머리말 = 4
이 책의 사용 설명서 = 6
예제 목차 = 13
알고리즘 목차 = 14
Chapter 1 소개 = 15
  1 개요 = 17
  2 심층 신경망의 종류 = 21
  3 딥러닝 소프트웨어 = 25
Chapter 2 신경망 = 27
  1 개요 = 29
  2 신경망의 기본개념 = 31
  3 배치학습과 온라인학습 = 37
  4 역전파 알고리즘 = 41
  5 교차엔트로피 기반 델타규칙 = 56
  6 중요한 고려사항 = 61
  7 역전파 알고리즘의 변형 = 70
  8 텐서플로 모듈 = 77
  9 텐서플로 예제 = 88
  연습문제 = 97
Chapter 3 심층 신뢰망 및 오토인코더 = 99
  1 개요 = 101
  2 제한 볼츠만 기계 = 103
  3 오토인코더 = 132
  4 RBM과 오토인코더의 비교 = 145
  5 심층 신뢰망 = 146
  연습문제 = 161
Chapter 4 순환 신경망 워드 임베딩 = 165
  1 개요 = 167
  2 순환 신경망 예제 = 170
  3 순환 신경망 구조 = 178
  4 순환 신경망 학습 = 181
  5 게이트 순환 신경망 = 187
  6 순환 신경망 텐서플로 예제 = 195
  7 워드 임베딩 = 211
  8 워드 임베딩 텐서플로 예제 = 217
  연습문제 = 223
Chapter 5 합성곱 신경망 = 229
  1 개요 = 231
  2 합성곱 신경망의 구조 = 235
  3 합성곱 신경망의 학습 = 247
  4 합성곱 신경망의 성능 향상 = 251
  5 대표적 합성곱 신경망 = 252
  6 합성곱 신경망 텐서플로 예제 = 259
  연습문제 = 268
Chapter 6 경쟁적 생성망 = 271
  1 개요 = 273
  2 게임이론의 기초 = 276
  3 기본 경쟁적 생성망의 이익함수 및 학습 = 284
  4 기본 경쟁적 생성망의 분석 = 294
  5 최소제곱 경쟁적 생성망 = 299
  6 심층 합성곱 경쟁적 생성망 = 310
  7 와서스타인 경쟁적 생성망 = 324
  8 조건 경쟁적 생성망 = 339
  9 정보 경쟁적 생성망 = 348
  10 순환 경쟁적 생성망 = 361
  연습문제 = 375
Chapter 7 강화학습 = 379
  1 개요 = 381
  2 강화학습의 원리 = 384
  3 정책과 가치함수 = 393
  4 동적 계획법 = 402
  5 몬테카를로 방법 = 409
  6 시간차 학습 = 419
  7 심층 Q-망 = 424
  연습문제 = 436
참고문헌 = 438