Detail View

딥러닝은 머신러닝의 기반 위에 세워진 기술이다. 딥러닝을 제대로 이해하려면 간단하게라도 머신러닝의 철학을 알고 있어야 한다. 딥러닝은 신경망을 이용한 머신러닝 기법으로, 딥러닝과 신경망은 따로 떼어 놓을 수 없는 불가분의 관계이다. 이 책은 그동안 딥러닝의 걸림돌이 되었던 요인을 소개하고, 딥러닝에서 어떻게 해결하는지 제시한다. 또한 대표적인 딥러닝 기술인 컨벌루션 신경망의 기본 개념과 구조를 소개하고 예제까지 구현해본다.

이론으로 익히고 예제로 이해하는 머신러닝, 인공 신경망, 딥러닝
이 책은 총 6개의 장으로 구성되어 있지만, 크게 보면 3개의 주제로 묶을 수 있습니다.
첫 번째 주제는 ‘머신러닝’입니다. 딥러닝은 머신러닝의 기반 위에 세워진 기술입니다. 딥러닝을 제대로 이해하려면 간단하게라도 머신러닝의 철학을 알고 있어야 합니다.
두 번째 주제는 ‘인공 신경망’입니다. 딥러닝은 신경망을 이용한 머신러닝 기법으로, 딥러닝과 신경망은 따로 떼어 놓을 수 없는 불가분의 관계입니다.
세 번째 주제는 이 책의 주제이기도 한 ‘딥러닝’입니다. 그동안 딥러닝의 걸림돌이 되었던 요인을 소개하고, 딥러닝에서 어떻게 해결하는지 제시합니다. 또한 대표적인 딥러닝 기술인 컨벌루션 신경망의 기본 개념과 구조를 소개하고 예제까지 구현해봅니다.

Information Provided By: :

CHAPTER 1 머신러닝 
1.1 머신러닝과 딥러닝 
1.2 머신러닝이란 
1.3 머신러닝의 난제 
1.4 과적합 
1.5 과적합과 싸우기 
1.6 머신러닝의 종류 
1.7 분류와 회귀 
1.7 요약 

CHAPTER 2 신경망 
2.1 서론 
2.2 신경망의 노드 
2.3 신경망의 계층 구조 
2.4 신경망의 지도학습 
2.5 단층 신경망의 학습: 델타 규칙 
2.6 델타 규칙의 일반 형태 
2.7 SGD, 배치, 미니 배치 
2.8 예제: 델타 규칙 
2.9 단층 신경망의 한계 
2.10 요약 

CHAPTER 3 다층 신경망의 학습 
3.1 서론 
3.2 역전파 알고리즘 
3.3 예제 
3.4 비용함수와 학습 규칙 
3.5 예제 
3.6 요약 

CHAPTER 4 신경망과 분류 
4.1 서론 
4.2 이진 분류 
4.3 다범주 분류 
4.4 예제: 다범주 분류 
4.5 요약 

CHAPTER 5 딥러닝 
5.1 서론 
5.2 심층 신경망의 성능 개선 
5.3 예제 
5.4 요약 

CHAPTER 6 컨벌루션 신경망 
6.1 서론 
6.2 컨브넷의 구조 
6.3 컨벌루션 계층 
6.4 풀링 계층 
6.5 예제: MNIST 
6.6 요약