¼öÇè¼ | Âü°í¼ | Àڰݼ | ÀϹݵµ¼ | + ½°ÅÍ |
µö·¯´×À» À§ÇÑ ÆÄÀÌÅäÄ¡ ÀÔ¹® ¿µÁø´åÄÄ
- »óÇ°Á¤º¸
- »óÇ°Æò°¡
- »óÇ°¹®ÀÇ
- ¹è¼Û/¹ÝÇ°/ȯºÒ
¡Ø ¾Ë·Áµå¸³´Ï´Ù.
¹ßÇàÀÏ : 2022-01-20
ISBN | 9788931465914(8931465912) |
---|---|
Âʼö | 320ÂÊ |
Å©±â | 188 * 257 mm ÆÇÇü¾Ë¸² |
Ã¥¼Ò°³
ÀÌ Ã¥ÀÌ ¼ÓÇÑ ºÐ¾ß
ÆÄÀÌÅäÄ¡·Î ½ÃÀÛÇÏ´Â µö·¯´× ±¸Ãà°ú È°¿ë
±¸±ÛÀÇ À½¼ºÀνÄ, ÀΰøÁö´É ½Ã½ºÅÛ °³¹ß, ¼Õ»óµÈ »çÁø º¹¿ø µî µö·¯´× ±â¼úÀº ¿©·¯ ºÐ¾ß¿Í ½Ç»ýÈ°¿¡¼ ´Ù¾çÇÏ°Ô Àû¿ëµÇ°í ÀÖ´Ù. ÀÌ Ã¥Àº ÆÄÀ̽㠱â¹ÝÀÇ ¿ÀǼҽº ¸Ó½Å·¯´× ¶óÀ̺귯¸®ÀÎ ÆÄÀÌÅäÄ¡¸¦ È°¿ëÇÏ¿© ½ÇÁ¦·Î µö·¯´×À» ±¸ÃàÇÏ°í È°¿ëÇÏ°íÀÚ ÇÏ´Â »ç¶÷À» À§ÇÑ ÀÔ¹®¼´Ù. Àΰø ½Å°æ¸Á¿¡¼ ¾²ÀÌ´Â ±âÃÊ °³³äÀ» Åä´ë·Î ½ÇÁ¦ ¾î¶»°Ô ÀΰøÁö´ÉÀÌ ±¸ÇöµÇ´ÂÁö ÄÚµå ¶óÀκ°·Î »ó¼¼ÇÏ°Ô ¼³¸íÇÏ¿© Ãʺ¸ÀÚµµ ½±°Ô ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï ±¸¼ºÇßÀ¸¸ç, ´Ù¾çÇÑ ½Ç½À ¿¹Á¦¸¦ ÅëÇØ ÇÁ·Î±×·¥À» ¸¸µå´Â ¹æ¹ýºÎÅÍ ¸Ó½Å·¯´× ±â¼úÀÇ »ç¿ë¹ý, °á°ú¸¦ ³»´Â ¹æ¹ý±îÁö ¼Ò°³ÇÏ°í ÀÖ´Ù.
Ãʹݺο¡´Â ÆÄÀ̽ãÀÇ ±âº»ÀûÀÎ »ç¿ë¹ýºÎÅÍ ÆÄÀÌÅäÄ¡ °°Àº ¸Ó½Å·¯´×À» À§ÇÑ ¶óÀ̺귯¸® È°¿ë¹ý, ¸Ó½Å·¯´×¿¡¼ »ç¿ëÇÏ´Â ÁöµµÇнÀ °³³ä µî ¸Ó½Å·¯´×À» ½ÃÀÛÇϱâ Àü¿¡ ¾Ë¾Æ¾ß ÇÒ °ÍµéÀ» °øºÎÇÏ¸ç ±âÃʸ¦ ´ÙÁø´Ù. ¶ÇÇÑ À̹ÌÁö 󸮸¦ À§ÇÑ ÇÕ¼º°ö ½Å°æ¸Á, ½Ã°è¿ µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ ¼øȯ ÇüÅÂÀÇ ½Å°æ¸Á ±×¸®°í ¾ÕÀ¸·Î »ç¿ëÇÒ ÇÔ¼öµéÀ» ¿¬½ÀÇÏ°í ResNetÀ̳ª BI-LSTM °°Àº ½ÇÁ¦·Î »ç¿ëÇϱâ ÁÁÀº ¸ðµ¨À» Á¦ÀÛÇØ º»´Ù. ÀÌÀü ³»¿ëÀ» Åä´ë·Î ºñÁöµµ ÇнÀ°ú Áö±Ý±îÁö ¹è¿î ³»¿ëÀ» Á¢¸ñÇØ È°¿ëÇÒ ¼ö ÀÖ´Â ¹æ¹ýµµ¼Ò°³ÇÑ´Ù.ÈĹݺο¡´Â °úÀûÇÕÀ» ¹æÁöÇÏ°í ¼º´ÉÀ» ¿Ã·ÁÁÖ´Â ¹æ¹ý, º¹ÀâÇÑ °á°ú¸¦ ½±°Ô ¾Ë¾Æº¼ ¼ö ÀÖµµ·Ï ½Ã°¢ÈÇÏ´Â ¹ý µî ½ÇÁ¦ ¸Ó½Å·¯´×À» ÁøÇàÇÒ ¶§ µµ¿òÀÌ µÉ ¹æ¹ýµéÀ» ¾Ë·ÁµÎ¸ç ¾Õ ÀåÀÇ ÁöµµÇнÀ, ºñÁöµµ ÇнÀ°ú ´õºÒ¾î ÀüÀÌ ÇнÀ°ú ÁØÁöµµ ÇнÀ ¸ðµ¨°ú ¸ÞŸÇнÀ, À¯ÇÑÂ÷ºÐ¹ýÀ»¼³¸íÇÑ´Ù.
