인공지능 기술의 발전은 우리 삶의 많은 부분을 변화시키고 있습니다. 특히 머신러닝과 딥러닝은 인공지능 분야에서 가장 주목받는 기술 중 하나로, 다양한 분야에서 활용되고 있습니다. 이러한 기술을 이해하고 활용하기 위해서는 적절한 도구와 언어가 필요합니다.
MATLAB은 공학 분야에서 널리 사용되는 프로그래밍 언어이자 도구로, 머신러닝과 딥러닝 분야에서도 매우 유용하게 사용됩니다. 이 책은 MATLAB을 활용하여 머신러닝과 딥러닝을 배우고자 하는 분들을 위해 쓰여졌습니다.
이 책을 통해 독자들은 MATLAB을 활용하여 머신러닝과 딥러닝을 효과적으로 학습할 수 있을 것입니다. 또한, 이 책에서 다루는 내용은 실제 문제 해결에도 큰 도움이 될 것입니다.
이 책이 머신러닝과 딥러닝을 공부하는 분들에게 좋은 길잡이가 되기를 바랍니다.
제1장 머신러닝의 개요
1. 머신러닝이란? | 6p
2. 머신러닝의 작동방식 | 10p
3. 응용 분야 및 사례 | 16p
제2장 머신러닝의 과제 및 단계
1. 머신러닝의 과제 | 21p
2. 워크플로우 개요 | 24p
3. 워크플로우 단계 | 26p
제3장 지도학습
1. 지도학습의 걔요 | 34p
2. 지도학습 알고리즘 | 39p
3. 학습 모델의 개선 | 50p
4. 실습하기 | 53p
제4장 비지도 학습
1. 비지도 학습의 개요 | 55p
2. 비지도 학습 알고리즘 | 57p
3. 학습모델의 개선 | 64p
제5장 Matlab 시작하기
1. Matlab개요, 데스크탑 기본사항, 행렬과 배열 | 71p
2. 작업공간변수, 텍스트와 문자 그리고 함수 호출 | 85p
3. 2차원/3차원 플롯, 프로그래밍과 스크립트 | 92p
제6장 Matlab언어의 기본
1. 명령입력 | 101p
2. 행렬와 배열 | 108p
제7장 Matlab 기본 데이터형
1. 숫자형 | 139p
2. 문자형과 String형 | 158p
3. 구조체와 셀형 배열 | 162p
제8장 Matlab 연산, 조건문, 반복문
1. 연산자와 기초 연산 | 171p
2. 조건문 | 182p
3. 반복문 | 185p
제9장 머신러닝과 선형 회귀(Linear Regression)
1. 머신러닝의 용어와 개념 | 189p
2. 선형 회귀(Linear Regression) | 197p
3. 머신러닝의 의미 | 200p
제10장 비용함수의 최소화
1. 비용함수의 개념 | 203p
2. 비용함수 최소화의 원리 | 207p
3. 경사하강법 | 212p
제11장 다변량 선형 회귀(Multivariate Linear Regression)
1. 다변량 선형 회귀 모델 | 216p
2. 비용함수 | 218p
3. 행렬식 표현 | 221p
제12장 로지스틱 회귀(Logistic Regression)
1. 로지스틱 회귀의 개요 | 226p
2. 비용함수 | 230p
3. 경사하강법 | 233p
제13장 다중 분류(Multinomial Classification)
1. 다중 분류의 개요 | 235p
2. Softmax | 241p
3. 비용함수 | 244p
제14장 머신러닝 응용이슈(Application & Tips)
1. 학습률(Learning Rate)설정과 적합(Overfitting)방지 | 249p
2. 데이터 전처리(Data Preprocessing) | 254p
3. 학습과 테스트 데이터 세트의 구성 | 257p
제15장 딥러닝의 기본 개념
1. 딥러닝의 시작 | 259p
2. XOR문제 | 262p
3. 역전파(Backpropagation)와 CNN | 266p
4. Deep의 출현 | 270p
제16장 역전파 신경망(Backpropagation Neural Network)
1. XOR문제 해결을 위한 신경망 | 277p
2. 역전파(Backpropagation) | 283p
3. Chain Rule | 287p
제17장 딥신경망(Deep Neural Network)
1. ReLU(Rectified Linear Unit) | 294p
2. Weight 값의 초기화 | 298p
3. Dropout과 모델 앙상블 | 303p
제18장 합성곱 신경망(CNN-Convolutional Neural Network)
1. 합성곱 신경망(CNN)의 개요 | 307p
2. Max Pooling | 322p
3. 합성곱 신경망(CNN)의 활용 | 326p
제19장 순환 신경망(Recurrent Neural Network)
1. 순환 신경망의 개요 | 332p
2. 순환 신경망의 구조 | 336p
3. 순환 신경망의 활용 | 342p
제20장 분류용 딥러닝 신경망
1. 영상 데이터 구성 | 350p
2. 딥러닝 신경망 구현 | 355p
3. 학습 상황 모니터링 | 361p
