첫째 마당 딥러닝 시작을 위한 준비 운동 1장. 해 보자! 딥러닝 1 | 인공지능? 머신 러닝? 딥러닝? 2 | 딥러닝 실행을 위해 필요한 세 가지 3 | 구글 코랩 실행하기 2장. 딥러닝의 핵심 미리 보기 1 | 미지의 일을 예측하는 원리 2 | 딥러닝 코드 실행해 보기 3 | 딥러닝 개괄하기 4 | 이제부터가 진짜 딥러닝? 3장. 딥러닝을 위한 기초 수학 1 | 일차 함수, 기울기와 y 절편 2 | 이차 함수와 최솟값 3 | 미분, 순간 변화율과 기울기 4 | 편미분 5 | 지수와 지수 함수 6 | 시그모이드 함수 7 | 로그와 로그 함수 둘째 마당 예측 모델의 기본 원리 4장. 가장 훌륭한 예측선 1 | 선형 회귀의 정의 2 | 가장 훌륭한 예측선이란? 3 | 최소 제곱법 4 | 파이썬 코딩으로 확인하는 최소 제곱 5 | 평균 제곱 오차 6 | 파이썬 코딩으로 확인하는 평균 제곱 오차 5장. 선형 회귀 모델: 먼저 긋고 수정하기 1 | 경사 하강법의 개요 2 | 파이썬 코딩으로 확인하는 선형 회귀 3 | 다중 선형 회귀의 개요 4 | 파이썬 코딩으로 확인하는 다중 선형 회귀 5 | 텐서플로에서 실행하는 선형 회귀, 다중 선형 회귀 모델 6장. 로지스틱 회귀 모델: 참 거짓 판단하기 1 | 로지스틱 회귀의 정의 2 | 시그모이드 함수 3 | 오차 공식 4 | 로그 함수 5 | 텐서플로에서 실행하는 로지스틱 회귀 모델 셋째 마당 딥러닝의 시작, 신경망 7장. 퍼셉트론과 인공지능의 시작 1 | 인공지능의 시작을 알린 퍼셉트론 2 | 퍼셉트론의 과제 3 | XOR 문제 8장. 다층 퍼셉트론 1 | 다층 퍼셉트론의 등장 2 | 다층 퍼셉트론의 설계 3 | XOR 문제의 해결 4 | 코딩으로 XOR 문제 해결하기 9장. 오차 역전파에서 딥러닝으로 1 | 딥러닝의 태동, 오차 역전파 2 | 활성화 함수와 고급 경사 하강법 3 | 속도와 정확도 문제를 해결하는 고급 경사 하강법 넷째 마당 딥러닝 기본기 다지기 10장. 딥러닝 모델 설계하기 1 | 모델의 정의 2 | 입력층, 은닉층, 출력층 3 | 모델 컴파일 4 | 모델 실행하기 11장. 데이터 다루기 1 | 딥러닝과 데이터 2 | 피마 인디언 데이터 분석하기 3 | 판다스를 활용한 데이터 조사 4 | 중요한 데이터 추출하기 5 | 피마 인디언의 당뇨병 예측 실행 12장. 다중 분류 문제 해결하기 1 | 다중 분류 문제 2 | 상관도 그래프 3 | 원?핫 인코딩 4 | 소프트맥스 5 | 아이리스 품종 예측의 실행 13장. 모델 성능 검증하기 1 | 데이터의 확인과 예측 실행 2 | 과적합 이해하기 3 | 학습셋과 테스트셋 4 | 모델 저장과 재사용 5 | k겹 교차 검증 14장. 모델 성능 향상시키기 1 | 데이터의 확인과 검증셋 2 | 모델 업데이트하기 3 | 그래프로 과적합 확인하기 4 | 학습의 자동 중단 15장. 실제 데이터로 만들어 보는 모델 1 | 데이터 파악하기 2 | 결측치, 카테고리 변수 처리하기 3 | 속성별 관련도 추출하기 4 | 주택 가격 예측 모델 다섯째 마당 딥러닝 활용하기 16장. 이미지 인식의 꽃, 컨볼루션 신경망(CNN) 1 | 이미지를 인식하는 원리 2 | 딥러닝 기본 프레임 만들기 3 | 컨볼루션 신경망(CNN) 4 | 맥스 풀링, 드롭아웃, 플래튼 5 | 컨볼루션 신경망 실행하기 17장. 딥러닝을 이용한 자연어 처리 1 | 텍스트의 토큰화 2 | 단어의 원?핫 인코딩 3 | 단어 임베딩 4 | 텍스트를 읽고 긍정, 부정 예측하기 18장. 