머신러닝 tensorflow.js javascript

머리말 41부 TensorFlow.js1. 개요1.1. TensorFlow.js 개요 131.1.1. TensorFlow.js란? 131.1.2. TensorFlow.js 목적, 방향성 141.2. 머신러닝, 딥러닝 161.2.1. 머신러닝 161.2.2. 추론 161.2.3. 딥러닝 201.3. Tensor와 Flow 201.4. 개발자 관점에서의TensorFlow.js 232. Tensor 생성2.1. 함수 작성 기준 262.2. Tensor 생성 282.3. Tensor 출력 312.4. 값 타입 332.5. TypedArray 오브젝트 342.6. scalar, rank, shape 382.7. scalar Tensor 생성 402.8. 1차원 Tensor 생성 412.9. 다차원 Tensor 생성 423. 함수, 식, 행렬3.1. 변수, 상수, 계수 453.2. 독립변수, 종속변수 463.3. 함수 473.4. 1차식, 2차식 483.4.1. 항, 차수 483.4.2. 1차식 493.4.3. 2차식 493.5. 벡터 503.5.1. 벡터 덧셈, 뺄셈 503.5.2. 벡터 브로드캐스팅 523.5.3. 내적 533.5.4. 외적 543.6. 행렬 553.6.1. 행렬 덧셈, 뺄셈 553.6.2. 행렬 브로드캐스팅 583.6.3. 행렬 곱셈 594. Tensor 연산4.1. 산술연산 654.1.1. 산술연산 함수 목록 654.1.2. tf.Tensor 값 더하기 664.1.3. 다수의 tf.Tensor 값 더하기 684.1.4. 누적 합산 694.2. 논리연산 724.2.1. 논리연산 함수 목록 724.2.2. 상태에 따라 값 반환 734.2.3. true인 인덱스 반환 744.3. 수열 754.3.1. 수열 개념 754.3.2. 등차수열 764.3.3. 등비수열 774.3.4. 항수로 등차수열 생성 794.3.5. 차이로 등차수열 생성 804.3.6. 시그마, 파이 824.4. 초깃값 설정 834.4.1. 초깃값 설정 함수 목록 834.4.2. 초깃값 설정 함수 844.5. 수학식 함수 854.5.1. 수학식 함수 목록 854.5.2. 최솟값과 최댓값 사이의 값 875. Tensor Class5.1. 함수 목록 895.2. shape 변환 905.2.1. 벡터, 스칼라로 변환 915.2.2. 랭크 변환 925.2.3. 값 타입 변환 935.2.4. shape 변환 935.3. 동기, 비동기 처리 945.3.1. 동기 방법으로 텐서 값 추출 945.3.2. 비동기 방법으로 텐서 값 추출 966. Tensor 추출, 변환6.1. 함수 목록 996.2. 추출 1006.2.1. 인덱스로 추출 1006.2.2. 범위로 추출 1026.3. 결합 1036.3.1. Tensor 연결 1036.3.2. Tensor 스택 1056.3.3. 반복 복제 1076.3.4. 순서 변경 1086.4. 분할 1096.4.1. 1차원 낮추어 분할 1096.4.2. 지정한 수로 분할 1106.5. 변환 1126.5.1. 값 타입 변환 1126.5.2. rank 확장, 압축 1136.5.3. 앞뒤에 엘리먼트 삽입 1146.5.4. shape 변환 1156.6. 논리 AND, OR 비교 1166.7. 최댓값, 최솟값 1176.7.1. 최댓값, 최솟값 1186.7.2. 최댓값, 최솟값 인덱스 1196.8. 평균, 합계, 곱하기 1206.8.1. 평균, 합계 1206.8.2. 행, 열 곱하기 1236.9. 난수 생성 1256.9.1. 균등 분포 난수 1256.9.2. 정규분포 난수 1276.10. 변수 생성, 값 변경 1297. 메모리 관리7.1. 함수 목록 1337.2. 메모리 정보 1337.3. 메모리 해제 1357.4. 스코프 메모리 해제 1367.5. 메모리 해제 방지 1388. TensorFlow.js 모델링8.1. 모델, 트레이닝 1418.2. 데이터 세트 1428.3. 지도 학습 1448.4. TensorFlow.js 모델 1458.4.1. 모델 학습 단계 1458.4.2. 모델에서 사용할 데이터 정의 1468.4.3. 