홈앤서비스 SK BROADBAND

그 무엇보다 쉽게, 누구나 이해할 수 있는 딥러닝 입문서
딥러닝 기초부터 챗GPT의 근간이 되는 자연어 처리와 트랜스포머까지!

머신 러닝부터 챗GPT까지, AI는 끊임없이 변화하고 있지만, 그 변치 않는 뿌리는 딥러닝이다. 지난 8년간 수많은 학교와 교육기관에서 선택한 교재인 『모두의 딥러닝』은 복잡한 수식이나 전문 용어 의존을 최소화하고 직관적인 설명과 풍부한 예시로 입문자에게 가장 확실한 기초 학습법을 제시한다. 특히 누구나 이해할 수 있는 쉽고 편안한 설명을 바탕으로, 딥러닝 이론뿐만 아니라 실제 응용이 가능한 라이브러리로 직접 실습하며 익힐 수 있게 구성했다.

기존 3판의 내용 중 여러 부분을 보강하고, 실습 환경을 최신화했으며, 최신 AI의 핵심인 자연어 처리와 트랜스포머까지 가장 쉽고 완벽하게 설명하고 있다. 더불어 혼자 학습하기 어려운 독자분들을 위해 무료 동영상 강의를 제공하며, 3판에서 별책 부록으로 제공했던 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10과 데이터 분석을 위한 판다스 92개 치트키를 온라인 서점에서 무료 전자책으로 볼 수 있게 하였다. 딥러닝을 학습하다가 좌절했거나 이제 막 딥러닝 학습을 시작하려 한다면 입문자에게 최적화된 이 책으로 시작해 보자.

첫째 마당 | 딥러닝 시작을 위한 준비 운동

1장. 해 보자! 딥러닝
1 | 인공지능? 머신 러닝? 딥러닝?
2 | 딥러닝 실행을 위해 필요한 세 가지
3 | 구글 코랩 실행하기

2장. 딥러닝의 핵심 미리 보기
1 | 미지의 일을 예측하는 원리
2 | 딥러닝 코드 실행해 보기
3 | 딥러닝 개괄하기
4 | 이제부터가 진짜 딥러닝?

3장. 딥러닝을 위한 기초 수학
1 | 일차 함수, 기울기와 y 절편
2 | 이차 함수와 최솟값
3 | 미분, 순간 변화율과 기울기
4 | 편미분
5 | 지수와 지수 함수
6 | 시그모이드 함수
7 | 로그와 로그 함수

둘째 마당 | 예측 모델의 기본 원리

4장. 가장 훌륭한 예측선
1 | 선형 회귀의 정의
2 | 가장 훌륭한 예측선이란?
3 | 최소 제곱법
4 | 파이썬 코딩으로 확인하는 최소 제곱
5 | 평균 제곱 오차
6 | 파이썬 코딩으로 확인하는 평균 제곱 오차

5장. 선형 회귀 모델: 먼저 긋고 수정하기
1 | 경사 하강법의 개요
2 | 파이썬 코딩으로 확인하는 선형 회귀
3 | 다중 선형 회귀의 개요
4 | 파이썬 코딩으로 확인하는 다중 선형 회귀
5 | 텐서플로에서 실행하는 선형 회귀, 다중 선형 회귀 모델

6장. 로지스틱 회귀 모델: 참 거짓 판단하기
1 | 로지스틱 회귀의 정의
2 | 시그모이드 함수
3 | 오차 공식
4 | 로그 함수
5 | 텐서플로에서 실행하는 로지스틱 회귀 모델

셋째 마당 | 딥러닝의 시작, 신경망

7장. 퍼셉트론과 인공지능의 시작
1 | 인공지능의 시작을 알린 퍼셉트론
2 | 퍼셉트론의 과제
3 | XOR 문제

8장. 다층 퍼셉트론
1 | 다층 퍼셉트론의 등장
2 | 다층 퍼셉트론의 설계
3 | XOR 문제의 해결
4 | 코딩으로 XOR 문제 해결하기

9장. 오차 역전파에서 딥러닝으로
1 | 딥러닝의 태동, 오차 역전파
2 | 활성화 함수와 고급 경사 하강법
3 | 속도와 정확도 문제를 해결하는 고급 경사 하강법

