Do it! 딥러닝 교과서 윤성진 pdf 다운로드를 무료로 제공합니다 이 딥러닝 코드는 왜 이렇게 동작할까? 최신 딥러닝 논문, 해외 주요 강의를 보기 전에 꼭 읽어야 할 책! 딥러닝 입문자도, 실무자도 모두 이 책으로 딥러닝 공부를 시작하자!
관련 책 pdf 모음
책 소개
딥러닝 모델이 세상에 나온 배경과 작동 원리를 순서대로, 제대로 알려 주는 책! 순방향 신경망, 콘벌루션 신경망, 순환 신경망, 생성 모델이 세상에 등장한 이유는 무엇이며, 어떻게 작동할까? 이 책은 퍼셉트론부터 GAN까지 딥러닝 모델이 등장한 이유와 특징, 작동 원리를 미적분 통계 등 수학 지식과 함께 구체적으로 알려 준다. 예를 들어 활성화 함수에서 계단 함수는 수식으로 어떻게 표현하며, 계단 함수의 단점은 무엇이길래 시그모이드 함수로 발전할 수 밖에 없었는지, 이런 발전 과정에서 나온 활성화 함수와 특징은 무엇인지 문장과 수식, 그림으로 제대로 알려 준다. 이렇게 공부하다 보면 결국 자신이 입력한 딥러닝 코드가 어떻게, 왜 이렇게 작동하는지 명쾌하게 이해할 수 있다. 딥러닝 입문자, 연구자, 실무자 모두에게 강력 추천! 최신 논문, 해외 주요 딥러닝 강의를 보기 전에 반드시 읽어야 할 책! 딥러닝 기초 이론 공부는 실무자와 연구자 모두에게 필수라고 저자는 설명한다. 그 이유는 간단하다. 애초에 딥러닝은 기초 이론을 바탕으로 새로운 기술, 이론이 만들어지고 발전하는 특성을 지닌 학문이기 때문이다. 최신 논문을 보며 자신의 연구에 적용하고 싶은 연구자라면, 또한 해외 주요 딥러닝 관련 강의를 들으며 자신의 커리어를 더 높이고 싶은 실무 엔지니어라면 이 책으로 딥러닝 기초 체력을 길러 더 깊은 곳으로 나아가 보자.
Do it! 딥러닝 교과서 pdf 다운로드
__01 딥러닝 개요
1.1 딥러닝이란?
1.2 인공 신경망의 탄생
1.3 딥러닝의 역사
__02 순방향 신경망
2.1 순방향 신경망의 구조와 설계 항목
2.2 분류와 회귀 문제
2.3 이진 분류 모델
2.4 다중 분류 모델
2.5 회귀 모델
2.6 입력 계층
2.7 활성 함수
2.8 신경망 모델의 크기
2.9 신경망 학습 관련 내용(*)
__03 신경망 학습
3.1 신경망 학습의 의미
3.2 신경망 학습과 최적화
3.3 경사 하강법
3.4 역전파 알고리즘
3.5 데이터셋 구성과 훈련 데이터 단위
3.6 손실 함수 정의(*)
__04 최적화
4.1 확률적 경사 하강법
4.2 SGD 모멘텀
4.3 네스테로프 모멘텀
4.4 AdaGrad
4.5 RMSProp
4.6 Adam
__05 초기화와 정규화
5.1 가중치 초기화
5.2 정규화
5.3 배치 정규화
5.4 가중치 감소
__06 콘벌루션 신경망
6.1 시각 패턴 인식을 위한 신경망 모델
6.2 콘벌루션 신경망의 구조
6.3 콘벌루션 신경망의 가정 사항
6.4 개선된 콘벌루션 연산
6.5 업샘플링 연산
__07 콘벌루션 신경망 모델
7.1 르넷-5
7.2 알렉스넷
7.3 제트에프넷
7.4 브이지지넷
7.5 구글넷
7.6 레즈넷
7.7 콘벌루션 신경망 비교
7.8 다양한 모델의 등장
__08 순환 신경망
8.1 기억을 갖는 신경망 모델 RNN
8.2 순환 신경망의 주요 모델
8.3 시간펼침 역전파
8.4 LSTM과 GRU
8.5 순환 신경망 개선
__09 생성 모델
9.1 생성 모델
9.2 VAE
9.3 GAN