심층 학습

이 책은 심층 학습(Deep learning)의 이론과 실제, 응용을 일반 학부생 수준에서 쉽게 풀어내는 것을 목표로 하고 있습니다.

요구되는 사전 지식은 다음과 같습니다.

• 대한민국의 고등학교 과정에 해당하는 수준의 수학 지식. 이것은 기본적인 미적분과 확률통계에 대한 지식을 포함합니다.
• Python 언어 대한 기본적인 지식. 이것은 실제 예제의 구현 및 분석에 필수적입니다.

목차

아래의 목차는 더 세분화되고 추가될 예정입니다.

• 1. 심층 학습(Deep Learning) 소개

• 1.1 첫 예제 만들어보기

• 2. 심층 학습에 필요한 수학

• 2.1. 선형대수(Linear Algebra) 기본
• 2.2. 다변수 미적분학(Multivariable Calculus) 기본
• 2.3. 확률통계(Probability theory and Statistics) 기본

• 3. 기계 학습의 기초
• 4. 심층 순방향 신경망(Deep Feedforward Network)
• 5. 합성곱 신경망(Convolutional Neural Network)
• 6. 순환 신경망(Recurrent Neural Network)
• 참고문헌