파이썬과 엑셀로 시작하는 딥러닝 - 딥러닝의 알고리즘 원리부터 파악하기
홍재권.윤동현.이승준 지음 / 정보문화사 / 2023년 7월
평점 :
장바구니담기


파이썬과 엑셀로 딥러닝을 이해하자





책을 선택한 이유



인공지능의 발전 속도가 무섭다.


인공지능의 가공한 위력은 인간의 설 곳을 사라지게 한다.



인공지능에 대해 막연한 두려움보다 인공지능이 무엇인지


제대로 이해해야 위기를 극복할 수 있다.



딥러닝 알고리즘의 개념을 이해하기 위해


"파이썬과 엑셀로 시작하는 딥러닝"을 선택한다.








PART 0 개발 환경 구축 에서는



파이썬과 패키지 프로그램 주피터 노트북,


xlwings, 사이킷런, OpenCV, Numpy,


Matplotlib를 설치하는 방법,



파이썬에서 엑셀을 컨트롤하는 법을 실습한다.







PART 1 넘파이(Numpy) 에서는



배열(ndarray)은 넘파이 다차원 배열에서 매우 중요하다.



arange 함수, reshape 함수로 배열 만들기,


array indexing으로 배열 추출하기,




행렬의 사칙연산과 행렬곱, eye 함수,


전치 행렬(Transpose), flip 함수, pad 함수 등 연산,



함수의 기울기, 미분 프로그래밍 에 대해 설명한다.




PART 2 딥러닝 개요 에서는



컴퓨터는 머신러닝으로 스스로 학습을 한다.


딥러닝은 데이터를 설명할 수 있는 최적의 파라미터를 찾는다.



딥러닝의 원리가 되는 y = wx 학습,


예측과 실제의 차이를 정의하는 손실 함수(Loss),


경사 하강법(Gradient Descent)을 활용한 예측값 업데이트,



여측 변수 발생하게 되는 y = wx + b 학습,


손실 함수를 각각 변수에 대해 미분하는 편미분,


확률적 경사 하강법(Stochastic Gradient Descent)과


딥러닝의 한계,




여러 파라미터가 필요한 y = w1 × 1 + w2 × 2 + b 학습,


많은 피처를 효율적 학습하기 위한 행렬 연산,



딥러닝(Deep Learning),


손실 함수 파라미터 기울기 체인룰(CHAIN RULE),


데이터로 Y갑과 Loss를 구하는 순전파(Forward Propagation),


Loss,로 파라미터의 미분값을 전달하는 역전파(Back Propagation),


활성화 함수(Activation Function)에 대해 알아본다.




PART 3 회귀 예제 에서는



데이터를 전처리하고 모델의 일반화 성능을 높여야 한다.



당뇨병 예측 데이터는 당뇨병 발병 1년 후


당뇨병이 얼마나 악화되었는지를 추적한다.



데이터 확인 및 모델 만들기, 데이터 정규화,


하이퍼 파라미터(Hyper Parameter) 설정,


과소/과대 적합 방지에 대해 설명한다.




체력 검사 데이터는 세 가지 체력 요소와 ,


세 가지 운동에 대한 측정치를 포함한 데이터로


여러 출력값이 발생하는 모델이다.



데이터 확인, 다중 출력 모델 설계,


다중 출력 모델의 역전파에 대해 알아본다.




PART 4 분류 개요 에서는



이진 분류 는 둘 중 하나를 맞추는 문제다.



확률값을 만들기 위한 시그모이드(Sigmoid) 함수,


분류의 역전파, 시그모이드의 사용이 제한되는 이유를 설명한다.



다중 분류 는 선택지가 2개보다 큰 경우다.



다중 분류 문제를 예측하는 소프트맥스(Softmax),


원핫 백터를 만드는 카테고리컬 크로스 엔트로피


(Categorical Cross Entropy)를 소개한다.




PART 5 분류 예제 에서는



붓꽃 데이터는 샘플 수가 적고 레이블이 명확하다.