Ãʹݺο¡´Â ÆÄÀ̽ãÀÇ ±âº»ÀûÀÎ »ç¿ë¹ýºÎÅÍ ÆÄÀÌÅäÄ¡ °°Àº ¸Ó½Å·¯´×À» À§ÇÑ ¶óÀ̺귯¸® È°¿ë¹ý, ¸Ó½Å·¯´×¿¡¼ »ç¿ëÇÏ´Â ÁöµµÇнÀ °³³ä µî ¸Ó½Å·¯´×À» ½ÃÀÛÇϱâ Àü¿¡ ¾Ë¾Æ¾ß ÇÒ °ÍµéÀ» °øºÎÇÏ¸ç ±âÃʸ¦ ´ÙÁø´Ù. ¶ÇÇÑ À̹ÌÁö 󸮸¦ À§ÇÑ ÇÕ¼º°ö ½Å°æ¸Á, ½Ã°è¿ µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇÑ ¼øȯ ÇüÅÂÀÇ ½Å°æ¸Á ±×¸®°í ¾ÕÀ¸·Î »ç¿ëÇÒ ÇÔ¼öµéÀ» ¿¬½ÀÇÏ°í ResNetÀ̳ª BI-LSTM °°Àº ½ÇÁ¦·Î »ç¿ëÇϱâ ÁÁÀº ¸ðµ¨À» Á¦ÀÛÇØ º»´Ù. ÀÌÀü ³»¿ëÀ» Åä´ë·Î ºñÁöµµ ÇнÀ°ú Áö±Ý±îÁö ¹è¿î ³»¿ëÀ» Á¢¸ñÇØ È°¿ëÇÒ ¼ö ÀÖ´Â ¹æ¹ýµµ¼Ò°³ÇÑ´Ù.ÈĹݺο¡´Â °úÀûÇÕÀ» ¹æÁöÇÏ°í ¼º´ÉÀ» ¿Ã·ÁÁÖ´Â ¹æ¹ý, º¹ÀâÇÑ °á°ú¸¦ ½±°Ô ¾Ë¾Æº¼ ¼ö ÀÖµµ·Ï ½Ã°¢ÈÇÏ´Â ¹ý µî ½ÇÁ¦ ¸Ó½Å·¯´×À» ÁøÇàÇÒ ¶§ µµ¿òÀÌ µÉ ¹æ¹ýµéÀ» ¾Ë·ÁµÎ¸ç ¾Õ ÀåÀÇ ÁöµµÇнÀ, ºñÁöµµ ÇнÀ°ú ´õºÒ¾î ÀüÀÌ ÇнÀ°ú ÁØÁöµµ ÇнÀ ¸ðµ¨°ú ¸ÞŸÇнÀ, À¯ÇÑÂ÷ºÐ¹ýÀ»¼³¸íÇÑ´Ù.
