인공지능 실무

- 목 차 - 인공지능 실무 제1장 인공지능 1 1. 인공지능의 개요 1 2. 머신러닝의 개요 2 3. 딥러닝의 개요 3 제2장 머신러닝 5 1. 머신러닝의 학습과 분류 5 2. 지도 학습 7 3. 비지도 학습 10 4. 강화 학습 11 5. 인공신경망의 Embedding 12 제3장 분류 15 1. 개요 15 2. Classification (분류) 방법 15 제4장 K-NN 21 1. 개요 21 2. K-NN 알고리즘 21 3. K-NN 알고리즘의 원리 23 4. K-NN 알고리즘의 구현 시 주의점 27 제5장 비지도학습 34 1. 비지도학습 개요 34 2. K-평균(K-Means) 35 제6장 K-means 38 1. K-means 알고리즘 개요 38 2. K-means 알고리즘 동작원리 39 3. K-means 프로그래밍 구현 49 제7장 scikit-learn 58 1. scikit-learn 분류 모델 58 2. 사이킷런 (Scikit-Learn) 64 3. GridSerachCV 72 4. preprocessing 모듈 74 제8장 선형 회귀 (Linear Regression) 80 1. 개요 80 2. 경사 하강법 81 3. 경사하강법의 종류와 문제점 82 4. 규제가 있는 선형 모델 84 5. 선형회귀 예제 : 키와 몸무게 85 6. 선형회귀 예제 : 당뇨병 분석 88 제9장 선형 회귀 (Linear Regression) 91 1. 로지스틱 회귀란? 91 2. 로지스틱 회귀의 비용 함수 91 3. 로지스틱 회귀를 이용한 분류 실습 92 제10장 결정 트리 95 1. 결정 트리란? 95 2. 결정 트리 모델의 특징 98 3. 결정 트리 파라미터 99 4. 결정 트리 시각화 99 제11장 앙상블 학습 103 1. 앙상블 학습이란? 103 2. 보팅 103 3. 배깅 105 4. 부스팅 107 제12장 스태킹 115 1. 스태킹이란? 115 2. 과적합 개선을 위한 CV 세트 기반의 스태킹 115 제13장 신용카드 사기 검출 120 1. 데이터 뜯어보기 120 2. 학습용/테스트용 데이터 나누기 123 3. 데이터 전처리 후 모델 학습/예측/평가 124 4. 데이터 분포도 변환 125 5. 이상치 데이터 제거 128 6. 결과 132 제14장 신경망 133 1. 퍼셉트론 133 2. 신경망 140 3. 신경망 학습 167 4. 데이터 학습 187 5. 오차역전파법 199 6. 학습 관련 기술들 216 7. 다층 퍼셉트론 (Multilayer Perceptron) 224 제15장 컨볼루션 신경망 234 1. 전체 구조2 234 제16장 딥러닝 활용 249

출처: 국립중앙도서관 서지정보