딥러닝을 위한 수학 : 인공지능의 핵심 원리를 이해하고 파이썬으로 구현해 보는

아카이시마사노리

[1부]준비편
실습환경구성
__소스코드다운로드
__개인PC에서주피터노트북사용하기
__아나콘다를사용하는경우(윈도우)
__아나콘다를사용하는경우(macOS)
__비주얼스튜디오코드를사용하는경우
__클라우드에서주피터노트북사용하기
미리알아두면좋을지식
__인공지능관련용어의관계도
__인공지능의포함관계
__머신러닝의포함관계
이책에서사용하는수학기호와그리스문자

[2부]도입편

▣01장:머신러닝입문
1.1인공지능과머신러닝
1.2머신러닝이란?
__1.2.1머신러닝모델이란?
__1.2.2학습방법
__1.2.3지도학습에서의회귀와분류
__1.2.4학습단계와예측단계
__1.2.5손실함수와경사하강법
1.3처음으로만나는머신러닝모델
1.4이책에서다루는머신러닝모델
1.5머신러닝과딥러닝에서수학이필요한이유
1.6이책의구성

[3부]이론편

▣02장:미분과적분
2.1함수
__2.1.1함수란?
__2.1.2함수의그래프
2.2합성함수와역함수
__2.2.1합성함수
__2.2.2역함수
2.3극한과미분
__2.3.1미분의정의
__2.3.2미분과함숫값의근사표현
__2.3.3접선의방정식
2.4극대와극소
2.5다항식의미분
__2.5.1xn의미분
__2.5.2미분의선형성과다항식의미분
__2.5.3xr의미분
2.6곱의미분
2.7합성함수와역함수의미분
__2.7.1합성함수의미분
__2.7.2역함수의미분
2.8몫의미분
2.9적분

▣03장:벡터와행렬
3.1벡터
3.1.1벡터란?
__3.1.2벡터의표기방법
__3.1.3벡터의성분표시
__3.1.4다차원으로확장
__3.1.5벡터성분의표기방법
3.2덧셈,뺄셈,스칼라배
__3.2.1벡터의덧셈
__3.2.2벡터의뺄셈
__3.2.3벡터의스칼라배
3.3길이와거리
__3.3.1벡터의길이
__3.3.2Σ기호의의미
__3.3.3벡터간의거리
3.4삼각함수
__3.4.1삼각비
__3.4.2삼각함수
__3.4.3삼각함수의그래프
__3.4.4직각삼각형의변을삼각함수로표현하기
3.5내적
__3.5.1절댓값과내적의정의
__3.5.2벡터성분과내적의공식
3.6코사인유사도
__3.6.1코사인유사도
3.7행렬과행렬연산
__3.7.11출력노드의내적표현
__3.7.13출력노드의행렬곱표현

▣04장:다변수함수의미분
4.1다변수함수
4.2편미분
4.3전미분
4.4전미분과합성함수
4.5경사하강법

▣05장:지수함수와로그함수
5.1지수함수
__5.1.1거듭제곱의정의와법칙
__5.1.2거듭제곱의확장
__5.1.3함수로의확장
5.2로그함수
5.3로그함수의미분
5.4지수함수의미분
5.5시그모이드함수
5.6소프트맥스함수

▣06장:확률과통계
6.1확률변수와확률분포
6.2확률밀도함수와확률분포함수
6.3가능도함수와최대가능도추정

[4부]실습편

▣07장:선형회귀모델
7.1손실함수의편미분과경사하강법
7.2예제개요
7.3학습데이터의표기방법
7.4경사하강법의접근법
7.5예측모델
7.6손실함수
7.7손실함수의미분계산
7.8경사하강법의적용
7.9프로그램구현
7.10다중회귀모델로의확장

▣08장:로지스틱회귀모델(이진분류)
8.1예제개요
8.2회귀모델과분류모델의차이
8.3예측모델
8.4손실함수(교차엔트로피함수)
8.5손실함수의미분계산
8.6경사하강법의적용
8.7프로그램구현

▣09장:로지스틱회귀모델(다중클래스분류)
9.1예제개요
9.2모델의기본개념
9.3가중치행렬
9.4소프트맥스함수
9.5손실함수
9.6손실함수의미분계산
9.7경사하강법의적용
9.8프로그램구현

▣10장:딥러닝모델
10.1예제개요
10.2모델구성과예측함수
10.3손실함수
10.4손실함수의미분계산
10.5오차역전파
10.6경사하강법의적용
10.7프로그램구현(1)
10.8프로그램구현(2)
10.9프로그램구현(3)
10.10프로그램구현(4)

[5부]발전편

▣11장:실용적인딥러닝을위해
11.1프레임워크의활용
11.2CNN
11.3RNN과LSTM
11.4수치미분
11.5심화학습법
11.6과적합대책
11.7학습의단위
11.8가중치행렬의초기화
11.9다음목표를향해

[6부]부록
그리스문자목록