한빛출판네트워크

핵심 이론으로 익히고 텐서플로로 구현해보는 딥러닝

데이터 과학자 또는 빅데이터 분석가가 기본적으로 알아야 할 딥러닝 관련 지식을 제공합니다. 딥러닝을 깊이 있게 다루면서도 체계적으로 정리하였으며, 딥러닝을 공부하면서 꼭 알아야 하는 수식을 그림을 통해 빠짐없이 상세히 설명했습니다. 이 책에서는 텐서플로를 활용하여 딥러닝을 직접 구현해봅니다. 텐서플로 엔진은 빠른 속도로 진화하고 있고 사용자가 이용하기 쉽다는 큰 장점 덕분에 많은 사람이 사용하고 있습니다. 딥러닝의 체계적인 이론과 텐서플로 실습을 한번에 학습하면서 딥러닝 전문가로 거듭날 수 있습니다.

※ 본 도서는 대학 강의용 교재로 개발되었으므로 연습문제 해답은 제공하지 않습니다.

Chapter 01 소개

1.1 개요

1.2 심층 신경망의 종류

1.3 딥러닝 소프트웨어

Chapter 02 신경망

2.1 개요

2.2 신경망의 기본개념

2.3 배치학습과 온라인학습

2.4 역전파 알고리즘

2.5 교차엔트로피 기반 델타규칙

2.6 중요한 고려사항

2.7 역전파 알고리즘의 변형

2.8 텐서플로 모듈

2.9 텐서플로 예제

연습문제 

Chapter 03 심층 신뢰망 및 오토인코더

3.1 개요

3.2 제한 볼츠만 기계 

3.3 오토인코더

3.4 RBM과 오토인코더의 비교

3.5 심층 신뢰망

연습문제 

Chapter 04 순환 신경망 워드 임베딩

4.1 개요

4.2 순환 신경망 예제

4.3 순환 신경망 구조

4.4 순환 신경망 학습 

4.5 게이트 순환 신경망

4.6 순환 신경망 텐서플로 예제

4.7 워드 임베딩

4.8 워드 임베딩 텐서플로 예제

연습문제 

Chapter 05 합성곱 신경망

5.1 개요

5.2 합성곱 신경망의 구조

5.3 합성곱 신경망의 학습

5.4 합성곱 신경망의 성능 향상

5.5 대표적 합성곱 신경망

5.6 합성곱 신경망 텐서플로 예제 

연습문제 

Chapter 06 경쟁적 신경망

6.1 개요

6.2 게임이론의 기초 

6.3 기본 경쟁적 생성망의 이익함수 및 학습

6.4 기본 경쟁적 생성망의 분석

6.5 최소제곱 경쟁적 생성망

6.6 심층 합성곱 경쟁적 생성망

6.7 와서스타인 경쟁적 생성망

6.8 조건 경쟁적 생성망

6.9 정보 경쟁적 생성망

6.10 순환 경쟁적 생성망

연습문제 

Chapter 07 강화학습

7.1 개요

7.2 강화학습의 원리

7.3 정책과 가치함수

7.4 동적 계획법

7.5 몬테카를로 방법

7.6 시간차 학습

7.7 심층 Q-망 

연습문제