[DEEP LEARNING with Python]

📖 01. 딥러닝이란 무엇인가? >🗝️ 핵심내용 핵심 개념에 대한 고수준 정의 머신러닝의 발전 과정 딥러닝이 인기를 끈 주요 원인과 미래의 가능성 --- 📑 인공지능과 머신러닝, 딥러닝 --- 📑 딥러닝 이전: 머신러닝의 간략한 역사

📖 02장. 신경망의 수학적 구성 요소 >🗝️ 핵심내용 첫 번째 신경망 예제 만들기 텐서와 텐서 연산의 개념 역전파와 경사 하강법을 사용하여 신경망이 학습되는 방법 --- 📑 신경망과의 첫만남 MNIST 데이터셋을 사용하여 손글씨 숫자 분류를 학습

📖 02장. 신경망의 수학적 구성 요소 >🗝️ 핵심내용 첫 번째 신경망 예제 만들기 텐서와 텐서 연산의 개념 역전파와 경사 하강법을 사용하여 신경망이 학습되는 방법 --- 📑 신경망의 엔진: 그레이디언트 기반 최적화 --- 🔗 출처 https

📖 03장. 케라스와 텐서플로 소개 >🗝️ 핵심내용 텐서플로, 케라스 그리고 둘 간의 관계 자세히 알아보기 딥러닝 작업 환경 설정하기 딥러닝의 핵심 개념이 케라스와 텐서플로에 적용되는 방식 소개하기 --- 📑 텐서플로란? 텐서플로(TensorFlo

📖 04장. 신경망 시작하기: 분류와 회귀 >🗝️ 핵심내용 실제 머신 러닝 워크플로의 첫 번째 예제 벡터 데이터를 사용한 분류 문제 처리하기 벡터 데이터를 사용한 연속적인 회귀 문제 처리하기 --- 📑 영화 리뷰 분류: 이진 분류 문제 인터넷 영화

📖 04장. 신경망 시작하기: 분류와 회귀 >🗝️ 핵심내용 실제 머신 러닝 워크플로의 첫 번째 예제 벡터 데이터를 사용한 분류 문제 처리하기 벡터 데이터를 사용한 연속적인 회귀 문제 처리하기 --- 📑 뉴스 기사 분류: 다중 분류 문제 로이터에서 공

📖 04장. 신경망 시작하기: 분류와 회귀 >🗝️ 핵심내용 실제 머신 러닝 워크플로의 첫 번째 예제 벡터 데이터를 사용한 분류 문제 처리하기 벡터 데이터를 사용한 연속적인 회귀 문제 처리하기 --- 📑 주택 가격 예측: 회귀 문제 --- 🔗 출처

📖 05장. 머신 러닝의 기본 요소 >🗝️ 핵심내용 머신 러닝의 근본 문제인 일반화와 최적화 사이의 긴장 관계 이해하기 머신 러닝 모델의 평가 방법 훈련 성능 향상을 위한 모범 사례 일반화 성능 향상을 위한 모범 사례 📑 일반화: 머신 러닝의 목표 🔗

📖 05장. 머신 러닝의 기본 요소 >🗝️ 핵심내용 머신 러닝의 근본 문제인 일반화와 최적화 사이의 긴장 관계 이해하기 머신 러닝 모델의 평가 방법 훈련 성능 향상을 위한 모범 사례 일반화 성능 향상을 위한 모범 사례 📑 훈련 성능 향상하기 >최적적합