목차

• 첫째 마당 딥러닝 시작을 위한 준비 운동
• 1장 나의 첫 딥러닝
• 1 인공지능? 머신 러닝? 딥러닝?
• 2 딥러닝 실행을 위해 필요한 세 가지
• 3 구글 코랩 실행하기
• 2장 딥러닝의 핵심 미리 보기
• 1 미지의 일을 예측하는 원리
• 2 딥러닝 코드 실행해 보기
• 3 딥러닝 개괄하기
• 4 이제부터가 진짜 딥러닝?
• 3장 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 예측 모델의 기본 원리
• 4장 가장 훌륭한 예측선
• 1 선형 회귀의 정의
• 2 가장 훌륭한 예측선이란?
• 3 최소 제곱법
• 4 파이썬 코딩으로 확인하는 최소 제곱
• 5 평균 제곱 오차
• 6 파이썬 코딩으로 확인하는 평균 제곱 오차
• 5장 선형 회귀 모델:먼저 긋고 수정하기
• 1 경사 하강법의 개요
• 2 파이썬 코딩으로 확인하는 선형 회귀
• 3 다중 선형 회귀의 개요
• 4 파이썬 코딩으로 확인하는 다중 선형 회귀
• 5 텐서플로에서 실행하는 선형 회귀, 다중 선형 회귀 모델
• 6장 로지스틱 회귀 모델:참 거짓 판단하기
• 1 로지스틱 회귀의 정의
• 2 시그모이드 함수
• 3 오차 공식
• 4 로그 함수
• 5 텐서플로에서 실행하는 로지스틱 회귀 모델
• 셋째마당 딥러닝의 시작, 신경망
• 7장 퍼셉트론과 인공지능의 시작
• 1 인공지능의 시작을 알린 퍼셉트론
• 2 퍼셉트론의 과제
• 3 XOR 문제
• 8장 다층 퍼셉트론
• 1 다층 퍼셉트론의 등장
• 2 다층 퍼셉트론의 설계
• 3 XOR 문제의 해결
• 4 코딩으로 XOR 문제 해결하기
• 9장 오차 역전파에서 딥러닝으로
• 1 딥러닝의 태동, 오차 역전파
• 2 활성화 함수와 고급 경사 하강법
• 3 속도와 정확도 문제를 해결하는 고급 경사 하강법
• 넷째마당 딥러닝 기본기 다지기
• 10장 딥러닝 모델 설계하기
• 1 모델의 정의
• 2 입력층, 은닉층, 출력층
• 3 모델 컴파일
• 4 모델 실행하기
• 11장 데이터 다루기
• 1 딥러닝과 데이터
• 2 피마 인디언 데이터 분석하기
• 3 판다스를 활용한 데이터 조사
• 4 중요한 데이터 추출하기
• 5 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 예측의 실행
• 13장 모델 성능 검증하기
• 1 데이터의 확인과 예측 실행
• 2 과적합 이해하기
• 3 학습셋과 테스트셋
• 4 모델 저장과 재사용
• 5 k겹 교차 검증
• 14장 모델 성능 향상시키기
• 1 데이터의 확인과 검증셋
• 2 모델 업데이트하기
• 3 그래프로 과적합 확인하기
• 4 학습의 자동 중단
• 15장 실제 데이터로 만들어 보는 모델
• 1 데이터 파악하기
• 2 결측치, 카테고리 변수 처리하기
• 3 속성별 관련도 추출하기
• 4 주택 가격 예측 모델
• 다섯째마당 딥러닝 활용하기
• 16장 이미지 인식의 꽃, 컨볼루션 신경망(CNN)
• 1 이미지를 인식하는 원리
• 2 딥러닝 기본 프레임 만들기
• 3 컨볼루션 신경망(CNN)
• 4 맥스 풀링, 드롭아웃, 플래튼
• 5 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
• 3 어텐션을 사용한 신경망
• 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
• 21장 설명 가능한 딥러닝 모델 만들기
• 1 딥러닝의 결과를 설명하는 방법
• 2 설명 가능한 딥러닝의 실행
• 22장 캐글로 시작하는 새로운 도전
• 1 캐글 가입 및 대회 선택하기
• 2 데이터 획득하기
• 3 학습하기
• 4 결과 제출하기
• 5 최종 예측 값 제출하기
• 심화 학습
• 심화 학습 1 오차 역전파의 계산법
• 1 출력층의 오차 업데이트
• 2 오차 공식
• 3 체인 룰
• 4 체인 룰 계산하기
• 5 가중치 수정하기
• 6 은닉층의 오차 수정하기
• 7 은닉층의 오차 계산법
• 8 델타식
• 심화 학습 2 파이썬 코딩으로 짜 보는 신경망
• 1 환경 변수 설정하기
• 2 파이썬 코드로 실행하는 신경망
• 부록
• 부록 A 내 컴퓨터에서 아나콘다로 딥러닝 실행하기
• 별책부록
• 별책 부록 1 가장 많이 사용하는 머신 러닝 알고리즘 10
• 1장 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10
• 1 세상의 거의 모든 머신 러닝 알고리즘
• 2 실습을 위한 준비 사항
• 3 결정 트리
• 4 랜덤 포레스트
• 5 가우시안 나이브 베이즈
• 6 k‐최근접 이웃
• 7 에이다 부스트
• 8 이차 판별 분석
• 9 서포트 벡터 머신
• 10 서포트 벡터 머신 ‐ RBF 커널
• 11 보팅
• 12 배깅
• 13 여러 알고리즘의 성능을 한눈에 비교하기
• 별책 부록 2 데이터 분석을 위한 판다스, 92개의 치트키
• 2장 데이터 분석을 위한 판다스: 92개의 예제 모음
• A 데이터 만들기
• B 데이터 정렬하기
• C 행 추출하기
• D 열 추출하기
• E 행과 열 추출하기
• F 중복 데이터 다루기
• G 데이터 파악하기
• H 결측치 다루기
• I 새로운 열 만들기
• J 행과 열 변환하기
• K 시리즈 데이터 연결하기
• L 데이터 프레임 연결하기
• M 데이터 병합하기
• N 데이터 가공하기
• O 그룹별로 집계하기