R 딥러닝의 핵심

1장. 딥러닝 시작
__딥러닝이란?
____신경망의 개념
____심층 신경망
__딥러닝 관련 R 패키지
____결과 재현을 위한 환경 설정
____신경망
____deepnet 패키지
____darch 패키지
____H2O 패키지
__R과 H2O 연결
____H2O 초기화
____H2O 클러스터로 데이터셋 연결
__요약

2장. 예측 모델 학습
__R에서의 신경망
____신경망 구축
____신경망에서 예측 값 생성
__과적합 데이터 문제: 결과 설명
__사용 사례: 신경망 구축과 적용
__요약

3장. 과적합 방지
__L1 페널티
____L1 페널티 활용
__L2 페널티
____L2 페널티 활용
____가중치 감쇠(신경망에서 L2 페널티)
__앙상블과 모델 평균
__사용 사례: 드롭아웃을 통한 표본 집단 모델 성능 향상
__요약

4장. 이상 데이터 식별
__비지도 학습 시작
__오토인코더의 동작 원리
____오토인코더 정규화
______오토인코더에 페널티 지정
______노이즈 제거 오토 인코더
__R에서 오토인코더 학습
__사용 사례: 오토인코더 모델 구축과 적용
__튜닝을 통한 오토인코더 성능 향상
__요약

5장. 딥러닝 모델 학습
__심층 피드포워드 신경망 시작
__일반 활성화 함수: rectifiers, hyperbolic tangent, maxout
__초매개변수 선택
__심층 신경망에서 새로운 데이터 예측과 학습
__사용 사례: 자동 분류를 위한 심층 신경망 학습
____모델 결과 활용
__요약

6장. 모델 튜닝과 최적화
__결측 데이터 다루기
__낮은 정확도를 가진 모델 문제 해결
____그리드 검색
____랜덤 검색
__요약