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 ȸé 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
ã¾Æº¸±â