»ó¼¼À̹ÌÁö
¸ñÂ÷
Chapter 1 µö·¯´× ½ÃÀÛ
1.1 µö·¯´×À̶õ
1.1.1 µö·¯´×ÀÇ ¿ª»ç
1.1.2 Àΰø ½Å°æ¸Á
1.1.3 ÃÖ±Ù µ¿Çâ
1.2 ÆÄÀ̽ã°ú ÆÄÀÌÅäÄ¡
Chapter 2 ÆÄÀ̽ã
2.1 º¯¼ö, Ãâ·Â¹®, ¶óÀ̺귯¸®
2.1.1 Á¤¼öÇü(int)
2.1.2 ½Ç¼öÇü(float)
2.1.3 ¹®ÀÚÇü(string)
2.1.4 ºÎ¿ïÇü(bool)
2.1.5 Ãâ·Â¹®(print)
2.1.6 ¶óÀ̺귯¸®(library)
2.2 ¸®½ºÆ®, Æ©ÇÃ, µñ¼Å³Ê¸®
2.2.1 ¸®½ºÆ®(list)
2.2.2 Æ©ÇÃ(tuple)
2.2.3 µñ¼Å³Ê¸®(dict)
2.3 ³ÑÆÄÀÌ
2.3.1 ¿©·¯ °¡Áö ¹è¿
2.3.2 ¹è¿ÀÇ Å©±â¿Í º¯È¯
2.3.3 Á¶°Ç¹®À» ÀÌ¿ëÇÑ À妽º °Ë»ö
2.3.4 ¹è¿ÀÇ ±âº» ¿¬»ê
2.3.5 ¹è¿ÀÇ º´ÇÕ
2.3.6 ´Ù¾çÇÑ °è»ê ÇÔ¼ö
2.4 Á¶°Ç¹®°ú ¹Ýº¹¹®
2.4.1 if¹®
2.4.2 for¹®
2.4.3 while¹®
2.4.4 break, continue¹®
2.4.5 try & except¹®
2.5 ÇÔ¼ö¿Í ¸ðµâ
2.5.1 ÇÔ¼ö
2.5.2 ¸ðµâ
2.6 Ŭ·¡½º
2.7 ±×·¡ÇÁ ±×¸®±â
2.8 Æú´õ ¹× ÆÄÀÏ °ü¸®
2.9 Å͹̳ο¡¼ ÆÄÀ̽㠽ÇÇàÇϱâ
Chapter 3 Áöµµ ÇнÀ
3.1 Áöµµ ÇнÀÀ̶õ
3.2 Áöµµ ÇнÀÀÇ Á¾·ù
3.3 µ¥ÀÌÅÍ ¼¼Æ® ºÐÇÒ
Chapter 4 ÆÄÀÌÅäÄ¡ ±âº»
4.1 ÅÙ¼
4.1.1 ¿©·¯ °¡Áö ÅÙ¼
4.1.2 ¸®½ºÆ®, ³ÑÆÄÀÌ ¹è¿À» ÅÙ¼·Î ¸¸µé±â
4.1.3 ÅÙ¼ÀÇ Å©±â, ŸÀÔ, ¿¬»ê
4.1.4 ÅÙ¼ÀÇ Å©±â º¯È¯
4.1.5 ÅÙ¼¿¡¼ ³ÑÆÄÀÌ ¹è¿·Î º¯È¯
4.1.6 ´ÜÀÏ ÅÙ¼¿¡¼ °ªÀ¸·Î ¹ÝȯÇϱâ
4.2 ¿ªÀüÆÄ
4.2.1 ±×·¡µð¾ðÆ® ÅÙ¼
4.2.2 ÀÚµ¿ ¹ÌºÐ - ¼±Çüȸ±Í½Ä
4.3 µ¥ÀÌÅÍ ºÒ·¯¿À±â
4.3.1 ÆÄÀÌÅäÄ¡ Á¦°ø µ¥ÀÌÅÍ »ç¿ë
4.3.2 °°Àº Ŭ·¡½º º°·Î Æú´õ¸¦ Á¤¸®ÇÑ °æ¿ì
4.3.3 Á¤¸®µÇÁö ¾ÊÀº Ä¿½ºÅÒ µ¥ÀÌÅÍ ºÒ·¯¿À±â
4.3.4 Ä¿½ºÅÒ µ¥ÀÌÅÍ¿Í Ä¿½ºÅÒ Àüó¸® »ç¿ëÇϱâ
4.3.5 Ä¿½ºÅÒ µ¥ÀÌÅÍ¿Í ÆÄÀÌÅäÄ¡ Á¦°ø Àüó¸® »ç¿ëÇϱâ
4.3.6 Ä¿½ºÅÒ Àüó¸®¿Í ÆÄÀÌÅäÄ¡¿¡¼ Á¦°øÇÏ´Â Àüó¸® ÇÔ²² »ç¿ëÇϱâ
Chapter 5 Àΰø ½Å°æ¸Á
5.1 ´ÙÃþ ÆÛ¼Á Æ®·Ð
5.1.1 ¼±Çü ȸ±Í
5.1.2 Áý°ª ¿¹ÃøÇϱâ
5.2 È°¼ºÈ ÇÔ¼ö
5.2.1 È°¼ºÈ ÇÔ¼ö°¡ ÇÊ¿äÇÑ ÀÌÀ¯
