컴퓨터IT
구글 코랩으로 배우는 인공지능 기술 -머신러닝·딥러닝·강화 학습으로 배우는 AI의 기초 기술-
아즈마 유키나가
AK 커뮤니케이션즈
0 (0명)
115명이 읽었어요
원스토리 앱에서 볼 수 있는 작품이에요.
- 소장
- 31,840 ⓒ
| 듣기기능 | 미지원 | 파일정보 | |
|---|---|---|---|
| 총 용량 | 46.3MB | 이용기기 | |
| ISBN | 979-11-274-5584-2 | ||
목차
시작하며
이 책 내용에 관한 문의에 대해서
이 책 샘플의 동작 환경과 샘플 프로그램에 대해서
Chapter0 서문
Chapter1 인공지능, 딥러닝의 개요
1.1 인공지능의 개요
1.2 인공지능의 활용 예
1.3 인공지능의 역사
1.4 1장의 마무리
Chapter2 개발 환경
2.1 Google Colaboratory 시작하는 법
2.2 세션과 인스턴스
2.3 CPU와 GPU
2.4 Google Colaboratory의 여러 가지 기능
2.5 2장의 마무리
Chapter3 Python의 기초
3.1 Python의 기초
3.2 Numpy의 기초
3.3 matplotlib의 기초
3.4 pandas의 기초
3.5 연습
3.6 해답 예
3.7 3장의 마무리
Chapter4 간단한 딥러닝
4.1 딥러닝의 개요
4.2 간단한 딥러닝의 구현
4.3 다양한 신경망
4.4 연습
4.5 정답 예
4.6 4장의 마무리
Chapter5 딥러닝의 이론
5.1 수학의 기초
5.2 단일 뉴런의 계산
5.3 활성화 함수
5.4 순전파와 역전파
5.5 행렬과 행렬곱
5.6 층간의 계산
5.7 미분의 기초
5.8 손실 함수
5.9 경사 하강법
5.10 출력층의 경사
5.11 중간층의 경사
5.12 에포크와 배치
5.13 최적화 알고리즘
5.14 연습
5.15 해답 예
5.16 5장의 마무리
Chapter6 다양한 머신러닝 방법
6.1 회귀
6.2 k 평균법
6.3 서포트 벡터 머신
6.4 연습
6.5 해답 예
6.6 6장의 마무리
Chapter7 합성곱 신경망CNN
7.1 CNN의 개요
7.2 합성곱과 풀링
7.3 im2col과 col2im
7.4 합성곱의 구현
7.5 풀링의 구현
7.6 CNN의 구현
7.7 데이터 확장
7.8 연습
7.9 7장의 마무리
Chapter8 순환 신경망RNN
8.1 RNN의 개요
8.2 간단한 RNN의 구현
8.3 LSTM의 개요
8.4 간단한 LSTM의 구현
8.5 GRU의 개요
8.6 간단히 GRU의 구현
8.7 RNN에 의한 문장의 자동 생성
8.8 자연언어 처리의 개요
8.9 연습
8.10 정답 예
8.11 8장의 마무리
Chapter9 변분 오토 인코더VAE
9.1 VAE의 개요
9.2 VAE의 구조
9.3 오토인코더의 구현
9.4 VAE의 구현
9.5 한층 더 VAE를 배우고 싶은 분을 위해
9.6 연습
9.7 9장의 마무리
Chapter10 적대적 생성망GAN
10.1 GAN의 개요
10.2 GAN의 구조
10.3 GAN의 구현
10.4 좀 더 GAN을 배우고 싶은 분을 위해서
10.5 연습
10.6 정답 예
10.7 10장의 마무리
Chapter11 강화 학습
11.1 강화 학습의 개요
11.2 강화 학습의 알고리즘
11.3 심층 강화 학습의 개요
11.4 Cart Pole 문제
11.5 심층 강화 학습의 구현
11.6 달 표면 착륙선의 제어 -개요-
11.7 달 표면 착륙선의 제어 -구현-
11.8 연습
11.9 정답 예
11.10 11장의 마무리
Chapter12 전이 학습
12.1 전이 학습의 개요
12.2 전이 학습의 구현
