PART 0 개발 환경 구축

1. 파이썬 설치
01. Windows OS 버전
02. Mac OS 버전
2. 필요 패키지 설치
01. 주피터(Jupyter)
02. xlwings
03. 사이킷런(Scikit-Learn)
04. OpenCV 및 Numpy
05. Matplotlib
3. 파이썬-엑셀 연동 실습
01. 셀 내 중복값 제거 실습
02. 웹캠 이미지 엑셀 출력

PART 1 넘파이(Numpy)

1. 배열(ndarray)
01. arange 함수
02. reshape 함수
03. array indexing
2. 연산
01. 행렬의 사칙연산과 행렬곱
02. eye 함수
03. 전치 행렬(Transpose)
04. flip 함수
05. pad 함수
3. 미분
01. 함수의 기울기
02. 미분 프로그래밍

PART 2 딥러닝 개요

1. 딥러닝 학습
2. y = wx 학습
01. 엑셀 데이터 준비
02. 손실 함수(Loss)의 정의
03. 경사 하강법(Gradient Descent)
04. 모델 구현
3. y = wx + b 학습
01. 편미분
02. 확률적 경사 하강법(Stochastic Gradient Descent)
03. 모델 구현
4. y = w1 × 1 + w2 × 2 + b 학습
01. 행렬 표현
02. 행렬 연산의 이해
03. 모델 구현
5. 임의의 함수 학습
01. 딥러닝(Deep Learning)
02. 체인룰(CHAIN RULE), 순전파(Forward Propagation), 역전파(Back Propagation)
03. 활성화 함수(Activation Function)
04. 모델 구현

PART 3 회귀 예제

1. 당뇨병 예측 데이터
01. 데이터 확인 및 모델 만들기
02. 데이터 정규화
03. 하이퍼 파라미터(Hyper Parameter) 설정
04. 과소/과대 적합 방지
2. 체력 검사 데이터
01. 데이터 확인
02. 다중 출력 모델 설계
03. 다중 출력 모델의 역전파

PART 4 분류 개요

1. 이진 분류
01. 시그모이드(Sigmoid)
02. 분류의 역전파
03. 모델 구현
04. 시그모이드를 중간층의 활성화 함수로 사용하지 않는 이유 1
2. 다중 분류
01. 소프트맥스(Softmax)
02. 카테고리컬 크로스 엔트로피(Categorical Cross Entropy)
03. 모델구현

PART 5 분류 예제

1. 붓꽃 분류
01. 데이터 확인
02. 원핫인코딩(One-hot Encoding)
03. 모델 구현
2. 손글씨 분류
01. 데이터 확인
02. 데이터 전처리
03. 모델 구현
04. 모델 검증 및 한계

PART 6 CNN

1. 이미지 데이터 특성
2. 필터와 합성곱(Convolution) 연산
3. 합성곱의 역전파
4. 모델 구현
5. CNN 추가 정보
01. 행렬로 표현
02. Stride
03. 패딩(Padding)
04. 풀링(Pooling)
05. 채널

PART 7 RNN

1. RNN 구조
2. 순전파와 역전파 연산

부록 1 Google Spreadsheet 사용
1. 구글 드라이브 API 설정하기
2. 구글 스프레드시트 API 설정하기

부록 2 Tensorflow 사용
1. 당뇨병 데이터
2. 체력 검사 데이터
3. 붓꽃 데이터
4. 손글씨 데이터
5. 영어 철자 예측 데이터