5.2.2 ¼±Çü ÇÔ¼ö
5.2.3 ½Ã±×¸ðÀ̵å(sigmoid) ÇÔ¼ö
5.2.4 tanh ÇÔ¼ö
5.2.5 ReLU ÇÔ¼ö
5.2.6 Softmax ÇÔ¼ö
5.2.7 ±âŸ È°¼ºÈ ÇÔ¼ö
5.3 ¼Õ½Ç ÇÔ¼ö
5.3.1 MAE
5.3.2 MSE
5.3.3 Cross Entropy Loss
5.3.4 ±âŸ ¼Õ½Ç ÇÔ¼ö
5.4 ÃÖÀûÈ ±â¹ý
5.4.1 È®·üÀû °æ»çÇÏ°¹ý(SGD)
5.4.2 ´Ù¾çÇÑ ÃÖÀûÈ ±â¹ý
5.4.3 ½ºÄÉÁÙ¸µ
5.4.4 MADGRAD
5.5 ±³Â÷ °ËÁõ
5.5.1 ±³Â÷ °ËÁõÀ» ÅëÇÑ Áý°ª ¿¹Ãø ¸ðµ¨ Æò°¡
5.6 ¸ðµ¨ ±¸Á¶ ¹× °¡ÁßÄ¡ È®ÀÎ
5.6.1 ¸ðµ¨ ±¸Á¶
5.6.2 ¸ðµ¨ º¯¼ö
Chapter 6 ÇÕ¼º°ö ½Å°æ¸Á
6.1 ÇÕ¼º°ö ¿¬»ê°ú Ç®¸µ ¿¬»ê
6.1.1 À̹ÌÁö µ¥ÀÌÅÍ
6.1.2 MLP¿Í À̹ÌÁö ó¸®
6.1.3 ÇÕ¼º°ö ¿¬»ê°ú Ç®¸µ ¿¬»ê
6.2 ALEXNET
6.3 RESNET
6.4 ´Ù¾çÇÑ ÇÕ¼º°ö ½Å°æ¸Á
Chapter 7 ¼øȯ ½Å°æ¸Á
7.1 ±âº» ¼øȯ ½Å°æ¸Á
7.1.1 ½Ã°è¿ µ¥ÀÌÅÍ
7.1.2 ±âº» Àΰø ½Å°æ¸Á°ú ¼øȯ ½Å°æ¸Á
7.1.3 ¼øȯ ½Å°æ¸ÁÀÇ ´Ù¾çÇÑ ÇüÅÂ
7.1.4 ±âº» ¼øȯ ½Å°æ¸Á
7.1.5 ±âº» ¼øȯ ½Å°æ¸Á ±¸Çö
7.2 LSTM°ú GRU
7.2.1 ±âº» RNNÀÇ ¹®Á¦
7.2.2 LSTM
7.2.3 GRU
7.3 BI-LSTM
7.3.1 Bi-LSTM ±¸ÇöÇϱâ
Chapter 8 ºñÁöµµ ÇнÀ
8.1 ºñÁöµµ ÇнÀÀ̶õ
8.2 K-Æò±Õ ¾Ë°í¸®Áò
8.3 ¿ÀÅäÀÎÄÚ´õ
8.3.1 ½ºÅà ¿ÀÅäÀÎÄÚ´õ
8.3.2 µð³ëÀÌ¡ ¿ÀÅäÀÎÄÚ´õ
8.3.3 ÇÕ¼º°ö ¿ÀÅäÀÎÄÚ´õ
8.4 »ý¼ºÀû Àû´ë ½Å°æ¸Á
8.4.1 Vanilla GAN
8.4.2 Deep Convolutional GAN(DCGAN)
8.5 À̹ÌÁö ½ºÅ¸ÀÏ º¯ÀÌ
8.6 ±íÀº K-Æò±Õ ¾Ë°í¸®Áò
Chapter 9 ¼º´É °³¼±
9.1 °úÀûÇÕ
9.1.1 µ¥ÀÌÅÍ Áõ½Ä
9.1.2 Á¶±â Á¾·á
9.1.3 L2 Á¤±ÔÈ
9.1.4 µå·Ó¾Æ¿ô
9.1.5 ¹èÄ¡ Á¤±ÔÈ
9.1.6 ±³¶õ ¶óº§
9.1.7 ±³¶õ °ª
9.1.8 ¶óº§ ½º¹«µù
9.2 µ¥ÀÌÅÍ ºÒ±ÕÇü
9.2.1 °¡Áß ¹«ÀÛÀ§ »ùÇøµ
9.2.2 °¡Áß ¼Õ½Ç ÇÔ¼ö
9.2.3 È¥µ¿ Çà·Ä
9.3 ÀüÀÌ ÇнÀ
9.3.1 »çÀü ÇнÀ ¸ðµ¨
9.3.2 ¸ðµ¨ ÇÁ¸®Â¡
9.4 ÁØÁöµµ ÇнÀ
9.4.1 ÀÇ»ç ¶óº§¸µ
Chapter 10 ½Ã°¢È
