입문자를 위한 천체 사진 촬영법 1: DSLR 카메라 편 또는 러닝 레이 > NEW도서

입문자를 위한 천체 사진 촬영법 1: DSLR 카메라 편



도서명 : 입문자를 위한 천체 사진 촬영법 1: DSLR 카메라 편
저자/출판사 : 조용현, 이비락
쪽수 : 304쪽
출판일 : 2024-02-26
ISBN : 9788962452211
정가 : 28000

머리말_ 밤하늘의 천체와 교감할 수 있는 당신이 될 수 있기를 바라며

Part01 DSLR, 우주의 빛을 담다

01 어떤 빛을 선택할까?
천체 사진 촬영, 우주의 빛을 담다
순수한 우주의 빛을 찾아서
지구, 행성에서 별로 변해 가는가?

02 어디에 빛을 담을 것인가?
빛을 담을 도구의 선택
천체 사진 왕초보의 당연한 실패의 길
천체 사진 촬영의 첫 고민, 카메라의 선택

03 어떻게 빛을 담을까?
베란다를 촬영 연습공간으로 활용하기
왕초보에서 초보로 가는 도구들
초보가 찍을 수 있는 멋진 천체 사진
[Tip] 멋진 일주운동을 촬영하려면
일주운동 촬영의 브레인
[Tip] Startrails(스타트레일스)의 세계

04 어떤 캔버스에 밤하늘을 담을까?
천세 사진 촬영 시 고려해야 할 것들
화폭을 결정하는 요소들
저렴한 렌즈 세트로 천체 사진 촬영 즐기기
망원경이 필요할 때
[Tip] 카메라 렌즈와 천체망원경의 배율 계산

05 디지털 카메라의 인사이드
디지털 카메라의 시작
초보자도 알아야할 디지털 카메라의 인사이드
[Tip] 천체 사진과 디지털 카메라
천체 사진 촬영에 적합한 카메라 설정
밤을 지새울 카메라의 에너지원

06 실전! 춥고 어두운 관측지로 들어가 보자
일기예보와 친해야 할 이유
[Tip] 기상 위성사진 분석
카메라와 삼각대로 그려보는 밤하늘 풍경
맨눈으로 만나는 은하수
[Tip] 디퓨져 필터란?
DSLR로 도전하는 딥스카이 천체
[Tip] 500의 법칙
실전! 초보자, 겨울 밤하늘 촬영에 나서다
천체 촬영을 통해 배우는 것

07 초보자의 천체 사진 리뷰
안타레스 주변부의 성운과 구상성단 M4
계룡산 갑사 입구에서 본 오리온자리와 플레이아데스성단
독수리자리 주변 은하수와 천체사진가
서호주 은하수와 마젤란성운 형제
북악으로 내리는 별비

Part02 DSLR, 천체망원경을 만나다

01 달의 맨 얼굴을 들여다 보자
용도에 맞는 카메라 찾기
망원경에 카메라를 달자
[Tip] 어포컬(Afocal, 콜리메이트) 촬영법
천체망원경의 종류
[Tip] 천체망원경의 성능을 판단하는 3가지 요소
모든 망원경이 달을 담지는 못한다
아쉬움에서 얻는 교훈

02 적도의로 초보 딱지를 떼자
적도의가 삐딱한 이유
[Tip] 짧은 노출 촬영을 위한 극축 정렬
꼭 알아야 할 적경, 극축 정렬에 관한 이론, 적도의 구조
정교한 극출 정렬 방법의 이해
별자리 사진으로 사계절 밤하늘을 읽자
가을부터 봄까지 즐기는 산개성단 관측 릴레이
[Tip] 스타호핑(Star Hopping)
광해와 밤하늘의 색상 변화
계절 별자리
천체 사진의 꽃, 추적 촬영
적도의에 엔진을 달자
초보 생활을 마치고 추적 촬영의 세계로
렌즈를 사용한 광시야 추적 촬영
망원경을 사용한 추적 촬영
[Tip] 천체망원경의 f수, 그리고 확대율

03 태양계를 벗어나 보자
[Tip] 딥스카이 천체(DOS)란?
태양계 행청 촬영이 어려운 이유
우리은하의 심연으로 안내하는 천체망원경
안드로메다로 가는 망원경 고르기

