ÇöÀçÀ§Ä¡ : Home > ÄÄÇ»ÅÍ/ÀÎÅÍ³Ý > ÇÁ·Î±×·¡¹Ö ¹× ¾ð¾î

 
¸Ó½Å·¯´×À» À§ÇÑ ÆÄÀ̽ã ÇÑ Á¶°¢ : ÆÄÀ̽ãÀ¸·Î ÀÌÇØÇÏ´Â ÀΰøÁö´ÉÀÇ ½ÃÀÛ
    ¡¤ ÁöÀºÀÌ | ¿Å±äÀÌ:¹Ú¼ºÈ£
    ¡¤ ÃâÆÇ»ç:ºñÁ¦ÀÌÆÛºí¸¯
    ¡¤ ÃâÆdz⵵:20200221
    ¡¤ Ã¥»óÅÂ:ÃÖ»ó±Þ / 348ÂÊ / 173*230mm / 9791190014755(1190014750)
    ¡¤ ISBN:9791190014755
    ¡¤ ½ÃÁß°¡°Ý : ¿ø
    ¡¤ ÆǸŰ¡°Ý : ¿ø
    ¡¤ Æ÷ ÀÎ Æ® : Á¡
    ¡¤ ¼ö ·® : °³

ÀÌ Ã¥Àº ¸Ó½Å·¯´×°ú µö·¯´×¿¡ °ü½ÉÀÌ ÀÖ´Â ºÐµéÀ» À§ÇØ ±âº»ÀûÀÎ ³»¿ëºÎÅÍ µ¿ÀÛ ¿ø¸®±îÁö ¿¹Á¦¿Í ÇÔ²² ¾Ë±â ½¬¿î ³»¿ëÀ¸·Î ±¸¼ºÇß´Ù. µ¥ÀÌÅ͸¦ ÇнÀÇϸ鼭 ¹Ì·¡ °ªÀ» ¿¹ÃøÇÏ´Â ¸Ó½Å·¯´×°ú ½Å°æ¸ÁÀ» ±â¹ÝÀ¸·Î ÇÏ´Â µö·¯´× ¾ÆÅ°ÅØó¸¦ ¼³°èÇÏ°í, µö·¯´×ÀÇ ²ÉÀ¸·Î ºÒ¸®´Â ¿ÀÂ÷¿ªÀüÆÄ, À̹ÌÁö¸¦ ÀνÄÇÒ ¼ö ÀÖ´Â CNN, ¼ø¼­°¡ ÀÖ´Â µ¥ÀÌÅ͸¦ ´Ù·ç´Â µ¥ ÀûÇÕÇÑ RNN µ¿ÀÛ ¿ø¸®¸¦ ´Ü°èº°·Î ¾Ë¾Æº¼ ¼ö ÀÖ´Ù.

°£´ÜÇÑ ¿ø¸®¸¦ ÀÌÇØÇÑ µÚ¿¡´Â ÃÖ±Ù °¡Àå ÁÖ¸ñ¹Þ°í ÀÖ´Â ÇÁ·Î±×·¡¹Ö ¾ð¾îÀÎ ÆÄÀ̽ã, ÅÙ¼­Ç÷θ¦ ÀÌ¿ëÇÏ¿© ¼±Çüȸ±Í, ¼öÄ¡ ¹ÌºÐ, ½Å°æ¸Á, ¿ÀÂ÷¿ªÀüÆÄ, CNN, RNN Äڵ带 Á÷Á¢ ±¸ÇöÇØ º»´Ù. ¶ÇÇÑ ÀúÀÚÀÇ YouTube °­ÀÇ Ã¤³Î±îÁö ¹Ù·Î È®ÀÎÇÒ ¼ö ÀÖ´Â QR Äڵ带 ÇÔ²² ¼ö·ÏÇØ ÇØ´ç ³»¿ëÀ» ´õ¿í Æí¸®ÇÏ°í ÀÚ¼¼ÇÏ°Ô ÀÌÇØÇÒ ¼ö ÀÖ´Ù. ÀÌ Ã¥À¸·Î ÀΰøÁö´É °³¹ß¿¡ ´ëÇØ ÇÑ ¹ß ´õ ¾Ë¾Æº¸ÀÚ.


