• 컴퓨터/IT > 프로그래밍 > 델파이/파이썬

2023/10 컴퓨터/IT 61위 | 현재 컴퓨터/IT 61위 |

출판사 리뷰

예제와 실습으로 따라 하는 기초와 응용 많은 사람들이 인공지능 기술이 우리의 미래를 어떻게 바꿀지 기대하고 있다. 세계의 많은 기업이 투자를 아끼지 않는 모습만 봐도 알 수 있다. 이 책은 말로만 듣던 딥러닝을 실무적 코드로 성능 향상을 위해 알고리즘의 내부 동작 방식과 그 원리를 이해하는 데 집중했다. 초기보다 구조화되고 진보된 파이토치, 텐서플로, 케라스같은 오픈소스 프레임워크들이 발달함에 따라 구현 방식도 어렵지 않기 때문에 비전공자도 바로 시작할 수 있다. 특히 딥러닝에서 중요한 순전파와 역전파 등을 엑셀을 통해 시각화하고 기초가 되는 이론은 넘파이로 구현하기 때문에 각 단계별 값의 변화를 코드를 통해 쉽게 파악할 수 있다. 이 책에서는 주로 파이썬과 xlwings를 이용해 코드를 구현하고 엑세을 활용하여 실습을 진행한다. 실습을 위해 필요한 프로그래밍 언어와 관련된 라이브러리 패키지를 설치하고 사용 방법부터 안내하므로 시작을 두려워 하지 않아도 된다. 특히 마지막에는 엑셀 사용이 어려운 사람들을 위해 구글 코랩과 구글 스프레드시트를 연동하여 사용하는 방법까지 안내함으로써 다양한 기능을 더욱 쉽게 활용할 수 있게 될 것이다.

PART 0 개발 환경 구축
1. 파이썬 설치
01. Windows OS 버전
02. Mac OS 버전
2. 필요 패키지 설치
01. 주피터(Jupyter)
02. xlwings
03. 사이킷런(Scikit-Learn)
04. OpenCV 및 Numpy
05. Matplotlib
3. 파이썬-엑셀 연동 실습
01. 셀 내 중복값 제거 실습
02. 웹캠 이미지 엑셀 출력

PART 1 넘파이(Numpy)
1. 배열(ndarray)
01. arange 함수
02. reshape 함수
03. array indexing
2. 연산
01. 행렬의 사칙연산과 행렬곱
02. eye 함수
03. 전치 행렬(Transpose)
04. flip 함수
05. pad 함수
3. 미분
01. 함수의 기울기
02. 미분 프로그래밍

PART 2 딥러닝 개요
1. 딥러닝 학습
2. y \u003d wx 학습
01. 엑셀 데이터 준비
02. 손실 함수(Loss)의 정의
03. 경사 하강법(Gradient Descent)
04. 모델 구현
3. y \u003d wx + b 학습
01. 편미분
02. 확률적 경사 하강법(Stochastic Gradient Descent)
03. 모델 구현
4. y \u003d w1 × 1 + w2 × 2 + b 학습
01. 행렬 표현
02. 행렬 연산의 이해
03. 모델 구현
5. 임의의 함수 학습
01. 딥러닝(Deep Learning)
02. 체인룰(CHAIN RULE), 순전파(Forward Propagation), 역전파(Back Propagation)
03. 활성화 함수(Activation Function)
04. 모델 구현

PART 3 회귀 예제
1. 당뇨병 예측 데이터
01. 데이터 확인 및 모델 만들기
02. 데이터 정규화
03. 하이퍼 파라미터(Hyper Parameter) 설정
04. 과소/과대 적합 방지
2. 체력 검사 데이터
01. 데이터 확인
02. 다중 출력 모델 설계
03. 다중 출력 모델의 역전파

PART 4 분류 개요
1. 이진 분류
01. 시그모이드(Sigmoid)
02. 분류의 역전파
03. 모델 구현
04. 시그모이드를 중간층의 활성화 함수로 사용하지 않는 이유 1
2. 다중 분류
01. 소프트맥스(Softmax)
02. 카테고리컬 크로스 엔트로피(Categorical Cross Entropy)
03. 모델구현

PART 5 분류 예제
1. 붓꽃 분류
01. 데이터 확인
02. 원핫인코딩(One-hot Encoding)
03. 모델 구현
2. 손글씨 분류
01. 데이터 확인
02. 데이터 전처리
03. 모델 구현
04. 모델 검증 및 한계

PART 6 CNN
1. 이미지 데이터 특성
2. 필터와 합성곱(Convolution) 연산
3. 합성곱의 역전파
4. 모델 구현
5. CNN 추가 정보
01. 행렬로 표현
02. Stride
03. 패딩(Padding)
04. 풀링(Pooling)
05. 채널

PART 7 RNN
1. RNN 구조
2. 순전파와 역전파 연산

부록 1 Google Spreadsheet 사용
1. 구글 드라이브 API 설정하기
2. 구글 스프레드시트 API 설정하기

부록 2 Tensorflow 사용
1. 당뇨병 데이터
2. 체력 검사 데이터
3. 붓꽃 데이터
4. 손글씨 데이터
5. 영어 철자 예측 데이터