04 적도의, 컴퓨터를 만나다
천체 관측 지원용 프로그램
노트북 PC를 이용한 적도의와 스태리나잇 프로 연동과정 따라하기
가이드 프로그램을 이용한 오토가이드 설정 따라하기
천체 사진을 위한 DSLR 카메라의 악전고투
DSLR 카메라로 담은 밤하늘의 명작들
[Tip] 메시에 목록
[Tip] 올베르스의 역설
딥스카이 천체 촬영과 DSLR 카메라
디지털 카메라 조작의 실체
천체 사진가들과의 만남

05 디지털 이미지 현상하기
이미지 파일 형식, 그리고 RAW 파일과 친해지기
디카로 촬영한 사진 이미지 처리 과정
DSLR 카메라로 촬영한 이미지 다크프레임 처리하기
DSLR 카메라로 촬영한 이미지의 플랫프레임 처리하기
[Tip] 혹시 천체 사진을 포토샵으로 수정해 그리는 것은 아닌가요?

06 중급자의 천체 사진 리뷰
남반구의 거대 성운 에타 카리나(NGC 3372)
남반구의 거대 성단 오메가 센타우리(NGC 5139)
천체 사진가들의 실습 입문대상 오리온성운(M42)
은화 한 닢 같은 나선은하 NGC 253
지구 그림자 속으로 숨어드는 수줍은 보름달

부록 - 별자리 정보&메시에 목록
찾아보기




러닝 레이



도서명 : 러닝 레이
저자/출판사 : 막스 펌펄라 , 에드워드 옥스 , 리차드 리우, 한빛미디어
쪽수 : 292쪽
출판일 : 2024-01-29
ISBN : 9791169211949
정가 : 25000

Chapter 1 레이 살펴보기
1.1 레이는 무엇인가?
_1.1.1 레이가 추구하는 목적
_1.1.2 레이의 디자인 철학
_1.1.3 레이의 3가지 계층: 코어, 라이브러리, 생태계
1.2 분산 컴퓨팅 프레임워크
1.3 데이터 과학 라이브러리
_1.3.1 데이터 과학 워크플로
_1.3.2 데이터 처리
_1.3.3 모델 학습
_1.3.4 하이퍼파라미터 튜닝
_1.3.5 모델 서빙
1.4 성장하는 생태계
1.5 요약

Chapter 2 레이 코어로 시작하는 분산 컴퓨팅
2.1 레이 코어 소개
_2.1.1 레이 API를 활용한 첫 번째 예시
_2.1.2 레이 API 개요
2.2 레이 시스템 컴포넌트
_2.2.1 노드에서 태스크 스케줄링 및 실행
_2.2.2 헤드 노드
_2.2.3 분산된 스케줄링과 실행
2.3 레이를 사용한 간단한 맵리듀스 예시
_2.3.1 매핑과 셔플
_2.3.2 단어 수 축소(리듀스 단계)
2.4 요약

Chapter 3 분산 애플리케이션 개발
3.1 강화학습 소개
3.2 간단한 미로 문제 설정
3.3 시뮬레이션 구현
3.4 강화학습 모델 훈련
3.5 레이 분산 애플리케이션 구축
3.6 강화학습 용어 요약
3.7 요약

Chapter 4 레이 RLlib을 활용한 강화학습
4.1 RLlib 개요
4.2 RLlib 시작하기
_4.2.1 Gym 환경 구축
_4.2.2 RLlib CLI
_4.2.3 RLlib 파이썬 API
4.3 RLlib 실험 구성
_4.3.1 리소스 구성
_4.3.2 롤아웃 워커 구성
_4.3.3 환경 구성
4.4 RLlib 환경
_4.4.1 RLlib 환경 개요
_4.4.2 다중 에이전트
_4.4.3 정책 서버와 클라이언트 작동
4.5 고급 개념
_4.5.1 고급 환경 구축
_4.5.2 커리큘럼 학습 적용
_4.5.3 오프라인 데이터 작업
_4.5.4 다른 고급 주제
4.6 요약

