파이썬으로 시작하는 머신러닝 + 딥러닝

1장. 머신러닝, 딥러닝이 무엇인가요?
__1.1 컴퓨터에게 지능을 만들어주는 인공지능
__1.2 컴퓨터는 어떻게 학습을 하죠?
____1.2.1 지도학습
____1.2.2 비지도학습
____1.2.3 강화학습
__1.3 인공신경망의 역사
__1.4 이 책에서 다루는 분석 모델
____1.4.1 이 책은 인공지능 분야 중 빅데이터를 컴퓨터가 스스로 학습하는 머신러닝과 딥러닝을 다룹니다
____1.4.2 이 책은 지도학습과 비지도학습 방법을 다룹니다
____1.4.3 이 책은 다음의 머신러닝 알고리즘을 다룹니다
____1.4.4 이 책은 다음의 딥러닝 알고리즘을 다룹니다
____1.4.5 이 책이 다루는 학습 성능을 개선하기 위한 방법입니다
____1.4.6 이 책이 다루는 학습 모델의 평가 방법입니다
____1.4.7 전체 맵(Mae)
__1.5 컴퓨터를 학습시키기 위한 준비
____1.5.1 환경 설정 - 코랩(Colab)
____1.5.2 데이터 분석을 위한 파이썬 기초 문법
__마무리

2장. 머신러닝 프로세스
__2.1 머신러닝 학습 절차
____2.1.1 문제 정의
____2.1.2 데이터 전처리
____2.1.3 학습
____2.1.4 평가
__2.2 실습 - 붓꽃 데이터 분류
____2.2.1 문제 정의
____2.2.2 데이터 정제
____2.2.3 학습 - 의사결정나무
____2.2.4 평가
____2.2.5 예측
__마무리

3장. 분류 모델의 성능 개선 방법
__3.1 좋은 점수를 받기 위해서는?
____3.1.1 학습 데이터를 바꾼다
____3.1.2 학습 방법을 바꾼다
__3.2 학습 데이터를 바꾼다
____3.2.1 교차검증
____3.2.2 스케일 조절
____3.2.3 차원축소
__3.3 학습 방법을 바꾼다
____3.3.1 모델의 종류를 바꿔보자
____3.3.2 모델을 튜닝하자
____3.3.3 너무 오래 학습하지 않는다!
__3.4 실습 문제 : 유방암 분류
__마무리

4장. 회귀 모델 - 집 값을 예측한다고?
__4.1 회귀 알고리즘
____4.1.1 선형회귀(Linear Regression)
____4.1.2 의사결정나무 기반 회귀 알고리즘
__4.2 회귀 모델의 평가 방법
____4.2.1 MSE(Mean Squared Error)
____4.2.2 결정계수(R2, R - Square)
__4.3 실습 1 - 붓꽃 데이터 회귀
____4.3.1 문제 정의 및 학습 데이터 준비
____4.3.2 학습 - 선형회귀 모델
____4.3.3 학습 - 의사결정나무 기반의 회귀 알고리즘
__4.4 실습 2 - 보스턴 집 값 예측
____4.4.1 문제 정의 및 학습 데이터 준비
____4.4.2 학습 - 선형회귀 모델
____4.4.3 학습 - 선형회귀 모델 응용
____4.4.4 학습 - 의사결정나무 기반 회귀 모델
__마무리

5장. 군집 모델
__5.1 클러스터링
____5.1.1 유사도 측정 방법
____5.1.2 계층적 군집
____5.1.3 K-means 알고리즘
____5.1.4 군집 알고리즘의 평가 방법
__5.2 실습 : 붓꽃 데이터 군집(K-means) 모델
____5.2.1 문제 정의 및 데이터 분할
____5.2.2 학습 - KMeans
____5.2.3 평가 - 실루엣 점수
____5.2.4 최적의 군집 수 찾기
__마무리

6장. 인공신경망을 만들자!
__6.1 딥러닝이란?
____6.1.1 인공신경망
____6.1.2 인공신경망의 학습
____6.1.3 인공신경망의 활성화 함수
____6.1.4 인공신경망의 손실 함수
__6.2 인공신경망 구성하기
____6.2.1 인공신경망 구성하기 - 기본
____6.2.2 인공신경망 구성하기 - 퀴즈
____6.2.3 인공신경망의 주요 함수
__6.3 실습 - 인공신경망 학습
____6.3.1 인공신경망 학습하기 - 기본
____6.3.2 성능 개선
__마무리

7장. CNN과 이미지 처리
__7.1 객체 인식에 탁월한 인공신경망의 구조
____7.1.1 컴퓨터의 이미지 처리
____7.1.2 CNN의 주요 구성
____7.1.3 이미지 데이터 전처리
__7.2 CNN 기반 인공신경망 학습하기
____7.2.1 MNIST 데이터셋
__7.3 똑똑한 인공신경망 활용하기
____7.3.1 전이학습
____7.3.2 VGGNet
____7.3.3 ResNet
____7.3.4 Inception, Xception
____7.3.5 EfficientNet
__마무리

8장. RNN과 자연어 처리
__8.1 컴퓨터는 사람의 말을 어떻게 이해할까?
____8.1.1 자연어 처리
____8.1.2 RNN
__8.2 컴퓨터가 이해할 수 있도록 사람 말을 바꿔주는 방법
____8.2.1 텍스트 전처리
____8.2.2 언어 모델(Language Model)
__8.3 실습 - 감정분석
__마무리