길벗·이지톡

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 해결하는 고급 경사 하강법

넷째 마당 | 딥러닝 기본기 다지기

10장. 딥러닝 모델 설계하기

1 | 모델의 정의

2 | 입력층, 은닉층, 출력층

3 | 모델 컴파일

4 | 모델 실행하기

11장. 데이터 다루기

1 | 딥러닝과 데이터

2 | 피마 인디언 데이터 분석하기

3 | 판다스를 활용한 데이터 조사

4 | 중요한 데이터 추출하기

5 | 피마 인디언의 당뇨병 예측 실행

12장. 다중 분류 문제 해결하기

1 | 다중 분류 문제

2 | 상관도 그래프

3 | 원‐핫 인코딩

4 | 소프트맥스

5 | 아이리스 품종 예측의 실행

13장. 모델 성능 검증하기

1 | 데이터의 확인과 예측 실행

2 | 과적합 이해하기

3 | 학습셋과 테스트셋

4 | 모델 저장과 재사용

5 | k겹 교차 검증

14장. 모델 성능 향상시키기

1 | 데이터의 확인과 검증셋

2 | 모델 업데이트하기

3 | 그래프로 과적합 확인하기

4 | 학습의 자동 중단

15장. 실제 데이터로 만들어 보는 모델

1 | 데이터 파악하기

2 | 결측치, 카테고리 변수 처리하기

3 | 속성별 관련도 추출하기

4 | 주택 가격 예측 모델

다섯째 마당 | 딥러닝 활용하기

16장. 이미지 인식의 꽃, 컨볼루션 신경망(CNN)

1 | 이미지를 인식하는 원리

2 | 딥러닝 기본 프레임 만들기

3 | 컨볼루션 신경망(CNN)

4 | 맥스 풀링, 드롭아웃, 플래튼

5 | 컨볼루션 신경망 실행하기

17장. 세상에 없는 얼굴 GAN, 오토인코더

1 | 가짜 제조 공장, 생성자

2 | 진위를 가려내는 장치, 판별자

3 | 적대적 신경망 실행하기

4 | 이미지의 특징을 추출하는 오토인코더

18장. 전이 학습을 통해 딥러닝의 성능 극대화하기

1 | 소규모 데이터셋으로 만드는 강력한 학습 모델

2 | 전이 학습으로 모델 성능 극대화하기

19장. 설명 가능한 딥러닝 모델 만들기

1 | 딥러닝의 결과를 설명하는 방법

2 | 설명 가능한 딥러닝의 실행

20장. 캐글로 시작하는 새로운 도전

1 | 캐글 가입 및 대회 선택하기

2 | 데이터 획득하기

3 | 학습하기

4 | 결과 제출하기

5 | 최종 예측 값 제출하기

여섯째 마당 | 챗GPT의 근간: 자연어 처리와 트랜스포머

21장. 딥러닝을 이용한 자연어 처리

1 | 텍스트의 토큰화

2 | 단어의 원‐핫 인코딩

3 | 단어 임베딩

4 | 텍스트를 읽고 긍정, 부정 예측하기

22장. 시퀀스 배열로 다루는 순환 신경망(RNN)

1 | LSTM을 이용한 로이터 뉴스 카테고리 분류하기

2 | LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기

3 | 어텐션을 사용한 신경망

23장 어텐션, AI가 문맥을 파악하는 원리

1 | 단어 간 유사성 측정하기

2 | 단어들 사이의 관계 파악하기

3 | 단어 사이의 관계 수정하기

4 | AI가 문맥을 파악하는 법

5 | 질문(쿼리), 단서(키), 답변(밸류)

6 | 트랜스포머를 위한 어텐션 만들기

24장 트랜스포머 직접 만들어 보기

1 | 트랜스포머의 구조와 멀티헤드 어텐션

2 | 단어의 순서를 알려주는 포지셔널 인코딩

3 | 트랜스포머 인코더를 활용한 긍정 부정 예측

4 | 전체 트랜스포머 실행하기

심화 학습 1. 오차 역전파의 계산법

1 | 출력층의 오차 업데이트

2 | 오차 공식

3 | 체인 룰

4 | 체인 룰 계산하기

5 | 가중치 수정하기

6 | 은닉층의 오차 수정하기

7 | 은닉층의 오차 계산법

8 | 델타식

심화 학습 2. 파이썬 코딩으로 짜 보는 신경망

1 | 환경 변수 설정하기

2 | 파이썬 코드로 실행하는 신경망

부록 A 내 컴퓨터에서 아나콘다로 딥러닝 실행하기

특별 부록(무료 전자책으로 제공)

1장. 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10

2장. 데이터 분석을 위한 판다스: 92개의 예제 모음