close
더북(TheBook)
search
신경망 교과서
더북(TheBook)
home
Home
1장 머신 러닝과 신경망 개론
1.1 머신 러닝이란?
1.1.1 머신 러닝 알고리즘
1.1.2 머신 러닝 워크플로
1.2 머신 러닝 환경 셋업
1.3 신경망
1.3.1 신경망이 뛰어난 이유
1.3.2 신경망 기본 아키텍처
1.3.3 파이썬만으로 신경망 만들기
1.3.4 딥러닝과 신경망
1.4 판다스: 파이썬 데이터 분석 도구
1.4.1 판다스 DataFrame
1.4.2 판다스를 활용한 데이터 시각화
1.4.3 판다스를 활용한 데이터 전처리
1.5 텐서플로와 케라스
1.5.1 케라스의 기본 빌딩 블록
1.5.2 케라스로 신경망 만들기
1.6 기타 파이썬 라이브러리
1.7 마무리
2장 다중 레이어 퍼셉트론을 사용한 당뇨 예측
2.1 실습 환경 설정
2.2 당뇨병 예측
2.3 의료 분야의 인공 지능
2.3.1 진단 자동화
2.4 당뇨병 데이터셋
2.5 탐색적 데이터 분석
2.6 데이터 전처리
2.6.1 결측값 처리
2.6.2 데이터 표준화
2.6.3 데이터셋 분할
2.7 다중 레이어 퍼셉트론
2.7.1 모델 아키텍처
2.8 케라스 모델 만들기
2.8.1 모델 구성
2.8.2 모델 컴파일
2.8.3 모델 훈련
2.9 결과 분석
2.9.1 테스트 정확도
2.9.2 혼동 행렬
2.9.3 ROC 곡선
2.9.4 모델 개선
2.10 마무리
2.11 복습
3장 심층 전방향 신경망을 사용한 택시 요금 예측
3.1 실습 환경 설정
3.2 뉴욕시 택시 요금 예측
3.3 뉴욕시 택시 요금 데이터셋
3.4 탐색적 데이터 분석
3.4.1 위치 데이터 시각화
3.4.2 요일 및 시간별 승차 통계
3.5 데이터 전처리
3.5.1 결측값 및 이상치 처리
3.6 특징 공학
3.6.1 시간 관련 변수
3.6.2 위치 특징 변수
3.7 변수 스케일링
3.8 심층 전방향 신경망
3.8.1 모델 아키텍처
3.8.2 회귀 손실 함수
3.9 케라스로 모델 만들기
3.10 결과 분석
3.11 예제 코드 정리
3.12 마무리
3.13 복습
previous
next
slide 1 of 18
, currently active
slide 2 of 18
slide 3 of 18
slide 4 of 18
slide 5 of 18
slide 6 of 18
slide 7 of 18
slide 8 of 18
slide 9 of 18
slide 10 of 18
slide 11 of 18
slide 12 of 18
slide 13 of 18
slide 14 of 18
slide 15 of 18
slide 16 of 18
slide 17 of 18
slide 18 of 18
차트를 그린 결과는 다음과 같다.
▲ 그림 2-5
각 특징 변수의 밀도 차트 1
▲ 그림 2-6
각 특징 변수의 밀도 차트 2
Prev
BUY
Next
신간 소식 구독하기
뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.
Email address
