모두의 딥러닝 개정 3판: 모두의 딥러닝 개정 3판

더북(TheBook)

모두의 딥러닝 개정 3판

더북(TheBook)

Home 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

12장

1 출처: 위키피디아

신간 소식 구독하기

뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.

Email address

모두의 딥러닝 개정 3판(이하 '책')의 저작권은 조태호에게 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