이미 소장하고 있다면 판매해 보세요.
|
▣ 01장: 머신러닝과 딥러닝
1-1. 머신러닝 __머신러닝이란? __머신러닝으로 할 수 있는 것 __구체적으로 머신러닝을 어떻게 적용할 수 있을까? __딥러닝이란? __머신러닝이 실용화된 이유 __머신러닝의 구조 __머신러닝의 종류 1-2. 머신러닝 과정 시나리오 __머신러닝 과정 시나리오 __머신러닝의 기본 과정 1-3. 머신러닝에서 사용할 데이터 만드는 방법 __무엇을 위해 머신러닝을 사용하는가? __어떻게 데이터를 수집할까? __수집한 데이터를 저장하는 형식 __입력에 사용하는 데이터 __데이터 정규화 1-4. 설치가 필요 없는 Colaboratory __Google Colaboratory __Colaboratory의 제약 __Colaboratory의 기본 사용 방법 __응용 힌트 1-5. Jupyter Notebook 사용 방법 __Jupyter Notebook이란? __Jupyter Notebook 실행하기 __신규 노트북 만들고 실행하기 __노트북에 셀을 여러 개 만들기 __값을 그래프로 출력하기 __마크다운 기법으로 문서 만들기 1-6. 개별적으로 프로그램을 실행하는 방법 __명령 라인이란? __프로그램 실행하기 __모듈 설치하고 사용하기 ▣ 02장: 머신러닝 입문 2-1. 가장 간단한 머신러닝 예 __scikit-learn에 대해 __머신러닝으로 AND 연산 해보기 __개선 힌트 2-2. 붓꽃 분류하기 __붓꽃 데이터 내려받기 __붓꽃 데이터를 사용해 머신러닝 하기 __추가 설명: scikit-learn의 샘플에도 들어 있는 붓꽃 데이터 __응용 힌트 2-3. AI로 맛있는 와인 판정하기 __와인의 품질을 머신러닝으로 분류하기 __와인 데이터 내려받기 __와인 데이터 살펴보기 __와인 품질 판정하기 __정답률 올리기 2-4. 과거 10년 동안의 기상 데이터 분석하기 __기상 데이터 사용하기 __과거 10년 동안의 기상 데이터를 얻는 방법 __기온 평균 구하기 __월별 평균 기온 구하기 __기온이 30도 넘는 날 구하기 - Pandas 필터 __회귀 분석으로 내일 기온 예측하기 2-5. 최적의 알고리즘과 매개변수 찾기 __응용 힌트 __최적의 알고리즘 찾기 __최적의 매개변수 찾기 __개선 힌트 ▣ 03장: OpenCV와 머신러닝 - 이미지/동영상 입문 3-1. OpenCV __OpenCV __이미지 읽어 들이기 3-2. 얼굴 검출 - 자동으로 얼굴에 모자이크 처리하기 __얼굴 인식 __얼굴 검출 프로그램 만들기 __OpenCV로 모자이크 처리하기 __사람 얼굴에 자동으로 모자이크 처리하기 __OpenCV의 얼굴 검출은 옆모습과 기울어진 얼굴을 잘 검출하지 못함 __개선·응용 힌트 3-3. 문자 인식 - 손글씨 숫자 판정하기 __손글씨 숫자 광학 인식 데이터세트 사용하기 __이미지 머신러닝하기 __자신이 작성한 이미지 판별하기 __이미지를 대상으로 하는 머신러닝 __개선 힌트 3-4. 윤곽 검출 - 엽서의 우편 번호 인식하기 __엽서의 우편 번호 인식하기 __OpenCV로 윤곽 검출하기 __엽서에서 우편 번호 영역 검출하기 __추출한 숫자 이미지 판정하기 __개선 힌트 __응용 힌트 3-5. 