강릉원주대학교 전자책도서관

책소개

딥러닝을 활용한 웹 애플리케이션 개발의 기초와 응용

웹 프로그래밍과 인공지능의 만남이 시작되는 책!

딥러닝과 웹 개발, 두 기술 모두 성숙 단계에 접어들었고, 이들이 만난다면 누구도 상상하지 못한 환상적인 애플리케이션을 만들 수 있다. 『딥러닝 인 더 브라우저』는 기본적인 웹 프로그래밍과 더불어 WebGL 등을 사용한 자바스크립트 딥러닝 프레임워크 사용법을 설명한다. 브라우저와 딥러닝의 만남은 아직 걸음마 수준에 불과하지만, 하루가 다르게 눈부시게 발전하고 있다. 지금이야말로 시작하기 가장 좋을 때이다. 이 책과 함께 놀라운 딥러닝의 세계를 느껴보자.

저자소개

저 : 자비에르 보우리 (Xavier Bourry)

StartupJeeliz의 대표 겸 CTO이자 딥러닝 전문가다.

저 : 카이 사사키 (Kai Sasaki)

ARM의 시니어 소프트웨어 개발자이며, Apache Hivemall의 오픈 소스 커미터로 활동하고 있다.

저 : 크리스토프 코너 (Christoph Korner)

마이크로소프트 아일랜드에서 TSP 데이터 및 인공지능 처리 업무를 담당하고 있다.

저 : 레이이치로 나카노 (Reiichiro Nakano)

Infostellar의 소프트웨어 개발자이자 머신러닝 전문가다.

역 : 이수진

대학에서 작곡을 공부하던 중 기술과 예술의 만남을 목격하고 웹 기술에 매료되어 드넓은 IT 세상에 뛰어들었다. 예술가가 펼치는 아름다운 색과 선율처럼 코드로 독창적이고 생동감 넘치는 웹을 만들고 싶은 소프트웨어 엔지니어다. 싱가포르 국영 언론사에서 다수의 데이터 분석 및 시각화 프로젝트를 진행했다. 현재는 베를린의 핀테크 스타트업에서 리액트 개발을 하고 있으며, 딥러닝 모델을 활용한 인터랙티브 웹 개발에 많은 관심을 기울이고 있다.

