딥러닝 텐서플로 교과서 : 기초부터 CNN, RNN, 시계열 분석, 성능 최적화,자연어 처리, 강화 학습, 생성 모델까지!

딥러닝 텐서플로 교과서 : 기초부터 CNN, RNN, 시계열 분석, 성능 최적화,자연어 처리, 강화 학습, 생성 모델까지!

$29.72
Description
기본기에 충실한 딥러닝 입문서!
기초부터 CNN, RNN, 시계열 분석, 자연어 처리, 강화 학습, 생성 모델까지 텐서플로 2로 구현하며 배운다!
머신 러닝 핵심 알고리즘부터 합성곱 신경망, 설명 가능한 CNN, 순환 신경망, LSTM 같은 딥러닝 알고리즘 이론을 이해하는 데 집중하며, 각 알고리즘을 언제, 어떤 상황에서 사용하면 좋은지도 함께 살펴본다. 또한, 기본 알고리즘 외에 전이 학습, 자연어 처리, 시계열 분석, 강화 학습, GAN 등 꼭 알아둬야 할 개념도 빠트리지 않고 충분히 설명한다. 각 개념을 학습한 뒤에는 텐서플로 2로 직접 구현해 보면서 딥러닝의 개념, 구현 방법, 적용 범위 등을 확실하게 이해할 수 있다.

저자

서지영

저자:서지영
20년가까이IT업계에서종사하고있다.정보관리기술사와컴퓨터시스템응용기술사로,현재한국은행서버팀에서근무하고있다.고려대학교빅데이터융합과석사과정중에있으며,대학원에서빅데이터및인공지능에대한전문적인연구를진행하고있다.저서로는『모두의인공지능기초수학』(길벗,2020),『딥러닝텐서플로교과서』(길벗,2021)등이있다.

목차

1장머신러닝과딥러닝
1.1인공지능,머신러닝과딥러닝
1.2머신러닝이란
__1.2.1머신러닝학습과정
__1.2.2머신러닝학습알고리즘
1.3딥러닝이란
__1.3.1딥러닝학습과정
__1.3.2딥러닝학습알고리즘

2장실습환경설정과텐서플로기초
2.1텐서플로개요
__2.1.1텐서플로특징및장점
__2.1.2텐서플로의일반적인아키텍처
2.2텐서플로2.x기초문법
__2.2.1데이터준비
__2.2.2모델정의
__2.2.3모델컴파일
__2.2.4모델훈련
__2.2.5모델평가
__2.2.6훈련과정모니터링
__2.2.7모델사용
2.3실습환경설정
__2.3.1아나콘다설치
__2.3.2가상환경생성및텐서플로2설치
2.4텐서플로2코드맛보기

3장머신러닝핵심알고리즘
3.1지도학습
__3.1.1K-최근접이웃
__3.1.2서포트벡터머신
__3.1.3결정트리
__3.1.4로지스틱회귀와선형회귀
3.2비지도학습
__3.2.1K-평균군집화
__3.2.2밀도기반군집분석
__3.2.3주성분분석(PCA)

4장딥러닝시작
4.1인공신경망의한계와딥러닝출현
4.2딥러닝구조
__4.2.1딥러닝용어
__4.2.2딥러닝학습
__4.2.3딥러닝의문제점과해결방안
__4.2.4딥러닝을사용할때이점
4.3딥러닝알고리즘
__4.3.1심층신경망
__4.3.2합성곱신경망
__4.3.3순환신경망
__4.3.4제한된볼츠만머신
__4.3.5심층신뢰신경망
4.4우리는무엇을배워야할까?

