¸ñÂ÷
Chapter 1 µö·¯´× ½ÃÀÛ
1.1 µö·¯´×À̶õ
1.1.1 µö·¯´×ÀÇ ¿ª»ç
1.1.2 Àΰø ½Å°æ¸Á
1.1.3 ÃÖ±Ù µ¿Çâ
1.2 ÆÄÀ̽ã°ú ÆÄÀÌÅäÄ¡
Chapter 2 ÆÄÀ̽ã
2.1 º¯¼ö, Ãâ·Â¹®, ¶óÀ̺귯¸®
2.1.1 Á¤¼öÇü(int)
2.1.2 ½Ç¼öÇü(float)
2.1.3 ¹®ÀÚÇü(string)
2.1.4 ºÎ¿ïÇü(bool)
2.1.5 Ãâ·Â¹®(print)
2.1.6 ¶óÀ̺귯¸®(library)
2.2 ¸®½ºÆ®, Æ©ÇÃ, µñ¼Å³Ê¸®
2.2.1 ¸®½ºÆ®(list)
2.2.2 Æ©ÇÃ(tuple)
2.2.3 µñ¼Å³Ê¸®(dict)
2.3 ³ÑÆÄÀÌ
2.3.1 ¿©·¯ °¡Áö ¹è¿
2.3.2 ¹è¿ÀÇ Å©±â¿Í º¯È¯
2.3.3 Á¶°Ç¹®À» ÀÌ¿ëÇÑ À妽º °Ë»ö
2.3.4 ¹è¿ÀÇ ±âº» ¿¬»ê
2.3.5 ¹è¿ÀÇ º´ÇÕ
2.3.6 ´Ù¾çÇÑ °è»ê ÇÔ¼ö
2.4 Á¶°Ç¹®°ú ¹Ýº¹¹®
2.4.1 if¹®
2.4.2 for¹®
2.4.3 while¹®
2.4.4 break, continue¹®
2.4.5 try & except¹®
2.5 ÇÔ¼ö¿Í ¸ðµâ
2.5.1 ÇÔ¼ö
2.5.2 ¸ðµâ
2.6 Ŭ·¡½º
2.7 ±×·¡ÇÁ ±×¸®±â
2.8 Æú´õ ¹× ÆÄÀÏ °ü¸®
2.9 Å͹̳ο¡¼ ÆÄÀ̽㠽ÇÇàÇϱâ
Chapter 3 Áöµµ ÇнÀ
3.1 Áöµµ ÇнÀÀ̶õ
3.2 Áöµµ ÇнÀÀÇ Á¾·ù
3.3 µ¥ÀÌÅÍ ¼¼Æ® ºÐÇÒ
Chapter 4 ÆÄÀÌÅäÄ¡ ±âº»
4.1 ÅÙ¼
4.1.1 ¿©·¯ °¡Áö ÅÙ¼
4.1.2 ¸®½ºÆ®, ³ÑÆÄÀÌ ¹è¿À» ÅÙ¼·Î ¸¸µé±â
4.1.3 ÅÙ¼ÀÇ Å©±â, ŸÀÔ, ¿¬»ê
4.1.4 ÅÙ¼ÀÇ Å©±â º¯È¯
4.1.5 ÅÙ¼¿¡¼ ³ÑÆÄÀÌ ¹è¿·Î º¯È¯
4.1.6 ´ÜÀÏ ÅÙ¼¿¡¼ °ªÀ¸·Î ¹ÝȯÇϱâ
4.2 ¿ªÀüÆÄ
4.2.1 ±×·¡µð¾ðÆ® ÅÙ¼
4.2.2 ÀÚµ¿ ¹ÌºÐ ? ¼±Çüȸ±Í½Ä
4.3 µ¥ÀÌÅÍ ºÒ·¯¿À±â
4.3.1 ÆÄÀÌÅäÄ¡ Á¦°ø µ¥ÀÌÅÍ »ç¿ë
