추가 적립 안내

김병만 , 이종열 , 문창배의 『실습으로 배우는 딥러닝』은 〈딥러닝 소개〉, 〈데이터 전처리(preprocessing)〉, 〈인공신경망(Artificial Neural Network)〉, 〈텐서플로우(TensorFlow)〉 등이 수록되어 있다.

1장 딥러닝 소개
1.1 4차 산업혁명과 인공지능 2
1.2 인공지능과 머신러닝 그리고 딥러닝 9
1.3 머신러닝 및 딥러닝 제품과 서비스들 12
1.4 머신러닝과 학습 데이터 22
1.5 머신러닝 방법 분류 29
연습문제 43

2장 데이터 전처리(preprocessing)
2.1 학습 데이터 구축하기 48
2.2 학습 데이터 메모리 로드 및 살펴보기 52
2.3 데이터 분리 57
2.4 데이터 정제하기 63
2.5 실제 데이터에 적용하기 76
연습문제 86

3장 인공신경망(Artificial Neural Network)
3.1 역사와 특징 90
3.2 퍼셉트론 (Perceptron) 92
3.3 다층 신경망 (Multi-Layer Perceptron : MLP) 98
3.4 경사 하강법 (Gradient Descent) 101
3.5 역전파 (Backpropagation) 알고리즘 103
3.6 Scikit-learn 라이브러리 이용 NN 구축하기 109
연습문제 115

4장 텐서플로우(TensorFlow)
4.1 딥러닝 라이브러리 120
4.2 텐서플로우 프로그래밍 123
4.3 상수 130
4.4 기본 연산 133
4.5 데이터 타입 136
4.6 변수 138
4.7 Placeholders 144
4.8 변수 저장 149
4.9 변수 공유 152
4.10 텐서보드를 이용한 시각화 159
4.11 텐서플로우 이용 NN 구축하기 162
연습문제 172

5장 심층 신경망(DNN : Deep Neural Network)
5.1 기울기 소멸 문제 178
5.2 학습 속도 저하 문제 188
5.3 오버피팅 줄이기 196
5.4 tflearn 라이브러리 이용 DNN 구축하기 198
연습문제 211

6장 CNN(Convolutional Neural Network)
6.1 컨볼루션층(Convolutional Layer) 217
6.2 풀링층(Pooling Layer) 223
6.3 LeNet-5 224
6.4 AlexNet 227
6.5 VGGNet 230
6.6 Residual Network 233
6.7 GoogLeNet 241
6.8 이미지 전처리 및 이미지 확장 253
6.9 이미지 파일을 메모리로 로드하기 255
연습문제 259

7장 RNN(Recurrent Neural Network)
7.1 Simple RNN 268
7.2 RNN 응용 274
7.3 RNN을 이용한 분류기 277
7.4 RNN을 이용한 값 예측 279
7.5 LSTM (Long Short-Term Memory) Cell 소개 284
7.6 GRU (Gated Recurrent Unit) Cell 소개 287
연습문제 290

8장 오토인코더(AutoEncoder)
8.1 오토인코더 구조 및 동작 294
8.2 Stacked 오토인코더 298
8.3 잡음 제거 (Denoising) 오토인코더 304
8.4 콘볼루션 오토인코더 307
8.5 가변 오토인코더 (Variational Autoencoder) 311
연습문제 323

9장 GAN(Generative Adversarial Network)
9.1 GAN 328
9.2 DCGAN (Deep Convolutional Generative Adversarial Nets) 337
9.3 CGAN (Conditional GAN) 348
연습문제 354

부록
[부록 1] 파이썬 개발환경 PyCharm 설치 및 사용 358
[부록 2] 텐서플로우 실행 환경 구축하기 376
[부록 3] 파이썬을 이용한 데이터 시각화 393