오늘날 정신의학은 더 효과적이고, 사람 맞춤형 치료를 전달하기 위해 정신 질환의 기초가 되는 공통적이고 뚜렷한 병리학적 메커니즘을 더 잘 이해 해야 한다. 이를 위해 종래의 통계적 접근법을 이용한 '작은' 실험 표본의 분석은 대체로 정신과적 표현형식의 근간을 이루는 이질성을 포착하지 못한 것으로 보인다. 기계학습, 특히 심층학습의 현대 알고리즘과 접근방식은 다른 학문에서의 탁월한 예측 성과를 감안할 때 이러한 문제를 해결할 수 있는 새로운 희망을 제공한다. 딥러닝 알고리즘의 강점은 매우 복잡하고 원칙적으로 임의의 예측 변수-반응 매핑을 효율적으로 구현할 수 있다는 것이다.

제 1편 : MATLAB 기본편
1. MATLAB 기본사용편 003
1.1 MATLAB 시작하기 003
명령창(command Window)에서의 입력 005
도움말(Help)의 이용 007
1.2 입력 오류의 수정 008
계산의 중지 009
MATLAB 종료하기 009
1.3 연산과 변수의 할당 009
연산자 우선순위 011
내장함수 012
1.4 데이터의 표현 013
1.5 변수의 처리 015
변수 이름 015
clear 명령어 016
특수변수와 정수 017
whos 명령어 017
1.6 벡터와 행렬 018
벡터 018
행렬 023
스크린 출력과 억제 024
1.7 랜덤(Random)수와 복소수 025
랜덤 수 025
복소수 027
1.8 기호를 이용한 연산 028
기호식에서의 치환 029
1.9 코드 파일 030
스크립트 코드 파일 030
코멘트의 추가 032
함수 코드 파일 033
사용자 정의함수 036
1.10 간단한 그래프의 생성 037
ezplot을 이용한 그래프 037
plot을 이용한 그래프 039
3차원 그래프 042
1.11 MATLAB과 엑셀(Excel)의 접속 043
엑셀 데이터 불러오기 043
데이터 가져오기 옵션 046
스크립트 생성 옵션 049
함수 생성 옵션 049
생성된 데이터를 엑셀파일로 저장하기 050

제 2편 : 연구논문
Deep learning for small and big data in psychiatry

1. Introduction 51
2. MODELS IN STATISTICS AND ML 52
3. MODEL COMPLEXITY, SAMPLE SIZE, AND GENERALIZATION 54
4. DL FROM BIG AND SMALL DATA IN PSYCHIATRY 58
5. FUNDING AND DISCLOSURE 62
6. AUTHOR CONTRIBUTIONS 62
7. References 62