10.1 ¼³¸í °¡´ÉÇÑ ÀΰøÁö´É
10.1.1 Class Activation Map
10.2 Â÷¿ø Ãà¼Ò ±â¹ý
10.2.1 t-distributed Stochastic Neighbor Embedding
10.2.2 ÁÖ¼ººÐ ºÐ¼®
Chapter 11 ¸ÞŸ ÇнÀ
11.1 ¸ÞŸ ·¯´×°ú Ç»¼¦ ·¯´×
11.2 MAML - ȸ±Í¹®Á¦
11.3 MAML - ºÐ·ù¹®Á¦
Chapter 12 °úÇÐÀû °è»ê
12.1 À¯ÇÑÂ÷ºÐ¹ý
12.2 Àº´Ð À¯Ã¼ ¸ÞÄ«´ÏÁò
12.2.1 ±¸Á¶ ¼³¸í
12.2.2 ¸ðµâ ±¸¼ºÇϱâ(HFM Æú´õ)
12.2.3 µ¥ÀÌÅÍ ºÒ·¯¿À±â
12.2.4 ¸ðµ¨ ¹× ¿¬»ê
12.2.5 ¸ðµ¨ ÇнÀÇϱâ
12.2.6 ¸ðµ¨ Æò°¡Çϱâ
12.2.7 ÄÚ·¦¿¡¼ ÆÄÀÏ ½ÇÇàÇϱâ
ºÎ·Ï µö·¯´× Á¤º¸ ½Àµæ ¹æ¹ý
1.1 µö·¯´×À̶õ
1.1.1 µö·¯´×ÀÇ ¿ª»ç
1.1.2 Àΰø ½Å°æ¸Á
1.1.3 ÃÖ±Ù µ¿Çâ
1.2 ÆÄÀ̽ã°ú ÆÄÀÌÅäÄ¡
Chapter 2 ÆÄÀ̽ã
2.1 º¯¼ö, Ãâ·Â¹®, ¶óÀ̺귯¸®
2.1.1 Á¤¼öÇü(int)
2.1.2 ½Ç¼öÇü(float)
2.1.3 ¹®ÀÚÇü(string)
2.1.4 ºÎ¿ïÇü(bool)
2.1.5 Ãâ·Â¹®(print)
2.1.6 ¶óÀ̺귯¸®(library)
2.2 ¸®½ºÆ®, Æ©ÇÃ, µñ¼Å³Ê¸®
2.2.1 ¸®½ºÆ®(list)
2.2.2 Æ©ÇÃ(tuple)
2.2.3 µñ¼Å³Ê¸®(dict)
2.3 ³ÑÆÄÀÌ
2.3.1 ¿©·¯ °¡Áö ¹è¿
2.3.2 ¹è¿ÀÇ Å©±â¿Í º¯È¯
2.3.3 Á¶°Ç¹®À» ÀÌ¿ëÇÑ À妽º °Ë»ö
2.3.4 ¹è¿ÀÇ ±âº» ¿¬»ê
2.3.5 ¹è¿ÀÇ º´ÇÕ
2.3.6 ´Ù¾çÇÑ °è»ê ÇÔ¼ö
2.4 Á¶°Ç¹®°ú ¹Ýº¹¹®
2.4.1 if¹®
2.4.2 for¹®
2.4.3 while¹®
2.4.4 break, continue¹®
2.4.5 try & except¹®
2.5 ÇÔ¼ö¿Í ¸ðµâ
2.5.1 ÇÔ¼ö
2.5.2 ¸ðµâ
2.6 Ŭ·¡½º
2.7 ±×·¡ÇÁ ±×¸®±â
2.8 Æú´õ ¹× ÆÄÀÏ °ü¸®
2.9 Å͹̳ο¡¼ ÆÄÀ̽㠽ÇÇàÇϱâ
Chapter 3 Áöµµ ÇнÀ
3.1 Áöµµ ÇнÀÀ̶õ
3.2 Áöµµ ÇнÀÀÇ Á¾·ù
3.3 µ¥ÀÌÅÍ ¼¼Æ® ºÐÇÒ
Chapter 4 ÆÄÀÌÅäÄ¡ ±âº»
4.1 ÅÙ¼
4.1.1 ¿©·¯ °¡Áö ÅÙ¼
4.1.2 ¸®½ºÆ®, ³ÑÆÄÀÌ ¹è¿À» ÅÙ¼·Î ¸¸µé±â
4.1.3 ÅÙ¼ÀÇ Å©±â, ŸÀÔ, ¿¬»ê
4.1.4 ÅÙ¼ÀÇ Å©±â º¯È¯
4.1.5 ÅÙ¼¿¡¼ ³ÑÆÄÀÌ ¹è¿·Î º¯È¯
4.1.6 ´ÜÀÏ ÅÙ¼¿¡¼ °ªÀ¸·Î ¹ÝȯÇϱâ
4.2 ¿ªÀüÆÄ