Chapter 5 레이 튠을 활용한 하이퍼파라미터 최적화
5.1 하이퍼파라미터 튜닝
_5.1.1 레이를 사용한 랜덤 서치
_5.1.2 HPO가 어려운 이유
5.2 튠 소개
_5.2.1 튠의 작동 방식
_5.2.2 튠의 구성과 실행
5.3 튠을 활용한 머신러닝
_5.3.1 튠을 활용한 RLlib
_5.3.2 케라스 모델 튜닝
5.4 요약

Chapter 6 레이 데이터셋을 활용한 데이터 분산 처리
6.1 레이 데이터셋
_6.1.1 레이 데이터셋 기초
_6.1.2 레이 데이터셋 연산
_6.1.3 데이터셋 파이프라인
_6.1.4 예시: 병렬 분류기 복사본 훈련
6.2 외부 라이브러리 통합
6.3 머신러닝 파이프라인 구축
6.4 요약

Chapter 7 레이 트레인을 활용한 분산 모델 훈련
7.1 분산 모델 훈련의 기초
7.2 예시를 통한 레이 트레인 소개
_7.2.1 뉴욕시 택시 승차 시 팁 예측
_7.2.2 로드, 전처리, 피처화
_7.2.3 딥러닝 모델 정의
_7.2.4 레이 트레인을 활용한 모델 훈련
_7.2.5 분산 배치 추론
7.3 레이 트레인의 트레이너
_7.3.1 레이 트레인으로 마이그레이션
_7.3.2 트레이너 스케일 아웃
_7.3.3 레이 트레인을 활용한 전처리
_7.3.4 트레이너와 레이 튠의 통합
_7.3.5 콜백을 사용한 학습 모니터링
7.4 요약

Chapter 8 레이 서브를 활용한 온라인 추론
8.1 온라인 추론의 주요 특징
_8.1.1 계산 집약적 머신러닝 모델
_8.1.2 고립된 상태에서 유용하지 않은 머신러닝 모델
8.2 레이 서브 소개
_8.2.1 아키텍처 개요
_8.2.2 기본 HTTP 엔드포인트 정의
_8.2.3 확장 및 리소스 할당
_8.2.4 요청 배치 처리
_8.2.5 멀티모델 추론 그래프
8.3 엔드 투 엔드 예시: 자연어 처리 기반 API 구축
_8.3.1 콘텐츠 가져오기 및 전처리
_8.3.2 NLP 모델
_8.3.3 HTTP 처리 및 드라이버 로직
_8.3.4 통합
8.4 요약

Chapter 9 레이 클러스터를 활용한 스케일링
9.1 수동으로 레이 클러스터 생성
9.2 쿠버네티스에 배포
_9.2.1 첫 번째 쿠브레이 클러스터 설정
_9.2.2 쿠브레이 클러스터와 상호작용
_9.2.3 쿠브레이 노출
_9.2.4 쿠브레이 구성
_9.2.5 쿠브레이 로깅 구성
9.3 레이 클러스터 런처
_9.3.1 레이 클러스터 구성
_9.3.2 클러스터 런처 CLI
_9.3.3 레이 클러스터와 상호작용
9.4 클라우드 클러스터
_9.4.1 AWS
_9.4.2 기타 클라우드 제공자
9.5 오토스케일링
9.6 요약

Chapter 10 레이 AIR로 구성하는 데이터 과학 워크플로
10.1 AIR를 사용하는 이유
10.2 예시로 살펴보는 AIR의 핵심
_10.2.1 레이 데이터셋과 전처리기
_10.2.2 트레이너
_10.2.3 튜너와 체크포인트
_10.2.4 배치 예측기
_10.2.5 배포
10.3 AIR에 적합한 워크로드
_10.3.1 AIR 워크로드 실행
_10.3.2 AIR 메모리 관리
_10.3.3 AIR 고장 모델
_10.3.4 AIR 워크로드 오토스케일링
10.4 요약

Chapter 11 레이 생태계와 그 너머
11.1 성장하는 생태계
_11.1.1 데이터 로드와 처리
_11.1.2 모델 훈련
_11.1.3 모델 서빙
_11.1.4 커스텀 통합
_11.1.5 레이 통합 개요
11.2 레이 외 시스템
_11.2.1 분산 파이썬 프레임워크
_11.2.2 레이 AIR와 더 넓은 생태계
_11.2.3 AIR를 머신러닝 플랫폼에 통합하는 방법
11.3 앞으로 살펴볼만한 주제
11.4 요약