홈앤서비스 SK BROADBAND

1부. 이론: 인공지능과 인공 신경망

1장. 인공지능의 분류
1.1 지도학습
1.2 비지도학습
1.3 강화학습

2장. 지도학습 구현 기법
2.1 선형 회귀
2.2 단계적 회귀
2.3 K-최근접 이웃
2.4 결정 트리
2.5 서포트 벡터 머신

3장. 인공 신경망의 구조와 연산
3.1 피드포워드 신경망
3.2 합성곱 신경망
3.3 순환 신경망

4장. 인공 신경망의 생성 과정과 응용
4.1 데이터 취득
4.2 인공 신경망의 생성, 학습, 검증
4.3 인공 신경망의 배포

2부. 실습: 케라스를 활용한 인공 신경망 구현

5장. 케라스 소개와 실습 준비
5.1 텐서플로와 케라스
5.2 인공지능 관련 파이썬 패키지
5.3 파이썬, 파이참, 케라스 설치
5.4 첫 인공 신경망 구현-집값 추정 회귀 문제

6장. 회귀 문제
6.1 피드포워드 신경망을 이용한 회귀-영구자석 전동기의 최고 효율 운전 조건
6.1.1 문제 배경과 인공 신경망의 필요성
6.1.2 데이터 불러오기와 전처리
6.1.3 신경망 구성, 훈련, 검증
6.1.4 배포-다른 환경에서 활용하기와 훈련된 모델의 모수 추출하기
6.2 모수 정규화와 과적합 방지-노이즈를 갖는 데이터 추정
6.3 연속된 신호의 추정과 출력 변수 가공-비선형 시스템 묘사
6.3.1 시스템 상태 추정의 의의
6.3.2 신경망을 이용한 비선형 시스템 묘사 모델 구현

7장. 분류 문제
7.1 합성곱 신경망의 활용-패션 이미지 분류
7.1.1 패션 이미지 데이터셋 소개
7.1.2 이미지 분류를 위한 인공 신경망 구현
7.2 순환 신경망의 활용-뉴스 분류
7.2.1 언어 처리를 위한 연산 기법
7.2.2 뉴스 분류를 위한 인공 신경망 구현
7.3 이상 진단 문제의 데이터 취득-전동기 인버터 고장 분류
7.3.1 문제 배경과 인공 신경망의 필요성
7.3.2 고장 분류 기법과 고장 데이터 취득
7.3.3 신경망 구성, 훈련, 검증
7.3.4 이상 데이터셋 취득과 진단에 관한 조언

부록 A
A1. 파이썬 패키지 사용 예제
A2. GPU의 메모리 사용량 제한하기
A3. 텐서플로 불러오기 오류 고치기