혼자 공부하는 머신러닝 + 딥러닝

JP Kang·2022년 7월 2일

Book

목록 보기

5/8

혼공머딥 저자 blog : https://tensorflow.blog/

혼자해도 충분하다! 1:1 과외하듯 배우는 인공지능 자습서
이 책은 수식과 이론으로 중무장한 머신러닝, 딥러닝 책에 지친 ‘독학하는 입문자’가 ‘꼭 필요한 내용을 제대로’ 학습할 수 있도록 구성했다. 구글 머신러닝 전문가(Google ML expert)로 활동하고 있는 저자는 여러 차례의 입문자들과 함께한 머신러닝&딥러닝 스터디와 번역ㆍ집필 경험을 통해 ‘무엇을’ ‘어떻게’ 학습해야 할지 모르는 입문자의 막연함을 이해하고, 과외 선생님이 알려주듯 친절하게 핵심적인 내용을 콕콕 집어준다. 컴퓨터 앞에서 〈손코딩〉을 따라하고, 확인 문제를 풀다 보면 그간 어렵기만 했던 머신러닝과 딥러닝을 개념을 스스로 익힐 수 있을 것이다!
베타리더가 함께 만든 입문서
베타리딩 과정을 통해 입문자에게 적절한 난이도, 분량, 학습 요소 등을 고민하고 반영했다. 어려운 용어와 개념은 한 번 더 풀어 쓰고, 복잡한 설명은 눈에 잘 들어오는 그림으로 풀어 냈다. ‘혼자 공부해본’ 여러 입문자의 마음과 눈높이가 책 곳곳에 반영된 것이 이 책의 가장 큰 장점이다.

인공지능으로 가기위해 머신러닝과 딥러닝을 'Through' 거쳐감.
초기: 인공지능 태동기 - 튜링테스트(1950)를 거쳐 컴퓨터의 발전 시초.
인공지능 황금기
= 1956 : 다트머스 AI 컨퍼런스 - 증명되지 못하는 AI. 실패의 연속이었던 컨퍼런스
= 1957 : 프랑크 로젠블라트 퍼셉트론 : 인공신경망의 기초가 되는 '퍼셉트론'알고리즘
= 1959 : 고양이 뇌를 통해 시각피질을 연구함
1차 AI겨울(1974 - 1980) : 컴퓨터성능 한계
AI 붐(1980 - 1987) : 전문가 시스템 시초
2차 AI겨울(1987 - 1993) : 전문가 시스템 실패
텐서플로(2015)
알파고(2016) : 이세돌 바둑기사와의 대결

코랩/주피터 노트북환경에서 sklear, tensorflow를 import해준다(python 기반의 라이브러리들이므로 python 언어공부의 기초를 요구)

import sklearn

import tensorflow

아래 그림은 구글 환경에서의 런타임유형변경(머신러닝=None, 딥러닝=GPU 로 학습권장)
TPU는 자원을 할당받고, 클라우드와 연동해서 쓰므로 교재에서는 권장하지않음
[주피터 노트북 환경에서;;]

03-1 k-최근접 이웃 회귀 ▶ 회귀 문제를 이해하고 k-최근접 이웃 알고리즘으로 풀어 보기
과대적합 vs 과소적합
[문제해결 과정] 회귀 문제 다루기
03-2 선형 회귀 ▶ 사이킷런으로 선형 회귀 모델 만들어 보기
선형 회귀
다항 회귀
03-3 특성 공학과 규제 ▶ 특성 공학과 규제 알아보기
다중 회귀
사이킷런의 변환기
규제
릿지 회귀
라쏘 회귀

04-1 로지스틱 회귀 ▶ 로지스틱 회귀 알고리즘을 배우고 이진 분류 문제에서 클래스 확률 예측하기
럭키백의 확률
로지스틱 회귀
04-2 확률적 경사 하강법 ▶ 경사 하강법 알고리즘을 이해하고 대량의 데이터에서 분류 모델을 훈련하기
점진적인 학습
SGDClassifier
에포크와 과대/과소적합

06-1 군집 알고리즘 ▶ 흑백 이미지 분류 방법과 비지도 학습, 군집 알고리즘 이해하기
과일 사진 데이터 준비하기
픽셀값 분석하기
평균값과 가까운 사진 고르기
06-2 k-평균 ▶ k-평균 알고리즘 작동 방식을 이해하고 비지도 학습 모델 만들기
KMeans 클래스
클러스터 중심
06-3 주성분 분석 ▶ 차원을 알고 차원 축소 알고리즘 PC 모델 만들기
차원과 차원 축소
주성분 분석 소개
PCA 클래스
원본 데이터 재구성

08-1 합성곱 신경망의 구성 요소 ▶ 합성곱 신경망의 개념과 동작 원리를 배우고 간단한 실습하기
합성곱
케라스 합성곱 층
합성곱 신경망의 전체 구조
08-2 합성곱 신경망을 사용한 이미지 분류 ▶ 케라스 API로 합성곱 신경망 모델 만들기
패션 MNIST 데이터 불러오기
합성곱 신경망 만들기
모델 컴파일과 훈련
08-3 합성곱 신경망의 시각화 ▶ 신경망이 이미지에서 학습하는 게 무엇인지 이해하기
가중치 시각화
함수형 API
특성 맵 시각화

09-1 순차 데이터와 순환 신경망 ▶ 순차 데이터의 특징과 개념 이해하기
순차 데이터
순환 신경망
셀의 가중치와 입출력
09-2 순환 신경망으로 IMDB 리뷰 분류하기 ▶ 텐서플로 순환 신경망으로 영화 리뷰 분류하기
IMDB 리뷰 데이터셋
순환 신경망 만들기
순환 신경망 훈련하기
단어 임베딩을 사용하기
09-3 LSTM과 GRU 셀 ▶ 순환 신경망의 중요 기술을 사용해 모델 만들어 보기
LSTM 구조
LSTM 신경망 훈련하기
순환층에 드롭아웃 적용하기
2개의 층을 연결하기
GRU 구조
GRU 신경망 훈련하기