그로킹 딥러닝

__추천사
__옮긴이의 글
__독자들에게
__마음을 열고 이 책을 읽기 위한 사전 안내
__각 장의 내용 미리보기
__감사의 말

CHAPTER 1 딥러닝을 소개합니다 : 당신이 딥러닝을 공부해야 하는 이유
__딥러닝의 세계에 어서 오세요
__왜 딥러닝을 공부해야 할까요?
__딥러닝을 시작하기가 어렵진 않을까요?
__이 책으로 딥러닝을 공부해야 하는 이유
__시작에 앞서 필요한 지식과 실습 환경은?
__파이썬 지식이 조금 필요합니다
__요약

CHAPTER 2 딥러닝의 기초 개념 : 컴퓨터가 학습하는 원리
__딥러닝이란?
__머신러닝이란?
__지도 학습
__비지도 학습
__모수적 학습 vs 비모수적 학습
__모수적 지도 학습
__모수적 비지도 학습
__비모수적 학습
__요약

CHAPTER 3 신경망을 소개합니다 : 순전파
__신경망이 처음으로 할 일 : 예측
__예측을 수행하는 신경망
__신경망이 뭔가요?
__신경망이 하는 일이 궁금합니다
__복수 입력을 받아 예측하기
__신경망은 복수 입력을 어떻게 다루나요?
__복수 입력 코드 : 실행 가능한 완성 버전 코드
__복수 출력을 하는 예측하기
__복수 입력을 받아 복수 출력을 하는 예측
__복수 입력과 복수 출력 : 동작 원리
__예측에 관한 예측
__NumPy 빠르게 입문하기
__요약

CHAPTER 4 딥러닝을 소개합니다 : 경사하강법
__예측하고 비교하고 학습하라
__비교
__학습
__비교 : 여러분의 신경망은 예측을 잘하고 있습니까?
__오차를 측정하는 이유
__신경망 학습의 가장 간단한 형태는 어떤 걸까요?
__온냉 학습
__온냉 학습의 특징
__오차를 이용하여 이동 방향과 거리 계산하기
__경사하강법 1회 반복
__학습이란 오차를 줄이는 것
__학습의 여러 단계를 관찰해보세요
__왜 이게 작동하죠? weight_delta는 뭔가요?
__한 가지 개념에 집중하기
__툭 튀어나오는 막대기가 있는 상자
__미분계수 : 두 번째 이야기
__이건 몰라도 괜찮습니다
__미분계수를 학습에 이용하는 방법
__익숙한가요?
__경사하강법 망가뜨리기
__과잉 교정 시각화하기
__발산
__알파를 소개합니다
__코드 속의 알파
__외우기

CHAPTER 5 복수 가중치 동시에 학습하기 : 경사하강법 일반화 하기
__복수 입력을 받는 경사하강법
__복수 입력을 받는 경사하강법 이해하기
__학습의 각 단계를 관찰해보세요
__가중치 한 개 동결시키기
__복수 출력을 하는 경사하강법
__복수 입력을 받아 복수 출력을 하는 경사하강법
__가중치가 학습하는 것은 무엇일까요?
__가중치 시각화하기
__내적(가중합) 시각화하기
__요약

CHAPTER 6 첫 심층 신경망 만들기 : 역전파를 소개합니다
__신호등 문제
__데이터 준비하기
__행렬과 행렬 관계
__파이썬으로 행렬 만들기
__신경망 구축하기
__전체 데이터셋 학습하기
__전체, 배치, 확률적 경사하강법
__신경망은 상관관계를 학습합니다
__상향 압력과 하향 압력
__경계 조건 : 과적합
__경계 조건 : 서로 충돌하는 압력
__간접 상관관계 학습
__신경망 적층하기 : 복습
__역전파 : 장거리 오차 귀착법
__역전파는 왜 효과가 있는 걸까요?
__선형 vs 비선형
__아직 신경망이 동작하지 않는 이유
__간헐적 상관관계의 비밀
__짧은 휴식
__첫 심층 신경망 만들기
__코드로 만나는 역전파
__역전파의 한살이
__모두 합치기
__심층 신경망이 왜 중요한가요?

CHAPTER 7 신경망 사진 찍기 : 머릿속과 종이 위에
__이제 단순하게 만들어야 합니다
__상관관계 요약
__미리 너무 복잡해져 버린 시각화
__단순화한 시각화
__더 단순하게
__이 신경망이 예측하는 모습을 관찰해봅시다
__그림 대신 문자로 시각화하기
__변수 연결하기
__모두 나란히
__시각화 도구의 중요성

CHAPTER 8 신호 학습과 잡음 제거 : 정규화와 배치 소개
__3계층 신경망으로 MNIST 도전하기
__흠, 쉬운데요
__암기 vs 일반화
__신경망에서의 과적합
__오버피팅의 원인
__가장 단순한 정규화 : 조기 종료
__산업 표준 정규화 : 드롭아웃
__드롭아웃은 왜 효과가 있을까요 : 앙상블
__코드 속의 드롭아웃
__배치 경사하강법
__요약

