인공지능 100점을 위한 파이썬 수학

베타리더 추천사

1 들어가는 말
1-1 입문자를 위한 인공지능
1-2 인공지능의 시대

2 미리 알아야 할 것들
2-1 고교수학 기초
2-2 파이썬
2-3 컴파일러와 인터프리터
2-4 파이썬 기초
2-5 코딩교육과 파이썬 기초
2-6 파이썬 설치
2-7 파이썬의 수학 친구 numpy, scipy
2-8 파이썬 matplotlib 설치
2-9 주피터 노트북과 Google Colaboratory (CoLab)

3 파이썬 기초 문법
3-1 주석
3-2 변수
3-3 산술연산
3-4 자료구조: 리스트, 튜플, 딕셔너리
3-5 조건문
3-6 반복문
3-7 함수
3-8 클래스와 객체
3-9 numpy 패키지의 사용
3-10 matplotlib를 이용한 그래프

4 MNIST 기초이해
4-1 MNIST DataSet 구성
4-2 MNIST 화면 출력

5 퍼셉트론과 XOR
5-1 인공지능 연구의 역사
5-2 머신러닝의 분야
5-3 퍼셉트론과 뉴런
5-4 퍼셉트론으로 논리연산자 만들기
5-5 다층퍼셉트론

6 신경망
6-1 인간의 신경세포, 뉴런
6-2 인공신경망(ANN, Artificial Neural Network)
6-3 퍼셉트론과 논리게이트
6-4 신경망의 수학적 이해
6-5 활성함수

7 영상과 MNIST
7-1 영상의 이해
7-2 디지털과 아날로그 신호
7-3 샘플링과 양자화7-4 MNIST 특징
7-5 MNIST에서 사진 가져오기

8 MNIST와 신경망의 입력과 출력
8-1 행렬식의 이해
8-2 행렬의 계산과 선형대수
8-3 행렬계산식의 수학적 이해
8-4 행렬계산을 위한 파이썬 코드
8-5 신경망 데이터의 행렬 특징
8-6 무작위 데이터로 신경망함수 만들기

9 항등 함수와 소프트맥스 함수
9-1 항등함수(identity function)
9-2 비례확률함수
9-3 소프트맥스 함수

10 손실함수
10-1 손실함수의 개념
10-2 평균, 중간값, 표준편차, 분산의 이해
10-3 평균제곱오차
10-4 크로스엔트로피오차(CEE)

11 경사와 미분
11-1 미분의 수학적 정의
11-2 수치미분
11-3 편미분
11-4 게임 캐릭터는 N 차원
11-5 2차원 함수의 그래프와 편미분
11-6 편미분 프로그래밍 코드
11-7 np.nditer
11-8 신경망 계산 과정에서의 미분 이해
11-9 네트워크변수의 편미분값인 기울기
11-10 nditer 편미분 코드
11-11 경사하강법

12 순전파
12-1 MNIST 데이터 입력
12-2 함수 정의
12-3 프로세스별 클래스 생성
12-4 네트워크클래스 생성
12-5 미분을 이용한 학습과 검증
12-6 학습 후 정확도 테스트

13 오차역전파
13-1 계산그래프
13-2 시그모이드 함수의 기울기
13-3 Softmax와 Cross Entropy Error
13-4 활성함수 Relu 클래스
13-5 Affine 클래스
13-6 오차역전파를 사용한 MNIST 학습

맺는 말
부록
찾아보기