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

 
ÀΰøÁö´É 100Á¡À» À§ÇÑ ÆÄÀ̽㠼öÇÐ : °íµîÇб³ ¼öÇÐÀ¸·Î ÀÌÇØÇÏ´Â ÀΰøÁö´É
    ¡¤ ÁöÀºÀÌ | ¿Å±äÀÌ:ÀÓ¼º±¹
    ¡¤ ÃâÆÇ»ç:ºñÁ¦ÀÌÆÛºí¸¯
    ¡¤ ÃâÆdz⵵:20200429
    ¡¤ Ã¥»óÅÂ:ÃÖ»ó±Þ / 352ÂÊ / 173*230mm / 9791190014861(1190014866)
    ¡¤ ISBN:1190014866
    ¡¤ ½ÃÁß°¡°Ý : ¿ø
    ¡¤ ÆǸŰ¡°Ý : ¿ø
    ¡¤ Æ÷ ÀÎ Æ® : Á¡
    ¡¤ ¼ö ·® : °³

ÀΰøÁö´ÉÀ» ¸¸µé°í, ±×°ÍÀ» È°¿ëÇÑ´Ù´Â °ÍÀº ±×·¸°Ô ½¬¿î ¹®Á¦°¡ ¾Æ´Ï´Ù. ƯÈ÷ ¼öÇÐÀû ÀÌÇØ°¡ Á¦´ë·Î ¼±ÇàµÇÁö ¾Ê°í¼­´Â ´©±º°¡°¡ ¸¸µé¾î µÐ °ÍÀ» ±×´ë·Î »ç¿ëÇÏ´Â °Í¿¡¼­ ´õ ³ª¾Æ°¡±â ¾î·Æ´Ù. ÀÌ Ã¥Àº °íµîÇб³ ¼öÁØÀÇ ¼öÇÐÀû Áö½ÄÀ» ÆÄÀ̽ã°ú ÇÔ²² ´Ù·ç¸ç ÀΰøÁö´ÉÀ» ÇâÇÑ Ã¹ °ÉÀ½À» ³»µô¼ö ÀÖ°Ô µ½´Â´Ù. ÀΰøÁö´É ÇнÀÀº ÁöµµÇнÀÀ¸·Î ½ÃÀ۵ȴÙ. MNIST ¼Õ±Û¾¾ µ¥ÀÌÅ͸¦ ÀÌ¿ëÇØ ÄÄÇ»ÅÍ°¡ ÇнÀÇÑ ÈÄ Á¦´ë·Î µÈ ´ë´äÀ» ÇÒ ¼ö ÀÖ°Ô ÃµÃµÈ÷ ÁøÇàÇÑ´Ù. ÀΰøÁö´É¿¡ ²À ÇÊ¿äÇÑ ¼öÇÐ, ÇÁ·Î±×·¡¹Ö Áö½ÄÀ» ÀÍÈ÷°í ¿Ö ±×·¸°Ô µÇ´Â Áö ³í¸®ÀûÀ¸·Î ÀÌÇØÇÏ´Â °ÍÀÌ ÀÌ Ã¥ÀÇ ¸ñÇ¥ÀÌ´Ù. ÆÄÀ̽㠾ð¾î¿Í numpyÀÇ ±âÃÊÀûÀÎ »ç¿ë¹ý, ÀΰøÁö´É Áß ÁöµµÇнÀ¿¡ »ç¿ëµÇ´Â ¼öÇÐÀû °³³äÀ» ÁÖÇÇÅÍ ³ëÆ®ºÏÀÇ ¿Â¶óÀÎ ¹öÀüÀÎ Google Colaboratory¸¦ ÅëÇØ ÀÍÈù´Ù.

ÀÌ Ã¥ÀÇ Æ¯Â¡
-¾î·Æ°í ¹«½¼ ¸»ÀÎÁö ÀÌÇصÇÁö ¾Ê´Â ÀΰøÁö´ÉÀ» ½±°Ô ÀÌÇØÇÒ ¼ö ÀÖ´Ù.
-°íµîÇб³ ±âÃÊ ¼öÇÐÀ¸·Î ÀΰøÁö´É ÇÁ·Î±×·¡¹ÖÀ» Á÷Á¢ ¸¸µé ¼ö ÀÖ´Ù.
-Google Colaboratory¸¦ ÀÌ¿ëÇؼ­ ÀΰøÁö´É ÇÁ·Î±×·¡¹ÖÀ» ½ÃÀÛÇÒ ¼ö ÀÖ´Ù.

