CHAPTER 1 신경망의 개요

1.1 인공 신경망의 개념

1.2 신경망의 기본 구조

1.3 단층 피드포워드 신경망



CHAPTER 2 다층 퍼셉트론과 역전파

2.1 다층 퍼셉트론

2.2 역전파 학습

2.3 실습: 역전파를 이용한 다층 퍼셉트론 학습

2.4 다중 클래스 분류를 위한 MLP의 학습



CHAPTER 3 딥러닝 프레임워크

3.1 딥러닝 프레임워크와 텐서플로

3.2 텐 서

3.3 자동 미분

3.4 Keras를 이용한 모델의 구현



CHAPTER 4 딥러닝의 학습 기술

4.1 경사 하강법

4.2 심층 신경망의 학습 문제

4.3 가중치의 초기화

4.4 최적화기의 개선

4.5 과적합과 규제

4.6 배치 정규화



CHAPTER 5 합성곱 신경망

5.1 합성곱의 이해

5.2 합성곱 신경망의 구조



CHAPTER 6 심층 합성곱 신경망

6.1 LeNet-5

6.2 AlexNet

6.3 VGGNet

6.4 GoogLeNet

6.5 ResNet



CHAPTER 7 오토인코더와 적대적 생성 신경망

7.1 오토인코더

7.2 적대적 생성 신경망



CHAPTER 8 RNN

8.1 RNN의 개념

8.2 LSTM & GRU

8.3 실습: RNN을 이용한 텍스트 생성

8.4 인코더-디코더



CHAPTER 9 트랜스포머

9.1 트랜스포머 모델의 구조

9.2 실습: 트랜스포머를 이용한 번역 모델



CHAPTER 10 초거대 언어 모델

10.1 언어 모델

10.2 GPT

10.3 GPT-2

10.4 GPT-3

10.5 ChatGPT

10.6 실습: 트랜스포머 기반 모델의 사용