서강대학교 로욜라도서관

탑메뉴

전체메뉴

전체메뉴닫기


검색

상세정보

미술관에 GAN 딥러닝 실전 프로젝트

Foster, David

상세정보
자료유형단행본
서명/저자사항미술관에 GAN 딥러닝 실전 프로젝트 / 데이비드 포스터 지음 ; 박해선 옮김
개인저자Foster, David
박해선, 역
발행사항서울 : 한빛미디어, 2019
형태사항356 p. : 삽화(주로천연색), 표 ; 24 cm
원서명Generative deep learning :teaching machines to paint, write, compose, and play
기타표제GAN으로 쓰기, 그리기, 게임하기, 작곡하기
ISBN9791162241080
일반주기 색인수록
본서는 "Generative deep learning : teaching machines to paint, write, compose, and play. 2019."의 번역서임
일반주제명Machine learning
Artificial intelligence
Neural networks (Computer science)
Generative programming (Computer science)
언어한국어

소장정보

서비스 이용안내
  • 찾지못한자료찾지못한자료
  • SMS발송SMS발송
메세지가 없습니다
No. 등록번호 청구기호 소장처/자료실 도서상태 반납예정일 예약 서비스
1 1355395 006.31 F754g K 1관4층 일반도서 대출중 2020-02-03 예약
SMS발송


서평 (0 건)

서평추가

서평추가
별점
별0점
  • 별5점
  • 별4.5점
  • 별4점
  • 별3.5점
  • 별3점
  • 별2.5점
  • 별2점
  • 별1.5점
  • 별1점
  • 별0.5점
  • 별0점
제목입력
본문입력

*주제와 무관한 내용의 서평은 삭제될 수 있습니다.

출판사 제공 책소개

출판사 제공 책소개 일부

창조에 다가서는 GAN의 4가지 생성 프로젝트

이 책은 케라스를 사용한 딥러닝 기초부터 AI 분야 최신 알고리즘까지 설명한다. 기계 스스로 그림을 그리고, 글을 쓰고, 음악을 작곡하고, 게임을 하는 딥러닝 생성 모델을 재현하는 과정에서 독자는 변이형 오토인코더(VAE), 생성적 적대 신경망(GAN), 인코더-디코더 모델, 월드 모델 등을 학습할 수 있다. 이 책에서 제시한 팁과 가이드로 모델을 효율적으로 학습시키고 창의적인 생성 모델을 만들 수 있다.

만들 수 없다면 이해하지 못한 것이다. (리처드 파인만)

최근 생성 모델링 분야에서 가장 널리 사용하고 창조적인 작업에서 인상적인 진전을 이루어낸 주요 기술을 다룹니다. 핵심적인 생성 모델링 이론을 살펴보고 논문에 소개된 일부 주요 모델에 예제를 만들고 단계별로 코드를 살펴봅니다.

주요 내용
● 변이형 오토인코더가 사진 속 얼굴 표정을 어떻게 바꾸는지 알아보기
● 스타일을 변경하는 CycleGAN과 음악을 생성하는 MuseGAN을 사용한 GAN 예제
● 텍스트를 생성하는 순환 생성 모델을...

출판사 제공 책소개 전체

창조에 다가서는 GAN의 4가지 생성 프로젝트

이 책은 케라스를 사용한 딥러닝 기초부터 AI 분야 최신 알고리즘까지 설명한다. 기계 스스로 그림을 그리고, 글을 쓰고, 음악을 작곡하고, 게임을 하는 딥러닝 생성 모델을 재현하는 과정에서 독자는 변이형 오토인코더(VAE), 생성적 적대 신경망(GAN), 인코더-디코더 모델, 월드 모델 등을 학습할 수 있다. 이 책에서 제시한 팁과 가이드로 모델을 효율적으로 학습시키고 창의적인 생성 모델을 만들 수 있다.

만들 수 없다면 이해하지 못한 것이다. (리처드 파인만)

최근 생성 모델링 분야에서 가장 널리 사용하고 창조적인 작업에서 인상적인 진전을 이루어낸 주요 기술을 다룹니다. 핵심적인 생성 모델링 이론을 살펴보고 논문에 소개된 일부 주요 모델에 예제를 만들고 단계별로 코드를 살펴봅니다.

주요 내용
● 변이형 오토인코더가 사진 속 얼굴 표정을 어떻게 바꾸는지 알아보기
● 스타일을 변경하는 CycleGAN과 음악을 생성하는 MuseGAN을 사용한 GAN 예제
● 텍스트를 생성하는 순환 생성 모델을 만들고 어텐션을 사용하여 모델 성능 향상시키기
● 생성 모델이 어떻게 강화학습 환경에서 작업을 완수하려는 에이전트를 돕는지 이해하기
● 트랜스포머(BERT, GPT-2), ProGAN, StyleGAN 같은 이미지 생성 모델의 구조 살펴보기

이 책의 구성

_1장 생성 모델링
기본적인 확률 모델을 사용한 첫 번째 예제를 살펴보고 생성 모델링 작업의 복잡도가 증가할 때 딥러닝이 필요한 이유를 분석해봅니다.

_2장 딥러닝
복잡한 생성 모델을 만들기 위해 필요한 딥러닝 도구와 기술을 소개합니다. 딥러닝 분야의 이론적 배경보다는 실용적인 가이드를 제공합니다.

_3장 변이형 오토인코더(VAE)
생성 딥러닝 모델인 변이형 오토인코더를 살펴봅니다. 실제와 같은 얼굴을 생성할 뿐만 아니라 기존 이미지를 변경합니다.

_4장 생성적 적대 신경망(GAN)
생성적 적대 신경망을 살펴봅니다. 모델을 세부 튜닝하는 방법과 생성 모델링 영역을 지속적으로 확장하는 새로운 기법을 알아봅니다.

_5장 그리기
GAN 구조를 사용하여 모델이 사진을 특정 스타일의 그림으로 (또는 그 반대로) 변환하는 CycleGAN을 배웁니다. 또한 그림의 스타일을 사진으로 전달하여 마치 동일한 화가가 그린 듯한 효과를 내는 뉴럴 스타일 트랜스퍼 기술도 살펴봅니다.

_6장 쓰기
순차 데이터가 포함된 문제를 다루는 순환 신경망(RNN) 구조를 소개합니다. 또한 인코더-디코더 구조의 작동 원리를 알아보고 간단한 질문-대답 생성기를 만듭니다.

_7장 작곡하기
텍스트 생성 문제에 사용한 여러 기술을 확장하고 음악 데이터를 적용한 딥러닝 구조인 MuseGAN을 살펴봅니다.

_8장 게임하기
생성 모델을 강화학습 같은 머신러닝 도메인에 사용할 수 있는지 알아봅니다. 에이전트가 주어진 환경에서 생성 모델을 훈련하는 방법을 소개합니다.

_9장 생성 모델링의 미래
생성 모델링 분야를 요약하고 이 책에서 소개한 기술을 정리합니다. 전망을 조망하고 오늘날 가능한 최고의 기술이 창의성을 바라보는 방식을 어떻게 바꾸는지 살펴봅니다.
이전 다음
이전 다음

함께 비치된 도서