저자 소개 = 4
감사의 글 = 5
저자 서문 = 6
들어가며 = 8
목차 = 10
Chapter 1 머신러닝
  1.1 머신러닝과 딥러닝 = 17
  1.2 머신러닝이란 = 19
  1.3 머신러닝의 난제 = 22
  1.4 과적합 = 24
  1.5 과적합과 싸우기 = 27
  1.6 머신러닝의 종류 = 29
  1.7 분류와 회귀 = 31
  1.8 요약 = 34
Chapter 2 신경망
  2.1 서론 = 37
  2.2 신경망의 노드 = 39
  2.3 신경망의 계층 구조 = 41
  2.4 신경망의 지도학습 = 48
  2.5 단층 신경망의 학습 : 델타 규칙 = 49
  2.6 델타 규칙의 일반 형태 = 53
  2.7 SGD, 배치, 미니 배치 = 55
    2.7.1. Stochastic 경사 하강법 = 55
    2.7.2. 배치 = 56
    2.7.3. 미니 배치 = 57
  2.8 예제 : 델타 규칙 = 59
    2.8.1. SGD 방식 구현 = 60
    2.8.2. 배치 방식 구현 = 64
    2.8.3. SGD와 배치 비교 = 67
  2.9 단층 신경망의 한계 = 69
  2.10 요약 = 75
Chapter 3 다층 신경망의 학습
  3.1 서론 = 79
  3.2 역전파 알고리즘 = 81
  3.3 예제 = 88
    3.3.1 XOR 문제 = 90
    3.3.2 모멘텀 = 93
  3.4 비용함수와 학습 규칙 = 97
  3.5 예제 = 104
    3.5.1 Cross entropy 함수 = 104
    3.5.2 비용함수의 비교 = 108
  3.6 요약 = 111
Chapter 4 신경망과 분류
  4.1 서론 = 115
  4.2 이진 분류 = 116
  4.3 다범주 분류 = 120
  4.4 예제 : 다범주 분류 = 125
  4.5 요약 = 136
Chapter 5 딥러닝
  5.1 서론 = 139
  5.2 심층 신경망의 성능 개선 = 141
    5.2.1. 그래디언트 소실 = 142
    5.2.2. 과적합 = 145
    5.2.3. 많은 계산량 = 146
  5.3 예제 = 147
    5.3.1. ReLU 함수 = 148
    5.3.2. 드롭아웃 = 154
  5.4 요약 = 161
Chapter 6 컨벌루션 신경망
  6.1 서론 = 165
  6.2 컨브넷의 구조 = 166
  6.3 컨벌루션 계층 = 169
  6.4 풀링 계층 = 176
  6.5 예제 : MNIST = 177
  6.6 요약 = 196