¼­¹®
1. ¸Ó½Å·¯´× °³¿ä
1.1 4Â÷ »ê¾÷Çõ¸í
1.2 ÀΰøÁö´É°ú ¸Ó½Å·¯´×
1.3 ¸Ó½Å·¯´×¿¡¼­ÀÇ È¸±Í¿Í ºÐ·ù
1,4 ¸Ó½Å·¯´× ±¸Çö ¹æ¹ý
1.5 Á¤¸®

2. ÆÄÀ̽ã (Python)
 2.1 ÆÄÀ̽㠼³Ä¡ ¹× jupyter notebook ½ÇÇà
2.2 ÆÄÀ̽㠵¥ÀÌÅÍŸÀÔ(DataType)
 2.3 ÆÄÀ̽ã Á¶°Ç¹® if
 2.4 ÆÄÀ̽ã for ¹Ýº¹¹®
2.5 List Comprehension
 2.6 ÆÄÀ̽ã ÇÔ¼ö (Function)
 2.7 ÆÄÀ̽ã Ŭ·¡½º (class)
 2.8 Á¤¸®

3. ³ÑÆÄÀÌ (numpy)
 3.1 ³ÑÆÄÀÌ ¶óÀ̺귯¸® °¡Á®¿À±â(import)
 3.2 ³ÑÆÄÀÌ¿Í ¸®½ºÆ®(numpy vs list)
 3.3 ³ÑÆÄÀÌ º¤ÅÍ(Vector, 1Â÷¿ø ¹è¿­) »ý¼º
3.4 ³ÑÆÄÀÌ Çà·Ä(Matrix, 2Â÷¿ø ¹è¿­) »ý¼º
3.5 ³ÑÆÄÀÌ »ê¼ú¿¬»ê
3.6 ³ÑÆÄÀÌ Çü º¯È¯(reshape)
 3.7 ³ÑÆÄÀÌ ºê·Îµåij½ºÆ®(Broadcast)
 3.8 ³ÑÆÄÀÌ ÀüÄ¡Çà·Ä(Transpose)
 3.9 ³ÑÆÄÀÌ Çà·Ä °ö(Matrix Multiplication)
 3.10 Çà·Ä ¿ø¼Ò Á¢±Ù(Indexing, Slicing)
 3.11 ³ÑÆÄÀÌ ÀÌÅÍ·¹ÀÌÅÍ(Iterator)
 3.12 ³ÑÆÄÀÌ À¯¿ëÇÑ ÇÔ¼ö(Useful Function)
 3.13 Á¤¸®

4. ¹ÌºÐ (Derivative)
 4.1 ¹ÌºÐ °³³ä°ú ÀλçÀÌÆ®(Insight)
 4.2 Æí¹ÌºÐ(Partial Derivative)
 4.3 üÀÎ ·ê(Chain Rule)
 4.4 ¼öÄ¡ ¹ÌºÐ(Numerical Derivative)
 4.5 Á¤¸®

5. ¼±Çü ȸ±Í¿Í ºÐ·ù(Linear Regression and Classification)
 5.1 ÀΰøÁö´É ¸Ó½Å·¯´× µö·¯´× ¸®ºä
5.2 ¼±Çü ȸ±Í(Linear Regression)
 5.3 ºÐ·ù(Classification)
 5.4 Á¤¸®

6. XOR ¹®Á¦(XOR Problem)
 6.1 ³í¸®°ÔÀÌÆ® AND, OR, NAND, XOR
 6.2 ³í¸®°ÔÀÌÆ®(Logic Gate) Ŭ·¡½º ±¸Çö
6.3 ³í¸® °ÔÀÌÆ® °ËÁõ
6.4 XOR ¹®Á¦ ÇØ°á ¹æ¹ý
6.5 Á¤¸®

7. µö·¯´×(Deep Learning)
 7.1 XOR ¹®Á¦ ¸®ºä
7.2 ½Å°æ¸Á(Neural Network) °³³ä
7.3 ½Å°æ¸Á°ú Àΰø ½Å°æ¸Á
7.4 µö·¯´×(Deep Learning) ±âÃÊ
7.5 µö·¯´×À¸·Î XOR ¹®Á¦ ÇØ°á
7.6 Á¤¸®

8. MNIST(Çʱâü ¼Õ±Û¾¾)
8.1 MNIST(Çʱâü ¼Õ±Û¾¾)
8.2 MNIST ÀνÄÀ» À§ÇÑ µö·¯´× ¾ÆÅ°ÅØó
8.3 MNIST_Test Ŭ·¡½º ±¸Çö
8.4 MNIST ÀÎ½Ä Á¤È®µµ °ËÁõ
8.5 Á¤¸®