ÀÌ Ã¥ÀÌ ÇÊ¿äÇÑ µ¶ÀÚ
-ÀΰøÁö´É¿¡ °ü½ÉÀÌ ÀÖ´Â ºñÀü°øÀÚ
-ÀΰøÁö´ÉÀ» °øºÎÇÏ°í ½ÍÁö¸¸ ¼öÇÐÀû ±âÃÊ°¡ ºÎÁ·ÇÑ Àü°øÀÚ, Çö¾÷ Á¾»çÀÚ
-ÇÁ·Î±×·¡¹ÖÀ» ¹è¿ö¼­ Á÷Á¢ °¡¸£Ä¡°í ½ÍÀº ±³À°ÀÚ

 µ¶ÀÚ´ë»ó
 ÃÊÁß±Þ

 ¼Ò½ºÄÚµå ´Ù¿î·Îµå
https://github.com/bjpublic/pythonmath100


º£Å¸¸®´õ Ãßõ»ç

1 µé¾î°¡´Â ¸»
1-1 ÀÔ¹®ÀÚ¸¦ À§ÇÑ ÀΰøÁö´É
1-2 ÀΰøÁö´ÉÀÇ ½Ã´ë

2 ¹Ì¸® ¾Ë¾Æ¾ß ÇÒ °Íµé
2-1 °í±³¼öÇÐ ±âÃÊ
2-2 ÆÄÀ̽ã
2-3 ÄÄÆÄÀÏ·¯¿Í ÀÎÅÍÇÁ¸®ÅÍ
2-4 ÆÄÀ̽㠱âÃÊ
2-5 ÄÚµù±³À°°ú ÆÄÀ̽㠱âÃÊ
2-6 ÆÄÀ̽㠼³Ä¡
2-7 ÆÄÀ̽ãÀÇ ¼öÇРģ±¸ numpy, scipy
 2-8 ÆÄÀ̽ã matplotlib ¼³Ä¡
2-9 ÁÖÇÇÅÍ ³ëÆ®ºÏ°ú Google Colaboratory (CoLab)

 3 ÆÄÀ̽㠱âÃÊ ¹®¹ý
3-1 ÁÖ¼®
3-2 º¯¼ö
3-3 »ê¼ú¿¬»ê
3-4 ÀڷᱸÁ¶: ¸®½ºÆ®, Æ©ÇÃ, µñ¼Å³Ê¸®
3-5 Á¶°Ç¹®
3-6 ¹Ýº¹¹®
3-7 ÇÔ¼ö
3-8 Ŭ·¡½º¿Í °´Ã¼
3-9 numpy ÆÐÅ°ÁöÀÇ »ç¿ë
3-10 matplotlib¸¦ ÀÌ¿ëÇÑ ±×·¡ÇÁ

4 MNIST ±âÃÊÀÌÇØ
4-1 MNIST DataSet ±¸¼º
4-2 MNIST È­¸é Ãâ·Â

5 ÆÛ¼ÁÆ®·Ð°ú XOR
 5-1 ÀΰøÁö´É ¿¬±¸ÀÇ ¿ª»ç
5-2 ¸Ó½Å·¯´×ÀÇ ºÐ¾ß
5-3 ÆÛ¼ÁÆ®·Ð°ú ´º·±
5-4 ÆÛ¼ÁÆ®·ÐÀ¸·Î ³í¸®¿¬»êÀÚ ¸¸µé±â
5-5 ´ÙÃþÆÛ¼ÁÆ®·Ð

6 ½Å°æ¸Á
6-1 Àΰ£ÀÇ ½Å°æ¼¼Æ÷, ´º·±
6-2 Àΰø½Å°æ¸Á(ANN, Artificial Neural Network)
 6-3 ÆÛ¼ÁÆ®·Ð°ú ³í¸®°ÔÀÌÆ®
6-4 ½Å°æ¸ÁÀÇ ¼öÇÐÀû ÀÌÇØ
6-5 È°¼ºÇÔ¼ö

