딥러닝 입문 교실 (그림으로 쉽게 이해하는 딥러닝 이론)

딥러닝 입문 교실 (그림으로 쉽게 이해하는 딥러닝 이론)

$22.00
Description
AI 개발 필수 기초 이론을 쉽게 설명한다!
딥러닝의 기초를 익히자!
이 책은 머신러닝의 한 방법인 '딥러닝'을 가장 쉽게 배울 수 있는 입문서입니다. AI 개발의 필수 기초 이론과 파이썬을 이용한 실전 예제를 텐서플로와 케라스로 쉽게 배울 수 있습니다. 실전 예제로 문자 인식, 영상 인식, 자연어 처리 등을 구현해 보며 신경망의 기본을 확실히 익힐 수 있습니다. 풍부한 그림과 일러스트로 누구나 어려움 없이 이해할 수 있도록 설명하고 있어 머신러닝을 배우고자 하는 초심자에게 적합한 교재입니다.

★ 'AI 개발에 도전하고 싶은' 학생, '기술 경험을 좀 더 향상시키고 싶은' 엔지니어, '딥러닝의 기초 이론을 공부하고 싶은' 직장인, '텐서플로+케라스를 사용해서 구현해 보고 싶은' 경험자, '머신러닝에 필요한 수학을 알고 싶은' 경험자에게 도움이 될 것입니다.
저자

히로키타니오카

타니오카히로키(谷岡?樹)
1973년도쿠시마현출생으로1997년에치바대학을졸업하고2004년에신슈대학공학계연구과석사를거쳐2008년신슈대학종합공학계연구과에서박사학위를받았다.1997년4월부터일본IT기업소프트웨어엔지니어와연구개발매니저를거쳐2016년부터도쿠시마대학정보센터조교로근무하고있으며,정보검색,기계학습,자연어처리등에흥미가있음.현재대화시스템,스포츠테마,의료정보등정보검색과머신러닝을응용한연구개발을진행중이다.정보처리학회,인공지능학회,언어처리학회,IEEE,ACM회원이기도하다.

목차

▣1장:딥러닝과머신러닝
Lesson1-1딥러닝의기본
계층이깊은신경망
Lesson1-2딥러닝의역사
인공지능의진화로보는딥러닝
Lesson1-3머신러닝의기초지식
지도학습과비지도학습
강화학습
규칙기반?지식기반?
통계적머신러닝
전처리와특징추출
배치학습과온라인학습
성능평가
일반화능력
Lesson1-4머신러닝을위한수학
수의체계와수식
변수와정수
등식과대입식
벡터와첨자
합을나타내는기호
최솟값?최댓값
절댓값
거리와노름
미분과편미분
합성함수의미분
지수와로그
COLUMN1인공지능이란

▣2장:파이썬준비와기본문법
Lesson2-1파이썬설치-윈도우편-
윈도우에설치
Lesson2-2파이썬설치-맥편-
맥에서는파이썬2가바로사용가능합니다
홈브루설치
pyenv설치
Python3을설치합니다
Lesson2-3라이브러리설치-윈도우편-
윈도우용아나콘다설치
Lesson2-4라이브러리설치-맥편-
맥용아나콘다설치
Lesson2-5파이썬기본문법
Hello,Python!!
변수
상수(Constant)
데이터형
연산
리스트형과튜플형
집합형
딕셔너리
문자열의연결과반복
문자열포맷
시퀀스연산
함수
if문
반복문
모듈호출
COLUMN2자바로구현

▣3장:딥러닝체험
Lesson3-1텐서플로와케라스설치
윈도우편:텐서플로설치
윈도우편:케라스설치
맥편:텐서플로설치
맥편:케라스설치
Lesson3-2주피터노트북을사용합시다
주피터노트북준비
주피터노트북사용법
Lesson3-3수치계산라이브러리넘파이사용법
기본적인사용법
Lesson3-4그래프라이브러리맷플롯립사용법
기본적인사용법
Lesson3-5케라스로딥러닝체험
캐글에서이미지를다운로드
이미지인식프로그램작성
COLUMN3텐서플로란?

▣4장:신경망기초
Lesson4-1뉴런과퍼셉트론
신경세포(뉴런)
퍼셉트론
Lesson4-2활성화함수
여러가지활성화함수
Lesson4-3헵의규칙과델타규칙
가중치(결합하중)의학습규칙
Lesson4-4신경망의학습
개와고양이를분류한다
XOR문제
다층퍼셉트론(신경망)
OR문제
AND문제
NAND문제
신경망에서의식별
Lesson4-5학습방법의차이와손실함수
신경망의학습방법
학습프로세스로보는손실함수
여러가지손실함수
Lesson4-6경사법
파라미터는어떻게조정하나?
신경망의오차의경사구하는법
Lesson4-7오차역전파법(Backpropagation)
오차역전파법이란?
연쇄법칙
Lesson4-8MNIST
Step1.주피터노트북으로신규파일을작성합니다
Step2.손글씨이미지데이터준비
Step3.모델작성
Step4.신경망의학습
COLUMN4차원의저주와과적합

▣5장:합성곱신경망
Lesson5-1합성곱신경망의기초
이미지분류와시신경
하나의뉴런으로입력이미지전체를학습시킨다
Lesson5-2합성곱연산
수용영역을슬라이드한다
포커스의이동
Lesson5-3합성곱층
다른패턴을인식시키려면?
Lesson5-4심층합성곱신경망
3차원데이터를입력받을수있도록한다
수축하는출력의형태
Lesson5-5제로패딩을이용한합성곱
입력데이터의주변정보손실
제로패딩
Lesson5-6범위를넓히는합성곱
스트라이드란
제로패딩이용
Lesson5-7합성곱ReLU층
비선형변환으로인식률향상
Lesson5-8풀링층
풀링층을이용한처리
풀링층의장점과주의점
Lesson5-9완전연결계층
완전연결계층의처리
완전연결계층의수정
더복잡한판단을하고싶을때
Lesson5-10심층합성곱신경망의학습
모델학습과훈련
Step1.손실E정의
Step2.가중치w초기화
Step3.가중치w를반복해서수정
Lesson5-11과적합과드롭아웃
과적합의예
과적합을방지하는드롭아웃
드롭아웃의장점
Lesson5-12합성곱의더자세한정보
합성곱층vs.완전연결계층
깊고작은국소수용영역vs.얕고넓은수용영역
COLUMN5GPU를이용한학습

▣6장:딥러닝의응용
Lesson6-1순환신경망(RNN)
RNN의특징
RNN에의한정보의전개
Lesson6-2LSTM신경망
LSTM의특징
Lesson6-3GRU(GatedRecurrentUnit)
GRU의특징
더효율적으로기억할수있다
Lesson6-4RNN언어모델
다음에어떤단어가올지추측한다
Lesson6-5Sequence-To-Sequence모델
시퀀스-투-시퀀스모델의특징
Lesson6-6어텐션(Attention)
어텐션의특징
COLUMN6하향식과상향식