R 딥러닝 쿡북

★ 이 책의 대상 독자 ★

데이터 과학 전문가 혹은 분석가를 대상으로 한다. 머신 러닝 과제를 끝내고 이제 딥러닝 구현에 따라오는 불편을 해결하기 위해 접근이 쉬운 참고서를 원하는 사람에게 적합하다. 다른 딥러닝 전문가보다 앞서가고 싶은 사람에게 유용할 것이다.



★ 옮긴이의 말 ★

지난 7년간의 딥러닝 연구 발전 속도는 정말 놀랍습니다. 기계가 사진에서 사람, 동물, 물건을 확인하고 이름을 찾아주며, 일상적인 대화를 이해하고 외국어를 어느 정도 자연스럽게 번역하는 등 이전에는 미처 상상하지 못했던 일들을 해내고 있습니다. 아직은 보편적 인공지능을 달성하려면 갈 길이 까마득하지만 현재 가능한 기술로도 얼마든지 우리의 일상과 업무 환경을 바꿀 수 있습니다. 이 책은 이름에 걸맞게 구현된 코드 예시를 제공해주고 실습 후 코드에 담긴 이론을 설명해줍니다. 또한 책의 간결성 때문에 설명이 부족할 때는 담지 못한 개념을 어느 곳에서 더 알아봐야 할지도 알려줍니다.

이 책은 R 통계 언어를 사용하므로 프로그래밍 언어가 익숙하지 않은 사람도 쉽게 접근할 수 있습니다. 또한 다양한 R 패키지의 설치법과 사용법을 다루므로 딥러닝 패키지에 대한 전반적 지식을 얻게 도와줍니다. 현재 폭넓게 사용하는 CNN, 오토인코더, RNN, 전이 학습 등의 개념을 다루고 있기에 좋은 입문서가 될 것으로 생각합니다. 딥러닝을 만나는 즐거운 첫걸음이 되기를 기대합니다.

1장. 시작하기

소개

R과 IDE 설치

주피터 노트북 애플리케이션 설치

R 머신 러닝 기초 시작

R 딥러닝 도구/패키지 설치

R MXNet 설치

R 텐서플로 설치

R의 H2O 설치

도커로 세 패키지 한 번에 설치



2장. R 딥러닝

로지스틱 회귀 시작

준비

데이터셋 도입

H2O 로지스틱 회귀

텐서플로 로지스틱 회귀

텐서플로 그래프 시각화

다층 퍼셉트론 시작

H2O 인공 신경망

H2O 그리드 서치를 활용한 초매개변수 조정

MXNet 인공 신경망

텐서플로 인공 신경망



3장. 콘볼루션 신경망

소개

이미지 데이터셋 다운로드와 설정

CNN 분류기 구조 이해

가중치와 편향 초기화 함수 정의

새 콘볼루션 계층 생성 함수 정의

콘볼루션 계층 평탄화 함수 정의

과연결 계층 평탄화 함수 정의

플레이스홀더 변수 정의

첫 번째 콘볼루션 계층 생성

두 번째 콘볼루션 계층 생성

두 번째 콘볼루션 계층 평탄화

첫 번째 완전 연결 계층 생성

첫 번째 완전 연결 계층의 드롭아웃 적용

드롭아웃을 사용한 두 번째 완전 연결 계층 생성

소프트맥스 활성화를 사용한 클래스 예측

최적화를 위한 손실 함수 정의

경사 하강 손실 최적화

텐서플로 세션에서의 그래프 실행

검증 데이터상 성능 평가



4장. 오토인코더 데이터 표현

소개

오토인코더 설정

데이터 정규화

표준화 오토인코더 설정

오토인코더 매개변수 조정

적층 오토인코더 설정

노이즈 제거 오토인코더 설정

확률 인코더와 디코더 생성과 비교

오토인코더 다양체 학습

희소 분해 평가



5장. 딥러닝 생성 모델

RBM과 주성분 분석 비교

베르누이 분포 입력 값의 RBM 설정

RBM 훈련

RBM 역방향 혹은 재구성 단계

재구성 CD 이해

새 텐서플로 세션 초기화와 시작

RBM 결과 평가

RBM 협동 필터링 설정

RBM 전체 훈련 수행

DBN 설정

피드포워드 역전달 신경망 구현

DRBM 설정



6장. 순환 신경망

기본 RNN 설정

양방향 RNN 모델 설정

심층 RNN 모델 설정

LSTM 기반 순차 모델 설정



7장. 강화 학습

소개

MDP 설정

모델 기반 학습 수행

모델 자유 학습 수행



8장. 텍스트 마이닝 딥러닝 응용

텍스트 데이터 전처리와 감정 추출

tf-idf를 사용한 문서 분석

LSTM 망을 사용한 감정 예측

text2vec를 사용한 응용



9장. 신호 처리 딥러닝 응용

음악 MIDI 파일 소개와 전처리

RBM 모델 개발

새 악보 생성



10장. 이전 학습

소개

사전 학습 모델 사용법 설명

이전 학습 모델 설정

이미지 분류 모델 개발

GPU 딥러닝 모델 학습

CPU와 GPU 성능 비교

PKS 프라카시 저자 PKS 프라카시 (PKS Prakash)

데이터 과학자이자 작가다. 지난 12년 동안 신체 건강, 제조, 의약, 전자거래 분야 주요 기업에서 데이터 과학을 이용한 해결책을 개발했다. 현재 ZS 어소시에이츠(Associates)에서 근무 중이다.

ZS는 세계에서 가장 큰 사업 서비스 회사 중 하나다. ZS는 고급 분석에 기반을 둔 데이터 주도 전략으로 고객이 사업에 성공하고 필요한 곳에 역량을 집중하게 돕는다. 데이터 주도 전략을 사용해 판매, 마케팅 부서의 경쟁력을 높일 수 있다.

위스콘신 메디슨(Wisconsin-Madison) 대학교에서 산업 및 시스템 엔지니어링으로 박사 학위를 취득했다. 그 후, 영국 워릭 대학교(University of Warwick)에서 두 번째 공학 박사 학위를 받았다. 미국 위스콘신 메디슨에서 석사 학위를 취득했고, 인도의 국립 제련 주조 공대(NIFFT, National Institute of Foundry and Forge Technology)에서 학사 학위를 받았다. 워릭 대학교에서 박사 과정 때 연구한 내용을 바탕으로 워릭 분석 회사(Warwick Analytics)를 공동 창업했다.

오퍼레이션 리서치(operational research)와 관리, 소프트 컴퓨팅(soft computing) 도구, 고급 알고리즘 등 폭넓은 연구 분야의 주요 학술지인 IEEE-Trans, EJOR, IJPR에 논문을 게재했다. 「Intelligent Approaches to Complex Systems」의 한 호를 편집했고, 『Evolutionary Computing in Advanced Manufacturing』(Wiley, 2011)에 감수자로 참여했으며 『R 데이터 구조와 알고리즘』(에이콘, 2017)의 공동 저자다.