모두의 딥러닝 개정2판
딥러닝 기초부터 최신 트렌드까지 한 권으로 공부하자
그동안 딥러닝 입문서로 제 역할을 톡톡히 해낸 『모두의 딥러닝』이 최근 주목받는 주제들을 담아 기존 내용을 보강하여 개정 2판으로 돌아왔다. 초판에서 다루지 않았던 GAN, 오토인코더, 자연어 처리, 전이 학습 등 새로운 내용을 수록하였고, 딥러닝을 공부하면서 나오는 수식을 좀 더 수월하게 이해할 수 있도록 기초 수학편을 추가했다. 복잡한 수식은 최대한 걷어내고 기본 동작 원리 → 딥러닝 이론 → 딥러닝 활용 → 심화까지 단계별로 학습할 수 있게 구성했으며, 실전 프로젝트를 통해 다양한 딥러닝 모델을 구현해 볼 수 있다. 이 책이 딥러닝 세계로 입문하려는 여러분의 첫걸음을 도와줄 것이다.
목차
- 이 책의 구성과 활용법
- 첫째 마당 딥러닝 시작을 위한 준비 운동
- 1장 나의 첫 딥러닝
- 1 딥러닝 실행을 위한 준비 사항
- 2 딥러닝 작업 환경 만들기
- 3 미지의 일을 예측하는 원리
- 4 폐암 수술 환자의 생존율 예측하기
- 5 딥러닝의 개괄 잡기
- 2장 딥러닝을 위한 기초 수학
- 1 일차 함수, 기울기와 y 절편
- 2 이차 함수와 최솟값
- 3 미분, 순간 변화율과 기울기
- 4 편미분
- 5 지수와 지수 함수
- 6 시그모이드 함수
- 7 로그와 로그 함수
- 둘째 마당 딥러닝의 동작 원리
- 3장 가장 훌륭한 예측선 긋기: 선형 회귀
- 1 선형 회귀의 정의
- 2 가장 훌륭한 예측선이란?
- 3 최소 제곱법
- 4 코딩으로 확인하는 최소 제곱
- 5 평균 제곱 오차
- 6 잘못 그은 선 바로잡기
- 7 코딩으로 확인하는 평균 제곱 오차
- 4장 오차 수정하기: 경사 하강법
- 1 경사 하강법의 개요
- 2 학습률
- 3 코딩으로 확인하는 경사 하강법
- 4 다중 선형 회귀란
- 5 코딩으로 확인하는 다중 선형 회귀
- 5장 참 거짓 판단 장치: 로지스틱 회귀
- 1 로지스틱 회귀의 정의
- 2 시그모이드 함수
- 3 오차 공식
- 4 로그 함수
- 5 코딩으로 확인하는 로지스틱 회귀
- 6 로지스틱 회귀에서 퍼셉트론으로
- 셋째 마당 신경망의 이해
- 6장 퍼셉트론
- 1 가중치, 가중합, 바이어스, 활성화 함수
- 2 퍼셉트론의 과제
- 3 XOR 문제
- 7장 다층 퍼셉트론
- 1 다층 퍼셉트론의 설계
- 2 XOR 문제의 해결
- 3 코딩으로 XOR 문제 해결하기
- 8장 오차 역전파
- 1 오차 역전파의 개념
- 2 코딩으로 확인하는 오차 역전파
- 9장 신경망에서 딥러닝으로
- 1 기울기 소실 문제와 활성화 함수
- 2 속도와 정확도 문제를 해결하는 고급 경사 하강법
- 넷째 마당 딥러닝 기본기 다지기
- 10장 모델 설계하기
- 1 모델의 정의
- 2 입력층, 은닉층, 출력층
- 3 모델 컴파일
- 4 교차 엔트로피
- 5 모델 실행하기
- 11장 데이터 다루기
- 1 딥러닝과 데이터
- 2 피마 인디언 데이터 분석하기
- 3 pandas를 활용한 데이터 조사
- 4 데이터 가공하기
- 5 matplotlib를 이용해 그래프로 표현하기
- 6 피마 인디언의 당뇨병 예측 실행
- 12장 다중 분류 문제 해결하기
- 1 다중 분류 문제
- 2 상관도 그래프
- 3 원-핫 인코딩
- 4 소프트맥스
- 5 아이리스 품종 예측 실행
- 13장 과적합 피하기
- 1 데이터의 확인과 실행
- 2 과적합 이해하기
- 3 학습셋과 테스트셋
- 4 모델 저장과 재사용
- 5 k겹 교차 검증
- 14장 베스트 모델 만들기
- 1 데이터의 확인과 실행
- 2 모델 업데이트하기
- 3 그래프로 확인하기
- 4 학습의 자동 중단
- 15장 선형 회귀 적용하기
- 1 데이터 확인하기
- 2 선형 회귀 실행
- 다섯째 마당 딥러닝의 활용
- 16장 이미지 인식의 꽃, CNN 익히기
- 1 데이터 전처리
- 2 딥러닝 기본 프레임 만들기
- 3 더 깊은 딥러닝
- 4 컨볼루션 신경망(CNN)
- 5 맥스 풀링
- 6 컨볼루션 신경망 실행하기
- 17장 딥러닝을 이용한 자연어 처리
- 1 텍스트의 토큰화
- 2 단어의 원-핫 인코딩
- 3 단어 임베딩
- 4 텍스트를 읽고 긍정, 부정 예측하기
- 18장 시퀀스 배열로 다루는 순환 신경망(RNN)
- 1 LSTM을 이용한 로이터 뉴스 카테고리 분류하기
- 2 LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기
- 19장 세상에 없는 얼굴 GAN, 오토인코더
- 1 가짜 제조 공장, 생성자
- 2 진위를 가려내는 장치, 판별자
- 3 적대적 신경망 실행하기
- 4 이미지의 특징을 추출하는 오토인코더
- 20장 전이 학습을 통해 딥러닝의 성능 극대화하기
- 1 소규모 데이터셋으로 만드는 강력한 학습 모델
- 2 전이 학습으로 모델 성능 극대화하기
- 3 맺음말
- 심화 학습
- 심화 학습1 오차 역전파의 계산법
- 1 출력층의 오차 업데이트
- 2 오차 공식
- 3 체인 룰
- 4 체인 룰 계산하기
- 5 가중치 업데이트하기
- 6 은닉층의 오차 업데이트
- 7 은닉층의 오차 계산 방법
- 8 델타 식
- 심화 학습 2 파이썬 코드로 확인하는 신경망
- 1 환경 변수 설정하기
- 2 신경망의 실행
- 부록
- 부록 A 구글 코랩과 파이참에서 딥러닝 실행하기
- 1 구글 코랩
- 부록 B 잘 알려지지 않은 딥러닝의 시작에 관한 이야기