°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (37,620¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (27,720¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (31,680¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

¸Ó½Å ·¯´× ±³°ú¼­ with ÆÄÀ̽ã, »çÀÌŶ·±, ÅÙ¼­Ç÷Π: ¸Ó½Å ·¯´×, µö·¯´× ÇÙ½É ¾Ë°í¸®ÁòºÎÅÍ GAN, °­È­ ÇнÀ±îÁö!

¿øÁ¦ : Python Machine Learning - Third Edition
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

ÆǸÅÁö¼ö 124
?
ÆǸÅÁö¼ö¶õ?
»çÀÌÆ®ÀÇ ÆǸŷ®¿¡ ±â¹ÝÇÏ¿© ÆǸŷ® ÃßÀ̸¦ ¹Ý¿µÇÑ ÀÎÅÍÆÄÅ© µµ¼­¿¡¼­ÀÇ µ¶¸³ÀûÀÎ ÆǸŠÁö¼öÀÔ´Ï´Ù. ÇöÀç °¡Àå Àß Æȸ®´Â »óÇ°¿¡ °¡ÁßÄ¡¸¦ µÎ¾ú±â ¶§¹®¿¡ ½ÇÁ¦ ´©Àû ÆǸŷ®°ú´Â ´Ù¼Ò Â÷ÀÌ°¡ ÀÖÀ» ¼ö ÀÖ½À´Ï´Ù. ÆǸŷ® ¿Ü¿¡µµ ´Ù¾çÇÑ °¡ÁßÄ¡·Î ±¸¼ºµÇ¾î ÃÖ±ÙÀÇ À̽´µµ¼­ È®Àνà À¯¿ëÇÒ ¼ö ÀÖ½À´Ï´Ù. ÇØ´ç Áö¼ö´Â ¸ÅÀÏ °»½ÅµË´Ï´Ù.
Close
°øÀ¯Çϱâ
Á¤°¡

44,000¿ø

  • 39,600¿ø (10%ÇÒÀÎ)

    2,200P (5%Àû¸³)

ÇÒÀÎÇýÅÃ
Àû¸³ÇýÅÃ
  • S-Point Àû¸³Àº ¸¶ÀÌÆäÀÌÁö¿¡¼­ Á÷Á¢ ±¸¸ÅÈ®Á¤ÇϽŠ°æ¿ì¸¸ Àû¸³ µË´Ï´Ù.
Ãß°¡ÇýÅÃ
¹è¼ÛÁ¤º¸
  • Ç°Àý 
  • ¹«·á¹è¼Û
ÁÖ¹®¼ö·®
°¨¼Ò Áõ°¡

Ã¥¼Ò°³

¾Æ¸¶Á¸ ¸Ó½Å ·¯´× ºÐ¾ß º£½ºÆ®¼¿·¯! ±× ¸í¼º ±×´ë·Î!
¸Ó½Å ·¯´×, µö·¯´× ÇÙ½É ¾Ë°í¸®Áò¿¡¼­ GAN, °­È­ ÇнÀ±îÁö!

ÄÚµå ½ÇÇุÀ¸·Î´Â ¸Ó½Å ·¯´×°ú µö·¯´×À» ÃæºÐÈ÷ ÀÌÇØÇÒ ¼ö ¾ø´Ù. ¸Ó½Å ·¯´×°ú µö·¯´×À» Á¦´ë·Î ÀÌÇØÇÏ°í ½Í´Ù¸é ÄÚµå ¿Ü¿¡µµ °ü·Ã À̷аú ¾Ë°í¸®ÁòÀÇ µÚÆí¿¡ ÀÖ´Â ¼öÇÐ °³³äÀ» ¾Ë¾Æ¾ß ÇÑ´Ù. ÀÌ Ã¥Àº ÀÌÇظ¦ µ½´Â °³³ä ¼³¸í, ¸Ó½Å ·¯´×°ú µö·¯´× ÇÙ½É ¾Ë°í¸®ÁòÀÇ ÀÛµ¿ ¹æ½Ä°ú »ç¿ë ¹æ¹ý, ±× ¹Ø¹ÙÅÁÀÌ µÇ´Â ¼öÇÐ, ½Ç¿ëÀûÀÎ ¿¹Á¦, ºüÁö±â ½¬¿î ÇÔÁ¤À» ÇÇÇÏ´Â ¹æ¹ý±îÁö À̷аú Äڵ带 ±ÕÇü ÀÖ°Ô ¼³¸íÇÑ´Ù. ÆÄÀ̽㠾ð¾î¿Í ÆÄÀ̽㠱â¹ÝÀÇ ¸Ó½Å ·¯´× ÇÙ½É ¶óÀ̺귯¸®(SciPy, NumPy, scikit-learn, Matplotlib, Pandas)¸¦ »ç¿ëÇØ ¸Ó½Å ·¯´×À», ÅÙ¼­Ç÷Î(TensorFlow 2)¸¦ »ç¿ëÇØ µö·¯´×À» ½Ç½ÀÇغ»´Ù. ƯÈ÷ µö·¯´×Àº ÃֽŠÅÙ¼­Ç÷Π2¿¡ ¸ÂÃç ´ëÆø ¼öÁ¤ ¹× º¸°­µÇ¾ú´Ù. ±×·¯°í ³ª¼­ GAN°ú °­È­ ÇнÀµµ ÀÚ¼¼ÇÏ°Ô ´Ù·é´Ù. ¸Ó½Å ·¯´×°ú µö·¯´× ±âº»±â¸¦ źźÇÏ°Ô ´ÙÁö°í ½ÍÀº ºÐ²² ÀûÀýÇÏ´Ù.

ÃâÆÇ»ç ¼­Æò

°£°áÇÑ °³³ä, ¼öÇÐ, ½Ç¿ëÀûÀÎ ÄÚµå·Î
¸Ó½Å ·¯´×, µö·¯´× ÀÌ·ÐÀ» ¿Ï¼ºÇÑ´Ù!

À̷аú Äڵ带 ±ÕÇü ÀÖ°Ô ¼³¸íÇÑ´Ù!
ÄÚµå ½ÇÇุÀ¸·Î´Â ¸Ó½Å ·¯´×°ú µö·¯´×À» ÃæºÐÈ÷ ÀÌÇØÇÒ ¼ö ¾ø´Ù. ¸Ó½Å ·¯´×°ú µö·¯´×À» Á¦´ë·Î ÀÌÇØÇÏ°í ½Í´Ù¸é ÄÚµå ¿Ü¿¡µµ °ü·Ã À̷аú ¾Ë°í¸®ÁòÀÇ µÚÆí¿¡ ÀÖ´Â ¼öÇÐ °³³äÀ» ¾Ë¾Æ¾ß ÇÑ´Ù. ÀÌ Ã¥Àº ÀÌÇظ¦ µ½´Â °³³ä ¼³¸í, ¸Ó½Å ·¯´×°ú µö·¯´× ÇÙ½É ¾Ë°í¸®ÁòÀÇ ÀÛµ¿ ¹æ½Ä°ú »ç¿ë ¹æ¹ý, ±× ¹Ø¹ÙÅÁÀÌ µÇ´Â ¼öÇÐ, ½Ç¿ëÀûÀÎ ¿¹Á¦, ºüÁö±â ½¬¿î ÇÔÁ¤À» ÇÇÇÏ´Â ¹æ¹ý±îÁö À̷аú Äڵ带 ±ÕÇü ÀÖ°Ô ¼³¸íÇÑ´Ù. »çÀÌŶ·±ÀÇ ±â¿©ÀÚÀÌÀÚ mlxtend ¶óÀ̺귯¸® Á¦ÀÛÀÚÀÎ ÀúÀÚ°¡ ¿À·£ ±â°£ ¸Ó½Å ·¯´× °³¹ßÀÚ·Î ÀÏÇϸ鼭 ÀÍÈù ³ëÇϿ츦 Ã¥ °÷°÷¿¡¼­ ÇÔ²² ¼³¸íÇϹǷΠ¸Ó½Å ·¯´×À» ½ÇÁ¦·Î È°¿ëÇÏ´Â ¹æ¹ý±îÁö ¿³º¼ ¼ö ÀÖ´Ù.

