close
더북(TheBook)
search
모두의 딥러닝 개정 3판
더북(TheBook)
home
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
23장
1
W
는 가중치(
w
) 집합,
Y
는 출력층의 출력 값(
y
) 집합을 의미
합니다
.
Prev
BUY
Next
신간 소식 구독하기
뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.
Email address