이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 문화비소득공제 가능
위키북스- 데이터 사이언스 시리즈
이 상품의 시리즈 알림신청
이 상품의 태그
상세 이미지
책소개
목차
|
01장: 인공지능이란?
머신러닝의 종류 __지도학습 __비지도학습 __강화학습 강화학습과 신경망 이 책의 구성 02장: 강화학습 강화학습의 기본 요소 __환경 __상태 (S) __에이전트 __행동 (A) __상태전이확률 (P) __보상 (R) __수익 (G) __정책 (r) __에피소드 __마르코프 의사결정과정 (MDP) 환경과 에이전트 준비 가치함수 : 상태/행동의 가치 계산 __상태가치함수 : Vr __행동가치함수 : Qr 동적계획법 : 최적 정책 선택 __정책 평가 __반복 정책 평가 __정책 개선 __정책 반복 __가치 반복 몬테카를로 방법 __몬테카를로 방법의 Prediction __몬테카를로 방법의 Control 시간차 학습 __시간차 학습의 Prediction __시간차 학습의 Control : SARSA(On-policy) __시간차 학습의 Control : Q-learning(Off-policy) __Double Q-learning __정책 그레이디언트 : 액터-크리틱 함수 근사 함수 근사 : TD(0) Prediction 함수 근사 : Q-learning 03장: 인공신경망 퍼셉트론 손실함수 __평균제곱오차 __교차엔트로피오차 경사하강법 퍼셉트론의 학습 __숫자 외우기 __선형 함수 근사 __비선형 함수 근사 다층 퍼셉트론 활성화 함수 __시그모이드 함수 __하이퍼볼릭탄젠트 함수 __ReLU 함수 __소프트맥스 함수 오차역전파법 __오차역전파법이란? __중간층과 출력층 사이의 가중치와 편향 학습 __입력층과 중간층 사이의 가중치와 편향 학습 __비선형 함수 근사 학습 최적화 __일정 비율 감소 __모멘텀 __AdaGrad __RMSProp __Adam __드롭아웃 __배치 정규화 __그 밖의 방법 배치 경사하강법, 확률적 경사하강법, 미니배치 경사하강법 __배치 경사하강법 __확률적 경사하강법 __미니 배치 경사하강법 __에폭 케라스를 이용한 신경망 구현 합성곱신경망 __합성곱신경망이란? __합성곱층 __채널 __스트라이드 __패딩 __풀링층 __플래튼층 케라스를 이용한 합성곱신경망 구현 __손글씨 데이터 __손글씨 데이터 전처리 __합성곱신경망 구축 __학습과 결과 확인 04장: 인공지능 만들기: 틱택토 게임 틱택토 준비 인간 플레이어 랜덤 플레이어 게임 진행 함수 몬테카를로 플레이어 Q-learning 플레이어 DQN 플레이어 부록A: 참고 자료 A.1 미분 A.2 편미분 A.3 연쇄법칙 |
저자 소개 1
일본 규슈 대학에서 인공지능으로 박사 학위를 받은 후 소니 반도체에서 데이터 분석, 알고리즘 및 시스템 개발, 사원 대상 통계 알고리즘 강의를 진행했으며, 현재 삼성전자에서 데이터 분석, 알고리즘 개발 업무를 하고 있다. 저서로 『데이터 분석을 떠받치는 수학』, 『기초부터 시작하는 강화학습/신경망 알고리즘』이 있으며, 옮긴 책으로는 『가장 쉬운 딥러닝 입문 교실』, 『실전! 딥러닝』, 『파이썬 데이터 분석 실무 테크닉 100』, 『데이터 해석학 입문』 등이 있다.
손민규의 다른 상품
품목정보
- 발행일
- 2019년 11월 21일
- 쪽수, 무게, 크기
- 312쪽 | 175*235*30mm
- ISBN13
- 9791158391768