4.2.1 ±×·¡µð¾ðÆ® ÅÙ¼
4.2.2 ÀÚµ¿ ¹ÌºÐ - ¼±Çüȸ±Í½Ä
4.3 µ¥ÀÌÅÍ ºÒ·¯¿À±â
4.3.1 ÆÄÀÌÅäÄ¡ Á¦°ø µ¥ÀÌÅÍ »ç¿ë
4.3.2 °°Àº Ŭ·¡½º º°·Î Æú´õ¸¦ Á¤¸®ÇÑ °æ¿ì
4.3.3 Á¤¸®µÇÁö ¾ÊÀº Ä¿½ºÅÒ µ¥ÀÌÅÍ ºÒ·¯¿À±â
4.3.4 Ä¿½ºÅÒ µ¥ÀÌÅÍ¿Í Ä¿½ºÅÒ Àüó¸® »ç¿ëÇϱâ
4.3.5 Ä¿½ºÅÒ µ¥ÀÌÅÍ¿Í ÆÄÀÌÅäÄ¡ Á¦°ø Àüó¸® »ç¿ëÇϱâ
4.3.6 Ä¿½ºÅÒ Àüó¸®¿Í ÆÄÀÌÅäÄ¡¿¡¼ Á¦°øÇÏ´Â Àüó¸® ÇÔ²² »ç¿ëÇϱâ
Chapter 5 Àΰø ½Å°æ¸Á
5.1 ´ÙÃþ ÆÛ¼Á Æ®·Ð
5.1.1 ¼±Çü ȸ±Í
5.1.2 Áý°ª ¿¹ÃøÇϱâ
5.2 È°¼ºÈ ÇÔ¼ö
5.2.1 È°¼ºÈ ÇÔ¼ö°¡ ÇÊ¿äÇÑ ÀÌÀ¯
5.2.2 ¼±Çü ÇÔ¼ö
5.2.3 ½Ã±×¸ðÀ̵å(sigmoid) ÇÔ¼ö
5.2.4 tanh ÇÔ¼ö
5.2.5 ReLU ÇÔ¼ö
5.2.6 Softmax ÇÔ¼ö
5.2.7 ±âŸ È°¼ºÈ ÇÔ¼ö
5.3 ¼Õ½Ç ÇÔ¼ö
5.3.1 MAE
5.3.2 MSE
5.3.3 Cross Entropy Loss
5.3.4 ±âŸ ¼Õ½Ç ÇÔ¼ö
5.4 ÃÖÀûÈ ±â¹ý
5.4.1 È®·üÀû °æ»çÇÏ°¹ý(SGD)
5.4.2 ´Ù¾çÇÑ ÃÖÀûÈ ±â¹ý
5.4.3 ½ºÄÉÁÙ¸µ
5.4.4 MADGRAD
5.5 ±³Â÷ °ËÁõ
5.5.1 ±³Â÷ °ËÁõÀ» ÅëÇÑ Áý°ª ¿¹Ãø ¸ðµ¨ Æò°¡
5.6 ¸ðµ¨ ±¸Á¶ ¹× °¡ÁßÄ¡ È®ÀÎ
5.6.1 ¸ðµ¨ ±¸Á¶
5.6.2 ¸ðµ¨ º¯¼ö
Chapter 6 ÇÕ¼º°ö ½Å°æ¸Á
6.1 ÇÕ¼º°ö ¿¬»ê°ú Ç®¸µ ¿¬»ê
6.1.1 À̹ÌÁö µ¥ÀÌÅÍ
6.1.2 MLP¿Í À̹ÌÁö ó¸®
6.1.3 ÇÕ¼º°ö ¿¬»ê°ú Ç®¸µ ¿¬»ê
6.2 ALEXNET
6.3 RESNET
6.4 ´Ù¾çÇÑ ÇÕ¼º°ö ½Å°æ¸Á
Chapter 7 ¼øȯ ½Å°æ¸Á
7.1 ±âº» ¼øȯ ½Å°æ¸Á
7.1.1 ½Ã°è¿ µ¥ÀÌÅÍ
7.1.2 ±âº» Àΰø ½Å°æ¸Á°ú ¼øȯ ½Å°æ¸Á
7.1.3 ¼øȯ ½Å°æ¸ÁÀÇ ´Ù¾çÇÑ ÇüÅÂ
7.1.4 ±âº» ¼øȯ ½Å°æ¸Á
7.1.5 ±âº» ¼øȯ ½Å°æ¸Á ±¸Çö
7.2 LSTM°ú GRU
7.2.1 ±âº» RNNÀÇ ¹®Á¦
7.2.2 LSTM
7.2.3 GRU
7.3 BI-LSTM
7.3.1 Bi-LSTM ±¸ÇöÇϱâ
Chapter 8 ºñÁöµµ ÇнÀ
8.1 ºñÁöµµ ÇнÀÀ̶õ
8.2 K-Æò±Õ ¾Ë°í¸®Áò
8.3 ¿ÀÅäÀÎÄÚ´õ
8.3.1 ½ºÅà ¿ÀÅäÀÎÄÚ´õ
8.3.2 µð³ëÀÌ¡ ¿ÀÅäÀÎÄÚ´õ
8.3.3 ÇÕ¼º°ö ¿ÀÅäÀÎÄÚ´õ
8.4 »ý¼ºÀû Àû´ë ½Å°æ¸Á
