- 현재 위치
- home > 컴퓨터·ICT·어학 > 컴퓨터·IT 도서 > 컴퓨터공학 > 코드로 배우는 인공지능[제이펍]
;)
이 책은 개발자에게 바치는 머신러닝 가이드북입니다. 철저하게 개발자의 시선에서 접근하고 실제 산업계에서 자주 사용되는 모델에 관해 설명합니다. 동시에 신경망의 원리와 기초 구현 방법, 케라스 라이브러리의 사용법과 텐서플로를 활용한 모델 배포 방안도 포함합니다. 복잡한 머신러닝 이론 대신, 간단한 AI 구현 코드를 보여주면서 구조와 프로세스를 설명합니다. 그리고 초보 학습자가 궁금해할 문제를 선별하여 이러한 문제와 연계해 새로운 내용을 소개합니다. 이 책의 모든 장에서 비슷한 방법을 사용하고 있습니다.
저자: 장리커
상편
CHAPTER 01 머신러닝의 Hello World 3
1.1 머신러닝에 대한 간략한 소개 3
1.2 머신러닝 애플리케이션의 핵심 개발 프로세스 5
1.3 코드로 시작하기 8
1.4 마무리 11
1.5 참고자료 11
CHAPTER 02 직접 구현하는 신경망 12
2.1 퍼셉트론 12
2.2 선형 회귀와 경사 하강법 구현 17
2.3 확률적 경사 하강법의 구현 23
2.4 파이썬을 통한 단층 신경망 구현 25
2.5 요약 40
2.6 참고자료 40
CHAPTER 03 케라스 시작하기 41
3.1 케라스 소개 41
3.2 케라스 개발 입문 42
3.3 케라스 개념 설명 46
3.4 다시 코드 실습으로 72
3.5 요약 77
3.6 참고자료 78
CHAPTER 04 예측과 분류: 간단한 머신러닝 응용 79
4.1 머신러닝 프레임워크 - 사이킷런 소개 79
4.2 분류 알고리즘 기초 82
4.3 의사결정 트리 92
4.4 선형 회귀 103
4.5 로지스틱 회귀 104
4.6 신경망 110
4.7 요약 123
4.8 참고자료 123
하편
CHAPTER 05 추천 시스템 기초 127
5.1 추천 시스템 소개 127
5.2 유사도 계산 130
5.3 협업 필터링 131
5.4 추천 환경에서 사용하는 로지스틱 회귀 모델 137
5.5 여러 모델을 융합한 추천 모델: Wide
CHAPTER 01 머신러닝의 Hello World 3
1.1 머신러닝에 대한 간략한 소개 3
1.2 머신러닝 애플리케이션의 핵심 개발 프로세스 5
1.3 코드로 시작하기 8
1.4 마무리 11
1.5 참고자료 11
CHAPTER 02 직접 구현하는 신경망 12
2.1 퍼셉트론 12
2.2 선형 회귀와 경사 하강법 구현 17
2.3 확률적 경사 하강법의 구현 23
2.4 파이썬을 통한 단층 신경망 구현 25
2.5 요약 40
2.6 참고자료 40
CHAPTER 03 케라스 시작하기 41
3.1 케라스 소개 41
3.2 케라스 개발 입문 42
3.3 케라스 개념 설명 46
3.4 다시 코드 실습으로 72
3.5 요약 77
3.6 참고자료 78
CHAPTER 04 예측과 분류: 간단한 머신러닝 응용 79
4.1 머신러닝 프레임워크 - 사이킷런 소개 79
4.2 분류 알고리즘 기초 82
4.3 의사결정 트리 92
4.4 선형 회귀 103
4.5 로지스틱 회귀 104
4.6 신경망 110
4.7 요약 123
4.8 참고자료 123
하편
CHAPTER 05 추천 시스템 기초 127
5.1 추천 시스템 소개 127
5.2 유사도 계산 130
5.3 협업 필터링 131
5.4 추천 환경에서 사용하는 로지스틱 회귀 모델 137
5.5 여러 모델을 융합한 추천 모델: Wide