넷째 마당 | 딥러닝 기본기 다지기

10장. 딥러닝 모델 설계하기
1 | 모델의 정의
2 | 입력층, 은닉층, 출력층
3 | 모델 컴파일
4 | 모델 실행하기

11장. 데이터 다루기
1 | 딥러닝과 데이터
2 | 피마 인디언 데이터 분석하기
3 | 판다스를 활용한 데이터 조사
4 | 중요한 데이터 추출하기
5 | 피마 인디언의 당뇨병 예측 실행

12장. 다중 분류 문제 해결하기
1 | 다중 분류 문제
2 | 상관도 그래프
3 | 원-핫 인코딩
4 | 소프트맥스
5 | 아이리스 품종 예측의 실행

13장. 모델 성능 검증하기
1 | 데이터의 확인과 예측 실행
2 | 과적합 이해하기
3 | 학습셋과 테스트셋
4 | 모델 저장과 재사용
5 | k겹 교차 검증

14장. 모델 성능 향상시키기
1 | 데이터의 확인과 검증셋
2 | 모델 업데이트하기
3 | 그래프로 과적합 확인하기
4 | 학습의 자동 중단

15장. 실제 데이터로 만들어 보는 모델
1 | 데이터 파악하기
2 | 결측치, 카테고리 변수 처리하기
3 | 속성별 관련도 추출하기
4 | 주택 가격 예측 모델

다섯째 마당 | 딥러닝 활용하기

16장. 이미지 인식의 꽃, 컨볼루션 신경망(CNN)
1 | 이미지를 인식하는 원리
2 | 딥러닝 기본 프레임 만들기
3 | 컨볼루션 신경망(CNN)
4 | 맥스 풀링, 드롭아웃, 플래튼
5 | 컨볼루션 신경망 실행하기

17장. 세상에 없는 얼굴 GAN, 오토인코더
1 | 가짜 제조 공장, 생성자
2 | 진위를 가려내는 장치, 판별자
3 | 적대적 신경망 실행하기
4 | 이미지의 특징을 추출하는 오토인코더

18장. 전이 학습을 통해 딥러닝의 성능 극대화하기
1 | 소규모 데이터셋으로 만드는 강력한 학습 모델
2 | 전이 학습으로 모델 성능 극대화하기

19장. 설명 가능한 딥러닝 모델 만들기
1 | 딥러닝의 결과를 설명하는 방법
2 | 설명 가능한 딥러닝의 실행

20장. 캐글로 시작하는 새로운 도전
1 | 캐글 가입 및 대회 선택하기
2 | 데이터 획득하기
3 | 학습하기
4 | 결과 제출하기
5 | 최종 예측 값 제출하기

여섯째 마당 | 챗GPT의 근간: 자연어 처리와 트랜스포머

21장. 딥러닝을 이용한 자연어 처리
1 | 텍스트의 토큰화
2 | 단어의 원-핫 인코딩
3 | 단어 임베딩
4 | 텍스트를 읽고 긍정, 부정 예측하기

22장. 시퀀스 배열로 다루는 순환 신경망(RNN)
1 | LSTM을 이용한 로이터 뉴스 카테고리 분류하기
2 | LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기
3 | 어텐션을 사용한 신경망

23장 어텐션, AI가 문맥을 파악하는 원리
1 | 단어 간 유사성 측정하기
2 | 단어들 사이의 관계 파악하기
3 | 단어 사이의 관계 수정하기
4 | AI가 문맥을 파악하는 법
5 | 질문(쿼리), 단서(키), 답변(밸류)
6 | 트랜스포머를 위한 어텐션 만들기

24장 트랜스포머 직접 만들어 보기
1 | 트랜스포머의 구조와 멀티헤드 어텐션
2 | 단어의 순서를 알려주는 포지셔널 인코딩
3 | 트랜스포머 인코더를 활용한 긍정 부정 예측
4 | 전체 트랜스포머 실행하기

심화 학습 1. 오차 역전파의 계산법
1 | 출력층의 오차 업데이트
2 | 오차 공식
3 | 체인 룰
4 | 체인 룰 계산하기
5 | 가중치 수정하기
6 | 은닉층의 오차 수정하기
7 | 은닉층의 오차 계산법
8 | 델타식

심화 학습 2. 파이썬 코딩으로 짜 보는 신경망
1 | 환경 변수 설정하기
2 | 파이썬 코드로 실행하는 신경망

부록 A 내 컴퓨터에서 아나콘다로 딥러닝 실행하기

특별 부록(무료 전자책으로 제공)
1장. 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10
2장. 데이터 분석을 위한 판다스: 92개의 예제 모음