ÇÙ½É ¾Ë°í¸®ÁòÀ» Á÷Á¢ ±¸ÇöÇÑ´Ù!
ÆÄÀ̽㠾ð¾î¿Í ÆÄÀ̽㠱â¹ÝÀÇ ¸Ó½Å ·¯´× ÇÙ½É ¶óÀ̺귯¸®(SciPy, NumPy, scikit-learn, Matplotlib, Pandas)¸¦ »ç¿ëÇØ ¸Ó½Å ·¯´×À», ÅÙ¼­Ç÷θ¦ »ç¿ëÇØ µö·¯´×À» ½Ç½ÀÇغ»´Ù. ƯÈ÷ µö·¯´×Àº ÃֽŠÅÙ¼­Ç÷ο¡ ¸ÂÃç ´ëÆø ¼öÁ¤ ¹× º¸°­µÇ¾ú´Ù. ±×·¯°í ³ª¼­ GAN°ú °­È­ ÇнÀµµ ÀÚ¼¼ÇÏ°Ô ´Ù·é´Ù. ¸Ó½Å ·¯´×°ú µö·¯´× ÇÙ½É ¾Ë°í¸®ÁòÀÇ ¼öÇÐÀû ÀÌ·ÐÀ» ¼Ò°³ÇÏ°í, °£´ÜÇÑ ¾Ë°í¸®ÁòÀº óÀ½ºÎÅÍ Á÷Á¢ ±¸ÇöÇغ»´Ù.

½Ç¿ëÀûÀÎ ¿¹Á¦·Î ¹è¿î´Ù!
Ã¥ÀÇ ¸ðµç ¿¹Á¦°¡ ¿À·§µ¿¾È À§½ºÄܽŠ´ëÇб³¿¡¼­ °­ÀÇÇÏ°í ÇöÀå¿¡¼­ ÀÏÇÑ ÀúÀÚÀÇ °æÇèÀ» ¹ÙÅÁÀ¸·Î ÇÑ´Ù. ´Ü¼øÈ÷ °³³ä¸¸ ÀÍÈ÷´Â °ÍÀÌ ¾Æ´Ñ ½Ç¿ëÀûÀÌ°í È®Àå °¡´ÉÇÑ ¿¹Á¦µé·Î ±¸¼ºµÇ¾î ÀÖ´Ù. ÀÌ ¿¹Á¦µéÀ» ÇнÀÇϸ鼭 ¸Ó½Å ·¯´×°ú µö·¯´×ÀÇ °³³ä, ÇÙ½É ¾Ë°í¸®Áò, È°¿ë ÆÁ µîÀ» È®½ÇÇÏ°Ô ÀÌÇØÇÒ ¼ö ÀÖÀ¸¸ç, ³ª¸¸ÀÇ µö·¯´× ¸ðµ¨À» ¸¸µé ¶§ ·¹½ÃÇÇ·Î È°¿ëÇÒ ¼öµµ ÀÖ´Ù.

[°³Á¤ÆÇ¿¡¼­ ´Þ¶óÁø Á¡]
(Ç® Ä÷¯´Â ±âº»!)

1. »çÀÌŶ·±, ÅÙ¼­Ç÷ΠÃֽŠ¹öÀü ¹Ý¿µ

2. ¸Ó½Å ·¯´× ºÎºÐ ´ë·®ÀÇ ÁÖ¼® Ãß°¡

3. ÅÙ¼­Ç÷Π2¿¡ ¸ÂÃç µö·¯´× ºÎºÐ Àü¸é °³Æí ¹× ³»¿ë º¸°­

4. GAN, °­È­ ÇнÀ Ãß°¡

5. ±¸±Û ÄÚ·¦¿¡¼­ ½Ç½À °¡´É

6. Àüü ¹«·á µ¿¿µ»ó °­ÀÇ: http://bit.ly/haesun-youtube
ÀÏÁ¤ÇÑ ÁÖ±â·Î ¾÷µ¥ÀÌÆ® ¿¹Á¤

7. ÁúÀÇÀÀ´ä ¿ÀÇÂäÆÃ¹æ ¿î¿µ: http://bit.ly/tensor-chat
¿ªÀÚ°¡ Á÷Á¢ ¿î¿µÇÏ´Â ¿ÀÇÂäÆùæ

* ù Àå À¯Æ©ºê ¸µÅ©: https://youtu.be/WC4po1W4LzA

¸ñÂ÷

1Àå ÄÄÇ»ÅÍ´Â µ¥ÀÌÅÍ¿¡¼­ ¹è¿î´Ù
1.1 µ¥ÀÌÅ͸¦ Áö½ÄÀ¸·Î ¹Ù²Ù´Â Áö´ÉÀûÀÎ ½Ã½ºÅÛ ±¸Ãà
1.2 ¸Ó½Å ·¯´×ÀÇ ¼¼ °¡Áö Á¾·ù
__1.2.1 Áöµµ ÇнÀÀ¸·Î ¹Ì·¡ ¿¹Ãø
__1.2.2 °­È­ ÇнÀÀ¸·Î ¹ÝÀÀÇü ¹®Á¦ ÇØ°á
__1.2.3 ºñÁöµµ ÇнÀÀ¸·Î ¼û°ÜÁø ±¸Á¶ ¹ß°ß
1.3 ±âº» ¿ë¾î¿Í Ç¥±â¹ý ¼Ò°³
__1.3.1 ÀÌ Ã¥¿¡¼­ »ç¿ëÇϴ ǥ±â¹ý°ú ±ÔÄ¢
__1.3.2 ¸Ó½Å ·¯´× ¿ë¾î
1.4 ¸Ó½Å ·¯´× ½Ã½ºÅÛ ±¸Ãà ·Îµå¸Ê
__1.4.1 Àüó¸®: µ¥ÀÌÅÍ ÇüÅ °®Ãß±â
__1.4.2 ¿¹Ãø ¸ðµ¨ ÈƷðú ¼±ÅÃ
__1.4.3 ¸ðµ¨À» Æò°¡ÇÏ°í º» Àû ¾ø´Â »ùÇ÷Π¿¹Ãø
1.5 ¸Ó½Å ·¯´×À» À§ÇÑ ÆÄÀ̽ã
__1.5.1 ÆÄÀ̽ã°ú PIP¿¡¼­ ÆÐÅ°Áö ¼³Ä¡
__1.5.2 ¾Æ³ªÄÜ´Ù ÆÄÀ̽㠹èÆ÷ÆÇ°ú ÆÐÅ°Áö °ü¸®ÀÚ »ç¿ë
__1.5.3 °úÇÐ ÄÄÇ»ÆÃ, µ¥ÀÌÅÍ °úÇÐ, ¸Ó½Å ·¯´×À» À§ÇÑ ÆÐÅ°Áö
1.6 ¿ä¾à

2Àå °£´ÜÇÑ ºÐ·ù ¾Ë°í¸®Áò ÈÆ·Ã
2.1 Àΰø ´º·±: Ãʱ⠸ӽŠ·¯´×ÀÇ °£´ÜÇÑ ¿ª»ç
__2.1.1 Àΰø ´º·±ÀÇ ¼öÇÐÀû Á¤ÀÇ
__2.1.2 ÆÛ¼ÁÆ®·Ð ÇнÀ ±ÔÄ¢
2.2 ÆÄÀ̽ãÀ¸·Î ÆÛ¼ÁÆ®·Ð ÇнÀ ¾Ë°í¸®Áò ±¸Çö
__2.2.1 °´Ã¼ ÁöÇâ ÆÛ¼ÁÆ®·Ð API
__2.2.2 º×²É µ¥ÀÌÅͼ¿¡¼­ ÆÛ¼ÁÆ®·Ð ÈÆ·Ã
2.3 ÀûÀÀÇü ¼±Çü ´º·±°ú ÇнÀÀÇ ¼ö·Å
__2.3.1 °æ»ç ÇÏ°­¹ýÀ¸·Î ºñ¿ë ÇÔ¼ö ÃÖ¼ÒÈ­
__2.3.2 ÆÄÀ̽ãÀ¸·Î ¾Æ´Þ¸° ±¸Çö
__2.3.3 Ư¼º ½ºÄÉÀÏÀ» Á¶Á¤ÇÏ¿© °æ»ç ÇÏ°­¹ý °á°ú Çâ»ó
__2.3.4 ´ë±Ô¸ð ¸Ó½Å ·¯´×°ú È®·üÀû °æ»ç ÇÏ°­¹ý
2.4 ¿ä¾à