8.4.1 Vanilla GAN
8.4.2 Deep Convolutional GAN(DCGAN)
8.5 À̹ÌÁö ½ºÅ¸ÀÏ º¯ÀÌ
8.6 ±íÀº K-Æò±Õ ¾Ë°í¸®Áò
Chapter 9 ¼º´É °³¼±
9.1 °úÀûÇÕ
9.1.1 µ¥ÀÌÅÍ Áõ½Ä
9.1.2 Á¶±â Á¾·á
9.1.3 L2 Á¤±ÔÈ
9.1.4 µå·Ó¾Æ¿ô
9.1.5 ¹èÄ¡ Á¤±ÔÈ
9.1.6 ±³¶õ ¶óº§
9.1.7 ±³¶õ °ª
9.1.8 ¶óº§ ½º¹«µù
9.2 µ¥ÀÌÅÍ ºÒ±ÕÇü
9.2.1 °¡Áß ¹«ÀÛÀ§ »ùÇøµ
9.2.2 °¡Áß ¼Õ½Ç ÇÔ¼ö
9.2.3 È¥µ¿ Çà·Ä
9.3 ÀüÀÌ ÇнÀ
9.3.1 »çÀü ÇнÀ ¸ðµ¨
9.3.2 ¸ðµ¨ ÇÁ¸®Â¡
9.4 ÁØÁöµµ ÇнÀ
9.4.1 ÀÇ»ç ¶óº§¸µ
Chapter 10 ½Ã°¢È
10.1 ¼³¸í °¡´ÉÇÑ ÀΰøÁö´É
10.1.1 Class Activation Map
10.2 Â÷¿ø Ãà¼Ò ±â¹ý
10.2.1 t-distributed Stochastic Neighbor Embedding
10.2.2 ÁÖ¼ººÐ ºÐ¼®
Chapter 11 ¸ÞŸ ÇнÀ
11.1 ¸ÞŸ ·¯´×°ú Ç»¼¦ ·¯´×
11.2 MAML - ȸ±Í¹®Á¦
11.3 MAML - ºÐ·ù¹®Á¦
Chapter 12 °úÇÐÀû °è»ê
12.1 À¯ÇÑÂ÷ºÐ¹ý
12.2 Àº´Ð À¯Ã¼ ¸ÞÄ«´ÏÁò
12.2.1 ±¸Á¶ ¼³¸í
12.2.2 ¸ðµâ ±¸¼ºÇϱâ(HFM Æú´õ)
12.2.3 µ¥ÀÌÅÍ ºÒ·¯¿À±â
12.2.4 ¸ðµ¨ ¹× ¿¬»ê
12.2.5 ¸ðµ¨ ÇнÀÇϱâ
12.2.6 ¸ðµ¨ Æò°¡Çϱâ
12.2.7 ÄÚ·¦¿¡¼ ÆÄÀÏ ½ÇÇàÇϱâ
ºÎ·Ï µö·¯´× Á¤º¸ ½Àµæ ¹æ¹ý
(0°³)
¸®ºäº¸µå
µî·ÏµÈ ¸®ºä°¡ ¾ø½À´Ï´Ù.
(0°³)
»óÇ°¹®ÀÇ
»óÇ° °í½Ã Á¤º¸
1. ¹è¼Û
¹è¼ÛÀº ´çÀÏ ¿ÀÈÄ 5½ÃÀÌÀü(Åä¿äÀÏÀº ¿ÀÈÄ1½Ã)¿¡ ÁÖ¹®¹× °áÀ縦 ÇÏ½Ã¸é ´çÀϹè¼ÛµË´Ï´Ù.
¹è¼ÛÀº ÁÖ¹® ÈÄ °áÀç¿Ï·áÀÏÀ» ±âÁØÀ¸·Î 1~2ÀÏ ¾È¿¡ ¹è¼Û¿Ï·á¸¦ ¿øÄ¢À¸·Î ÇÏ°í ÀÖ½À´Ï´Ù.
´Ù¸¸ ºÎµæÀÌÇÑ °æ¿ì(ÇØ´ç»óÇ°ÀÇ Ç°Àý ¹× ÀýÆÇ) °í°´´Ô²² Àüȸ¦ µå·Á¼ 󸮸¦ ÇÕ´Ï´Ù.
¹è¼ÛÀº ´çÀÏ ¿ÀÈÄ 5½ÃÀÌÀü(Åä¿äÀÏÀº ¿ÀÈÄ1½Ã)¿¡ ÁÖ¹®¹× °áÀ縦 ÇÏ½Ã¸é ´çÀϹè¼ÛµË´Ï´Ù.
¹è¼ÛÀº ÁÖ¹® ÈÄ °áÀç¿Ï·áÀÏÀ» ±âÁØÀ¸·Î 1~2ÀÏ ¾È¿¡ ¹è¼Û¿Ï·á¸¦ ¿øÄ¢À¸·Î ÇÏ°í ÀÖ½À´Ï´Ù.
´Ù¸¸ ºÎµæÀÌÇÑ °æ¿ì(ÇØ´ç»óÇ°ÀÇ Ç°Àý ¹× ÀýÆÇ) °í°´´Ô²² Àüȸ¦ µå·Á¼ 󸮸¦ ÇÕ´Ï´Ù.
