파이썬으로 시작하는 머신러닝 + 딥러닝

일러두기
__『파이썬으로 시작하는 머신러닝+딥러닝, 전면개정판』 100% 학습하기
__『파이썬으로 시작하는』 시리즈 안내
__IT 분야 취업을 위한 학습 로드맵

1장. 머신러닝, 딥러닝의 주요 개념
__1.1 인공지능, 머신러닝, 딥러닝
__1.2 종속변수, 독립변수, 모델, 학습, 추론
__1.3 지도학습, 비지도학습, 강화학습
__1.4 머신러닝 프로세스
__1.5 과대적합과 과소적합
__1.6 딥러닝의 주요 용어
__1.7 이 책에서 다루는 분석 모델
__1.8 컴퓨터를 학습시키기 위한 준비

2장. 데이터 전처리
__2.1 데이터 탐색(EDA)
__2.2 결측치 처리
__2.3 이상치 처리
__2.4 데이터 통합
__2.5 데이터 변환
__2.6 데이터 축소
__2.7 데이터 분할
__2.8 데이터 전처리 연습문제

3장. 지도학습
__3.1 의사결정나무
__3.2 앙상블(Random Forest, LightGBM, XGBoost)
__3.3 KNN(K Nearest Neighbor)
__3.4 SVM(Support Vector Machine)
__3.5 로지스틱 회귀(Logistic Regression)
__3.6 선형 회귀(Linear Regression)
__3.7 평가 지표

4장. 비지도학습
__4.1 군집 모델이란?
__4.2 계층적 군집 알고리즘
__4.3 K-means 알고리즘
__4.4 군집 알고리즘의 평가 방법

5장. 머신러닝의 성능 개선
__5.1 머신러닝에서 성능이란?
__5.2 교차검증
__5.3 하이퍼파라미터 튜닝
__5.4 특성 공학(Feature Engineering)
__5.5 학습의 이른 종료

6장. 머신러닝 연습문제
__6.1 유방암 예측 모델
__6.2 AI 면접관, 지원자 합격 여부 예측하기

__6.3 주택 가격 예측 모델
__6.4 쇼핑몰 고객 데이터 분석

7장. 딥러닝
__7.1 인공신경망이란?
____7.1.1 인공신경망
____7.1.2 인공신경망의 학습
____7.1.3 인공신경망의 활성화 함수
____7.1.4 인공신경망의 손실 함수
__7.2 인공신경망 구성하기
__7.3 인공신경망의 성능 개선
____7.3.1 드롭아웃(Dropout)
____7.3.2 이른 종료(Early Stop)
____7.3.3 배치 정규화(Batch Normalization)
____7.3.4 가중치 초기값 설정(Weight Initialization)

8장. CNN
__8.1 CNN의 이해
____8.1.1 컨볼루션 레이어(Convolution Layer)
____8.1.2 풀링 레이어(Pooling Layer)
____8.1.3 완전 연결 레이어(Fully Connected Layer)
__8.2 CNN 구성하기
__8.3 이미지 분류 응용
____8.3.1 이미지란?
____8.3.2 이미지 데이터 전처리
____8.3.3 이미지넷
____8.3.4 VGGNet
____8.3.5 GoogLeNet
____8.3.6 ResNet
____8.3.7 EfficientNet
____8.3.8 전이 학습

9장. RNN
__9.1 RNN의 이해
__9.2 언어 모델의 이해
____9.1.1 자연어 처리
____9.1.2 텍스트 전처리
____9.1.3 Seq2Seq
____9.1.4 Attention
____9.1.5 Transformer
____9.1.6 최신 자연어 처리 분야의 핵심 기술 요소