본문 바로가기
장바구니0

신경망 교과서 > 프로그래밍/언어

상품간략정보 및 구매기능

신경망 교과서

기본설명

상품 선택옵션 0 개, 추가옵션 0 개

제조사 길벗
원산지 국내산
브랜드 길벗
시중가격 24,000원
판매가격 21,600원
배송비결제 주문시 결제
최소구매수량 1 개
최대구매수량 999 개
  • 신경망 교과서
    +0원

관련상품

등록된 관련상품이 없습니다.

  • 상품 정보

    상품 상세설명

    신경망 교과서

    9791165211639.jpg

    도서명:신경망 교과서
    저자/출판사:제임스,로이/길벗
    쪽수:292쪽
    출판일:2020-05-28
    ISBN:9791165211639

    목차
    1장 머신 러닝과 신경망 개론
    __1.1 머신 러닝이란?
    ____1.1.1 머신 러닝 알고리즘
    ____1.1.2 머신 러닝 워크플로
    __1.2 머신 러닝 환경 셋업
    __1.3 신경망
    ____1.3.1 신경망이 뛰어난 이유
    ____1.3.2 신경망 기본 아키텍처
    ____1.3.3 파이썬만으로 신경망 만들기
    ____1.3.4 딥러닝과 신경망
    __1.4 판다스: 파이썬 데이터 분석 도구
    ____1.4.1 판다스 DataFrame
    ____1.4.2 판다스를 활용한 데이터 시각화
    ____1.4.3 판다스를 활용한 데이터 전처리
    __1.5 텐서플로와 케라스
    ____1.5.1 케라스의 기본 빌딩 블록
    ____1.5.2 케라스로 신경망 만들기
    __1.6 기타 파이썬 라이브러리
    __1.7 마무리

    2장 다중 레이어 퍼셉트론을 사용한 당뇨 예측
    __2.1 실습 환경 설정
    __2.2 당뇨병 예측
    __2.3 의료 분야의 인공 지능
    ____2.3.1 진단 자동화
    __2.4 당뇨병 데이터셋
    __2.5 탐색적 데이터 분석
    __2.6 데이터 전처리
    ____2.6.1 결측값 처리
    ____2.6.2 데이터 표준화
    ____2.6.3 데이터셋 분할
    __2.7 다중 레이어 퍼셉트론
    ____2.7.1 모델 아키텍처
    __2.8 케라스 모델 만들기
    ____2.8.1 모델 구성
    ____2.8.2 모델 컴파일
    ____2.8.3 모델 훈련
    __2.9 결과 분석
    ____2.9.1 테스트 정확도
    ____2.9.2 혼동 행렬
    ____2.9.3 ROC 곡선
    ____2.9.4 모델 개선
    __2.10 마무리
    __2.11 복습

    3장 심층 전방향 신경망을 사용한 택시 요금 예측
    __3.1 실습 환경 설정
    __3.2 뉴욕시 택시 요금 예측
    __3.3 뉴욕시 택시 요금 데이터셋
    __3.4 탐색적 데이터 분석
    ____3.4.1 위치 데이터 시각화
    ____3.4.2 요일 및 시간별 승차 통계
    __3.5 데이터 전처리
    ____3.5.1 결측값 및 이상치 처리
    __3.6 특징 공학
    ____3.6.1 시간 관련 변수
    ____3.6.2 위치 특징 변수
    __3.7 변수 스케일링
    __3.8 심층 전방향 신경망
    ____3.8.1 모델 아키텍처
    ____3.8.2 회귀 손실 함수
    __3.9 케라스로 모델 만들기
    __3.10 결과 분석
    __3.11 예제 코드 정리
    __3.12 마무리
    __3.13 복습

    4장 컨볼루션 신경망을 사용한 이미지 분류
    __4.1 실습 환경 설정
    __4.2 컴퓨터 비전과 사물 인식
    __4.3 사물 인식 기술 유형
    __4.4 신경망에 이미지를 입력하는 방법
    __4.5 CNN의 빌딩 블록
    ____4.5.1 필터링과 컨볼루션
    ____4.5.2 최대 풀링
    __4.6 CNN의 기본 아키텍처
    __4.7 최신 CNN 아키텍처
    ____4.7.1 LeNet(1998)
    ____4.7.2 AlexNet(2012)
    ____4.7.3 VGG16(2014)
    ____4.7.4 Inception(2014)
    ____4.7.5 ResNet(2015)
    ____4.7.6 CNN의 미래
    __4.8 고양이 개 이미지 데이터셋
    __4.9 케라스로 이미지 데이터를 다루는 방법
    __4.10 이미지 증강
    __4.11 모델 구성
    ____4.11.1 기본 CNN
    ____4.11.2 전이 학습
    __4.12 결과 분석
    __4.13 마무리
    __4.14 복습

    5장 오토인코더를 사용한 이미지 노이즈 제거
    __5.1 실습 환경 설정
    __5.2 오토인코더
    __5.3 잠재 표현
    __5.4 오토인코더를 사용한 데이터 압축
    __5.5 MNIST 데이터셋
    __5.6 기본 오토인코더
    ____5.6.1 케라스로 오토인코더 만들기
    ____5.6.2 은닉 레이어 크기가 오토인코더 성능에 미치는 영향
    __5.7 오토인코더를 사용한 노이즈 제거
    ____5.7.1 심층 컨볼루션 오토인코더를 사용한 노이즈 제거
    __5.8 오토인코더를 사용한 문서 노이즈 제거
    ____5.8.1 기본 컨볼루션 오토인코더
    ____5.8.2 심층 컨볼루션 오토인코더
    __5.9 마무리
    __5.10 복습