CHAPTER 1 딥러닝 소개

1.1 신경망을 위한 기초 수학

1.1.1 단층 퍼셉트론

1.1.2 다층 퍼셉트론

1.1.3 합성곱 계층과 풀링층

1.1.4 활성화 함수

1.2 뉴럴 네트워크

1.2.1 손실 함수의 중요성

1.2.2 정규화

1.2.3 역전파 알고리즘

1.2.4 최적화 방법

1.3 정리

CHAPTER 2 신경망 구조

2.1 합성곱 신경망

2.1.1 AlexNet

2.1.2 GoogLeNet

2.1.3 ResNet

2.1.4 SqueezeNet

2.2 순환 신경망

2.2.1 LSTM

2.2.2 GRU

2.3 강화 학습

2.3.1 DQN

2.4 정리

CHAPTER 3 자바스크립트 딥러닝 프레임워크

3.1 TensorFlow.js

3.1.1 TensorFlow.js 시작하기

3.1.2 XOR 문제

3.1.3 XOR 문제 해결

3.1.4 네트워크 구조

3.1.5 텐서

3.1.6 연산

3.1.7 학습

3.1.8 TensorFlow.js 생태계

3.2 WebDNN

3.3 Keras.js

3.4 정리

CHAPTER 4 딥러닝을 위한 자바스크립트 기초

4.1 자바스크립트 형식화 배열

4.1.1 ArrayBuffer

4.1.2 DataView

4.2 자바스크립트 동시성

4.2.1 자바스크립트 이벤트 루프

4.2.2 Promise 비동기 함수

4.2.3 async/await 비동기 함수

4.2.4 웹워커를 사용한 멀티스레딩

4.2.5 딥러닝 애플리케이션을 위한 프로세싱 반복 처리

4.3 CPU/GPU에서 리소스 로드하기

4.3.1 Fetch API

4.3.2 레이블 인코딩

4.3.3 원-핫 인코딩

4.4 정리

CHAPTER 5 WebGL을 이용한 GPU 가속화

5.1 WebGL 기초

5.1.1 WebGL 작업 흐름

5.1.2 프래그먼트 셰이더 렌더링

5.2 일반적인 WebGL 사용

5.2.1 WebGL 디버깅

5.2.2 텍스처 렌더링

5.2.3 정밀도

5.2.4 최적화

5.2.5 부동소수점 스페셜

5.2.6 CPU에서 GPU로 또는 GPU에서 CPU로

5.3 행렬 연산을 위한 텍스처와 셰이더

5.3.1 행렬의 덧셈

5.3.2 행렬의 곱셈

5.3.3 활성화 함수

5.3.4 WGLMatrix 메서드

5.4 손글씨 인식 애플리케이션

5.4.1 데이터 인코딩

5.4.2 메모리 최적화

5.4.3 피드포워드

5.4.4 첫 번째 시도

5.4.5 성능 향상

5.5 정리

CHAPTER 6 웹브라우저에서의 데이터 추출

6.1 이미지 데이터 로딩

6.1.1 이미지에서 픽셀 추출하기

6.1.2 원격 리소스 로드하기

6.1.3 이진 블랍 가져오기

6.2 픽셀 데이터를 화면에 렌더링하기

6.2.1 이미지 보여주기

6.2.2 픽셀 데이터를 캔버스에 렌더링하기

6.2.3 이미지 데이터 보간

6.2.4 캔버스에 도형 그리기

6.3 카메라, 마이크, 스피커 사용하기

6.3.1 웹캠에서 이미지 캡처하기

6.3.2 마이크로 오디오 레코딩하기

6.3.3 사운드 파일의 로딩, 디코딩, 출력

6.4 딥러닝 프레임워크의 유틸리티 도구

6.4.1 TensorFlow.js

6.4.2 Keras.js

6.4.3 WebDNN

6.5 정리

CHAPTER 7 고급 데이터 조작을 위한 레시피

7.1 Protobuf 직렬화

7.1.1 Caffe 모델 파라미터 파싱하기

7.1.2 텐서플로 그래프 파싱

7.1.3 부동소수점 정밀도

7.2 Chart.js 차트 구현

7.2.1 차트 유형 살펴보기

7.2.2 데이터 세트 구성

7.2.3 데이터 업데이트

7.2.4 옵션과 구성 설정

7.3 캔버스를 활용한 스케치

7.3.1 캔버스에 그림 그리기

7.3.2 펜 스트로크 추출하기

7.4 마이크에서 스펙토그램 계산하기

7.5 얼굴 감지 및 추적

7.5.1 Jeeliz FaceFilter를 사용한 얼굴 추적

7.5.2 Tracking.js로 얼굴 추적하기

7.5.3 크롬 얼굴 인식 API

7.6 정리

CHAPTER 8 TensorFlow.js 애플리케이션 개발

8.1 TensorFlow.js를 활용한 동작 분류

8.1.1 알고리즘

8.1.2 TensorFlow.js 프로젝트 시작하기

8.1.3 KNN 분류기 설정

8.1.4 TensorFlow.js 프로세싱 루프

8.1.5 정리

8.2 TensorFlow.js를 활용한 텍스트 생성 애플리케이션 개발

8.2.1 알고리즘

8.2.2 케라스 모델

8.2.3 케라스 모델을 TensorFlow.js 모델로 변환하기

8.2.4 프로젝트 설치하기

8.2.5 TensorFlow.js로 케라스 모델 가져오기

8.2.6 TensorFlow.js 프로세싱 반복문

8.2.7 모델 입력 구성하기

8.2.8 예측 구현

8.2.9 모델 출력 샘플링

8.2.10 마치며

8.3 TensorFlow.js를 활용한 이미지 노이즈 제거

8.3.1 알고리즘

8.3.2 케라스 모델을 TensorFlow.js 모델로 변환하기

8.3.3 프로젝트 설치

8.3.4 초기화

8.3.5 애플리케이션 동작 흐름

8.3.6 테스트 이미지 불러오기

8.3.7 노이즈 업데이트

8.3.8 이미지 노이즈가 제거된 이미지 생성하기

8.3.9 이미지 노이즈 제거

8.3.10 초기화 함수

8.3.11 마치며

8.4 정리

8.5 맺음말

찾아보기

책소개

저자소개

목차

한줄평