4.3.2 °°Àº Ŭ·¡½º º°·Î Æú´õ¸¦ Á¤¸®ÇÑ °æ¿ì
4.3.3 Á¤¸®µÇÁö ¾ÊÀº Ä¿½ºÅÒ µ¥ÀÌÅÍ ºÒ·¯¿À±â
4.3.4 Ä¿½ºÅÒ µ¥ÀÌÅÍ¿Í Ä¿½ºÅÒ Àüó¸® »ç¿ëÇϱâ
4.3.5 Ä¿½ºÅÒ µ¥ÀÌÅÍ¿Í ÆÄÀÌÅäÄ¡ Á¦°ø Àüó¸® »ç¿ëÇϱâ
4.3.6 Ä¿½ºÅÒ Àüó¸®¿Í ÆÄÀÌÅäÄ¡¿¡¼ Á¦°øÇÏ´Â Àüó¸® ÇÔ²² »ç¿ëÇϱâ
Chapter 5 Àΰø ½Å°æ¸Á
5.1 ´ÙÃþ ÆÛ¼Á Æ®·Ð
5.1.1 ¼±Çü ȸ±Í
5.1.2 Áý°ª ¿¹ÃøÇϱâ
5.2 È°¼ºÈ ÇÔ¼ö
5.2.1 È°¼ºÈ ÇÔ¼ö°¡ ÇÊ¿äÇÑ ÀÌÀ¯
5.2.2 ¼±Çü ÇÔ¼ö
5.2.3 ½Ã±×¸ðÀ̵å(sigmoid) ÇÔ¼ö
5.2.4 tanh ÇÔ¼ö
5.2.5 ReLU ÇÔ¼ö
5.2.6 Softmax ÇÔ¼ö
5.2.7 ±âŸ È°¼ºÈ ÇÔ¼ö
5.3 ¼Õ½Ç ÇÔ¼ö
5.3.1 MAE
5.3.2 MSE
5.3.3 Cross Entropy Loss
5.3.4 ±âŸ ¼Õ½Ç ÇÔ¼ö
5.4 ÃÖÀûÈ ±â¹ý
5.4.1 È®·üÀû °æ»çÇÏ°¹ý(SGD)
5.4.2 ´Ù¾çÇÑ ÃÖÀûÈ ±â¹ý
5.4.3 ½ºÄÉÁÙ¸µ
5.4.4 MADGRAD
5.5 ±³Â÷ °ËÁõ
5.5.1 ±³Â÷ °ËÁõÀ» ÅëÇÑ Áý°ª ¿¹Ãø ¸ðµ¨ Æò°¡
5.6 ¸ðµ¨ ±¸Á¶ ¹× °¡ÁßÄ¡ È®ÀÎ
5.6.1 ¸ðµ¨ ±¸Á¶
5.6.2 ¸ðµ¨ º¯¼ö
Chapter 6 ÇÕ¼º°ö ½Å°æ¸Á
6.1 ÇÕ¼º°ö ¿¬»ê°ú Ç®¸µ ¿¬»ê
6.1.1 À̹ÌÁö µ¥ÀÌÅÍ
6.1.2 MLP¿Í À̹ÌÁö ó¸®
6.1.3 ÇÕ¼º°ö ¿¬»ê°ú Ç®¸µ ¿¬»ê
6.2 ALEXNET
6.3 RESNET
6.4 ´Ù¾çÇÑ ÇÕ¼º°ö ½Å°æ¸Á
Chapter 7 ¼øȯ ½Å°æ¸Á
7.1 ±âº» ¼øȯ ½Å°æ¸Á
7.1.1 ½Ã°è¿ µ¥ÀÌÅÍ
7.1.2 ±âº» Àΰø ½Å°æ¸Á°ú ¼øȯ ½Å°æ¸Á
7.1.3 ¼øȯ ½Å°æ¸ÁÀÇ ´Ù¾çÇÑ ÇüÅÂ
7.1.4 ±âº» ¼øȯ ½Å°æ¸Á
7.1.5 ±âº» ¼øȯ ½Å°æ¸Á ±¸Çö
7.2 LSTM°ú GRU
7.2.1 ±âº» RNNÀÇ ¹®Á¦