3Àå »çÀÌŶ·±À» Ÿ°í ¶°³ª´Â ¸Ó½Å ·¯´× ºÐ·ù ¸ðµ¨ Åõ¾î
3.1 ºÐ·ù ¾Ë°í¸®Áò ¼±ÅÃ
3.2 »çÀÌŶ·± ù°ÉÀ½: ÆÛ¼ÁÆ®·Ð ÈÆ·Ã
3.3 ·ÎÁö½ºÆ½ ȸ±Í¸¦ »ç¿ëÇÑ Å¬·¡½º È®·ü ¸ðµ¨¸µ
__3.3.1 ·ÎÁö½ºÆ½ ȸ±ÍÀÇ ÀÌÇØ¿Í Á¶°ÇºÎ È®·ü
__3.3.2 ´ÙÁß Å¬·¡½º¸¦ À§ÇÑ ·ÎÁö½ºÆ½ ȸ±Í
__3.3.3 ·ÎÁö½ºÆ½ ºñ¿ë ÇÔ¼öÀÇ °¡ÁßÄ¡ ÇнÀ
__3.3.4 ¾Æ´Þ¸° ±¸ÇöÀ» ·ÎÁö½ºÆ½ ȸ±Í ¾Ë°í¸®ÁòÀ¸·Î º¯°æ
__3.3.5 »çÀÌŶ·±À» »ç¿ëÇÏ¿© ·ÎÁö½ºÆ½ ȸ±Í ¸ðµ¨ ÈÆ·Ã
__3.3.6 ±ÔÁ¦¸¦ »ç¿ëÇÏ¿© °ú´ëÀûÇÕ ÇÇÇϱâ
3.4 ¼­Æ÷Æ® º¤ÅÍ ¸Ó½ÅÀ» »ç¿ëÇÑ ÃÖ´ë ¸¶Áø ºÐ·ù
__3.4.1 ÃÖ´ë ¸¶Áø
__3.4.2 ½½·¢ º¯¼ö¸¦ »ç¿ëÇÏ¿© ºñ¼±Çü ºÐ·ù ¹®Á¦ ´Ù·ç±â
__3.4.3 »çÀÌŶ·±ÀÇ ´Ù¸¥ ±¸Çö
3.5 Ä¿³Î SVMÀ» »ç¿ëÇÏ¿© ºñ¼±Çü ¹®Á¦ Ç®±â
__3.5.1 ¼±ÇüÀûÀ¸·Î ±¸ºÐµÇÁö ¾Ê´Â µ¥ÀÌÅ͸¦ À§ÇÑ Ä¿³Î ¹æ¹ý
__3.5.2 Ä¿³Î ±â¹ýÀ» »ç¿ëÇÏ¿© °íÂ÷¿ø °ø°£¿¡¼­ ºÐÇÒ ÃÊÆò¸é ã±â
3.6 °áÁ¤ Æ®¸® ÇнÀ
__3.6.1 Á¤º¸ À̵æ ÃÖ´ëÈ­: ÀÚ¿øÀ» ÃÖ´ë·Î È°¿ë
__3.6.2 °áÁ¤ Æ®¸® ¸¸µé±â
__3.6.3 ·£´ý Æ÷·¹½ºÆ®·Î ¿©·¯ °³ÀÇ °áÁ¤ Æ®¸® ¿¬°á
3.7 k-ÃÖ±ÙÁ¢ ÀÌ¿ô: °ÔÀ¸¸¥ ÇнÀ ¾Ë°í¸®Áò
3.8 ¿ä¾à

4Àå ÁÁÀº ÈÆ·Ã µ¥ÀÌÅͼ ¸¸µé±â: µ¥ÀÌÅÍ Àüó¸®
4.1 ´©¶ôµÈ µ¥ÀÌÅÍ ´Ù·ç±â
__4.1.1 Å×À̺í ÇüÅ µ¥ÀÌÅÍ¿¡¼­ ´©¶ôµÈ °ª ½Äº°
__4.1.2 ´©¶ôµÈ °ªÀÌ ÀÖ´Â ÈÆ·Ã »ùÇÃÀ̳ª Ư¼º Á¦¿Ü
__4.1.3 ´©¶ôµÈ °ª ´ëü
__4.1.4 »çÀÌŶ·± ÃßÁ¤±â API ÀÍÈ÷±â
4.2 ¹üÁÖÇü µ¥ÀÌÅÍ ´Ù·ç±â
__4.2.1 ¼ø¼­°¡ Àִ Ư¼º ¸ÅÇÎ
__4.2.2 Ŭ·¡½º ·¹À̺í ÀÎÄÚµù
__4.2.3 ¼ø¼­°¡ ¾ø´Â Ư¼º¿¡ ¿ø-ÇÖ ÀÎÄÚµù Àû¿ë
4.3 µ¥ÀÌÅͼÂÀ» ÈÆ·Ã µ¥ÀÌÅͼ°ú Å×½ºÆ® µ¥ÀÌÅͼÂÀ¸·Î ³ª´©±â
4.4 Ư¼º ½ºÄÉÀÏ ¸ÂÃß±â
4.5 À¯¿ëÇÑ Æ¯¼º ¼±ÅÃ
__4.5.1 ¸ðµ¨ º¹Àâµµ Á¦ÇÑÀ» À§ÇÑ L1 ±ÔÁ¦¿Í L 2 ±ÔÁ¦
__4.5.2 L 2 ±ÔÁ¦ÀÇ ±âÇÏÇÐÀû Çؼ®
__4.5.3 L1 ±ÔÁ¦¸¦ »ç¿ëÇÑ Èñ¼Ò¼º
__4.5.4 ¼øÂ÷ Ư¼º ¼±Åà ¾Ë°í¸®Áò
4.6 ·£´ý Æ÷·¹½ºÆ®ÀÇ Æ¯¼º Áß¿äµµ »ç¿ë
4.7 ¿ä¾à

5Àå Â÷¿ø Ãà¼Ò¸¦ »ç¿ëÇÑ µ¥ÀÌÅÍ ¾ÐÃà
5.1 ÁÖ¼ººÐ ºÐ¼®À» ÅëÇÑ ºñÁöµµ Â÷¿ø Ãà¼Ò
__5.1.1 ÁÖ¼ººÐ ºÐ¼®ÀÇ ÁÖ¿ä ´Ü°è
__5.1.2 ÁÖ¼ººÐ ÃßÃâ ´Ü°è
__5.1.3 ÃÑ ºÐ»ê°ú ¼³¸íµÈ ºÐ»ê
__5.1.4 Ư¼º º¯È¯
__5.1.5 »çÀÌŶ·±ÀÇ ÁÖ¼ººÐ ºÐ¼®
5.2 ¼±Çü ÆǺ° ºÐ¼®À» ÅëÇÑ Áöµµ ¹æ½ÄÀÇ µ¥ÀÌÅÍ ¾ÐÃà
__5.2.1 ÁÖ¼ººÐ ºÐ¼® vs ¼±Çü ÆǺ° ºÐ¼®
__5.2.2 ¼±Çü ÆǺ° ºÐ¼®ÀÇ ³»ºÎ µ¿ÀÛ ¹æ½Ä
__5.2.3 »êÆ÷ Çà·Ä °è»ê
__5.2.4 »õ·Î¿î Ư¼º ºÎºÐ °ø°£À» À§ÇØ ¼±Çü ÆǺ° º¤ÅÍ ¼±ÅÃ
__5.2.5 »õ·Î¿î Ư¼º °ø°£À¸·Î »ùÇà Åõ¿µ
__5.2.6 »çÀÌŶ·±ÀÇ LdA
5.3 Ä¿³Î PCA¸¦ »ç¿ëÇÏ¿© ºñ¼±Çü ¸ÅÇÎ
__5.3.1 Ä¿³Î ÇÔ¼ö¿Í Ä¿³Î Æ®¸¯
__5.3.2 ÆÄÀ̽ãÀ¸·Î Ä¿³Î PCA ±¸Çö
__5.3.3 »õ·Î¿î µ¥ÀÌÅÍ Æ÷ÀÎÆ® Åõ¿µ
__5.3.4 »çÀÌŶ·±ÀÇ Ä¿³Î PCA
5.4 ¿ä¾à

