지은이의 글
이 책의 특징
베타 리더
PART1 인공지능이란
1. 인공지능: 데이터 분석을 위한 알고리즘
2. 머신러닝과 딥러닝
3. 머신러닝 과정
4. Kaggle 소개
이번 장의 마무리
연습 문제
실습 예제
심화 문제
PART2 딥러닝 흐름 잡기
1. 딥러닝 과정
2. 데이터 설계 및 수집
3. 문제 분류
4. 모델 설정
5. 손실 계산
6. 최적화
7. 예측 및 평가
이번 장의 마무리
연습 문제
실습 예제
심화 문제
PART3 기본 흐름 파악하기
1. 선형분류 과정
2. 준비 과정
3. 모델 설정
4. 손실 계산
5. 최적화
6. 선형 회귀 최적화 과정
이번 장의 마무리
연습 문제
실습 예제
심화 문제
PART4 선형 모델
1. 선형 모델 과정
2. 이미지 데이터
3. 선형 분류기: Score 함수
4. Softmax 분류기
5. 최적화: SGD
이번 장의 마무리
연습 문제
실습 예제
심화 문제
PART5 신경망 모델
1. 신경망 모델 과정
2. 층(Layer의 결합
3. 활성화 함수
4. 학습 분석: 과적합
5. 오류 역전파 Error BackPropagation
6. 규제 강화
7. 최적화 기법
이번 장의 마무리
연습 문제
실습 예제
심화 문제
PART6 이미지 분류
1. 이미지 분류 과정
2. 이미지 데이터 불러오기
3. CNN 모델 소개
4. CNN 구성 요소
5. CNN Architectures
6. 전이 학습 Transfer Learning
이번 장의 마무리
연습 문제
실습 예제1
실습 예제2
심화 문제
PART7 자연어 처리
1. 자연어 처리 과정
2. 단어를 벡터로 Word Embedding
3. Sequence를 다루는 모델
4. Seq2Seq 모델
이번 장의 마무리
연습 문제
실습 예제1
실습 예제2
심화 문제
PART8 Project
프로젝트1 이미지 다중 분류: Dog
인공지능의 작동원리부터 실습까지
부딪치며 캐글에 도전을 해보자!
인공지능의 가장 기본적이고 단순한 모델인 선형 모델부터 시작해서 선형 모델의 결합인 신경망 모델을 배우고, 신경망에 변화를 준 CNN 모델과 RNN 모델까지 기초적인 예제부터 심화 문제까지 코딩을 통해 딥러닝의 기초를 탄탄히 다질 수 있습니다.
또한 인공지능 문제해결을 위한 진행 과정을 문제 분류, 모델 설정, 성능 향상 등의 단계별로 설명하고 직접 문제해결을 통해 실력을 키울 수 있습니다.
전반에 들어있는 내용은 인공지능의 기원과 인공지능이 무엇인지를 살펴보고 인공지능으로 가능한 일들을 알아봅니다. 그리고 딥러닝이 실제 어떤 과정을 거치는지 개략적으로 감을 잡을 수 있게 도와줍니다. 딥러닝 학습 과정을 알아봤다면 이제 최적화 과정을 수식을 통해 자세하게 살펴볼 것입니다.
후반에는 딥러닝을 구성하는 기본 단위인 선형 모델에 대해 알아봅니다. 그리고 우리가 알아야할 핵심 모델링 과정을 배워 나갈 것입니다. 이렇게 학습을 하면서 배운 내용을 활용해 2 종류의 이미지 분류 과제와 2 종류의 자연어 처리 과제를 직접 해결해보고 성능을 향상시켜볼 것입니다.
인공지능이 수학을 기본으로 이루어져 있어 많은 분들이 어떻게 접근해야 할지 모르는 것이 대부분입니다. 이 책에서는 누구나 쉽게 인공지능의 작동원리를 이해할 수 있도록 하나하나 꼼꼼히 설명해 주고 있습니다. 유튜브 영상 강의를 통해 저자의 설명을 듣고 카페를 이용하여 스터디를 이어 나갈 수 있어 딥러닝을 처음 공부하는 분들에게 도움이 될 것입니다.
<베타 리더 중에서>
“이 책을 통해 딥러닝을 공부하면서 차근차근 개념을 쌓아나가시길 바랍니다. 또 책에 소개된 Kaggle(캐글이라는 사이트를 통해 쉬운 실습을 병행하시면 더욱 좋을 것 같습니다.”
“한 번쯤 딥러닝을 공부해보고 싶었으나 마땅한 입문 책을 찾지 못하였거나 기회를 갖지 못한 분들이 학습해 나가기 좋은 딥러닝 입문서입니다. 선물을 쌓아 올릴 때 든든한 기반부터
