deep learning book
1.0.0
책을위한 저장소 인공 신경망 및 딥 러닝 소개 : Python의 응용 프로그램을 갖춘 실용 가이드 .
딥 러닝은 기술 사람들 사이의 도시에 대한 이야기만이 아닙니다. 딥 러닝을 통해 우리는 복잡한 문제를 해결하고 인공 신경망을 훈련하여 이미지 및 음성 인식을위한 복잡한 패턴을 인식 할 수 있습니다. 이 책에서는 Python Machine Learning 에서 중단 된 곳을 계속하고 Pytorch에서 딥 러닝 알고리즘을 구현할 것입니다.
이 저장소에는 각 장의 실습 및 연습 부분에 대한 지침, 코드 예제 및 솔루션이 포함됩니다.
이 책의 PDF 및 eBook 버전은 LeanPub에서 구입할 수 있습니다.
ISBN-10 : [TBA]
ISBN-13 : [TBA]
페이퍼 백 : Est. 2018
01- 소개
02- 퍼셉트론
03- 그라디언트 하강으로 비용 기능 최적화
04- 로지스틱 회귀 및 SoftMax 회귀
05- SoftMax 회귀에서 다층 퍼셉트론까지
06- 교차 검증 및 성능 지표
07- 신경망의 정규화
08- 학습 속도 및 체중 초기화
09- 컨볼 루션 신경 네트워크
10- 재발 성 신경망
11- 자동 인코더
12- 일반적인 부적 신경 네트워크
13- 깊은 생성 모델
14- 강화 학습
부록 A : 수학 표기법 [PDF]
부록 B : 대수 기본 사항 [PDF]
부록 C : 선형 대수학 필수품
부록 D : 미적분학 및 분화 프라이머 [PDF]
부록 E : 확률 이론 개요
부록 F : 표기법 컨벤션 참조
부록 G : 파이썬 설정
부록 H : Numpy 소개 [PDF] [Code Notebook]
부록 I : Pytorch 기본 사항
부록 I (Alt.) : Tensorflow Basics [PDF] [Code Notebook]
부록 J : 클라우드 컴퓨팅 [PDF]
머신 러닝은 소비자, 고객, 그리고 연구원 및 실무자로서 우리 삶의 핵심 부분이되었습니다! Python Machine Learning 에 대해 저에게 보낸 멋진 피드백에 감사 드리며, 학습 가이드로 유용하여 비즈니스 애플리케이션 및 연구 프로젝트에 도움이된다는 것을 알게되어 매우 기쁩니다. 릴리스 이후 많은 이메일을 받았습니다. 또한이 이메일에서 가능한 전편이나 속편에 대해 묻고있었습니다.
처음에, 나는 "수학"부분에 대해 더 많이 쓰려는 경향이 있었는데, 이는 대학의 수학 전공이없는 거의 모든 사람들에게 진정한 장애물이 될 수 있습니다. 처음에는 "기계 학습 수학"에 관한 책을 쓰는 것이 멋진 일이라고 생각했습니다. 이제, 나는 캘리 컬러, 미적분학, 선형 대수, 통계 및 확률 이론에 대한 ~ 15 개의 챕터의 메모를 가지고 있습니다. 그러나 나는 결국 이미 다른 수학 책이 너무 많다는 결론에 도달했습니다! 그들 대부분은 내가 매장에있는 주제에 대한 내 잠재적 ~ 500 페이지 소개보다 훨씬 더 좋고 포괄적이고 정확합니다. 결국, 나는 주제를 배우고 이해하려는 진정한 동기가 주제에 대해 처음부터 흥분하는 것에서 비롯된 것이라고 생각합니다. 기계 학습에 열정을 가지고 미적분학의 체인 규칙을 우연히 발견한다면 요즘 좋아하는 검색 엔진을 통해 신뢰할 수있는 리소스를 찾는 데 아무런 문제가 없을 것입니다.
따라서 "Prequel"을 작성하는 대신 Python Machine Learning 의 후반부에서 소개 한 개념에 기반을 둔 내용에 대해 글을 쓰도록하겠습니다. 우리는 다층 퍼셉트론 (특정 종류의 피드 포워드 인공 신경망)을 처음부터 코딩 한 후 딥 러닝 알고리즘 구현을위한 일부 파이썬 라이브러리를 간략하게 살펴보고 개념 수준에서 컨볼 루션 및 재발 성 신경망을 도입했습니다.
이 책에서는이 교육 여행을 통해 Python, Numpy 및 Scipy를 사용하여 처음부터 딥 러닝 알고리즘에 대한 깊은 신경 네트워크 및 알고리즘을 구현하고 싶습니다. 바닐라 파이썬 Science-Stack 외에도 실제 문제에 딥 러닝을 구현하고 적용하기 위해 고도로 성능이 뛰어나고 접근하기 쉬운 딥 러닝 라이브러리로 이러한 알고리즘을 구현할 것입니다.
이 저장소의 모든 코드 (Jupyter Notebooks의 코드 예제 포함)는 MIT 소프트웨어 라이센스에 따라 공개 된 오픈 소스 컨텐츠입니다. 요컨대, 허용 MIT 라이센스를 사용하면 적절한 귀속이 있고 보증없이 코드로 무엇이든 할 수 있습니다. 자세한 내용은 MIT 라이센스 통지를 확인하십시오.
텍스트 및 그래픽을 포함한이 저장소의 모든 비 코드 컨텐츠 및 창의적인 작업은 저자 인 Sebastian Raschka의 독점적으로 저작권을 받고 있습니다. 달리 명시되지 않는 한,이 저장소에서 공유되는 텍스트 콘텐츠는 개인 용도로 만 사용됩니다. 이 작업의 짧은 텍스트 구절을 저자에게 적절한 귀속으로 사용, 수정 또는 공유 할 수 있습니다. 그러나 블로그 게시물, 잡지 기사 또는 교육 자료와 같은 다른 저술에 대해이 책의 실질적인 부분을 수정 및/또는 공유하려는 경우 저자에게 문의하십시오.
Creative Commons Attribution-Sharealike 4.0 International 이 표시 한 수치 및 그래픽은 각 라이센스 용어 (라이센스 파일의 Creative Commons Attribution-Sharealike 4.0 국제 섹션에 나열된대로) 및 적절한 속성에 따라 무료로 공유 할 수 있습니다.
다양한 오타와 오류를 잡고 글을 명확히하기위한 제안을 제공 한 독자들에게 특별한 감사를드립니다.