    6장 LSTM을 사용한 영화 리뷰 감성 분석
    __6.1 실습 환경 설정
    __6.2 시퀀스 문제
    __6.3 자연어 처리와 감성 분석
    ____6.3.1 감성 분석이 어려운 이유
    __6.4 RNN 신경망
    ____6.4.1 RNN의 내부 구조
    ____6.4.2 RNN의 단기 의존성과 장기 의존성
    ____6.4.3 경사 소실 문제
    __6.5 LSTM 신경망
    ____6.5.1 LSTM의 원리
    ____6.5.2 LSTM 신경망의 내부
    __6.6 IMDb 영화 리뷰 데이터셋
    __6.7 단어의 벡터 표현
    ____6.7.1 원핫 인코딩
    ____6.7.2 단어 임베딩
    __6.8 모델 아키텍처
    ____6.8.1 입력
    ____6.8.2 단어 임베딩 레이어
    ____6.8.3 LSTM 레이어
    ____6.8.4 밀집 레이어
    ____6.8.5 출력
    __6.9 모델 구성
    ____6.9.1 데이터 입수
    ____6.9.2 제로 패딩
    ____6.9.3 단어 임베딩 레이어와 LSTM 레이어
    ____6.9.4 모델 컴파일 및 훈련
    __6.10 결과 분석
    ____6.10.1 혼동 행렬
    __6.11 예제 코드 정리
    __6.12 마무리
    __6.13 복습

    7장 샴 신경망을 사용한 안면 인식
    __7.1 실습 환경 설정
    __7.2 안면 인식 시스템
    __7.3 얼굴 검출과 얼굴 인식
    ____7.3.1 얼굴 검출
    ____7.3.2 얼굴 인식
    __7.4 얼굴 인식 시스템 요구 사항
    ____7.4.1 속도
    ____7.4.2 확장성
    ____7.4.3 적은 데이터로 높은 정확도 보장
    __7.5 원샷 학습
    ____7.5.1 벡터 간 유클리드 거리
    __7.6 샴 신경망
    __7.7 대조 손실
    __7.8 얼굴 데이터셋
    __7.9 케라스 샴 신경망
    __7.10 모델 훈련
    __7.11 결과 분석
    __7.12 예제 코드 정리
    __7.13 실시간 안면 인식 프로그램
    ____7.13.1 온보딩 과정
    ____7.13.2 얼굴 인식 및 인증
    ____7.13.3 안면 인식 고도화
    __7.14 마무리
    __7.15 복습

    8장 신경망과 인공 지능의 미래
    __8.1 요약
    ____8.1.1 머신 러닝과 신경망 개론
    ____8.1.2 다중 레이어 퍼셉트론을 사용한 당뇨 예측
    ____8.1.3 심층 전방향 신경망을 사용한 택시 요금 예측
    ____8.1.4 컨볼루션 신경망을 사용한 이미지 분류
    ____8.1.5 오토인코더를 사용한 이미지 노이즈 제거
    ____8.1.6 LSTM을 사용한 영화 리뷰 감성 분석
    ____8.1.7 샴 신경망을 사용한 안면 인식
    __8.2 최신 신경망 기술
    ____8.2.1 GAN 신경망
    ____8.2.2 심층 강화 학습
    __8.3 신경망의 한계
    __8.4 인공 지능과 머신 러닝의 미래
    ____8.4.1 범용 인공 지능
    ____8.4.2 머신 러닝 자동화
    __8.5 머신 러닝의 최신 기술을 습득하려면
    ____8.5.1 기술 서적
    ____8.5.2 연구 논문
    ____8.5.3 데이터셋을 다루는 연습
    __8.6 머신 러닝 도구
    __8.7 마무리

    찾아보기
    delivery.jpg
  • 사용후기

    사용후기가 없습니다.

  • 상품문의

    상품문의가 없습니다.

  • 배송/교환정보

    배송정보

    배송업체 : 한진택배 (1588-0011)
     배송비
     2,500원 (25,000원 이상 구매 시 무료 배송/일부상품제외) 군부대 및 도서산간 지역은 추가 배송비가 발생할 수 있습니다.
     ◆배송기간
     : 평일 오전 7시 이전 주문 시 당일 발송 (2~3일 소요) : 단, 공휴일, 연휴, 천재지변 등으로 인해 발송이 지연될 수 있습니다.
     ◆배송추적
     : 당일 발송건에 한해 익일 오전 9시 이후 확인 가능합니다.


    교환/반품

     ◆반품/교환을 원하는 경우 반드시 고객센터로 연락 후 신청하시기 바랍니다.
     ◆반품/교환은 상품 수령일로 부터 7일 이내에만 가능합니다. 단, 상품이 훼손되지 않았거나, 속 비닐이 있는 경우 듣지 않았을    때 가능합니다.
     •고객님의 변심 또는 잘못 주문하신 경우에는 왕복 배송비는 고객님의 부담입니다.
     ◆오배송, 파본, 불량 상품에 대해서는 고객센터로 연락주시면 상담 후 교환해 드립니다.
     ◆오배송, 파본, 불량상품의 배송비는 환불처에서 부담합니다.
     교환/반품
     ◆환불은 상품이 환불에 도착 시 처리됩니다. (카드 취소는 3~5일이 소요될 수 있습니다.)

고객센터 1234-5678

회사명 (주)꼭대기 주소 서울 특별시 마포구 연희로 11,5층 S-537호
사업자 등록번호 795-87-00429 대표 오주봉 전화 02-356-5779 팩스 02-356-5779
통신판매업신고번호 제2017-서울마포-0052호 개인정보 보호책임자 dhwnqhd

Copyright © 2001-2013 (주)꼭대기. All Rights Reserved.

상단으로