5장합성곱신경망I
5.1합성곱신경망
__5.1.1합성곱층의필요성
__5.1.2합성곱신경망구조
__5.1.31D,2D,3D합성곱
5.2합성곱신경망맛보기
5.3전이학습
__5.3.1특성추출기법
__5.3.2미세조정기법
5.4설명가능한CNN
__5.4.1특성맵시각화
5.5그래프합성곱네트워크
__5.5.1그래프란
__5.5.2그래프신경망
__5.5.3그래프합성곱네트워크

6장합성곱신경망II
6.1이미지분류를위한신경망
__6.1.1LeNet-5
__6.1.2AlexNet
__6.1.3VGGNet
__6.1.4GoogLeNet
__6.1.5ResNet
6.2객체인식을위한신경망
__6.2.1R-CNN
__6.2.2공간피라미드풀링
__6.2.3FastR-CNN
__6.2.4FasterR-CNN
6.3이미지분할을위한신경망
__6.3.1완전합성곱네트워크
__6.3.2합성곱&역합성곱네트워크
__6.3.3U-Net
__6.3.4PSPNet
__6.3.5DeepLabv3/DeepLabv3+

7장시계열분석
7.1시계열문제
7.2AR,MA,ARMA,ARIMA
__7.2.1AR모델
__7.2.2MA모델
__7.2.3ARMA모델
__7.2.4ARIMA모델
7.3순환신경망(RNN)
__7.3.1RNN계층과셀
7.4RNN구조
__7.4.1RNN셀구현
__7.4.2RNN계층구현
7.5LSTM
__7.5.1LSTM구조
__7.5.2LSTM셀구현
__7.5.3LSTM계층구현
7.6게이트순환신경망(GRU)
__7.6.1GRU구조
__7.6.2GRU셀구현
__7.6.3GRU계층구현
7.7RNN,LSTM,GRU성능비교
7.8양방향RNN
__7.8.1양방향RNN구조
__7.8.2양방향RNN구현

8장성능최적화
8.1성능최적화
__8.1.1데이터를사용한성능최적화
__8.1.2알고리즘을이용한성능최적화
__8.1.3알고리즘튜닝을위한성능최적화
__8.1.4앙상블을이용한성능최적화
8.2하드웨어를이용한성능최적화
__8.2.1CPU와GPU사용의차이
__8.2.2GPU를이용한성능최적화
8.3하이퍼파라미터를이용한성능최적화
__8.3.1배치정규화를이용한성능최적화
__8.3.2드롭아웃을이용한성능최적화
__8.3.3조기종료를이용한성능최적화

9장자연어전처리
9.1자연어처리란
__9.1.1자연어처리용어및과정
__9.1.2자연어처리를위한라이브러리
9.2전처리
__9.2.1결측치확인
__9.2.2토큰화
__9.2.3불용어제거
__9.2.4어간추출
__9.2.5정규화

10장자연어처리를위한임베딩
10.1임베딩
__10.1.1희소표현기반임베딩
__10.1.2횟수기반임베딩
__10.1.3예측기반임베딩
__10.1.4횟수/예측기반임베딩
10.2트랜스포머어텐션
__10.2.1seq2seq
__10.2.2버트
__10.2.3엘모
10.3한국어임베딩

11장클러스터링
11.1클러스터링이란
11.2클러스터링알고리즘유형
__11.2.1K-평균군집화
__11.2.2가우시안혼합모델
__11.2.3자기조직화지도

12장강화학습
12.1강화학습이란
12.2마르코프결정과정
__12.2.1마르코프프로세스
__12.2.2마르코프보상프로세스
__12.2.3마르코프결정과정
12.3MDP를위한벨만방정식
__12.3.1벨만기대방정식
__12.3.2벨만최적방정식
__12.3.3다이나믹프로그래밍
12.4큐-러닝
__12.4.1큐-러닝
__12.4.2딥큐-러닝
12.5몬테카를로트리탐색
__12.5.1몬테카를로트리탐색원리
__12.5.2몬테카를로트리검색을적용한틱택토게임구현

13장생성모델
13.1생성모델이란
__13.1.1생성모델개념
__13.1.2생성모델의유형
13.2변형오토인코더
__13.2.1오토인코더란
__13.2.2변형오토인코더
13.3적대적생성신경망(GAN)이란
__13.3.1GAN동작원리
__13.3.2GAN구현
13.4GAN파생기술
__13.4.1DCGAN
__13.4.2cGAN
__13.4.3CycleGAN

부록
A.1코랩
__A.1.1코랩이란
__A.1.2코랩에서예제파일실행
A.2캐글
__A.2.1캐글이란
__A.2.2캐글시작