6Àå ¸ðµ¨ Æò°¡¿Í ÇÏÀÌÆÛÆĶó¹ÌÅÍ Æ©´×ÀÇ ¸ð¹ü »ç·Ê
6.1 ÆÄÀÌÇÁ¶óÀÎÀ» »ç¿ëÇÑ È¿À²ÀûÀÎ ¿öÅ©Ç÷Î
__6.1.1 À§½ºÄܽŠÀ¯¹æ¾Ï µ¥ÀÌÅͼÂ
__6.1.2 ÆÄÀÌÇÁ¶óÀÎÀ¸·Î º¯È¯±â¿Í ÃßÁ¤±â ¿¬°á
6.2 k-°ã ±³Â÷ °ËÁõÀ» »ç¿ëÇÑ ¸ðµ¨ ¼º´É Æò°¡
__6.2.1 Ȧµå¾Æ¿ô ¹æ¹ý
__6.2.2 k-°ã ±³Â÷ °ËÁõ
6.3 ÇнÀ °î¼±°ú °ËÁõ °î¼±À» »ç¿ëÇÑ ¾Ë°í¸®Áò µð¹ö±ë
__6.3.1 ÇнÀ °î¼±À¸·Î ÆíÇâ°ú ºÐ»ê ¹®Á¦ ºÐ¼®
__6.3.2 °ËÁõ °î¼±À¸·Î °ú´ëÀûÇÕ°ú °ú¼ÒÀûÇÕ Á¶»ç
6.4 ±×¸®µå ¼­Ä¡¸¦ »ç¿ëÇÑ ¸Ó½Å ·¯´× ¸ðµ¨ ¼¼ºÎ Æ©´×
__6.4.1 ±×¸®µå ¼­Ä¡¸¦ »ç¿ëÇÑ ÇÏÀÌÆÛÆĶó¹ÌÅÍ Æ©´×
__6.4.2 Áßø ±³Â÷ °ËÁõÀ» »ç¿ëÇÑ ¾Ë°í¸®Áò ¼±ÅÃ
6.5 ¿©·¯ °¡Áö ¼º´É Æò°¡ ÁöÇ¥
__6.5.1 ¿ÀÂ÷ Çà·Ä
__6.5.2 ºÐ·ù ¸ðµ¨ÀÇ Á¤¹Ðµµ¿Í ÀçÇöÀ² ÃÖÀûÈ­
__6.5.3 ROC °î¼± ±×¸®±â
__6.5.4 ´ÙÁß ºÐ·ùÀÇ ¼º´É ÁöÇ¥
6.6 ºÒ±ÕÇüÇÑ Å¬·¡½º ´Ù·ç±â
6.7 ¿ä¾à

7Àå ´Ù¾çÇÑ ¸ðµ¨À» °áÇÕÇÑ ¾Ó»óºí ÇнÀ
7.1 ¾Ó»óºí ÇнÀ
7.2 ´Ù¼ö°á ÅõÇ¥¸¦ »ç¿ëÇÑ ºÐ·ù ¾Ó»óºí
__7.2.1 °£´ÜÇÑ ´Ù¼ö°á ÅõÇ¥ ºÐ·ù±â ±¸Çö
__7.2.2 ´Ù¼ö°á ÅõÇ¥ ¹æ½ÄÀ» »ç¿ëÇÏ¿© ¿¹Ãø ¸¸µé±â
__7.2.3 ¾Ó»óºí ºÐ·ù±âÀÇ Æò°¡¿Í Æ©´×
7.3 ¹è±ë: ºÎÆ®½ºÆ®·¦ »ùÇøµÀ» ÅëÇÑ ºÐ·ù ¾Ó»óºí
__7.3.1 ¹è±ë ¾Ë°í¸®ÁòÀÇ ÀÛµ¿ ¹æ½Ä
__7.3.2 ¹è±ëÀ¸·Î Wine µ¥ÀÌÅͼÂÀÇ »ùÇà ºÐ·ù
7.4 ¾àÇÑ ÇнÀ±â¸¦ ÀÌ¿ëÇÑ ¿¡À̴ٺνºÆ®
__7.4.1 ºÎ½ºÆà ÀÛµ¿ ¿ø¸®
__7.4.2 »çÀÌŶ·±¿¡¼­ ¿¡À̴ٺνºÆ® »ç¿ë
7.5 ¿ä¾à

8Àå °¨¼º ºÐ¼®¿¡ ¸Ó½Å ·¯´× Àû¿ë
8.1 ÅؽºÆ® 󸮿ë IMDb ¿µÈ­ ¸®ºä µ¥ÀÌÅÍ Áغñ
__8.1.1 ¿µÈ­ ¸®ºä µ¥ÀÌÅͼ ±¸Çϱâ
__8.1.2 ¿µÈ­ ¸®ºä µ¥ÀÌÅͼÂÀ» ´õ °£ÆíÇÑ ÇüÅ·ΠÀüó¸®
8.2 BoW ¸ðµ¨ ¼Ò°³
__8.2.1 ´Ü¾î¸¦ Ư¼º º¤ÅÍ·Î º¯È¯
__8.2.2 tf-idf¸¦ »ç¿ëÇÏ¿© ´Ü¾î ÀûÇÕ¼º Æò°¡
__8.2.3 ÅؽºÆ® µ¥ÀÌÅÍ Á¤Á¦
__8.2.4 ¹®¼­¸¦ ÅäÅ«À¸·Î ³ª´©±â
8.3 ¹®¼­ ºÐ·ù¸¦ À§ÇÑ ·ÎÁö½ºÆ½ ȸ±Í ¸ðµ¨ ÈÆ·Ã
8.4 ´ë¿ë·® µ¥ÀÌÅÍ Ã³¸®: ¿Â¶óÀÎ ¾Ë°í¸®Áò°ú ¿ÜºÎ ¸Þ¸ð¸® ÇнÀ
8.5 ÀáÀç µð¸®Å¬·¹ ÇÒ´çÀ» »ç¿ëÇÑ ÅäÇÈ ¸ðµ¨¸µ
__8.5.1 LdA¸¦ »ç¿ëÇÑ ÅؽºÆ® ¹®¼­ ºÐÇØ
__8.5.2 »çÀÌŶ·±ÀÇ LdA
8.6 ¿ä¾à

9Àå À¥ ¾ÖÇø®ÄÉÀ̼ǿ¡ ¸Ó½Å ·¯´× ¸ðµ¨ ³»Àå
9.1 ÇнÀµÈ »çÀÌŶ·± ÃßÁ¤±â ÀúÀå
9.2 µ¥ÀÌÅ͸¦ ÀúÀåÇϱâ À§ÇØ SQLite µ¥ÀÌÅͺ£À̽º ¼³Á¤
9.3 Çöó½ºÅ© À¥ ¾ÖÇø®ÄÉÀÌ¼Ç °³¹ß
__9.3.1 ù ¹ø° Çöó½ºÅ© ¾ÖÇø®ÄÉÀ̼Ç
__9.3.2 Æû °ËÁõ°ú È­¸é Ãâ·Â
9.4 ¿µÈ­ ¸®ºä ºÐ·ù±â¸¦ À¥ ¾ÖÇø®ÄÉÀ̼ÇÀ¸·Î ¸¸µé±â
__9.4.1 ÆÄÀÏ°ú Æú´õ: µð·ºÅ͸® ±¸Á¶ »ìÆ캸±â
__9.4.2 ¸ÞÀÎ ¾ÖÇø®ÄÉÀÌ¼Ç app.py ±¸Çö
__9.4.3 ¸®ºä Æû ±¸¼º
__9.4.4 °á°ú ÆäÀÌÁö ÅÛÇø´ ¸¸µé±â
9.5 °ø°³ ¼­¹ö¿¡ À¥ ¾ÖÇø®ÄÉÀÌ¼Ç ¹èÆ÷
__9.5.1 PythonAnywhere °èÁ¤ ¸¸µé±â
__9.5.2 ¿µÈ­ ºÐ·ù ¾ÖÇø®ÄÉÀÌ¼Ç ¾÷·Îµå
__9.5.3 ¿µÈ­ ºÐ·ù±â ¾÷µ¥ÀÌÆ®
9.6 ¿ä¾à