7.2.2 LSTM
7.2.3 GRU
7.3 BI-LSTM
7.3.1 Bi-LSTM ±¸ÇöÇϱâ
Chapter 8 ºñÁöµµ ÇнÀ
8.1 ºñÁöµµ ÇнÀÀ̶õ
8.2 K-Æò±Õ ¾Ë°í¸®Áò
8.3 ¿ÀÅäÀÎÄÚ´õ
8.3.1 ½ºÅà ¿ÀÅäÀÎÄÚ´õ
8.3.2 µð³ëÀÌ¡ ¿ÀÅäÀÎÄÚ´õ
8.3.3 ÇÕ¼º°ö ¿ÀÅäÀÎÄÚ´õ
8.4 »ý¼ºÀû Àû´ë ½Å°æ¸Á
8.4.1 Vanilla GAN
8.4.2 Deep Convolutional GAN(DCGAN)
8.5 À̹ÌÁö ½ºÅ¸ÀÏ º¯ÀÌ
8.6 ±íÀº K-Æò±Õ ¾Ë°í¸®Áò
Chapter 9 ¼º´É °³¼±
9.1 °úÀûÇÕ
9.1.1 µ¥ÀÌÅÍ Áõ½Ä
9.1.2 Á¶±â Á¾·á
9.1.3 L2 Á¤±ÔÈ
9.1.4 µå·Ó¾Æ¿ô
9.1.5 ¹èÄ¡ Á¤±ÔÈ
9.1.6 ±³¶õ ¶óº§
9.1.7 ±³¶õ °ª
9.1.8 ¶óº§ ½º¹«µù
9.2 µ¥ÀÌÅÍ ºÒ±ÕÇü
9.2.1 °¡Áß ¹«ÀÛÀ§ »ùÇøµ
9.2.2 °¡Áß ¼Õ½Ç ÇÔ¼ö
9.2.3 È¥µ¿ Çà·Ä
9.3 ÀüÀÌ ÇнÀ
9.3.1 »çÀü ÇнÀ ¸ðµ¨
9.3.2 ¸ðµ¨ ÇÁ¸®Â¡
9.4 ÁØÁöµµ ÇнÀ
9.4.1 ÀÇ»ç ¶óº§¸µ
Chapter 10 ½Ã°¢È
10.1 ¼³¸í °¡´ÉÇÑ ÀΰøÁö´É
10.1.1 Class Activation Map
10.2 Â÷¿ø Ãà¼Ò ±â¹ý
10.2.1 t-distributed Stochastic Neighbor Embedding
10.2.2 ÁÖ¼ººÐ ºÐ¼®
Chapter 11 ¸ÞŸ ÇнÀ
11.1 ¸ÞŸ ·¯´×°ú Ç»¼¦ ·¯´×
11.2 MAML - ȸ±Í¹®Á¦
11.3 MAML - ºÐ·ù¹®Á¦
Chapter 12 °úÇÐÀû °è»ê
12.1 À¯ÇÑÂ÷ºÐ¹ý
12.2 Àº´Ð À¯Ã¼ ¸ÞÄ«´ÏÁò
12.2.1 ±¸Á¶ ¼³¸í
12.2.2 ¸ðµâ ±¸¼ºÇϱâ(HFM Æú´õ)
12.2.3 µ¥ÀÌÅÍ ºÒ·¯¿À±â
12.2.4 ¸ðµ¨ ¹× ¿¬»ê
12.2.5 ¸ðµ¨ ÇнÀÇϱâ
12.2.6 ¸ðµ¨ Æò°¡Çϱâ
12.2.7 ÄÚ·¦¿¡¼ ÆÄÀÏ ½ÇÇàÇϱâ
ºÎ·Ï µö·¯´× Á¤º¸ ½Àµæ ¹æ¹ý