딥러닝의 정석

CHAPTER 1 신경망
_1.1 지능형 기계 만들기
_1.2 기존 컴퓨터 프로그램의 한계
_1.3 머신러닝의 작동 원리
_1.4 뉴런
_1.5 뉴런으로 선형 퍼셉트론 표현하기
_1.6 전방향 신경망
_1.7 선형 뉴런과 그 한계
_1.8 시그모이드, tanh, ReLU 뉴런
_1.9 소프트맥스 출력층
_1.10 요약

CHAPTER 2 전방향 신경망 학습
_2.1 패스트푸드 문제
_2.2 경사 하강법
_2.3 델타 규칙과 학습률
_2.4 시그모이드 뉴런의 경사 하강법
_2.5 역전파 알고리즘
_2.6 확률적 경사 하강법과 미니배치 경사 하강법
_2.7 테스트 데이터와 검증 데이터 그리고 과적합
_2.8 신경망에서 과적합 막기
_2.9 요약

CHAPTER 3 텐서플로로 신경망 구현하기
_3.1 텐서플로란?
_3.2 텐서플로와 대안들을 어떻게 비교할까?
_3.3 텐서플로 설치하기
_3.4 텐서플로 변수 만들기와 조작하기
_3.5 텐서플로 연산
_3.6 placeholder 텐서
_3.7 텐서플로의 세션
_3.8 변수 범위 탐색과 변수 공유
_3.9 CPU와 GPU로 모델 관리하기
_3.10 텐서플로에서 로지스틱 회귀 모델 지정하기
_3.11 로지스틱 회귀 모델 기록하기와 학습시키기
_3.12 텐서보드로 계산 그래프와 학습 시각화하기
_3.13 텐서플로에서 MNIST를 위한 다층 모델 만들기
_3.14 요약

CHAPTER 4 경사 하강법을 넘어서
_4.1 경사 하강법의 과제
_4.2 심층 신경망의 오차 곡면에서 지역 최소값
_4.3 모델 식별성
_4.4 심층 신경망에서 가짜 지역 최소값들은 얼마나 다루기 어려운가?
_4.5 오차 곡면의 평평한 구간
_4.6 잘못된 방향의 경사
_4.7 모멘텀 기반 최적화
_4.8 이차 방법에 대한 개요
_4.9 학습률 적응
_4.10 최적화 도구 선택의 철학
_4.11 요약

CHAPTER 5 합성곱 신경망
_5.1 인간 시각에서의 뉴런
_5.2 특징 선택의 단점
_5.3 크기 조정 없는 기본 심층 신경망
_5.4 필터와 특징 맵
_5.5 합성곱층 정리
_5.6 최대 풀링
_5.7 합성곱 신경망의 전체 구조
_5.8 합성곱 신경망으로 MNIST에서 순환 반복 끝내기
_5.9 더 견고한 모델을 만드는 이미지 전처리 파이프라인
_5.10 배치 정규화로 학습 가속하기
_5.11 CIFAR-10을 위한 합성곱 신경망 만들기
_5.12 합성곱 신경망 학습 시각화하기
_5.13 합성곱 필터로 예술 스타일 복제하기
_5.14 다른 문제 영역에서 합성곱 필터 학습하기
_5.15 요약

CHAPTER 6 임베딩과 표상학습
_6.1 저차원 표현 학습하기
_6.2 주성분 분석
_6.3 오토인코더 구조의 동기
_6.4 텐서플로로 오토인코더 구현하기
_6.5 견고한 표현을 강제하는 디노이징
_6.6 오토인코더의 희소성
_6.7 입력 벡터보다 문맥이 더 유익할 때
_6.8 Word2Vec 프레임워크
_6.9 Skip-Gram 구조 구현하기
_6.10 요약

CHAPTER 7 시퀀스 분석을 위한 모델
_7.1 가변 길이 입력 분석하기
_7.2 신경망 n-gram으로 seq2seq 해결하기
_7.3 품사 태거 구현하기
_7.4 의존 구문 분석과 SyntaxNet
_7.5 빔 탐색과 전역 정규화
_7.6 상태 기반 딥러닝 모델 사례
_7.7 순환 신경망
_7.8 사라지는 경사도 문제
_7.9 LSTM 유닛
_7.10 RNN 모델을 위한 텐서플로 기초 요소
_7.11 감정 분석 모델 구현하기
_7.12 순환 신경망으로 seq2seq 과제 풀기
_7.13 주의집중으로 순환망 증강하기
_7.14 신경 번역망 해부하기
_7.15 요약

CHAPTER 8 메모리 증강 신경망
_8.1 신경 튜링 기계
_8.2 주의집중 기반 메모리 접근
_8.3 NTM 메모리 주소 지정 동작 방식
_8.4 미분 가능 신경 컴퓨터
_8.5 DNC에서 간섭 없는 쓰기
_8.6 DNC 메모리 재사용
_8.7 DNC 쓰기의 시간적 연결
_8.8 DNC 읽기 헤드 이해
_8.9 DNC 제어기 신경망
_8.10 동작 중인 DNC 시각화하기
_8.11 텐서플로에서 DNC 구현하기
_8.12 읽기와 이해를 위한 DNC 가르치기
_8.13 요약

CHAPTER 9 심층 강화학습
_9.1 아타리 게임을 점령한 심층 강화학습
_9.2 강화학습이란?
_9.3 마르코프 결정 과정
_9.4 탐색 대 활용
_9.5 정책 대 가치학습
_9.6 정책 경사가 있는 막대기-수레 문제
_9.7 Q 러닝과 DQN
_9.8 DQN 개선하기
_9.9 요약