더북(TheBook)

딥러닝 파이토치 교과서

더북(TheBook)

Home 1장 머신 러닝과 딥러닝 1.1 인공지능, 머신 러닝과 딥러닝 1.2 머신 러닝이란 1.2.1 머신 러닝 학습 과정 1.2.2 머신 러닝 학습 알고리즘 1.3 딥러닝이란 1.3.1 딥러닝 학습 과정 1.3.2 딥러닝 학습 알고리즘 2장 실습 환경 설정과 파이토치 기초 2.1 파이토치 개요 2.1.1 파이토치 특징 및 장점 2.1.2 파이토치의 아키텍처 2.2 파이토치 기초 문법 2.2.1 텐서 다루기 2.2.2 데이터 준비 2.2.3 모델 정의 2.2.4 모델의 파라미터 정의 2.2.5 모델 훈련 2.2.6 모델 평가 2.2.7 훈련 과정 모니터링 2.3 실습 환경 설정 2.3.1 아나콘다 설치 2.3.2 가상 환경 생성 및 파이토치 설치 2.4 파이토치 코드 맛보기 3장 머신 러닝 핵심 알고리즘 3.1 지도 학습 3.1.1 K-최근접 이웃 3.1.2 서포트 벡터 머신 3.1.3 결정 트리 3.1.4 로지스틱 회귀와 선형 회귀 3.2 비지도 학습 3.2.1 K-평균 군집화 3.2.2 밀도 기반 군집 분석 3.2.3 주성분 분석(PCA) 4장 딥러닝 시작 4.1 인공 신경망의 한계와 딥러닝 출현 4.2 딥러닝 구조 4.2.1 딥러닝 용어 4.2.2 딥러닝 학습 4.2.3 딥러닝의 문제점과 해결 방안 4.2.4 딥러닝을 사용할 때 이점 4.3 딥러닝 알고리즘 4.3.1 심층 신경망 4.3.2 합성곱 신경망 4.3.3 순환 신경망 4.3.4 제한된 볼츠만 머신 4.3.5 심층 신뢰 신경망 4.4 우리는 무엇을 배워야 할까? 5장 합성곱 신경망 I 5.1 합성곱 신경망 5.1.1 합성곱층의 필요성 5.1.2 합성곱 신경망 구조 5.1.3 1D, 2D, 3D 합성곱 5.2 합성곱 신경망 맛보기 5.3 전이 학습 5.3.1 특성 추출 기법 5.3.2 미세 조정 기법 5.4 설명 가능한 CNN 5.4.1 특성 맵 시각화 5.5 그래프 합성곱 네트워크 5.5.1 그래프란 5.5.2 그래프 신경망 5.5.3 그래프 합성곱 네트워크 6장 합성곱 신경망 II 6.1 이미지 분류를 위한 신경망 6.1.1 LeNet-5 6.1.2 AlexNet 6.1.3 VGGNet 6.1.4 GoogLeNet 6.1.5 ResNet 6.2 객체 인식을 위한 신경망 6.2.1 R-CNN 6.2.2 공간 피라미드 풀링 6.2.3 Fast R-CNN 6.2.4 Faster R-CNN 6.3 이미지 분할을 위한 신경망 6.3.1 완전 합성곱 네트워크 6.3.2 합성곱 & 역합성곱 네트워크 6.3.3 U-Net 6.3.4 PSPNet 6.3.5 DeepLabv3/DeepLabv3+ 7장 시계열 분석 7.1 시계열 문제 7.2 AR, MA, ARMA, ARIMA 7.2.1 AR 모델 7.2.2 MA 모델 7.2.3 ARMA 모델 7.2.4 ARIMA 모델 7.3 순환 신경망(RNN) 7.3.1 RNN 계층과 셀 7.4 RNN 구조 7.4.1 RNN 셀 구현 7.4.2 RNN 계층 구현 7.5 LSTM 7.5.1 LSTM 구조 7.5.2 LSTM 셀 구현 7.5.3 LSTM 계층 구현 7.6 게이트 순환 신경망(GRU) 7.6.1 GRU 구조 7.6.2 GRU 셀 구현 7.6.3 GRU 계층 구현 7.7 양방향 RNN 7.7.1 양방향 RNN 구조 7.7.2 양방향 LSTM 구현 