모두의 딥러닝

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