7 ¿µ»ó°ú MNIST
 7-1 ¿µ»óÀÇ ÀÌÇØ
7-2 µðÁöÅаú ¾Æ³¯·Î±× ½ÅÈ£
7-3 »ùÇøµ°ú ¾çÀÚÈ­7-4 MNIST Ư¡
7-5 MNIST¿¡¼­ »çÁø °¡Á®¿À±â

8 MNIST¿Í ½Å°æ¸ÁÀÇ ÀԷ°ú Ãâ·Â
8-1 Çà·Ä½ÄÀÇ ÀÌÇØ
8-2 Çà·ÄÀÇ °è»ê°ú ¼±Çü´ë¼ö
8-3 Çà·Ä°è»ê½ÄÀÇ ¼öÇÐÀû ÀÌÇØ
8-4 Çà·Ä°è»êÀ» À§ÇÑ ÆÄÀ̽ã ÄÚµå
8-5 ½Å°æ¸Á µ¥ÀÌÅÍÀÇ Çà·Ä Ư¡
8-6 ¹«ÀÛÀ§ µ¥ÀÌÅÍ·Î ½Å°æ¸ÁÇÔ¼ö ¸¸µé±â

9 Ç×µî ÇÔ¼ö¿Í ¼ÒÇÁÆ®¸Æ½º ÇÔ¼ö
9-1 Ç×µîÇÔ¼ö(identity function)
 9-2 ºñ·ÊÈ®·üÇÔ¼ö
9-3 ¼ÒÇÁÆ®¸Æ½º ÇÔ¼ö

10 ¼Õ½ÇÇÔ¼ö
10-1 ¼Õ½ÇÇÔ¼öÀÇ °³³ä
10-2 Æò±Õ, Áß°£°ª, Ç¥ÁØÆíÂ÷, ºÐ»êÀÇ ÀÌÇØ
10-3 Æò±ÕÁ¦°ö¿ÀÂ÷
10-4 Å©·Î½º¿£Æ®·ÎÇÇ¿ÀÂ÷(CEE)

 11 °æ»ç¿Í ¹ÌºÐ
11-1 ¹ÌºÐÀÇ ¼öÇÐÀû Á¤ÀÇ
11-2 ¼öÄ¡¹ÌºÐ
11-3 Æí¹ÌºÐ
11-4 °ÔÀÓ Ä³¸¯ÅÍ´Â N Â÷¿ø
11-5 2Â÷¿ø ÇÔ¼öÀÇ ±×·¡ÇÁ¿Í Æí¹ÌºÐ
11-6 Æí¹ÌºÐ ÇÁ·Î±×·¡¹Ö ÄÚµå
11-7 np.nditer
 11-8 ½Å°æ¸Á °è»ê °úÁ¤¿¡¼­ÀÇ ¹ÌºÐ ÀÌÇØ
11-9 ³×Æ®¿öÅ©º¯¼öÀÇ Æí¹ÌºÐ°ªÀÎ ±â¿ï±â
11-10 nditer Æí¹ÌºÐ ÄÚµå
11-11 °æ»çÇÏ°­¹ý

12 ¼øÀüÆÄ
12-1 MNIST µ¥ÀÌÅÍ ÀÔ·Â
12-2 ÇÔ¼ö Á¤ÀÇ
12-3 ÇÁ·Î¼¼½ºº° Ŭ·¡½º »ý¼º
12-4 ³×Æ®¿öũŬ·¡½º »ý¼º
12-5 ¹ÌºÐÀ» ÀÌ¿ëÇÑ ÇнÀ°ú °ËÁõ
12-6 ÇнÀ ÈÄ Á¤È®µµ Å×½ºÆ®

13 ¿ÀÂ÷¿ªÀüÆÄ
13-1 °è»ê±×·¡ÇÁ
13-2 ½Ã±×¸ðÀ̵å ÇÔ¼öÀÇ ±â¿ï±â
13-3 Softmax¿Í Cross Entropy Error
 13-4 È°¼ºÇÔ¼ö Relu Ŭ·¡½º
13-5 Affine Ŭ·¡½º
13-6 ¿ÀÂ÷¿ªÀüÆĸ¦ »ç¿ëÇÑ MNIST ÇнÀ

 ¸Î´Â ¸»
 ºÎ·Ï
 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.