모델의 변수 정의 1478.4.4. 모델 정의 1498.4.5. 모델 학습 1508.4.6. 모델 테스트 1528.4.7. 모델 평가, 튜닝, 테스트 1522부 선형 회귀9. 선형 회귀9.1. 개요 1569.1.1. 선형 1569.1.2. 회귀 1579.1.3. 분류 1579.1.4. 선형 회귀 모델 1589.2. 선형 회귀 모델 구성 1599.2.1. 선형 회귀 모델 데이터 1609.2.2. 선형 회귀 모델 가설 1619.2.3. 학습 측정 기준 1639.3. 두 점 사이 거리 1659.3.1. L1 Norm 1659.3.2. L2 Norm 1679.3.3. norm() 함수 1689.3.4. 잔차 1709.3.5. 최소제곱법 1719.4. 손실함수 1779.4.1. 손실함수 목적 1779.4.2. 평균 제곱 오차 1799.4.3. 모델 코드 분석 18110. 경사 하강법 Ⅰ10.1. 개요 18910.2. 미분 개요 19110.2.1. 수렴, 극한 19110.2.2. 기울기, 평균변화율 19210.2.3. 미분계수, 순간변화율 19410.2.4. 미분과 모델 학습 19710.3. 경사 하강법 알고리즘 분석 19810.3.1. 알고리즘 분석 시나리오 19810.3.2. 손실함수 값 계산 19910.3.3. 역전파 20210.3.4. 기울기 계산 20310.3.5. 가중치와 바이어스 계산 20510.4. 학습률 20810.4.1. 수렴 20810.4.2. 발산 20911. 경사 하강법 Ⅱ11.1. 배치 경사 하강법 21211.2. 배치 사이즈 21311.3. 확률적 경사 하강법 21511.4. 미니배치 경사 하강법 22111.5. Iris 데이터 세트 22411.5.1. 붓꽃 데이터 세트 형태 22511.5.2. 배치 사이즈와 학습률 22611.6. 선형 회귀 손실함수 22911.6.1. L1 손실함수 22911.6.2. L2 손실함수 23111.6.3. Huber 손실함수 23311.6.4. Pseudo-Huber 손실함수 23512. 옵티마이저12.1. 지역, 전역 최솟값 23812.2. 옵티마이저 목적 23912.3. 옵티마이저 식 24012.4. Momentum 24212.5. Nesterov 25212.6. AdaGrad 25712.7. AdaDelta 26112.8. RMSProp 26612.9. Adam 27112.10. AdaMax 27813. 다중·다항 회귀 모델13.1. 보스턴 하우징 데이터 세트 28613.2. 다중 회귀 29013.2.1. 다중 회귀 특징 29013.2.2. 다중 회귀 가설 29113.2.3. 다중 회귀 손실함수 29213.2.4. 다중 회귀 행렬 형태 29213.2.5. 다중 회귀 모델 29413.2.6. 다변량 선형 회귀 30113.3. 다항 회귀 30113.3.1. 다항 회귀 형태 30213.3.2. 다항 회귀 모델 30413.4. 오버피팅 30513.5. 노이즈 30714. 선형 회귀 정규화14.1. 정규화 개요 31014.2. Lasso 회귀 31114.3. Ridge 회귀 31614.4. Elastic Net 회귀 3183부 분류15. 로지스틱 회귀15.1. 개요 32315.2. sigmoid 함수 32415.3. log 함수 32715.4. 로지스틱 회귀 가설 32815.5. 로지스틱 회귀 손실함수 32915.6. 로지스틱 회귀 모델 33316. 활성화 함수16.1. 개요 33816.2. hardSigmoid 함수 33916.3. step 함수 34116.4. ReLU 함수 34316.5. LeakyReLU 함수 34416.6. ReLU6 함수 34616.7. softplus 함수 34716.8. tanh 함수 34816.9. softsign 함수 35016.10. ELU 함수 35116.11. SELU 함수 35217. 소프트맥스 회귀17.1. 개요 35617.2. softmax 함수 35717.3. One-Hot 인코딩 35917.4. 소프트맥스 회귀 손실함수 36217.5. 소프트맥스 예측 결과 분석 3684부 이미지 인식18. 이미지 인식18.1. Node.js 환경 설정…

출처: 국립중앙도서관 서지정보