이미 소장하고 있다면 판매해 보세요.
|
CHAPTER 1 머신러닝
1.1 머신러닝과 딥러닝 1.2 머신러닝이란 1.3 머신러닝의 난제 1.4 과적합 1.5 과적합과 싸우기 1.6 머신러닝의 종류 1.7 분류와 회귀 1.7 요약 CHAPTER 2 신경망 2.1 서론 2.2 신경망의 노드 2.3 신경망의 계층 구조 2.4 신경망의 지도학습 2.5 단층 신경망의 학습: 델타 규칙 2.6 델타 규칙의 일반 형태 2.7 SGD, 배치, 미니 배치 2.8 예제: 델타 규칙 2.9 단층 신경망의 한계 2.10 요약 CHAPTER 3 다층 신경망의 학습 3.1 서론 3.2 역전파 알고리즘 3.3 예제 3.4 비용함수와 학습 규칙 3.5 예제 3.6 요약 CHAPTER 4 신경망과 분류 4.1 서론 4.2 이진 분류 4.3 다범주 분류 4.4 예제: 다범주 분류 4.5 요약 CHAPTER 5 딥러닝 5.1 서론 5.2 심층 신경망의 성능 개선 5.3 예제 5.4 요약 CHAPTER 6 컨벌루션 신경망 6.1 서론 6.2 컨브넷의 구조 6.3 컨벌루션 계층 6.4 풀링 계층 6.5 예제: MNIST 6.6 요약 |
|
이론으로 익히고 예제로 이해하는 머신러닝, 인공 신경망, 딥러닝
이 책은 총 6개의 장으로 구성되어 있지만, 크게 보면 3개의 주제로 묶을 수 있습니다. 첫 번째 주제는 ‘머신러닝’입니다. 딥러닝은 머신러닝의 기반 위에 세워진 기술입니다. 딥러닝을 제대로 이해하려면 간단하게라도 머신러닝의 철학을 알고 있어야 합니다. 두 번째 주제는 ‘인공 신경망’입니다. 딥러닝은 신경망을 이용한 머신러닝 기법으로, 딥러닝과 신경망은 따로 떼어 놓을 수 없는 불가분의 관계입니다. 세 번째 주제는 이 책의 주제이기도 한 ‘딥러닝’입니다. 그동안 딥러닝의 걸림돌이 되었던 요인을 소개하고, 딥러닝에서 어떻게 해결하는지 제시합니다. 또한 대표적인 딥러닝 기술인 컨벌루션 신경망의 기본 개념과 구조를 소개하고 예제까지 구현해봅니다. “딥러닝은 우리 연구소 스터디 중 가장 인기 있는 주제입니다. 하지만 초보자와 전문가 사이에는 여전히 상당한 격차가 존재하는 것도 사실입니다. 이 책은 딥러닝을 대략적으로 이해한 초보자들이 더 깊게, 하지만 너무 힘들지 않게 한 단계 올라서는 데 좋은 길잡이가 되어줄 것입니다. 특히 컨벌루션 신경망의 설명은 압권입니다.” 김승일_모두의 연구소 소장 “현업에서 딥러닝 기술을 적용한 기기를 개발하다 보면, 딥러닝 라이브러리를 수정하거나 최적화해야 하는 경우가 많습니다. 이런 작업을 위해서는 딥러닝의 구현을 어느 정도는 이해하고 있어야 합니다. 이 책은 딥러닝의 개념부터 구현까지 간결하게 설명하고 있어, 딥러닝을 처음 접하는 개발자들에게 큰 도움이 될 것입니다. 전정희_(주)보고넷 대표 |