12.3 파인 튜닝의 구현
12.4 연습
12.5 정답 예
12.6 12장의 마무리
Appendix 좀 더 배우고 싶은 분을 위해서
AP.1 저서
AP. 2 온라인 강좌
AP. 3 유튜브 채널
마지막으로
찾아보기
이 책 내용에 관한 문의에 대해서
이 책 샘플의 동작 환경과 샘플 프로그램에 대해서
Chapter0 서문
Chapter1 인공지능, 딥러닝의 개요
1.1 인공지능의 개요
1.2 인공지능의 활용 예
1.3 인공지능의 역사
1.4 1장의 마무리
Chapter2 개발 환경
2.1 Google Colaboratory 시작하는 법
2.2 세션과 인스턴스
2.3 CPU와 GPU
2.4 Google Colaboratory의 여러 가지 기능
2.5 2장의 마무리
Chapter3 Python의 기초
3.1 Python의 기초
3.2 Numpy의 기초
3.3 matplotlib의 기초
3.4 pandas의 기초
3.5 연습
3.6 해답 예
3.7 3장의 마무리
Chapter4 간단한 딥러닝
4.1 딥러닝의 개요
4.2 간단한 딥러닝의 구현
4.3 다양한 신경망
4.4 연습
4.5 정답 예
4.6 4장의 마무리
Chapter5 딥러닝의 이론
5.1 수학의 기초
5.2 단일 뉴런의 계산
5.3 활성화 함수
5.4 순전파와 역전파
5.5 행렬과 행렬곱
5.6 층간의 계산
5.7 미분의 기초
5.8 손실 함수
5.9 경사 하강법
5.10 출력층의 경사
5.11 중간층의 경사
5.12 에포크와 배치
5.13 최적화 알고리즘
5.14 연습
5.15 해답 예
5.16 5장의 마무리
Chapter6 다양한 머신러닝 방법
6.1 회귀
6.2 k 평균법
6.3 서포트 벡터 머신
6.4 연습
6.5 해답 예
6.6 6장의 마무리
Chapter7 합성곱 신경망CNN
7.1 CNN의 개요
7.2 합성곱과 풀링
7.3 im2col과 col2im
7.4 합성곱의 구현
7.5 풀링의 구현
7.6 CNN의 구현
7.7 데이터 확장
7.8 연습
7.9 7장의 마무리
Chapter8 순환 신경망RNN
8.1 RNN의 개요
8.2 간단한 RNN의 구현
8.3 LSTM의 개요
8.4 간단한 LSTM의 구현
8.5 GRU의 개요
8.6 간단히 GRU의 구현
8.7 RNN에 의한 문장의 자동 생성
8.8 자연언어 처리의 개요
8.9 연습
8.10 정답 예
8.11 8장의 마무리
Chapter9 변분 오토 인코더VAE
9.1 VAE의 개요
9.2 VAE의 구조
9.3 오토인코더의 구현
9.4 VAE의 구현
9.5 한층 더 VAE를 배우고 싶은 분을 위해
9.6 연습
9.7 9장의 마무리
Chapter10 적대적 생성망GAN
10.1 GAN의 개요
10.2 GAN의 구조
10.3 GAN의 구현
10.4 좀 더 GAN을 배우고 싶은 분을 위해서
10.5 연습
10.6 정답 예
10.7 10장의 마무리
Chapter11 강화 학습
11.1 강화 학습의 개요
11.2 강화 학습의 알고리즘
11.3 심층 강화 학습의 개요
11.4 Cart Pole 문제
11.5 심층 강화 학습의 구현
11.6 달 표면 착륙선의 제어 -개요-
11.7 달 표면 착륙선의 제어 -구현-
11.8 연습
11.9 정답 예
11.10 11장의 마무리
Chapter12 전이 학습
12.1 전이 학습의 개요
12.2 전이 학습의 구현
12.3 파인 튜닝의 구현
12.4 연습
12.5 정답 예
12.6 12장의 마무리
Appendix 좀 더 배우고 싶은 분을 위해서
AP.1 저서
AP. 2 온라인 강좌
AP. 3 유튜브 채널
마지막으로
찾아보기