1. 균등 분포 난수
6.9.2. 정규분포 난수 127
6.10. 변수 생성, 값 변경

7. 메모리 관리
7.1. 함수 목록
7.2. 메모리 정보
7.3. 메모리 해제
7.4. 스코프 메모리 해제
7.5. 메모리 해제 방지

8. TensorFlow.js 모델링
8.1. 모델, 트레이닝
8.2. 데이터 세트
8.3. 지도 학습
8.4. TensorFlow.js 모델
8.4.1. 모델 학습 단계
8.4.2. 모델에서 사용할 데이터 정의
8.4.3. 모델의 변수 정의
8.4.4. 모델 정의
8.4.5. 모델 학습
8.4.6. 모델 테스트
8.4.7. 모델 평가, 튜닝, 테스트

2부 선형 회귀
9. 선형 회귀
9.1. 개요
9.1.1. 선형
9.1.2. 회귀
9.1.3. 분류
9.1.4. 선형 회귀 모델
9.2. 선형 회귀 모델 구성
9.2.1. 선형 회귀 모델 데이터
9.2.2. 선형 회귀 모델 가설
9.2.3. 학습 측정 기준
9.3. 두 점 사이 거리
9.3.1. L1 Norm
9.3.2. L2 Norm
9.3.3. norm() 함수
9.3.4. 잔차
9.3.5. 최소제곱법
9.4. 손실함수
9.4.1. 손실함수 목적
9.4.2. 평균 제곱 오차
9.4.3. 모델 코드 분석

10. 경사 하강법 Ⅰ
10.1. 개요
10.2. 미분 개요
10.2.1. 수렴, 극한
10.2.2. 기울기, 평균변화율
10.2.3. 미분계수, 순간변화율
10.2.4. 미분과 모델 학습
10.3. 경사 하강법 알고리즘 분석
10.3.1. 알고리즘 분석 시나리오
10.3.2. 손실함수 값 계산
10.3.3. 역전파
10.3.4. 기울기 계산
10.3.5. 가중치와 바이어스 계산
10.4. 학습률
10.4.1. 수렴
10.4.2. 발산

11. 경사 하강법 Ⅱ
11.1. 배치 경사 하강법
11.2. 배치 사이즈
11.3. 확률적 경사 하강법
11.4. 미니배치 경사 하강법
11.5. Iris 데이터 세트
11.5.1. 붓꽃 데이터 세트 형태
11.5.2. 배치 사이즈와 학습률
11.6. 선형 회귀 손실함수
11.6.1. L1 손실함수
11.6.2. L2 손실함수
11.6.3. Huber 손실함수
11.6.4. Pseudo-Huber 손실함수

12. 옵티마이저
12.1. 지역, 전역 최솟값
12.2. 옵티마이저 목적
12.3. 옵티마이저 식
12.4. Momentum
12.5. Nesterov
12.6. AdaGrad
12.7. AdaDelta
12.8. RMSProp
12.9. Adam
12.10. AdaMax

13. 다중·다항 회귀 모델
13.1. 보스턴 하우징 데이터 세트
13.2. 다중 회귀
13.2.1. 다중 회귀 특징
13.2.2. 다중 회귀 가설
13.2.3. 다중 회귀 손실함수
13.2.4. 다중 회귀 행렬 형태
13.2.5. 다중 회귀 모델
13.2.6. 다변량 선형 회귀
13.3. 다항 회귀
13.3.1. 다항 회귀 형태
13.3.2. 다항 회귀 모델
13.4. 오버피팅
13.5. 노이즈

14. 선형 회귀 정규화
14.1. 정규화 개요
14.2. Lasso 회귀
14.3. Ridge 회귀
14.4. Elastic Net

3부 분류
15. 로지스틱 회귀
15.1. 개요
15.2. sigmoid 함수
15.3. log 함수
15.4. 로지스틱 회귀 가설
15.5. 로지스틱 회귀 손실함수
15.6. 로지스틱 회귀 모델

16. 활성화 함수
16.1. 개요
16.2. hardSigmoid 함수
16.3. step 함수
16.4. ReLU 함수
16.5. LeakyReLU 함수
16.6. ReLU6 함수
16.7. softplus 함수
16.8. tanh 함수
16.9. softsign 함수
16.10. ELU 함수
16.11. SELU 함수

17. 소프트맥스 회귀
17.1. 개요
17.2. softmax 함수
17.3. One-Hot 인코딩
17.4. 소프트맥스 회귀 손실함수
17.5. 소프트맥스 예측 결과 분석

4부 이미지 인식
18. 이미지 인식
18.1. Node.js 환경 설정
18.2. MNIST 데이터 세트
18.3. MNIST 모델
18.4. MNIST 모델 코드 분석

부록
1. TensorFlow.js 설치
2. 그래프 작성 방법
Index
추천포스트

교환 및 환불안내

도서교환 및 환불
  • ㆍ배송기간은 평일 기준 1~3일 정도 소요됩니다.(스프링 분철은 1일 정도 시간이 더 소요됩니다.)
  • ㆍ상품불량 및 오배송등의 이유로 반품하실 경우, 반품배송비는 무료입니다.
  • ㆍ고객님의 변심에 의한 반품,환불,교환시 택배비는 본인 부담입니다.
  • ㆍ상담원과의 상담없이 교환 및 반품으로 반송된 물품은 책임지지 않습니다.
  • ㆍ이미 발송된 상품의 취소 및 반품, 교환요청시 배송비가 발생할 수 있습니다.
  • ㆍ반품신청시 반송된 상품의 수령후 환불처리됩니다.(카드사 사정에 따라 카드취소는 시일이 3~5일이 소요될 수 있습니다.)
  • ㆍ주문하신 상품의 반품,교환은 상품수령일로 부터 7일이내에 신청하실 수 있습니다.
  • ㆍ상품이 훼손된 경우 반품 및 교환,환불이 불가능합니다.
  • ㆍ반품/교환시 고객님 귀책사유로 인해 수거가 지연될 경우에는 반품이 제한될 수 있습니다.
  • ㆍ스프링제본 상품은 교환 및 환불이 불가능 합니다.
  • ㆍ군부대(사서함) 및 해외배송은 불가능합니다.
  • ㆍ오후 3시 이후 상담원과 통화되지 않은 취소건에 대해서는 고객 반품비용이 발생할 수 있습니다.
반품안내
  • 마이페이지 > 나의상담 > 1 : 1 문의하기 게시판 또는 고객센터 1800-7327
교환/반품주소
  • 경기도 파주시 문발로 211 1층 / (주)북채널 / 전화 : 1800-7327
  • 택배안내 : CJ대한통운(1588-1255)
  • 고객님 변심으로 인한 교환 또는 반품시 왕복 배송비 5,000원을 부담하셔야 하며, 제품 불량 또는 오 배송시에는 전액을 당사에서부담 합니다.