동영상 분석 - 동영상에서 열대어가 등장하는 부분 검출하기 __동영상 분석 __화면에 움직임이 있는 부분 추출하기 __이미지 파일 쓰기 __동영상에서 열대어가 나오는 부분 검출하기 __머신러닝으로 동영상에서 열대어가 많이 나오는 부분 찾기 __개선 힌트 __응용 힌트 ▣ 04장: 자연어 처리하기 4-1. 언어 판정하기 __언어 판정 __머신러닝으로 언어 판정 해보기 4-2. 문장을 단어로 분할하기 __형태소 분석 4-3. 단어의 의미를 벡터로 만들기 __단어 벡터 __단어의 의미를 벡터로 만들기 __응용 힌트 ▣ 05장: 딥러닝 5-1. 딥러닝(심층학습) __딥러닝이란? 5-2. TensorFlow 입문 __TensorFlow란? __TensorFlow 설치와 동작 확인하기 __TensorFlow 데이터 플로 그래프 5-3. TensorFlow로 붓꽃 분류하기 __붓꽃 분류 문제 복습하기 __Keras로 가는 길 __MNIST 데이터 사용하기 5-4. 딥러닝으로 손글씨 숫자 판정하기 __굉장히 간단한 신경망으로 MNIST 분류하기 __MLP를 사용해 MNIST 분류 문제 풀기 __개선 힌트 5-5. 사진에 찍힌 물체 인식하기 __CIFAR-10이란? __CIFAR-10 내려받기 __CIFAR-10 분류 문제를 MLP로 풀기 __CIFAR-10 분류 문제를 CNN으로 풀어보기 __학습 결과 저장하기 __응용 힌트 5-6. 이미지 데이터로 일본어 가타카나 판정하기 __머신러닝의 입력과 출력 __이미지 학습시키기 - 이미지 리사이즈 ▣ 06장: 머신러닝으로 업무 효율화하기 6-1. 업무 시스템에 머신러닝 적용하기 __기존의 업무 시스템 __업무 시스템에 머신러닝 도입하기 6-2. 학습 모델을 저장하고 읽어 들이는 방법 __학습한 학습기를 저장하고 다시 사용하는 방법 6-3. 뉴스 기사의 카테고리 판정하기 __뉴스 기사 자동 분류 __TF-IDF __딥러닝으로 정답률 개선하기 __직접 문장을 지정해 판정하기 __개선 힌트 6-4. 웹에서 사용할 수 있는 뉴스 카테고리 판정 애플리케이션 만들기 __머신러닝을 웹 애플리케이션에서 사용하는 방법 __웹 애플리케이션에서 카테고리를 분류하는 모델 사용하기 __API를 호출하는 웹 애플리케이션 만들기 __개선 힌트 6-5. 머신러닝에 데이터베이스(RDBMS) 사용하기 __데이터베이스를 기반으로 데이터를 학습시키는 방법 __데이터베이스에서 직접 머신러닝 시스템에 데이터 전달하기 __키와 체중 데이터베이스 만들기 __키, 체중, 체형 학습하기 __개선 힌트 __응용 힌트 6-6. 요리 사진을 기반으로 칼로리를 알려주는 프로그램 만들기 __요리 사진 판정 방법 __Flickr API를 사용해 사진 수집하기 __직접 찍은 사진으로 테스트하기 __개선 힌트 ▣ 부록: 이 책의 예제를 실습하기 위한 환경 준비하기 __Python과 머신러닝 환경 준비하기 __Windows에 환경 구축하기 __macOS에 개발 환경 구축하기 __Docker 설치하기 __언어 처리 라이브러리 |
くじらひこうづくえ
쿠지라 히코우즈쿠에의 다른 상품
윤인성의 다른 상품
|
★ 이 책에서 다루는 내용 ★
- 맛있는 와인 판정하기, 얼굴에 모자이크 처리하기, 손글씨 숫자 판정하기, 우편 번호를 자동으로 인식하기, 동영상에서 특정 장면 추출하기 - 문장을 형태소로 분할하기, 단어의 의미를 벡터로 만들기, 문장 분류하기 - 사진 속의 물체 인식하기, 뉴스 기사 카테고리 분류하기, 요리 사진을 기반으로 칼로리 확인하기 |