정석으로 배우는 딥러닝 (텐서플로와 케라스로 배우는 시계열 데이터 처리 알고리즘)

스고모리유우스케

저자스고모리유우스케는Gunosy와READYFOR의창업멤버이다.덴츠와구글의뉴욕지사에서근무했고주식회사정보의료의창업에참가했다.의료분야에서인공지능이크게활용되도록노력하고있으며,동경대초빙강사를역임하고있다.'DeepLearningJava프로그래밍심층학습의이론과구현'(임프레스출판사,PacktPublishing:JavaDeepLearningEssentials)의저자이다.

▣01장:수학지식준비
1.1편미분
__1.1.1도함수와편도함수
__1.1.2미분계수와편미분계수
__1.1.3편미분의기본공식
__1.1.4합성함수의편미분
__1.1.5레벨업전미분
1.2선형대수
__1.2.1벡터
__1.2.2행렬
1.3정리

▣02장:파이썬준비
2.1파이썬2와파이썬3
2.2아나콘다배포판
2.3파이썬기초
__2.3.1파이썬프로그램실행
__2.3.2데이터형
__2.3.3변수
__2.3.4데이터구조
__2.3.5연산
__2.3.6기본구문
__2.3.7함수
__2.3.8클래스
__2.3.9라이브러리
2.4NumPy
__2.4.1NumPy배열
__2.4.2NumPy로벡터,행렬계산
__2.4.3배열과다차원배열생성
__2.4.4슬라이스
__2.4.5브로드캐스트
2.5딥러닝을위한라이브러리
__2.5.1TensorFlow
__2.5.2케라스(Keras)
__2.5.3씨아노(Theano)
2.6정리

▣03장:신경망
3.1신경망이란?
__3.1.1뇌와신경망
__3.1.2딥러닝과신경망
3.2신경망이라는회로
__3.2.1단순한모델화
__3.2.2논리회로
3.3단순퍼셉트론
__3.3.1모델화
__3.3.2구현
3.4로지스틱회귀
__3.4.1계단함수와시그모이드함수
__3.4.2모델화
__3.4.3구현
__3.4.4(레벨업)시그모이드함수와확률밀도함수,누적분포함수
__3.4.5(레벨업)경사하강법과국소최적해
3.5다중클래스로지스틱회귀
__3.5.1소프트맥스함수
__3.5.2모델화
__3.5.3구현
3.6다층퍼셉트론
__3.6.1비선형분류
__3.6.2모델화
__3.6.3구현
3.7모델평가
__3.7.1분류에서예측으로
__3.3.2예측을평가
__3.7.3간단한실험
3.8정리

▣04장:심층신경망
4.1딥러닝준비
4.2학습시킬때발생하는문제점
__4.2.1경사소실문제
__4.2.2오버피팅문제
4.3효율적인학습을위해
__4.3.1활성화함수
__4.3.2드롭아웃
4.4구현설계
__4.4.1기본설계
__4.4.2학습을가시화한다
4.5고급기술
__4.5.1데이터를정규화하고웨이트를초기화한다
__4.5.2학습률설정
__4.5.3얼리스탑핑(조기종료)
__4.5.4배치정규화
4.6정리

▣05장:순환신경망
5.1기본사항
__5.1.1시계열데이터
__5.1.2과거의은닉층
__5.1.3BackpropagationThroughTime
__5.1.4구현
5.2LSTM
__5.2.1LSTM블록
__5.2.2CEC?입력게이트?출력게이트
__5.2.3망각게이트
__5.2.4핍홀결합
__5.2.5모델화
__5.2.6구현
__5.2.7장기의존성학습평가-AddingProblem
5.3GRU
__5.3.1모델화
__5.3.2구현
5.4정리

▣06장:순환신경망응용
6.1BidirectionalRNN
__6.1.1미래의은닉층
__6.1.2전방향?후방향전파
__6.1.3MNIST를사용한예측
6.2RNNEncoder-Decoder
__6.2.1Sequence-to-Sequence모델
__6.2.2간단한Q&A문제
6.3Attention
__6.3.1시간의웨이트
__6.3.2LSTM에서의Attention
6.4MemoryNetworks
__6.4.1기억의외부화
__6.4.2Q&A문제에적용
__6.4.3구현
6.5정리

▣부록
A.1모델을저장하고읽어들인다
__A.1.1텐서플로에서의처리
__A.1.2케라스에서의처리
A.2텐서보드(TensorBoard)
A.3tf.contrib.learn

기초부터응용까지,이론에서구현까지!

이책은딥러닝과신경망에관한예비지식없이도학습해나아갈수있도록기본적인내용부터이론과구현에관해상세하게설명합니다.구현에는파이썬의딥러닝용라이브러리인텐서플로(1.0)와케라스(2.0)를사용합니다.

이책은단순퍼셉트론부터시작해서다층퍼셉트론,심층신경망,순환신경망등다양한기법에관해설명합니다.취급할데이터의종류에따라생각해야할과제도다르므로이에맞춰네트워크를변화시키며학습을진행합니다.이책에서배운이론만잘알고있으면앞으로어떤딥러닝기법이나와도금방이해하고능숙하게사용할수있을것입니다.그리고자신이직접새로운모델을고안해낼수도있을것입니다.

★이책에서다루는내용★
◎신경망의이론을학습하는데필요한수학지식
◎파이썬개발환경을구축및파이썬라이브러리를사용법
◎신경망기본형과심층신경망(딥러닝)학습
◎시계열데이터처리를위한RNN학습과응용