CHAPTER 9 확률과 비선형성 모델링하기 : 활성화 함수
__활성화 함수란 무엇일까요?
__표준 은닉 계층 활성화 함수
__표준 출력 계층 활성화 함수
__핵심 사안 : 입력에 유사성이 있는 경우
__softmax 계산하기
__신경망 계층에 활성화 함수 추가하기
__delta에 기울기 곱하기
__출력을 기울기로 변환하기(미분계수)
__MNIST 신경망 업그레이드하기

CHAPTER 10 가장자리와 모서리를 학습하는 신경망 : CNN 소개
__여러 장소에서 가중치 재사용하기
__합성곱 계층
__NumPy로 간단하게 구현하기
__요약

CHAPTER 11 언어를 이해하는 신경망 : 왕-남자+여자 == ?
__언어를 이해한다는 것은 무엇을 의미할까요?
__NLP : 자연어 처리
__지도 NLP
__IMDB 영화 리뷰 데이터셋
__입력 데이터 안에서 단어 상관관계 포착하기
__영화 리뷰 예측하기
__임베딩 계층 기초
__출력 해석하기
__신경 아키텍처
__단어 임베딩 비교하기
__뉴런이 가지는 의미는 뭘까요?
__공란 채우기
__King - Man + Woman ~= Queen
__단어 유추
__요약

CHAPTER 12 셰익스피어처럼 글쓰기 : 순환 계층으로 가변 데이터 다루기
__임의의 길이를 향한 도전
__비교가 정말 중요할까요?
__평균 단어 벡터의 놀라운 힘
__임베딩은 어떻게 정보를 저장할까요?
__신경망은 임베딩을 어떻게 활용할까요?
__단어주머니 벡터의 한계
__단위행렬을 이용해서 단어 임베딩 총합하기
__정말 아무것도 바꾸지 않는 행렬
__전이행렬
__유용한 문장 벡터 생성하는 법 학습하기
__파이썬으로 순전파 하기
__어떻게 여기에 역전파를 넣을까요?
__학습시켜 봅시다!
__준비하기
__임의 길이로 순전파 하기
__임의의 길이로 역전파 하기
__임의의 길이로 가중치 갱신하기
__실행과 출력 분석
__요약

CHAPTER 13 자동 최적화를 소개합니다 : 딥러닝 프레임워크를 만들어봅시다
__딥러닝 프레임워크란?
__텐서를 소개합니다
__자동 미분, autograd를 소개합니다
__간단히 점검해보기
__여러 번 재사용되는 텐서
__텐서 재사용을 위한 자동 미분 업그레이드
__덧셈 역전파는 어떻게 이루어질까요?
__부정 연산 지원하기
__몇 가지 함수 더 지원하기
__자동 미분을 이용해서 신경망 학습하기
__자동 최적화 추가하기
__계층 형식 지원하기
__계층을 포함하는 계층
__손실 함수 계층
__프레임워크 배우기
__비선형 계층
__임베딩 계층
__자동 미분에 색인화 추가하기
__임베딩 계층 다시 생각하기
__교차 엔트로피 계층
__순환 신경망 계층
__요약

CHAPTER 14 셰익스피어처럼 글쓰기 : LSTM
__문자 언어 모델링
__부분 역전파의 필요성
__부분 역전파
__출력의 샘플
__소멸하는 기울기, 폭발하는 기울기
__RNN 역전파의 장난감 예제
__LSTM 셀
__LSTM 게이트에 관한 몇 가지 직관
__LSTM 계층
__문자 언어 모델 업그레이드하기
__LSTM 문자 언어 모델 학습하기
__LSTM 문자 언어 모델 튜닝하기
__요약

CHAPTER 15 보이지 않는 데이터로 하는 딥러닝 : 통합 학습 입문
__딥러닝의 개인정보 문제
__통합 학습
__스팸 탐지 학습
__통합해봅시다
__통합 학습 해킹하기
__보안 통합
__동형 암호화
__동형 암호화 통합 학습
__요약

CHAPTER 16 다음 도약을 위한 준비 : 작은 안내서
__축하합니다!
__1단계 : 파이토치를 배우세요
__2단계 : 새 딥러닝 수업을 수강하세요
__3단계 : 수학적으로 접근하는 딥러닝 교과서를 구하세요
__4단계 : 블로그를 개설해서 딥러닝을 가르치세요
__5단계 : 트위터
__6단계 : 학술 논문의 내용을 구현하세요
__7단계 : GPU를 사용할 수 있는 환경을 확보하세요
__8단계 : 급여를 받으면서 일하세요
__9단계 : 오픈소스 프로젝트에 참여하세요
__10단계 : 지역 커뮤니티를 발전시키세요

__찾아보기