시퀀스 배열로 다루는 순환 신경망(RNN) 1 | LSTM을 이용한 로이터 뉴스 카테고리 분류하기 2 | LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기 3 | 어텐션을 사용한 신경망 19장. 세상에 없는 얼굴 GAN, 오토인코더 1 | 가짜 제조 공장, 생성자 2 | 진위를 가려내는 장치, 판별자 3 | 적대적 신경망 실행하기 4 | 이미지의 특징을 추출하는 오토인코더 20장. 전이 학습을 통해 딥러닝의 성능 극대화하기 1 | 소규모 데이터셋으로 만드는 강력한 학습 모델 2 | 전이 학습으로 모델 성능 극대화하기 21장. 설명 가능한 딥러닝 모델 만들기 1 | 딥러닝의 결과를 설명하는 방법 2 | 설명 가능한 딥러닝의 실행 22장. 캐글로 시작하는 새로운 도전 1 | 캐글 가입 및 대회 선택하기 2 | 데이터 획득하기 3 | 학습하기 4 | 결과 제출하기 5 | 최종 예측 값 제출하기 심화 학습 1. 오차 역전파의 계산법 1 | 출력층의 오차 업데이트 2 | 오차 공식 3 | 체인 룰 4 | 체인 룰 계산하기 5 | 가중치 수정하기 6 | 은닉층의 오차 수정하기 7 | 은닉층의 오차 계산법 8 | 델타식 심화 학습 2. 파이썬 코딩으로 짜 보는 신경망 1 | 환경 변수 설정하기 2 | 파이썬 코드로 실행하는 신경망 부록 A 내 컴퓨터에서 아나콘다로 딥러닝 실행하기 별책 부록 1장. 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10 1 | 세상의 거의 모든 머신 러닝 알고리즘 2 | 실습을 위한 준비 사항 3 | 결정 트리 4 | 랜덤 포레스트 5 | 가우시안 나이브 베이즈 6 | k?최근접 이웃 7 | 에이다 부스트 8 | 이차 판별 분석 9 | 서포트 벡터 머신 10 | 서포트 벡터 머신 ? RBF 커널 11 | 보팅 12 | 배깅 13 | 여러 알고리즘의 성능을 한눈에 비교하기 2장. 데이터 분석을 위한 판다스: 92개의 예제 모음 A | 데이터 만들기 __1. 판다스 라이브러리 불러오기 __2. 데이터 프레임 만들기 __3. 데이터 프레임 출력하기 __4. 데이터의 열 이름을 따로 지정해서 만들기 __5. 인덱스가 두 개인 데이터 프레임 만들기 B | 데이터 정렬하기 __6. 특정 열 값을 기준으로 정렬하기 __7. 열 이름 변경하기 __8. 인덱스 값 초기화하기 __9. 인덱스 순서대로 정렬하기 __10. 특정 열 제거하기 C | 행 추출하기 __11. 맨 위의 행 출력하기 __12. 맨 아래 행 출력하기 __13. 특정 열의 값을 추출하기 __14. 특정 열에 특정 값이 있을 경우 추출하기 __15. 특정 열에 특정 값이 없을 경우 추출하기 __16. 특정 열에 특정 숫자가 있는지 확인하기 __17. 특정 비율로 데이터 샘플링하기 __18. 특정 개수만큼 데이터 샘플링하기 __19. 특정 열에서 큰 순서대로 불러오기 __20. 특정 열에서 작은 순서대로 불러오기 D | 열 추출하기 __21. 인덱스의 범위로 불러오기 __22. 첫 인덱스를 지정해 불러오기 __23. 마지막 인덱스를 지정해 불러오기 __24. 모든 인덱스 불러오기 __25. 특정 열을 지정해 가져오기 __26. 조건을 만족하는 열 가져오기 __27. 특정 문자가 포함되지 않는 열 가져오기 E | 행과 열 추출하기 __28. 특정 행과 열을 지정해 가져오기 __29. 