★ 이 책에서 배우는 내용 ★ ◎ 지도학습(supervised learning)이 이루어지는 과정 ◎ 구글 코랩에서 파이썬으로 딥러닝 코드를 작성하는 방법 ◎ 판다스(Pandas)를 활용해 표 형태의 데이터를 다루는 법 ◎ 텐서플로(TensorFlow)를 활용한 레모네이드 판매 예측, 보스턴 집값 예측, 붓꽃(iris) 품종 분류 실습 ◎ CNN의 원리와 사용법 ◎ 딥러닝을 활용한 손글씨 이미지(MNIST)와 사물의 이미지(CIFAR-10) 분류 〈관련자료〉 [동영상 강좌] ■ Tensorflow 101 수업: https://opentutorials.org/module/4966 ■ Tensorflow 102 수업: https://opentutorials.org/module/5268

[1부] 텐서플로 101 ▣ 01장: 도입 01 오리엔테이션 __선수 지식 __머신러닝 __머신러닝 알고리즘 __딥러닝 라이브러리 __정리 02 목표와 전략 __딥러닝 입문 강의의 높은 벽 __새로운 배움 전략 03 지도학습의 빅 픽처 __#1 과거의 데이터를 준비합니다 __#2 모델의 구조를 만듭니다 __#3 데이터로 모델을 학습합니다 __#4 모델을 이용합니다 __정리 04 실습 환경: 구글 코랩 __구글 코랩 소개 __코랩 실습 환경 준비 __코랩 노트북 사용해보기 __소스 코드 ▣ 02장: 표를 다루는 도구 ‘판다스’ 01 판다스 __‘변수’의 의미 __판다스 __실습 데이터 02 판다스 실습 __실습 코드와 데이터 __판다스 라이브러리를 임포트 __파일로부터 데이터 읽어오기 __데이터 모양 확인하기 __데이터 칼럼 이름 확인 __독립변수와 종속변수 분리 __각각의 데이터 확인해보기 __전체 코드 ▣ 03장: 첫 번째 딥러닝 - 레모네이드 판매 예측 01 머신러닝 모델을 만드는 과정 __머신러닝의 흐름 __머신러닝 코드 훑어보기 __머신러닝의 흐름과 코드를 함께 살펴보기 __정리 02 손실의 의미 __fit 함수의 실행 결과 __손실을 계산하는 원리 __학습을 반복하며 손실이 줄어듦을 확인 03 레모네이드 판매 예측 실습 __라이브러리 사용 __데이터를 준비 __모델 만들기 __학습 __모델을 이용하기 __전체 코드 ▣ 04장: 두 번째 딥러닝 - 보스턴 집값 예측 01 보스턴 집값 예측 __보스턴 주택 가격 __중앙값 __각 열의 의미 02 수식과 퍼셉트론 __모델을 구성하는 코드 __퍼셉트론, 가중치, 편향의 의미 __데이터의 독립변수가 12개, 종속변수가 2개일 때의 모델 03 보스턴 집값 예측 실습 __라이브러리 사용 __과거의 데이터를 준비 __모델의 구조 만들기 __모델을 학습 __모델을 이용 __모델의 수식 확인 __전체 코드 ▣ 05장: 학습의 실제 01 학습의 실제 __딥러닝 워크북 __실습 준비 __워크북 이용 방법 __초기화 __첫 번째 히스토리 __두 번째 히스토리 __세 번째 히스토리 __정리 ▣ 06장: 세 번째 딥러닝 - 붓꽃 품종 분류 01 개요 __붓꽃의 품종 __붓꽃 데이터 __코드 02 원핫 인코딩 __원핫 인코딩의 원리 __데이터를 원핫 인코딩하는 코드 __모델을 만드는 코드 03 소프트맥스 __정답을 확률 표현으로 예측 __활성화 함수 __크로스엔트로피 __정확도 __정리 04 붓꽃 품종 분류 실습 __라이브러리 임포트 __과거의 데이터를 준비 __원핫 인코딩 __칼럼 이름 출력 __종속변수, 독립변수 __모델의 구조 만들기 __데이터로 모델을 학습 __모델을 이용 __학습한 가중치 __정리 __전체 코드 ▣ 07장: 네 번째 딥러닝 - 멀티 레이어 인공 신경망 01 히든 레이어 __인풋 레이어, 아웃풋 레이어, 히든 레이어 __히든 레이어 추가하기 __히든 레이어를 3개 사용한 모델 02 히든 레이어 실습 __보스턴 집값 예측 __모델 구조 확인 __붓꽃 품종 분류 __전체 코드 ▣ 08장: 데이터를 위한 팁 01 데이터를 위한 팁 __원핫 인코딩이 되지 않는 문제 __NA 값 체크 __전체 코드 ▣ 09장: 모델을 위한 팁 01 모델을 위한 팁 __보스턴 집값 예측에 배치 노멀라이제이션을 적용 __분류 모델에 배치 노멀라이제이션을 적용 __전체 코드 ▣ 10장: 1부 정리 [2부] 텐서플로 102 ▣ 11장: 오리엔테이션 01 오리엔테이션 __이미지 분류 문제 ▣ 12장: 데이터와 차원 01 데이터와 차원 __용어 지옥 __‘차원’이라는 말의 두 가지 의미 __표의 열 vs. 포함 관계 __정리 ▣ 13장: 이미지 데이터 이해 01 이미지 데이터 구경하기 __MNIST 이미지 __CIFAR-10 이미지 __사진의 속성 __샘플 이미지 02 이미지 데이터 실습 __라이브러리 사용 __샘플 이미지셋 불러오기 __화면 출력 __차원 확인 __정리 __전체 코드 ▣ 14장: 다섯 번째 딥러닝 1 - 플래튼 레이어를 활용한 이미지 학습 01 플래튼 __reshape __모델을 조금 더 살펴보기 __코드 사용법 02 플래튼 레이어를 활용한 이미지 학습 모델 실습 __reshape를 사용한 모델 __Flatten 레이어를 사용한 모델 __정리 __전체 코드 ▣ 15장: 다섯 번째 딥러닝 2 - Conv2D 01 컨볼루션의 이해 __숫자 이미지의 특징 __컨볼루션 필터와 특징 맵 __컨볼루션 레이어를 적용한 코드 02 필터의 이해 __딥러닝 모형으로 이해 03 컨볼루션 연산의 이해 __컨볼루션 연산의 원리 __실제 계산의 예 04 Conv2D 실습 __노트북 설정 __라이브러리 사용 __데이터 준비 __모델 만들기 __모델을 학습 __모델을 이용 __정답 확인 __모델 확인 __전체 코드 ▣ 16장: 다섯 번째 딥러닝 3 - MaxPool2D 01 MaxPool2D __플래튼만을 이용한 모델 __컨볼루션 레이어를 추가한 모델 __풀링 레이어를 사용한 모델 __맥스 풀링의 원리 02 MaxPool2D 실습 __컨볼루션 레이어 모델 __맥스 풀링 모델을 활용한 CNN 모델 완성 __전체 코드 ▣ 17장: 다섯 번째 딥러닝 완성 - LeNet 01 LeNet 02 LeNet 실습 __라이브러리 로딩 __MNIST를 사용하는 LeNet 모델 __LeNet으로 CIFAR-10을 학습 __정리 __전체 코드 ▣ 18장: 내 이미지 사용하기 01 내 이미지 사용하기 __notMNIST 이미지셋 __이미지 데이터를 읽어들이기 02 내 이미지 사용하기 실습 __이미지 데이터셋을 읽어 들이기 __독립변수와 종속변수를 변형 __모델 학습 __보충 설명 __전체 코드 ▣ 19장: 2부 정리 차원 특징 자동 추출기 LeNet 딥러닝의 정상 축하합니다!