10Àå ȸ±Í ºÐ¼®À¸·Î ¿¬¼ÓÀû Ÿ±ê º¯¼ö ¿¹Ãø
10.1 ¼±Çü ȸ±Í
__10.1.1 ´Ü¼ø ¼±Çü ȸ±Í
__10.1.2 ´ÙÁß ¼±Çü ȸ±Í
10.2 ÁÖÅà µ¥ÀÌÅͼ Ž»ö
__10.2.1 µ¥ÀÌÅÍÇÁ·¹ÀÓÀ¸·Î ÁÖÅà µ¥ÀÌÅͼ Àбâ
__10.2.2 µ¥ÀÌÅͼÂÀÇ Áß¿ä Ư¡ ½Ã°¢È­
__10.2.3 »ó°ü°ü°è Çà·ÄÀ» »ç¿ëÇÑ ºÐ¼®
10.3 ÃÖ¼Ò Á¦°ö ¼±Çü ȸ±Í ¸ðµ¨ ±¸Çö
__10.3.1 °æ»ç ÇÏ°­¹ýÀ¸·Î ȸ±Í ¸ðµ¨ÀÇ ÆĶó¹ÌÅÍ ±¸Çϱâ
__10.3.2 »çÀÌŶ·±À¸·Î ȸ±Í ¸ðµ¨ÀÇ °¡ÁßÄ¡ ÃßÁ¤
10.4 RANSACÀ» »ç¿ëÇÏ¿© ¾ÈÁ¤µÈ ȸ±Í ¸ðµ¨ ÈÆ·Ã
10.5 ¼±Çü ȸ±Í ¸ðµ¨ÀÇ ¼º´É Æò°¡
10.6 ȸ±Í¿¡ ±ÔÁ¦ Àû¿ë
10.7 ¼±Çü ȸ±Í ¸ðµ¨À» ´ÙÇ× È¸±Í·Î º¯È¯
__10.7.1 »çÀÌŶ·±À» »ç¿ëÇÏ¿© ´ÙÇ×½Ä Ç× Ãß°¡
__10.7.2 ÁÖÅà µ¥ÀÌÅͼÂÀ» »ç¿ëÇÑ ºñ¼±Çü °ü°è ¸ðµ¨¸µ
10.8 ·£´ý Æ÷·¹½ºÆ®¸¦ »ç¿ëÇÏ¿© ºñ¼±Çü °ü°è ´Ù·ç±â
__10.8.1 °áÁ¤ Æ®¸® ȸ±Í
__10.8.2 ·£´ý Æ÷·¹½ºÆ® ȸ±Í
10.9 ¿ä¾à

11Àå ·¹À̺íµÇÁö ¾ÊÀº µ¥ÀÌÅÍ ´Ù·ç±â: ±ºÁý ºÐ¼®
11.1 k- Æò±Õ ¾Ë°í¸®ÁòÀ» »ç¿ëÇÏ¿© À¯»çÇÑ °´Ã¼ ±×·ìÇÎ
__11.1.1 »çÀÌŶ·±À» »ç¿ëÇÑ k-Æò±Õ ±ºÁý
__11.1.2 k- Æò±Õ ++·Î Ãʱâ Ŭ·¯½ºÅÍ ¼¾Æ®·ÎÀ̵带 ¶È¶ÈÇÏ°Ô ÇÒ´ç
__11.1.3 Á÷Á¢ ±ºÁý vs °£Á¢ ±ºÁý
__11.1.4 ¿¤º¸¿ì ¹æ¹ýÀ» »ç¿ëÇÏ¿© ÃÖÀûÀÇ Å¬·¯½ºÅÍ °³¼ö ã±â
__11.1.5 ½Ç·ç¿§ ±×·¡ÇÁ·Î ±ºÁý Ç°ÁúÀ» Á¤·®È­
11.2 °èÃþÀûÀÎ Æ®¸®·Î Ŭ·¯½ºÅÍ Á¶Á÷È­
__11.2.1 »óÇâ½ÄÀ¸·Î Ŭ·¯½ºÅÍ ¹­±â
__11.2.2 °Å¸® Çà·Ä¿¡¼­ °èÃþ ±ºÁý ¼öÇà
__11.2.3 È÷Æ®¸Ê¿¡ µ§µå·Î±×·¥ ¿¬°á
__11.2.4 »çÀÌŶ·±¿¡¼­ º´ÇÕ ±ºÁý Àû¿ë
11.3 DBSCANÀ» »ç¿ëÇÏ¿© ¹ÐÁýµµ°¡ ³ôÀº Áö¿ª ã±â
11.4 ¿ä¾à

12Àå ´ÙÃþ Àΰø ½Å°æ¸ÁÀ» ¹Ø¹Ù´ÚºÎÅÍ ±¸Çö
12.1 Àΰø ½Å°æ¸ÁÀ¸·Î º¹ÀâÇÑ ÇÔ¼ö ¸ðµ¨¸µ
__12.1.1 ´ÜÀÏÃþ ½Å°æ¸Á ¿ä¾à
__12.1.2 ´ÙÃþ ½Å°æ¸Á ±¸Á¶
__12.1.3 Á¤¹æÇâ °è»êÀ¸·Î ½Å°æ¸Á È°¼ºÈ­ Ãâ·Â °è»ê
12.2 ¼Õ±Û¾¾ ¼ýÀÚ ºÐ·ù
__12.2.1 MNIST µ¥ÀÌÅͼ ±¸Çϱâ
__12.2.2 ´ÙÃþ ÆÛ¼ÁÆ®·Ð ±¸Çö
12.3 Àΰø ½Å°æ¸Á ÈÆ·Ã
__12.3.1 ·ÎÁö½ºÆ½ ºñ¿ë ÇÔ¼ö °è»ê
__12.3.2 ¿ªÀüÆÄ ¾Ë°í¸®Áò ÀÌÇØ
__12.3.3 ¿ªÀüÆÄ ¾Ë°í¸®ÁòÀ¸·Î ½Å°æ¸Á ÈÆ·Ã
12.4 ½Å°æ¸ÁÀÇ ¼ö·Å
12.5 ½Å°æ¸Á ±¸Çö¿¡ °üÇÑ ¸î °¡Áö ÷¾ð
12.6 ¿ä¾à

