Chapter 01. 인공지능 딥러닝의 이해
01 _ 인공 신경망의 이해
인공 신경망이란?
- 인공 신경망으로 할 수 있는 일들
- 인공 신경망의 구조
인공 신경망의 학습 방법
- 지도 학습
- 비지도 학습
- 강화 학습
인공 신경 살펴보기
- 인공 신경과 생물학적 신경
- 인공 신경 내부 살펴보기
- 인공 신경 함수 수식
02 _ 딥러닝 맛보기
Hello 딥러닝
머신러닝은 무엇일까요?
구글 코랩 개발 환경 구성하기
기본 방식의 함수 정의와 사용
- 함수 정의하고 사용해 보기
머신러닝 방식의 신경망 함수 생성과 사용
축하합니다!
03 _ 인공 신경망과 근사 함수
2차 함수 근사해 보기
- 2차 함수 그리기
- 실제 데이터 생성하기
- 훈련, 실험 데이터 분리하기
- 인공 신경망 구성하기
- 인공 신경망 학습시키기
5차 함수 근사해 보기
다양한 함수 근사해 보기
- 분수 함수 근사해 보기
- sin 함수 근사해 보기
- tanh 함수 근사해 보기
- e지수함수 근사해 보기
- sigmoid 함수 근사해 보기
- 로그 함수 근사해 보기
- 제곱근 함수 근사해 보기
- relu 함수 근사해 보기
- leaky relu 함수 근사해 보기
인공 신경망 소스 살펴보기
04 _ 딥러닝 활용 맛보기
딥러닝 활용 예제 살펴보기
손 글씨 숫자 인식 예제 살펴보기
- 데이터 모양 살펴보기
- 학습 데이터 그림 그려보기 1
- 그림 픽셀 값 출력해 보기
- 학습 데이터 그림 그려보기 2
- 인공 신경망 학습시키기
- 학습된 인공 신경망 시험하기
- 예측 값과 실제 값 출력해 보기
- 시험 데이터 그림 그려보기
- 시험 데이터 그림 그려보기 2
- 잘못된 예측 출력 해보기
- 잘못 예측한 그림 살펴 보기
패션 MNIST 데이터 셋 인식시켜보기
Chapter 02. 인공지능의 딥러닝 알고리즘
01 _ PyClarm 개발 환경 구성하기
파이참 설치하기
파이썬 실습 환경
<한 권으로 끝내는 파이썬 인공지능 입문+실전(종합편> 책은 파이썬, 넘파이, 텐서플로우를 이용하여 인공지능 일고리즘을 구현해 보면서 인공지능의 원리를 이해할 수 있도록 다음과 같이 구성되어 있습니다.
1장에서는 인공지능의 딥러닝을 이해해 봅니다.
첫 번째, 딥러닝의 핵심인 인공 신경망이 무엇인지 알아보고, 딥러닝에 대해 어떤 학습 방법이 있는지 살펴보고, 생물학적 신경과 비교해 보며 딥러닝의 인공 신경망을 이해해 봅니다. 두 번째 딥러닝에 대한 기본 예제를 구글의 코랩과 Keras 라이브러리를 이용해 수행해 보면서 딥러닝을 접해봅니다. 세 번째 중고등학교 때 배웠던 기본적인 함수를 딥러닝의 인공 신경망으로 구현해 보면서 딥러닝의 인공 신경망과 함수의 관계를 이해해 봅니다``. 마지막으로 손글씨 데이터, 패션 데이터를 이용하여 실제 활용되는 딥러닝을 살펴봅니다.
2장에서는 파이썬을 이용하여 기초적인 딥러닝 알고리즘을 살펴보고 구현해 봅니다.
첫 번째, 딥러닝의 단일 인공 신경 알고리즘을 살펴보고 구현해 봅니다. 이 과정에서 순전파, 목표 값, 평균값 오차, 역전파 오차, 오차 역전파, 학습률, 경사 하강법, 인공 신경망 학습 등에 대한 용어를 정리하고 구현에 적용해 봅니다. 두 번째, 2입력 1출력 인공 신경, 2입력 2출력 인공 신경망, 3입력 3출력 인공 신경망, 2입력 2은닉 2출력 인공 신경망에 딥러닝 알고리즘을 적용해 봅니다. 세 번째, 딥러닝에서 주로 사용되는 활성화 함수인 sigmoid, tanh, ReLU, softmax를 살펴보고 적용해 봅니다. 또 softmax와 관련된 cross entropy 오차 함수에 대해서도 정리해 봅니다.
3장에서는 NumPy 라이브러리를 이용하여 행렬 기반으로 딥러닝 알고리즘을 구현해 봅니다.
행렬을 이용하면 딥러닝 알고리즘을 일반화하여 자유자재로 인공 신경망을 확장할 수 있습니다. 첫 번째, NumPy를 이용하여 2입력 2출력 인공 신경망, 3입력 3출력 인공 신경망, 2입력 1출력 인공 신
