▣ 1장: 머신러닝의 기초 원리
왜 머신러닝인가?
___공식적 정의
___얕은 학습과 딥러닝
머신러닝 기법
___지도 학습
___비지도 학습
CRISP-DM
___비즈니스 이해
___데이터 이해
___데이터 준비
___모델링
___평가
___배포
표준 머신러닝 워크플로
___데이터 검색
___데이터 준비
___모델링
___모델 평가와 튜닝
___배포와 모니터링
탐색적 데이터 분석
특성 추출과 특성 엔지니어링
___특성 엔지니어링에서 쓰는 전략
___텍스트 데이터 다루기
특성 선택
정리
▣ 2장: 딥러닝 기초
딥러닝이란 무엇인가?
딥러닝 프레임워크
GPU가 지원되는 클라우드 기반의 딥러닝 환경 구축
GPU 지원을 통한 강력한 딥러닝 환경 구축하기
신경망 기초
___단순한 선형 뉴런
___기울기 기반 최적화
___야코비와 헤세 행렬
___미분의 연쇄 규칙
___확률적 경사 하강
___비선형 신경 유닛
___간단한 비선형 유닛 학습 - 로지스틱 유닛
___손실 함수
___데이터 표현
___다층 신경망
___역전파 - 심층 신경망 훈련하기
___신경망 학습의 과제
___모델 파라미터의 초기화
___SGD의 개선
___신경망에서의 과대 적합과 과소 적합
___신경망의 하이퍼 파라미터
정리
▣ 3장: 딥러닝 아키텍처 이해하기
신경망 아키텍처
___왜 다른 아키텍처가 필요할까
다양한 아키텍처
___MLP와 심층 신경망
___오토인코더 신경망
___변분 오토인코더
___적대적 생성망
___CNN
___캡슐 네트워크
___순환 신경망
___메모리 신경망
___신경 튜링 기계
___어텐션 기반 신경망 모델
정리
▣ 4장: 전이학습의 기초
전이학습 소개
___전이학습의 혜택
전이학습 전략
전이학습과 딥러닝
___전이학습의 방법
___사전 훈련 모델
___활용
심층 전이학습의 유형
___도메인 적응
___도메인 혼란
___다중 과제 학습
★ 이 책에서 다루는 내용 ★
◎ GPU(graphics processing unit와 클라우드가 지원되는 자신만의 딥러닝 환경 설정
◎ 머신러닝과 딥러닝 모델로 전이학습의 원리 탐구
◎ CNN과 LSTM, 캡슐 네트워크를 포함한 다양한 딥러닝 아키텍처 탐색
◎ 데이터 및 네트워크 표현과 손실 함수에 관한 학습
◎ 전이학습 모델과 전략 파악
◎ 복잡한 전이학습 모델을 처음부터 구축할 때 생길 수 있는 잠재적 문제 해결
◎ 컴퓨터 비전 및 오디오 분석과 관련된 실제 연구 문제 탐색
◎ 자연어 처리에서 전이학습을 활용하는 방법 이해