13Àå ÅÙ¼­Ç÷θ¦ »ç¿ëÇÑ ½Å°æ¸Á ÈÆ·Ã
13.1 ÅÙ¼­ÇÃ·Î¿Í ÈÆ·Ã ¼º´É
__13.1.1 ¼º´É ¹®Á¦
__13.1.2 ÅÙ¼­Ç÷ζõ?
__13.1.3 ÅÙ¼­Ç÷ΠÇнÀ ¼ø¼­
13.2 ÅÙ¼­Ç÷ΠóÀ½ ½ÃÀÛÇϱâ
__13.2.1 ÅÙ¼­Ç÷Π¼³Ä¡
__13.2.2 ÅÙ¼­Ç÷ο¡¼­ ÅÙ¼­ ¸¸µé±â
__13.2.3 ÅÙ¼­ÀÇ µ¥ÀÌÅÍ Å¸ÀÔ°ú Å©±â Á¶ÀÛ
__13.2.4 ÅÙ¼­¿¡ ¼öÇÐ ¿¬»ê Àû¿ë
__13.2.5 split( ), stack( ), concat( ) ÇÔ¼ö
13.3 ÅÙ¼­Ç÷Πµ¥ÀÌÅͼ API(tf.data)¸¦ »ç¿ëÇÏ¿© ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎ ±¸Ãà
__13.3.1 ÅÙ¼­¿¡¼­ ÅÙ¼­Ç÷Πµ¥ÀÌÅͼ ¸¸µé±â
__13.3.2 µÎ °³ÀÇ ÅÙ¼­¸¦ ÇϳªÀÇ µ¥ÀÌÅͼÂÀ¸·Î ¿¬°á
__13.3.3 shuffle( ), batch( ), repeat( ) ¸Þ¼­µå
__13.3.4 ·ÎÄà µð½ºÅ©¿¡ ÀÖ´Â ÆÄÀÏ¿¡¼­ µ¥ÀÌÅͼ ¸¸µé±â
__13.3.5 tensorflow_datasets ¶óÀ̺귯¸®¿¡¼­ µ¥ÀÌÅͼ ·Îµå
13.4 ÅÙ¼­Ç÷ηΠ½Å°æ¸Á ¸ðµ¨ ¸¸µé±â
__13.4.1 ÅÙ¼­Ç÷ΠÄÉ¶ó½º API(tf.keras)
__13.4.2 ¼±Çü ȸ±Í ¸ðµ¨ ¸¸µé±â
__13.4.3 .compile( )°ú .fit( ) ¸Þ¼­µå¸¦ »ç¿ëÇÑ ¸ðµ¨ ÈÆ·Ã
__13.4.4 º×²É µ¥ÀÌÅͼÂÀ» ºÐ·ùÇÏ´Â ´ÙÃþ ÆÛ¼ÁÆ®·Ð ¸¸µé±â
__13.4.5 Å×½ºÆ® µ¥ÀÌÅͼ¿¡¼­ ÈÆ·ÃµÈ ¸ðµ¨ Æò°¡
__13.4.6 ÈÆ·ÃµÈ ¸ðµ¨ ÀúÀåÇÏ°í º¹¿ø
13.5 ´ÙÃþ ½Å°æ¸ÁÀÇ È°¼ºÈ­ ÇÔ¼ö ¼±ÅÃ
__13.5.1 ·ÎÁö½ºÆ½ ÇÔ¼ö ¿ä¾à
__13.5.2 ¼ÒÇÁÆ®¸Æ½º ÇÔ¼ö¸¦ »ç¿ëÇÑ ´ÙÁß Å¬·¡½º È®·ü ¿¹Ãø
__13.5.3 ÇÏÀÌÆÛº¼¸¯ źÁ¨Æ®·Î Ãâ·Â ¹üÀ§ ³ÐÈ÷±â
__13.5.4 ·¼·ç È°¼ºÈ­ ÇÔ¼ö
13.6 ¿ä¾à

14Àå ÅÙ¼­Ç÷Π±¸Á¶ ÀÚ¼¼È÷ ¾Ë¾Æº¸±â
14.1 ÅÙ¼­Ç÷ÎÀÇ ÁÖ¿ä Ư¡
14.2 ÅÙ¼­Ç÷ÎÀÇ °è»ê ±×·¡ÇÁ: ÅÙ¼­Ç÷Πv2·Î ÀÌÀü
__14.2.1 °è»ê ±×·¡ÇÁ ÀÌÇØ
__14.2.2 ÅÙ¼­Ç÷Πv1.x¿¡¼­ ±×·¡ÇÁ ¸¸µé±â
__14.2.3 ÅÙ¼­Ç÷Πv2·Î ÀÌÀü
__14.2.4 ÀÔ·Â µ¥ÀÌÅ͸¦ ¸ðµ¨¿¡ ÁÖÀÔ: ÅÙ¼­Ç÷Πv1.x ½ºÅ¸ÀÏ
__14.2.5 ÀÔ·Â µ¥ÀÌÅ͸¦ ¸ðµ¨¿¡ ÁÖÀÔ: ÅÙ¼­Ç÷Πv2 ½ºÅ¸ÀÏ
__14.2.6 ÇÔ¼ö µ¥ÄÚ·¹ÀÌÅÍ·Î °è»ê ¼º´É ³ôÀ̱â
14.3 ¸ðµ¨ ÆĶó¹ÌÅ͸¦ ÀúÀåÇÏ°í ¾÷µ¥ÀÌÆ®Çϱâ À§ÇÑ ÅÙ¼­Ç÷Πº¯¼ö °´Ã¼
14.4 ÀÚµ¿ ¹ÌºÐ°ú GradientTape·Î ±×·¹À̵ð¾ðÆ® °è»ê
__14.4.1 ÈÆ·Ã °¡´ÉÇÑ º¯¼ö¿¡ ´ëÇÑ ¼Õ½ÇÀÇ ±×·¹À̵ð¾ðÆ® °è»ê
__14.4.2 ÈÆ·ÃÇÏÁö ¾Ê´Â º¯¼ö¿¡ ´ëÇÑ ±×·¹À̵ð¾ðÆ® °è»ê
__14.4.3 ¿©·¯ °³ÀÇ ±×·¹À̵ð¾ðÆ® °è»ê
14.5 ÄÉ¶ó½º API¸¦ »ç¿ëÇÏ¿© ÀϹÝÀûÀÎ ±¸Á¶ ±¸ÇöÇϱâ
__14.5.1 XOR ºÐ·ù ¹®Á¦ Ç®¾î º¸±â
__14.5.2 ÄÉ¶ó½º ÇÔ¼öÇü API·Î À¯¿¬¼ºÀÌ ³ôÀº ¸ðµ¨ ¸¸µé±â
__14.5.3 Äɶó½ºÀÇ Model Ŭ·¡½º ±â¹ÝÀ¸·Î ¸ðµ¨ ¸¸µé±â
__14.5.4 »ç¿ëÀÚ Á¤ÀÇ ÄÉ¶ó½º Ãþ ¸¸µé±â
14.6 ÅÙ¼­Ç÷ΠÃßÁ¤±â
__14.6.1 Ư¼º ¿­ »ç¿ë
__14.6.2 »çÀü¿¡ ÁغñµÈ ÃßÁ¤±â·Î ¸Ó½Å ·¯´× ¼öÇà
__14.6.3 ÃßÁ¤±â¸¦ »ç¿ëÇÏ¿© MNIST ¼Õ±Û¾¾ ¼ýÀÚ ºÐ·ù
__14.6.4 ÄÉ¶ó½º ¸ðµ¨¿¡¼­ ÃßÁ¤±â ¸¸µé±â
14.7 ¿ä¾à

15Àå ½ÉÃþ ÇÕ¼º°ö ½Å°æ¸ÁÀ¸·Î À̹ÌÁö ºÐ·ù
15.1 ÇÕ¼º°ö ½Å°æ¸ÁÀÇ ±¸¼º ¿ä¼Ò
__15.1.1 CNN°ú Ư¼º °èÃþ ÇнÀ
__15.1.2 ÀÌ»ê ÇÕ¼º°ö ¼öÇà
__15.1.3 ¼­ºê»ùÇøµ
15.2 ±âº» ±¸¼º ¿ä¼Ò¸¦ »ç¿ëÇÏ¿© ½ÉÃþ ÇÕ¼º°ö ½Å°æ¸Á ±¸¼º
__15.2.1 ¿©·¯ °³ÀÇ ÀÔ·Â ¶Ç´Â Ä÷¯ ä³Î ´Ù·ç±â
__15.2.2 µå·Ó¾Æ¿ôÀ¸·Î ½Å°æ¸Á ±ÔÁ¦
__15.2.3 ºÐ·ù¸¦ À§ÇÑ ¼Õ½Ç ÇÔ¼ö
15.3 ÅÙ¼­Ç÷θ¦ »ç¿ëÇÏ¿© ½ÉÃþ ÇÕ¼º°ö ½Å°æ¸Á ±¸Çö
__15.3.1 ´ÙÃþ CNN ±¸Á¶
__15.3.2 µ¥ÀÌÅÍ ÀûÀç¿Í Àüó¸®
__15.3.3 ÅÙ¼­Ç÷ΠÄÉ¶ó½º API¸¦ »ç¿ëÇÏ¿© CNN ±¸Çö
15.4 ÇÕ¼º°ö ½Å°æ¸ÁÀ» »ç¿ëÇÏ¿© ¾ó±¼ À̹ÌÁöÀÇ ¼ºº° ºÐ·ù
__15.4.1 CelebA µ¥ÀÌÅͼ ·Îµå
__15.4.2 À̹ÌÁö º¯È¯°ú µ¥ÀÌÅÍ Áõ½Ä
__15.4.3 CNN ¼ºº° ºÐ·ù±â ÈÆ·Ã
15.5 ¿ä¾à