8장 성능 최적화 8.1 성능 최적화 8.1.1 데이터를 사용한 성능 최적화 8.1.2 알고리즘을 이용한 성능 최적화 8.1.3 알고리즘 튜닝을 위한 성능 최적화 8.1.4 앙상블을 이용한 성능 최적화 8.2 하드웨어를 이용한 성능 최적화 8.2.1 CPU와 GPU 사용의 차이 8.2.2 GPU를 이용한 성능 최적화 8.3 하이퍼파라미터를 이용한 성능 최적화 8.3.1 배치 정규화를 이용한 성능 최적화 8.3.2 드롭아웃을 이용한 성능 최적화 8.3.3 조기 종료를 이용한 성능 최적화 9장 자연어 전처리 9.1 자연어 처리란 9.1.1 자연어 처리 용어 및 과정 9.1.2 자연어 처리를 위한 라이브러리 9.2 전처리 9.2.1 결측치 확인 9.2.2 토큰화 9.2.3 불용어 제거 9.2.4 어간 추출 9.2.5 정규화 10장 자연어 처리를 위한 임베딩 10.1 임베딩 10.1.1 희소 표현 기반 임베딩 10.1.2 횟수 기반 임베딩 10.1.3 예측 기반 임베딩 10.1.4 횟수/예측 기반 임베딩 10.2 트랜스포머 어텐션 10.2.1 seq2seq 10.2.2 버트(BERT) 10.3 한국어 임베딩 11장 클러스터링 11.1 클러스터링이란 11.2 클러스터링 알고리즘 유형 11.2.1 K-평균 군집화 11.2.2 가우시안 혼합 모델 11.2.3 자기 조직화 지도 12장 강화 학습 12.1 강화 학습이란 12.2 마르코프 결정 과정 12.2.1 마르코프 프로세스 12.2.2 마르코프 보상 프로세스 12.2.3 마르코프 결정 과정 12.3 MDP를 위한 벨만 방정식 12.3.1 벨만 기대 방정식 12.3.2 벨만 최적 방정식 12.3.3 다이나믹 프로그래밍 12.4 큐-러닝 12.4.1 큐-러닝 12.4.2 딥 큐-러닝 12.5 몬테카를로 트리 탐색 12.5.1 몬테카를로 트리 탐색 원리 12.5.2 몬테카를로 트리 탐색을 적용한 틱택토 게임 구현 13장 생성 모델 13.1 생성 모델이란 13.1.1 생성 모델 개념 13.1.2 생성 모델의 유형 13.2 변형 오토인코더 13.2.1 오토인코더란 13.2.2 변형 오토인코더 13.3 적대적 생성 신경망(GAN)이란 13.3.1 GAN 동작 원리 13.3.2 GAN 구현 13.4 GAN 파생 기술 13.4.1 DCGAN 13.4.2 cGAN 13.4.3 CycleGAN 부록 A.1 코랩 A.1.1 코랩이란 A.1.2 코랩에서 예제 파일 실행 A.2 캐글 A.2.1 캐글이란 A.2.2 캐글 시작

4장
딥러닝 시작

4.1 인공 신경망의 한계와 딥러닝 출현

4.2 딥러닝 구조

4.3 딥러닝 알고리즘

4.4 우리는 무엇을 배워야 할까?

추천 도서와 신규 콘텐츠를 먼저 받아보세요

엄선한 추천 도서와 신규 콘텐츠를 이메일로 보내드립니다.
새로운 책이 등록될 때마다 소식을 받아보세요.

딥러닝 파이토치 교과서(이하 '책')의 저작권은 서지영에게 있습니다.
책의 출판권 및 배타적발행권과 전자책의 배타적전송권은 (주)도서출판 길벗에 있습니다.
책의 내용을 복제하여 블로그, 웹사이트 등에 게시할 수 없습니다.
- 링크 및 SNS 공유는 허용합니다.
책의 내용을 변경할 수 없습니다.
책의 내용을 상업적으로 사용할 수 없습니다.
책의 내용을 어떠한 형태로든 재배포할 수 없습니다.

TheBook by Gilbut | 오류 신고 및 문의

| 서비스 약관 | 개인정보취급방침