알라딘

헤더배너
상품평점 help

분류

이름:다타라지 재그디시 라오

최근작
2021년 6월 <케라스부터 쿠버네티스까지>

케라스부터 쿠버네티스까지

환영한다! 이 책은 머신러닝(ML, Machine Learning)과 딥러닝(DL, Deep Learning)의 여러 주제를 실무자의 관점에서 소개하고 있다. 이 기법들의 작동 원리와 관련된 핵심 알고리즘의 기본 개념에 관해 설명하고자 했다. 이러한 기법을 사용해 현실 세계의 시스템을 구축하는 것에 주안점을 뒀다. 많은 머신러닝 및 딥러닝 서적이 알고리즘을 심도 있게 다루고 있으나, 그 알고리즘들을 프로덕션 시스템으로 배포하기 위한 분명한 방법을 보여주지는 않는다. 또한 이러한 인공지능(AI, Artificial Intelligence) 시스템을 빅데이터(Big Data)라고도 하는 대규모의 데이터를 처리하도록 확장하는 방법과 관련한 이해에 있어서는 커다란 격차가 있음을 종종 목격하게 된다. 오늘날 우리에게는 소프트웨어 코드를 패키징하고 대규모 사내 시스템 또는 클라우드 시스템에 완벽히 배포하는 것을 도와주는 도커(Docker)나 쿠버네티스(Kubernetes) 같은 시스템이 있다. 쿠버네티스는 확장, 장애 극복, 부하 균형, 네트워킹, 스토리지, 보안 같은 하위 수준의 모든 인프라스트럭처 관련 사항을 관리한다. 이 책에서 머신러닝 및 딥러닝 프로젝트에서 쿠버네티스가 제공하는 풍부한 기능을 이용하는 방법을 보여줄 것이다. 아울러 머신러닝 및 딥러닝 알고리즘을 규모에 맞춰 배포하는 것과 대규모 데이터를 처리하기 위한 요령에 초점을 맞출 것이다. 또한 널리 사용하는 알고리즘에 대해 설명하고 이를 사용해 시스템을 구축하는 방법을 보여줄 것이다. 이 책에 포함된 코드 예제들에는 독자가 쉽게 이해하고 사례를 재현할 수 있도록 가능한 한 상세하게 설명했다. 이미지를 로드해 유명 브랜드의 로고를 분류하는 딥러닝 모델을 예제로 사용한다. 그런 다음 이 모델을 분산 클러스터에 배포해 클라이언트들의 대규모 요구를 처리할 수 있게 한다. 이 예제는 딥러닝 모델을 구축하고 프로덕션 시스템으로 배포하기 위한 종단간 접근법(End-to-end Approach)을 알려준다. 또한 이 책에서 깊이 다루지 않는 주제들의 세부적인 내용을 다루는 서적과 웹사이트에 관한 참조를 제공한다.

가나다별 l l l l l l l l l l l l l l 기타
국내문학상수상자
국내어린이문학상수상자
해외문학상수상자
해외어린이문학상수상자