16Àå ¼øȯ ½Å°æ¸ÁÀ¸·Î ¼øÂ÷ µ¥ÀÌÅÍ ¸ðµ¨¸µ
16.1 ¼øÂ÷ µ¥ÀÌÅÍ ¼Ò°³
__16.1.1 ¼øÂ÷ µ¥ÀÌÅÍ ¸ðµ¨¸µ: ¼ø¼­¸¦ °í·ÁÇÑ´Ù
__16.1.2 ½ÃÄö½º Ç¥Çö
__16.1.3 ½ÃÄö½º ¸ðµ¨¸µÀÇ Á¾·ù
16.2 ½ÃÄö½º ¸ðµ¨¸µÀ» À§ÇÑ RNN
__16.2.1 RNN ¹Ýº¹ ±¸Á¶ ÀÌÇØ
__16.2.2 RNNÀÇ È°¼ºÈ­ Ãâ·Â °è»ê
__16.2.3 Àº´Ð ¼øȯ°ú Ãâ·Â ¼øȯ
__16.2.4 ±ä ½ÃÄö½º ÇнÀÀÇ ¾î·Á¿ò
__16.2.5 LSTM ¼¿
16.3 ÅÙ¼­Ç÷ηΠ½ÃÄö½º ¸ðµ¨¸µÀ» À§ÇÑ RNN ±¸Çö
__16.3.1 ù ¹ø° ÇÁ·ÎÁ§Æ®: IMdb ¿µÈ­ ¸®ºäÀÇ °¨¼º ºÐ¼®
__16.3.2 µÎ ¹ø° ÇÁ·ÎÁ§Æ®: ÅÙ¼­Ç÷ηΠ±ÛÀÚ ´ÜÀ§ ¾ð¾î ¸ðµ¨ ±¸Çö
16.4 Æ®·£½ºÆ÷¸Ó ¸ðµ¨À» »ç¿ëÇÑ ¾ð¾î ÀÌÇØ
__16.4.1 ¼¿ÇÁ ¾îÅÙ¼Ç ¸ÞÄ¿´ÏÁò ÀÌÇØ
__16.4.2 ¸ÖƼ-Çìµå ¾îÅټǰú Æ®·£½ºÆ÷¸Ó ºí·Ï
16.5 ¿ä¾à

17Àå »õ·Î¿î µ¥ÀÌÅÍ ÇÕ¼ºÀ» À§ÇÑ »ý¼ºÀû Àû´ë ½Å°æ¸Á
17.1 »ý¼ºÀû Àû´ë ½Å°æ¸Á ¼Ò°³
__17.1.1 ¿ÀÅäÀÎÄÚ´õ
__17.1.2 »õ·Î¿î µ¥ÀÌÅÍ ÇÕ¼ºÀ» À§ÇÑ »ý¼º ¸ðµ¨
__17.1.3 GANÀ¸·Î »õ·Î¿î »ùÇà »ý¼º
__17.1.4 GANÀÇ »ý¼ºÀÚ¿Í ÆǺ°ÀÚ ¼Õ½Ç ÇÔ¼ö ÀÌÇØ
17.2 ¹Ø¹Ù´ÚºÎÅÍ GAN ¸ðµ¨ ±¸Çö
__17.2.1 ±¸±Û ÄÚ·¦¿¡¼­ GAN ¸ðµ¨ ÈÆ·Ã
__17.2.2 »ý¼ºÀÚ¿Í ÆǺ°ÀÚ ½Å°æ¸Á ±¸Çö
__17.2.3 ÈÆ·Ã µ¥ÀÌÅͼ Á¤ÀÇ
__17.2.4 GAN ¸ðµ¨ ÈÆ·ÃÇϱâ
17.3 ÇÕ¼º°ö GAN°ú ¹Ù¼­½´Å¸ÀÎ GANÀ¸·Î ÇÕ¼º À̹ÌÁö Ç°Áú ³ôÀ̱â
__17.3.1 ÀüÄ¡ ÇÕ¼º°ö
__17.3.2 ¹èÄ¡ Á¤±ÔÈ­
__17.3.3 »ý¼ºÀÚ¿Í ÆǺ°ÀÚ ±¸Çö
__17.3.4 µÎ ºÐÆ÷ »çÀÌÀÇ °Å¸® ÃøÁ¤
__17.3.5 GAN¿¡ EM °Å¸® »ç¿ë
__17.3.6 ±×·¹À̵ð¾ðÆ® Æä³ÎƼ
__17.3.7 WGAN-GP·Î dCGAN ¸ðµ¨ ÈÆ·Ã
__17.3.8 ¸ðµå ºØ±«
17.4 ´Ù¸¥ GAN ¾ÖÇø®ÄÉÀ̼Ç
17.5 ¿ä¾à

18Àå °­È­ ÇнÀÀ¸·Î º¹ÀâÇÑ È¯°æ¿¡¼­ ÀÇ»ç °áÁ¤
18.1 °æÇè¿¡¼­ ¹è¿î´Ù
__18.1.1 °­È­ ÇнÀ ÀÌÇØ
__18.1.2 °­È­ ÇнÀ ½Ã½ºÅÛÀÇ ¿¡ÀÌÀüÆ®-ȯ°æ ÀÎÅÍÆäÀ̽º Á¤ÀÇ
18.2 °­È­ ÇнÀÀÇ ±âÃÊ ÀÌ·Ð
__18.2.1 ¸¶¸£ÄÚÇÁ °áÁ¤ °úÁ¤
__18.2.2 ¸¶¸£ÄÚÇÁ °áÁ¤ °úÁ¤ÀÇ ¼öÇÐ °ø½Ä
__18.2.3 °­È­ ÇнÀ ¿ë¾î: ´ë°¡, Á¤Ã¥, °¡Ä¡ ÇÔ¼ö
__18.2.4 º§¸Õ ¹æÁ¤½ÄÀ» »ç¿ëÇÑ µ¿Àû °èȹ¹ý
18.3 °­È­ ÇнÀ ¾Ë°í¸®Áò
__18.3.1 µ¿Àû °èȹ¹ý
__18.3.2 ¸óÅ×Ä«¸¦·Î¸¦ »ç¿ëÇÑ °­È­ ÇнÀ
__18.3.3 ½Ã°£ Â÷ ÇнÀ
18.4 ù ¹ø° °­È­ ÇнÀ ¾Ë°í¸®Áò ±¸Çö
__18.4.1 OpenAI Áü ÅøŶ ¼Ò°³
__18.4.2 Q-·¯´×À¸·Î ±×¸®µå ¿ùµå ¹®Á¦ Ç®±â
__18.4.3 ½ÉÃþ Q-·¯´×
18.5 Àüü ¿ä¾à

ºÎ·Ï A À©µµ¿¡ ¾Æ³ªÄÜ´Ù, »çÀÌŶ·±, ÅÙ¼­Ç÷Π¼³Ä¡
A.1 ¾Æ³ªÄÜ´Ù ¼³Ä¡
A.2 »çÀÌŶ·±, ÅÙ¼­Ç÷Π¼³Ä¡
A.3 ¿¹Á¦ ³ëÆ®ºÏ ½ÇÇà
A.4 ÁÖÇÇÅÍ ³ëÆ®ºÏ ºä¾î¿Í ±¸±Û ÄÚ·¦ »ç¿ë

