01 딥러닝을 소개합니다 01-1 인공지능을 소개합니다 = 15 01-2 머신러닝을 소개합니다 = 17 01-3 딥러닝을 소개합니다 = 23 01장에서 꼭 기억해야 할 내용 = 26 02 최소한의 도구로 딥러닝을 시작합니다 02-1 구글 코랩을 소개합니다 = 28 02-2 딥러닝을 위한 도구들을 알아봅니다 = 38 02장에서 꼭 기억해야 할 내용 = 44 03 머신러닝의 기초를 다집니다 - 수치 예측 03-1 선형 회귀에 대해 알아보고 데이터를 준비합니다 = 46 03-2 경사 하강법으로 학습하는 방법을 알아봅니다 = 54 03-3 손실 함수와 경사 하강법의 관계를 알아봅니다 = 66 03-4 선형 회귀를 위한 뉴런을 만듭니다 = 69 03장에서 꼭 기억해야 할 내용 = 75 04 분류하는 뉴런을 만듭니다 - 이진 분류 04-1 초기 인공지능 알고리즘과 로지스틱 회귀를 알아봅니다 = 77 04-2 시그모이드 함수로 확률을 만듭니다 = 82 04-3 로지스틱 손실 함수를 경사 하강법에 적용합니다 = 86 04-4 분류용 데이터 세트를 준비합니다 = 92 04-5 로지스틱 회귀를 위한 뉴런을 만듭니다 = 96 04-6 로지스틱 회귀 뉴런으로 단일층 신경망을 만듭니다 = 105 04-7 사이킷런으로 로지스틱 회귀를 수행합니다 = 113 04장에서 꼭 기억해야 할 내용 = 115 05 훈련 노하우를 배웁니다 05-1 검증 세트를 나누고 전처리 과정을 배웁니다 = 117 05-2 과대적합과 과소적합을 알아봅니다 = 131 05-3 규제 방법을 배우고 단일층 신경망에 적용합니다 = 137 05-4 교차 검증을 알아보고 사이킷런으로 수행해 봅니다 = 149 05장에서 꼭 기억해야 할 내용 = 155 06 2개의 층을 연결합니다 - 다층 신경망 06-1 신경망 알고리즘을 벡터화하여 한 번에 전체 샘플을 사용합니다 = 157 06-2 2개의 층을 가진 신경망을 구현합니다 = 170 06-3 미니 배치를 사용하여 모델을 훈련합니다 = 189 06장에서 꼭 기억해야 할 내용 = 195 07 여러 개를 분류합니다 - 다중 분류 07-1 여러 개의 이미지를 분류하는 다층 신경망을 만듭니다. = 197 07-2 텐서플로와 케라스를 사용하여 신경망을 만듭니다 = 222 07장에서 꼭 기억해야 할 내용 = 232 08 이미지를 분류합니다 - 합성곱 신경망 08-1 합성곱 연산에 대해 알아봅니다 = 234 08-2 풀링 연산에 대해 알아봅니다 = 246 08-3 합성곱 신경망의 구조를 알아봅니다 = 250 08-4 합성곱 신경망을 만들고 훈련합니다 = 256 08-5 케라스로 합성곱 신경망을 만듭니다 = 270 08장에서 꼭 기억해야 할 내용 = 278 09 텍스트를 분류합니다 - 순환 신경망 09-1 순차 데이터와 순환 신경망을 배웁니다 = 280 09-2 순환 신경망을 만들고 텍스트를 분류합니다 = 291 09-3 텐서플로로 순환 신경망을 만듭니다 = 305 09-4 LSTM 순환 신경망을 만들고 텍스트를 분류합니다 = 313 09장에서 꼭 기억해야 할 내용 = 318 찾아보기 = 320