인덱스로 특정 행과 열 가져오기 __30. 특정 열에서 조건을 만족하는 행과 열 가져오기 __31. 인덱스를 이용해 특정 조건을 만족하는 값 불러오기 F | 중복 데이터 다루기 __32. 특정 열에 어떤 값이 몇 개 들어 있는지 알아보기 __33. 데이터 프레임의 행이 몇 개인지 세어 보기 __34. 데이터 프레임의 행과 열이 몇 개인지 세어 보기 __35. 특정 열에 유니크한 값이 몇 개인지 세어 보기 __36. 데이터 프레임의 형태 한눈에 보기 __37. 중복된 값 제거하기 G | 데이터 파악하기 __38. 각 열의 합 보기 __39. 각 열의 값이 모두 몇 개인지 보기 __40. 각 열의 중간 값 보기 __41. 특정 열의 평균값 보기 __42. 각 열의 25%, 75%에 해당하는 수 보기 __43. 각 열의 최솟값 보기 __44. 각 열의 최댓값 보기 __45. 각 열의 표준편차 보기 __46. 데이터 프레임 각 값에 일괄 함수 적용하기 H | 결측치 다루기 __47. null 값인지 확인하기 __48. null 값이 아닌지 확인하기 __49. null 값이 있는 행 삭제하기 __50. null 값을 특정 값으로 대체하기 __51. null 값을 특정 계산 결과로 대체하기 I | 새로운 열 만들기 __52. 조건에 맞는 새 열 만들기 __53. assign( )을 이용해 조건에 맞는 새 열 만들기 __54. 숫자형 데이터를 구간으로 나누기 __55. 기준 값 이하와 이상을 모두 통일시키기 __56. 최댓값 불러오기 __57. 최솟값 불러오기 J | 행과 열 변환하기 __58. 모든 열을 행으로 변환하기 __59. 하나의 열만 행으로 이동시키기 __60. 여러 개의 열을 행으로 이동시키기 __61. 특정 열의 값을 기준으로 새로운 열 만들기 __62. 원래 데이터 형태로 되돌리기 K | 시리즈 데이터 연결하기 __63. 시리즈 데이터 합치기 __64. 데이터를 병합할 때 새로운 인덱스 만들기 __65. 계층적 인덱스를 추가하고 열 이름 지정하기 L | 데이터 프레임 연결하기 __66. 데이터 프레임 합치기 __67. 열의 수가 다른 두 데이터 프레임 합치기 __68. 함께 공유하는 열만 합치기 __69. 열 이름이 서로 다른 데이터 합치기 M | 데이터 병합하기 __70. 왼쪽 열을 축으로 병합하기 __71. 오른쪽 열을 축으로 병합하기 __72. 공통 값만 병합하기 __73. 모든 값을 병합하기 __74. 특정한 열을 비교해서 공통 값이 존재하는 경우만 가져오기 __75. 공통 값이 존재하는 경우 해당 값을 제외하고 병합하기 __76. 공통 값이 있는 것만 병합하기 __77. 모두 병합하기 __78. 어디서 병합되었는지 표시하기 __79. 원하는 병합만 남기기 __80. merge 칼럼 없애기 N | 데이터 가공하기 __81. 행 전체를 한 칸 아래로 이동하기 __82. 행 전체를 한 칸 위로 이동하기 __83. 첫 행부터 누적해서 더하기 __84. 새 행과 이전 행을 비교하면서 최댓값 출력하기 __85. 새 행과 이전 행을 비교하면서 최솟값 출력하기 __86. 첫 행부터 누적해서 곱하기 O | 그룹별로 집계하기 __87. 그룹 지정 및 그룹별 데이터 수 표시 __88. 그룹 지정 후 원하는 칼럼 표시하기 __89. 밀집도 기준으로 순위 부여하기 __90. 최젓값을 기준으로 순위 부여하기 __91. 순위를 비율로 표시하기 __92. 동일 순위에 대한 처리 방법 정하기