°ü·ÃÀ̹ÌÁö

ÀúÀÚ¼Ò°³

¼¼¹Ù½ºÂù ¶ó½ÃÄ« [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

¿À·§µ¿¾È ÆÄÀ̽ãÀ» »ç¿ëÇß°í ¸¹Àº ¼¼¹Ì³ª¿¡¼­ µ¥ÀÌÅÍ °úÇÐ, ¸Ó½Å ·¯´×, µö·¯´×ÀÇ ½ÇÀü È°¿ë¿¡ °üÇØ ¹ßÇ¥Çß´Ù. ´ëÇ¥ÀûÀÎ °úÇÐ ÄÄÇ»Æà ÄÜÆÛ·±½ºÀÎ »çÀÌÆÄÀÌ(SciPy) ÄÜÆÛ·±½º¿¡¼­ ¸Ó½Å ·¯´× Æ©Å丮¾óÀ» ÁøÇàÇß°í, À§½ºÄܽŠ´ëÇб³¿¡¼­ °­ÀÇÇÑ´Ù. ¡®2016~2017³â Çаú ¿ì¼ö ´ëÇпø»ý¡¯°ú ¡®2016³â ACM Computing Reviews º£½ºÆ®¡¯¸¦ ¼ö»óÇß´Ù. ¿©°¡ ½Ã°£¿¡´Â ÆÄÀ̽㠿ÀÇ ¼Ò½º ÇÁ·ÎÁ§Æ®¿¡ ±â¿©ÇÏ´Â °ÍÀ» ÁÁ¾ÆÇϸç, Á÷Á¢ °³¹ßÇÑ µµ±¸µéÀÌ Ä³±Û °°Àº ¸Ó½Å ·¯´× °æ¿¬ ´ëȸ¿¡¼­ ³Î¸® »ç¿ëµÇ°í ÀÖ´Ù.

¹ÙÈ÷µå ¹ÌÀÚ¸®¸® [Àú] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

¹ÚÇؼ± [¿ª] ½ÅÀ۾˸² SMS½Åû
»ý³â¿ùÀÏ -

±â°è°øÇÐÀ» Àü°øÇßÁö¸¸ Á¹¾÷ ÈÄ¿£ ÁÙ°ð Äڵ带 ÀÐ°í ¾²´Â ÀÏÀ» Çß½À´Ï´Ù. ÅÙ¼­Ç÷Πºí·Î±×(tensorflow.blog)¸¦ ¿î¿µÇÏ°í ÀÖ°í, ¸Ó½Å·¯´×°ú µö·¯´×¿¡ °üÇÑ Ã¥À» ÁýÇÊÇÏ°í ¹ø¿ªÇϸ鼭 ¼ÒÇÁÆ®¿þ¾î¿Í °úÇÐÀÇ °æ°è¸¦ Èï¹Ì·Ó°Ô ŽÇèÇÏ°í ÀÖ½À´Ï´Ù. ¡ºÈ¥ÀÚ °øºÎÇÏ´Â ¸Ó½Å·¯´×+µö·¯´×¡»(ÇѺû¹Ìµð¾î, 2020), ¡ºDo it! µö·¯´× ÀÔ¹®¡»(ÀÌÁö½ºÆÛºí¸®½Ì, 2019)À» ÁýÇÊÇß½À´Ï´Ù. ¡º¸Ó½Å·¯´× ÆÄ¿öµå ¾ÖÇø®ÄÉÀ̼ǡ»(ÇѺû¹Ìµð¾î, 2021), ¡º¸Ó½Å·¯´× ±³°ú¼­ with ÆÄÀ̽ã, »çÀÌŶ·±, ÅÙ¼­Ç÷Î(°³Á¤ 3ÆÇ)¡»(±æ¹þ, 2021), ¡ºÆÄÀÌÅäÄ¡·Î ¹è¿ì´Â ÀÚ¿¬¾î 󸮡»(ÇѺû¹Ìµð¾î, 2021), ¡ºµö·¯´× ÀÏ·¯½ºÆ®·¹ÀÌƼ

ÆîÃ帱â

Àü°øµµ¼­/´ëÇб³Àç ºÐ¾ß¿¡¼­ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥

    ¸®ºä

    10.0 (ÃÑ 0°Ç)

    100ÀÚÆò

    ÀÛ¼º½Ã À¯ÀÇ»çÇ×

    ÆòÁ¡
    0/100ÀÚ
    µî·ÏÇϱâ

    100ÀÚÆò

    10.0
    (ÃÑ 0°Ç)

    ÆǸÅÀÚÁ¤º¸

    • ÀÎÅÍÆÄÅ©µµ¼­¿¡ µî·ÏµÈ ¿ÀǸ¶ÄÏ »óÇ°Àº ±× ³»¿ë°ú Ã¥ÀÓÀÌ ¸ðµÎ ÆǸÅÀÚ¿¡°Ô ÀÖÀ¸¸ç, ÀÎÅÍÆÄÅ©µµ¼­´Â ÇØ´ç »óÇ°°ú ³»¿ë¿¡ ´ëÇØ Ã¥ÀÓÁöÁö ¾Ê½À´Ï´Ù.

    »óÈ£

    (ÁÖ)±³º¸¹®°í

    ´ëÇ¥ÀÚ¸í

    ¾Èº´Çö

    »ç¾÷ÀÚµî·Ï¹øÈ£

    102-81-11670

    ¿¬¶ôó

    1544-1900

    ÀüÀÚ¿ìÆíÁÖ¼Ò

    callcenter@kyobobook.co.kr

    Åë½ÅÆǸž÷½Å°í¹øÈ£

    01-0653

    ¿µ¾÷¼ÒÀçÁö

    ¼­¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù)

    ±³È¯/ȯºÒ

    ¹ÝÇ°/±³È¯ ¹æ¹ý

    ¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼­ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼­ ½Åû °¡´É

    ¹ÝÇ°/±³È¯°¡´É ±â°£

    º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É
    ´Ü, »óÇ°ÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦Á¡ ¹ß°ß ÈÄ 30ÀÏ À̳»

    ¹ÝÇ°/±³È¯ ºñ¿ë

    º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã
    »óÇ°À̳ª ¼­ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯/¹ÝÇ°Àº ¹Ý¼Û·á ÆǸÅÀÚ ºÎ´ã

    ¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯

    ·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
    (´ÜÁö È®ÀÎÀ» À§ÇÑ Æ÷Àå ÈѼÕÀº Á¦¿Ü)

    ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì
    ¿¹) È­ÀåÇ°, ½ÄÇ°, °¡ÀüÁ¦Ç°(¾Ç¼¼¼­¸® Æ÷ÇÔ) µî

    ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì
    ¿¹) À½¹Ý/DVD/ºñµð¿À, ¼ÒÇÁÆ®¿þ¾î, ¸¸È­Ã¥, ÀâÁö, ¿µ»ó È­º¸Áý

    ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì

    ·ÀüÀÚ»ó°Å·¡ µî¿¡¼­ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì

    »óÇ° Ç°Àý

    °ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½

    ¼ÒºñÀÚ ÇÇÇغ¸»ó
    ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó

    ·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº ¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© 󸮵Ê

    ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼­ÀÇ ¼ÒºñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ

    ¹è¼Û¾È³»

    • ±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.

    • Ãâ°í°¡´É ½Ã°£ÀÌ ¼­·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.

    • ±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.

    • ¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.

    • - µµ¼­ ±¸¸Å ½Ã 15,000¿ø ÀÌ»ó ¹«·á¹è¼Û, 15,000¿ø ¹Ì¸¸ 2,500¿ø - »óÇ°º° ¹è¼Ûºñ°¡ ÀÖ´Â °æ¿ì, »óÇ°º° ¹è¼Ûºñ Á¤Ã¥ Àû¿ë