CHAPTER 1 신경망의 개요

1.1 인공 신경망의 개념

1.2 신경망의 기본 구조

1.3 단층 피드포워드 신경망

CHAPTER 2 다층 퍼셉트론과 역전파

2.1 다층 퍼셉트론

2.2 역전파 학습

2.3 실습: 역전파를 이용한 다층 퍼셉트론 학습

2.4 다중 클래스 분류를 위한 MLP의 학습

CHAPTER 3 딥러닝 프레임워크

3.1 딥러닝 프레임워크와 텐서플로

3.2 텐 서

3.3 자동 미분

3.4 Keras를 이용한 모델의 구현

CHAPTER 4 딥러닝의 학습 기술

4.1 경사 하강법

4.2 심층 신경망의 학습 문제

4.3 가중치의 초기화

4.4 최적화기의 개선

4.5 과적합과 규제

4.6 배치 정규화

CHAPTER 5 합성곱 신경망

5.1 합성곱의 이해

5.2 합성곱 신경망의 구조

CHAPTER 6 심층 합성곱 신경망

6.1 LeNet–5

6.2 AlexNet

6.3 VGGNet

6.4 GoogLeNet

6.5 ResNet

CHAPTER 7 오토인코더와 적대적 생성 신경망

7.1 오토인코더

7.2 적대적 생성 신경망

CHAPTER 8 RNN

8.1 RNN의 개념

8.2 LSTM & GRU

8.3 실습: RNN을 이용한 텍스트 생성

8.4 인코더–디코더

CHAPTER 9 트랜스포머

9.1 트랜스포머 모델의 구조

9.2 실습: 트랜스포머를 이용한 번역 모델

CHAPTER 10 초거대 언어 모델

10.1 언어 모델

10.2 GPT

10.3 GPT–2

10.4 GPT–3

10.5 ChatGPT

10.6 실습: 트랜스포머 기반 모델의 사용

이병래 (집필)

∙ 연세대학교 공과대학 전자공학과(공학사)
∙ 연세대학교 대학원 전자공학과(공학석사, 공학박사)
∙ 미국 North Carolina State University 방문교수
∙ 한국방송통신대학교 정보전산원장
현재: 한국방송통신대학교 자연과학대학 컴퓨터과학과 교수

우호성 (집필)

∙ 가천대학교 IT대학 컴퓨터학과(공학사)
∙ 아주대학교 대학원 지식정보공학과(공학석사)
∙ 고려대학교 대학원 컴퓨터학과(공학박사)
∙ 핀그램 미디어최적화 연구소 선임연구원
∙ 고려대학교 정보․창의교육연구소 연구교수
현재: 한국방송통신대학교 대학원 이러닝학과 조교수

유찬우 (집필)

∙ 서울대학교 공과대학 컴퓨터공학부(공학사)
∙ 서울대학교 대학원 전기컴퓨터공학부(석박사통합과정, 공학박사)
∙ LG전자 SW플랫폼연구소 선임연구원
∙ 라인플러스 Data Science Dev Lead
∙ 하나금융융합기술원 Data Science Cell 수석연구원
현재: 한국방송통신대학교 프라임칼리지 첨단공학부 조교수

• 포함 : 워크북 2023년07월25일 발행
• ISBN : 9788920046704 [93560]
• 쪽수 : 352쪽
• 규격 : 사륙배판
• 인쇄 : 초판