2. ¹è¼Û·á
¹è¼Û·á´Â 3¸¸¿ø ÀÌ»óÀÌ °æ¿ì À̱×ÀëÇ÷¯½º¿¡¼ ºÎ´ãÇÏ°í, ¹Ì¸¸ÀÏ °æ¿ì °í°´ÀÌ 2,500¿øÀ» ºÎ´ãÇÕ´Ï´Ù.
´Ù¸¸ ±¸¸Å±Ý¾×ÀÌ 3¸¸¿ø ÀÌ»óÀε¥ Àû¸³±Ý µîÀ» »ç¿ëÇÏ¿© ½ÇÁ¦ °áÀç±Ý¾×ÀÌ 3¸¸¿ø ¹Ì¸¸ÀÌ µÇ´õ¶óµµ À̱×ÀëÇ÷¯½º¿¡¼ ¹è¼Û·á¸¦ ºÎ´ãÇÏ°í, Á¦ÁÖ¸¦ Á¦¿ÜÇÑ µµ¼Áö¿ªÀÇ °æ¿ì´Â 5,000¿øÀÌ Ãß°¡µÈ´ä´Ï´Ù. Çؿܹè¼ÛÀº Àü¾× °í°´ºÎ´ãÀÌ µÈ´ä´Ï´Ù.
5. ¹ÝÇ°/±³È¯
¹ÞÀ¸½Å ³¯ ºÎÅÍ ÀÏÁÖÀÏ À̳» ¹ÝÇ°/±³È¯ÀÌ °¡´ÉÇϽʴϴÙ. ½Ã°£ÀÌ Áö³ª¸é 󸮰¡ ºÒ°¡ÇÔÀ» ¾Ë·Á µå¸³´Ï´Ù. ´Ù¸¸ ÁÖ¹®ÇϽŠ»óÇ°°ú ´Ù¸¥ »óÇ°ÀÌ ¹è¼ÛµÇ°Å³ª Æĺ», ³«ÀåÀÌ ÀÖ´Â µµ¼ÀÇ °æ¿ì ÀÌ¿ë¾à°ü¿¡ ÁØÇÏ¿© À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î ±³È¯, ¹ÝÇ° ¹× ȯºÒ µîÀ» Çص帳´Ï´Ù.
¹ÞÀ¸½Å ³¯ ºÎÅÍ ÀÏÁÖÀÏ À̳» ¹ÝÇ°/±³È¯ÀÌ °¡´ÉÇϽʴϴÙ. ½Ã°£ÀÌ Áö³ª¸é 󸮰¡ ºÒ°¡ÇÔÀ» ¾Ë·Á µå¸³´Ï´Ù. ´Ù¸¸ ÁÖ¹®ÇϽŠ»óÇ°°ú ´Ù¸¥ »óÇ°ÀÌ ¹è¼ÛµÇ°Å³ª Æĺ», ³«ÀåÀÌ ÀÖ´Â µµ¼ÀÇ °æ¿ì ÀÌ¿ë¾à°ü¿¡ ÁØÇÏ¿© À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î ±³È¯, ¹ÝÇ° ¹× ȯºÒ µîÀ» Çص帳´Ï´Ù.
4. ȯºÒ
¹ÞÀ¸½Å ³¯ºÎÅÍ 2ÀÏ À̳»·Î Àüȳª 1:1 °Ô½Ã±Û·Î Àû¾îÁÖ¼Å¾ß °¡´ÉÇϽʴϴÙ.
5. ÁÖÀÇ
°í°´´Ô º¯½ÉÀ¸·Î ÀÎÇÑ ±³È¯/¹ÝÇ°/ȯºÒ °í°´´Ô²²¼ Åùèºñ(¿Õº¹Åùèºñ)¸¦ ºÎ´ãÀÌ µÇ´Ï ÀÌÁ¡ À¯ÀÇÇØ ÁֽʽÿÀ. ¶ÇÇÑ °ÀÇÅ×ÀÙ/¾ãÀº¹®Á¦Áý/ºñ´ÒÆ÷ÀåµÈÁ¦Ç°µîÀº Çѹø ±¸¸ÅÇÏ½Ã¸é ±³È¯/¹ÝÇ°/ȯºÒÀÌ ÀüÇô ¾ÈµË´Ï´Ù. ½ÅÁßÈ÷ »ý°¢Çϼż ±¸¸Å ºÎŹµå¸³´Ï´Ù. ´Ù¸¸ ºÒ·®Å×ÀÙÀÇ °æ¿ì ±× ºÒ·®ÀÌ µÈ °³º°Å×ÀÙÀ» À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î A/S¸¦ Çص帳´Ï´Ù.
6. ÁÖ¹®Ãë¼Ò, ±³È¯, ¹ÝÇ° ¹× ȯºÒÀº ´çÀÏ 5½Ã ÀÌÀü¿¡ ÇØÁÖ¼Å¾ß °¡´ÉÇÕ´Ï´Ù.
±× ÀÌÈÄ´Â ¹è¼Û µî¿¡ µû¸¥ Á¦ºñ¿ëÀ» ºÎ´ãÇÏ¼Å¾ß ÇÕ´Ï´Ù.