첫째 마당 딥러닝 시작을 위한 준비 운동
1장. 해 보자! 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
셋째 마당 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
누구나 딥러닝을 이해하고,
나만의 모델을 구현할 수 있다!
준비 | 딥러닝을 이해하고, 학습을 위한 준비하기
딥러닝 실행 환경을 갖추고, 기초 수학을 배우며 학습에 들어갈 준비를 합니다. 또한, 딥러닝의 기본 동작 원리인 선형 회귀와 로지스틱 회귀도 배웁니다.
기본 | 딥러닝 기본 다지기
딥러닝을 설계할 때 꼭 필요한 신경망과 역전파의 개념을 배우고, 여섯 개의 프로젝트를 실습하며 딥러닝 이론이 실제 프로젝트에 어떻게 적용되는지 확인합니다. 각 프로젝트는 딥러닝에서 꼭 필요한 기술을 하나씩 담고 있습니다.
활용 | 주요 딥러닝 모델을 이해하고 구현해 보기
지금까지 배운 내용을 바탕으로 CNN, RNN, 자연어 처리, GAN, 전이 학습, 설명 가능한 딥러닝, 캐글 도전 등을 익히고 실습과 함께 다뤄 봅니다.
심화 학습 | 역전파와 신경망 깊이 있게 알아보기
별책 | 1 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10
2 데이터 분석을 위한 판다스 예제 92개
[베타테스터 후기]
이 책은 딥러닝에 입문하려는 이들에게 이론과 실습을 통해 기본기를 탄탄하게 잡아 주는 책입니다. 딥러닝 기초 수학으로 개념을 잡고, 텐서플로 2를 이용해 직접 모델을 돌려 보도록 구성되어 있습니다. GPU가 없어도 코랩에서 바로 실습이 가능하도록 코드가 잘 되어 있기에, 비전공자들도 실습 환경 고민 없이 쉽게 공부할 수 있습니다. 코드 주석, 도식화, 눈에 잘 들어오는 편집 등 책의 완성도가 굉장히 높습니다. 딥러닝 입문을 희망하는 이들이 있다면, 이 책을 꼭 추천하고 싶습니다.
장대혁_NLP 엔지니어(실습 환경: 코랩
이 책은 딥러닝에 대한 사전 지식이 없는 사람들도 쉽게 이해할 수 있도록 여러 비유와 예시를 들어 딥러닝의 개념을 설명하고 있습니다. 주제별로 코드를 한 줄씩 자세하게 설명해 딥러닝을 처음 접하는 사람들도 딥러닝의 개념을 확실하게 이해할 수 있도록 도와줍니다. 간단한 로지스틱 회귀부터 CNN, 자연어 처리뿐만 아니