9. ¿ÀÂ÷¿ªÀüÆÄ(Back Propagation)
 9.1 ¼öÄ¡ ¹ÌºÐÀÇ ¹®Á¦Á¡
9.2 ¿ÀÂ÷¿ªÀüÆÄ °³³ä ¹× ¿ø¸®
9.3 °¢ Ãþ¿¡¼­ÀÇ ¼±Çüȸ±Í °ª(z), Ãâ·Â °ª(a), ¿ÀÂ÷(E)
 9.4 ½Ã±×¸ðÀ̵å(sigmoid) ÇÔ¼ö ¹ÌºÐ
9.5 Ãâ·ÂÃþ ¿ÀÂ÷¿ªÀüÆÄ °ø½Ä
9.6 Àº´ÐÃþ ¿ÀÂ÷¿ªÀüÆÄ °ø½Ä
9.7 ¿ÀÂ÷¿ªÀüÆĸ¦ ÀÌ¿ëÇÑ MNIST °ËÁõ
9.8 Á¤¸®

10. ÅÙ¼­Ç÷Î(TensorFlow) ±âÃÊ
10.1 ÅÙ¼­Ç÷Π¼³Ä¡
10.2 ÅÙ¼­Ç÷ΠÅÙ¼­(Tensor)
 10.3 ÅÙ¼­Ç÷Π³ëµå(Node), ¿§Áö(Edge)
 10.4 ÅÙ¼­Ç÷θ¦ ÀÌ¿ëÇÑ MNIST °ËÁõ
10.5 Á¤¸®

11. ÇÕ¼º°ö ½Å°æ¸Á CNN(Convolutional Neural Network)
 11.1 CNN ¾ÆÅ°ÅØó
11.2 Äܺ¼·ç¼ÇÃþ(Convolutional Layer) °³¿ä
11.3 Æеù(padding)
 11.4 Äܺ¼·ç¼Ç ¿¬»êÀ» ÅëÇÑ Ãâ·Â µ¥ÀÌÅÍ Å©±â
11.5 CNN ±â¹ÝÀÇ MNIST °ËÁõ
11.6 Á¤¸®

12. ¼øȯ ½Å°æ¸Á RNN(Recurrent Neural Network)
 12.1 RNN ¾ÆÅ°ÅØó
12.2 ¼ø¼­°¡ ÀÖ´Â µ¥ÀÌÅÍ
12.3 RNN µ¿ÀÛ¿ø¸®(Á¤¼ºÀû ºÐ¼®)
12.4 RNN µ¿ÀÛ¿ø¸®(Á¤·®Àû ºÐ¼®)
12.5 RNN ¿¹Á¦
12.6 Á¤¸®

 Ã£¾Æº¸±â


¹øÈ£ Á¦¸ñ ÀÛ¼ºÀÚ ÀÛ¼ºÀÏ ´äº¯
ÀÌ »óÇ°¿¡ ´ëÇÑ Áú¹®ÀÌ ¾ÆÁ÷ ¾ø½À´Ï´Ù.
±Ã±ÝÇϽŠ»çÇ×Àº ÀÌ°÷¿¡ Áú¹®ÇÏ¿© ÁֽʽÿÀ.
 
* ÀÌ »óÇ°¿¡ ´ëÇÑ ±Ã±ÝÇÑ »çÇ×ÀÌ ÀÖÀ¸½Å ºÐÀº Áú¹®ÇØ ÁֽʽÿÀ.
ȸ»ç¼Ò°³ | ¼­ºñ½ºÀÌ¿ë¾à°ü | °³ÀÎÁ¤º¸ Ãë±Þ¹æħ
¼­¿ï½Ã °ü¾Ç±¸ Çà¿îµ¿ 1686-21 È£Àüºôµù ÁöÇÏ1Ãþ (ÁöÇÏö2È£¼± ³«¼º´ë¿ª 5,6¹ø Ãⱸ »çÀÌ) / ÀüÈ­ : 02-811-1256 / Æѽº : 02-811-1256 / ¿î¿µÀÚ : ´Þ¸¶ / °³ÀÎÁ¤º¸°ü¸®Ã¥ÀÓÀÚ : ÀÓ¿µÅÃ
»ç¾÷ÀÚ µî·Ï¹øÈ£ : 108-91-53191 / ´ëÇ¥ : ÀÓ¿µÅà / Åë½ÅÆǸž÷½Å°í¹øÈ£ : Á¦ OO±¸ - 123È£
Copyright © 2009 ´Þ¸¶¼­Á¡. All Rights Reserved.