책소개
핵심 이론으로 익히고 R로 구현해보는 딥러닝
데이터 과학자 또는 빅데이터 분석가가 기본적으로 알아야 할 딥러닝 관련 지식을 제공합니다. 기초적인 수학 지식이 있는 독자라면 누구든지 딥러닝에 꼭 필요한 핵심 이론을 익히고, 다루기 쉬운 R로 직접 구현해보면서 이론과 실습을 한번에 학습할 수 있습니다.
저자소개
목차
Chapter 01 소개
1.1 개요
1.2 심층 신경망의 종류
1.3 딥러닝 소프트웨어
Chapter 02 신경망
2.1 개요
2.2 신경망의 기본개념
2.3 배치학습과 온라인학습
2.4 역전파 알고리즘
2.5 교차엔트로피 기반 델타규칙
2.6 중요한 고려사항
2.7 역전파 알고리즘의 변형
2.8 R 예제
연습문제
Chapter 03 심층 신뢰망 및 오토인코더
3.1 개요
3.2 제한 볼츠만 기계
3.3 오토인코더
3.4 RBM과 오토인코더의 비교
3.5 심층 신뢰망
3.6 R 예제
연습문제
Chapter 04 딥러닝 기초
4.1 개요
4.2 합성곱 신경망의 구조
4.3 합성곱 신경망의 학습
4.4 합성곱 신경망의 성능 향상
4.5 대표적 합성곱 신경망
4.6 R 예제
연습문제
Chapter 05 순환 신경망
5.1 개요
5.2 순환 신경망 예제
5.3 순환 신경망 구조
5.4 순환 신경망 학습
5.5 게이트 순환 신경망
5.6 R 예제
연습문제
오탈자 등록
예제소스