서문

1. 머신러닝 개요
1.1 4차 산업혁명
1.2 인공지능과 머신러닝
1.3 머신러닝에서의 회귀와 분류
1,4 머신러닝 구현 방법1.5 정리

2. 파이썬 (Python)
2.1 파이썬 설치 및 jupyter notebook 실행
2.2 파이썬 데이터타입(DataType)
2.3 파이썬 조건문 if
2.4 파이썬 for 반복문
2.5 List Comprehension
2.6 파이썬 함수 (Function)
2.7 파이썬 클래스 (class)2.8 정리

3. 넘파이 (numpy)
3.1 넘파이 라이브러리 가져오기(import)
3.2 넘파이와 리스트(numpy vs list)
3.3 넘파이 벡터(Vector, 1차원 배열) 생성
3.4 넘파이 행렬(Matrix, 2차원 배열) 생성
3.5 넘파이 산술연산
3.6 넘파이 형 변환(reshape)
3.7 넘파이 브로드캐스트(Broadcast)
3.8 넘파이 전치행렬(Transpose)
3.9 넘파이 행렬 곱(Matrix Multiplication)
3.10 행렬 원소 접근(Indexing, Slicing)
3.11 넘파이 이터레이터(Iterator)
3.12 넘파이 유용한 함수(Useful Function)
3.13 정리

4. 미분 (Derivative)
4.1 미분 개념과 인사이트(Insight)
4.2 편미분(Partial Derivative)
4.3 체인 룰(Chain Rule)
4.4 수치 미분(Numerical Derivative)
4.5 정리

5. 선형 회귀와 분류(Linear Regression and Classification)
5.1 인공지능 머신러닝 딥러닝 리뷰
5.2 선형 회귀(Linear Regression)
5.3 분류(Classification)
5.4 정리

6. XOR 문제(XOR Problem)
6.1 논리게이트 AND, OR, NAND, XOR
6.2 논리게이트(Logic Gate) 클래스 구현
6.3 논리 게이트 검증
6.4 XOR 문제 해결 방법
6.5 정리

7. 딥러닝(Deep Learning)
7.1 XOR 문제 리뷰
7.2 신경망(Neural Network) 개념
7.3 신경망과 인공 신경망
7.4 딥러닝(Deep Learning) 기초
7.5 딥러닝으로 XOR 문제 해결
7.6 정리

8. MNIST(필기체 손글씨)
8.1 MNIST(필기체 손글씨)
8.2 MNIST 인식을 위한 딥러닝 아키텍처
8.3 MNIST_Test 클래스 구현
8.4 MNIST 인식 정확도 검증
8.5 정리

9. 오차역전파(Back Propagation)
9.1 수치 미분의 문제점
9.2 오차역전파 개념 및 원리
9.3 각 층에서의 선형회귀 값(z), 출력 값(a), 오차(E)
9.4 시그모이드(sigmoid) 함수 미분
9.5 출력층 오차역전파 공식
9.6 은닉층 오차역전파 공식
9.7 오차역전파를 이용한 MNIST 검증
9.8 정리

10. 텐서플로(TensorFlow) 기초
10.1 텐서플로 설치
10.2 텐서플로 텐서(Tensor)
10.3 텐서플로 노드(Node), 엣지(Edge)
10.4 텐서플로를 이용한 MNIST 검증
10.5 정리

11. 합성곱 신경망 CNN(Convolutional Neural Network)
11.1 CNN 아키텍처
11.2 콘볼루션층(Convolutional Layer) 개요
11.3 패딩(padding)
11.4 콘볼루션 연산을 통한 출력 데이터 크기
11.5 CNN 기반의 MNIST 검증
11.6 정리

12. 순환 신경망 RNN(Recurrent Neural Network)
12.1 RNN 아키텍처
12.2 순서가 있는 데이터
12.3 RNN 동작원리(정성적 분석)
12.4 RNN 동작원리(정량적 분석)
12.5 RNN 예제12.6 정리

찾아보기