이미 소장하고 있다면 판매해 보세요.
|
PART 1
Chapter 01 인공지능·딥러닝·파이토치 설치 Chapter 02 파이토치 기초 Chapter 03 자동미분·경사하강법·최적화 Chapter 04 회귀 Chapter 05 모델(torch.nn.Linear) 회귀 Chapter 06 다층 신경망(MLP) 모델 분류 Chapter 07 초기화·배치 정규화·드롭아웃 Chapter 08 합성곱 신경망(CNN) Chapter 09 오토 인코더·GAN Chapter 10 순환 신경망 Chapter 11 사전 학습모델Chapter 12 조기 종료·텐서 보드 PART 2 Chapter 13 파이토치 Lightning Chapter 14 U-Net 영상 분할 Chapter 15 Attention·SPP·ASPP 모듈 Chapter 16 기계번역·트랜스포머 Chapter 17 메트릭학습 Chapter 18 확산(Diffusion) 모델 Chapter 19 einsum·einops·KL Divergence PART 3 Chapter 20 강화학습 기초 Chapter 21 몬테카를로 학습 Chapter 22 시간차 학습(TD) Chapter 23 정책기반 강화학습 Chapter 24 N-Step 강화학습 Chapter 25 Double Q-learning·Dueling Network Chapter 26 강화학습 응용 |
김동근의 다른 상품
|
ㆍ지금은 인공지능 딥러닝 시대
ㆍ딥러닝은 인공 뉴런에 기초한 단일 퍼셉트론, 다층 퍼셉트론을 다루는 전통적인 신경망을 발전시켜 더 깊게 다층으로 쌓아 학습하는 인공지능 분야 ㆍ최근 Tensorflow/Keras(Google), Pytorch(Meta) 등의 다양한 딥러닝 프레임워크가 오픈소스로 제공 ㆍㆍ이 책은 사용자가 가장 많은 메타의 파이토치를 사용한 딥러닝 프로그래밍에 대해 설명 ㆍㆍ파이토치는 Lua 언어기반의 Torch를 파이썬으로 포팅한 오픈소스 딥러닝 프레임워크 ㆍㆍ파이토치의 장점은 일반적인 파이썬 프로그래밍 작성과 유사하게 사용할 수 있으며, 간결하고 직관적이어서 이해하기 쉽고 편리하여, 최근 개발자 및 연구자들 사이에서 인기가 많은 딥러닝 프레임워크 ㆍㆍPart 1은 다층신경망, 합성곱신경망, 순환신경망, 오토인코더, GAN 등의 모델을 생성하고, 최적화를 통한 학습, 과적합, 사전학습모델, 조기종료, 학습률 스케줄링, 텐서 보드 등의 파이토치 기초에 대해 설명 ㆍㆍPart 2는 파이토치 Lightning, U-Net 영상 분할, SiamerseNet, SimCLR, Attention, Multi-head Attention, Transformer, Segformer, einsum, einops 등의 다양한 딥러닝에 대해 설명 ㆍㆍPart 3는 “Reinforcement Learning: An Introduction, second edition, R.S.Sutton, A.G Barto”를 참고하여 마르코프 결정과정 Markov Decision Process, MDP, 동적프로그래밍 Dynamic Programming, DP, 몬테카를로 Monte Carlo 학습, 시간차 Temporal-Difference 학습, 정책기반 Policy-based 학습 등의 강화학습을 GridWorld, Gymnasium, TicTacToe, Snake, Breakout 게임을 이용하여 설명 ㆍㆍ이 책은 Part 1과 Part 2, Part 3로 세 권의 책으로 구성되어 있습니다. |