데이터 확인, 원핫인코딩(One-hot Encoding),


벡터 형태로 변환하여 학습에 사용하는 딥러닝으로


다중 분류 문제를 학습한다.




손글씨 데이터를 분류해 본다.



데이터를 이미지로 시각화, 데이터 전처리 ,


신경망 모델에 대해 알아본다.



모델 검증 및 한계에 대해 이야기 한다.




PART 6 CNN 에서는



영상 분석에서 물체의 외곽선은 중요하다.


CANNY 알고리즘은 이미지의 그래디언트를 활용한다.



필터와 합성곱(Convolution) 연산,


합성곱의 역전파에 대해 알아본다.




모델을 만들기 위해 추가적 CNN 구성을 위한


행렬로 표현, Stride, 패딩(Padding),


풀링(Pooling), 채널을 설명한다.




PART 7 RNN 에서는



조건에 따라 다른 조건을 예측해야 하는 경우


이전 상태 정보를 확인하는 순환 뉴런이 필요하다.



순환 신경망 RNN 은 시계열 데이터, 자연어 처리,


단어, 알파벳 예측 등에 적합하다.



순전파와 역전파 연산에 대해 할아본다.




"파이썬과 엑셀로 시작하는 딥러닝" 은


파이썬과 관련 소프트웨어 설치,


넘파이(Numpy), 딥러닝 개요,


회귀, 분류, CNN, RNN 에 대해 다룬다.



파이썬과 패키지 프로그램을 설치하고


파이썬을 엑셀에 연동시킨다.



넘파이 연산, 딥러닝 기초 개념을 소개한다.



딥러닝의 원리가 되는 y = wx 학습부터


여러 파라미터가 필요한 y = w1 × 1 + w2 × 2 + b 학습,


까지 살펴보면서 딥러닝과 순전파의 개념에 대해 학습한다.



당뇨병 예측 데이터, 체력 검사 데이터를 통해


데이터를 전처리하고 모델의 일반화 성능을 높이는


회귀 예제를 실습해 본다.



둘 중 하나를 맞추는 이진분류,


선택지가 2개보다 큰 다중분류의 개념을 소개한다.



​붓꽃 데이터로 다중 분류 문제 학습,


손글씨 데이터로 모델을 검증해 본다.



컴퓨터가 이미지를 학습하는 CNN은


합성곱 역전파를 구현하면서 모델을 만든다.



순환 신경망 RNN 은 순환 뉴런을 통해


시계열 데이터, 자연어 처리, 단어,


알파벳 예측 등에 적합하다.




"파이썬과 엑셀로 시작하는 딥러닝" 은


회귀와 분류 예측 모델을 실습하면서


딥러닝에 대해 이해하고,



CNN, RNN 이론을 모델로 구현해 보면서


인공지능의 이론을 이해하도록 한다.



기본적 이론을 소개하고, 예제를 통해 개념을 소개하며,



"파이썬과 엑셀로 시작하는 딥러닝"은


딥러닝의 기본 원리를 엑셀로 구성하여


쉽게 이해할 수 있도록 안내하며,



파이썬과 엑셀을 효과적으로 사용하면서


모델을 구현할 수 있도록 한다.



"파이썬과 엑셀로 시작하는 딥러닝"은


딥러닝 알고리즘의 원리부터 파악하면서


미분값, 역전파, 순전파 등을 계산하고,



가중치, 편항값이 업데이트 되는 과정을


엑셀로 풀어보면서 시각화 시킨다.



"파이썬과 엑셀로 시작하는 딥러닝"은


넘파이와 엑셀로 코드를 작성하면서


딥러닝 기초 이론과 알고리즘을 이해하도록 한다.



딥러닝 알고리즘의 원리를 이해하면서


모델로 구현하는 방법을 통해


딥러닝에 대해 제대로 이해하게 된다.




"파이썬과 엑셀로 시작하는 딥러닝"은


infopub.co.kr 에서 예제 소스를 제공하고 있으며,


문의 사항에 대한 학습 지원을 제공하므로


학습에 유용하게 활용할 수 있다.



"파이썬과 엑셀로 시작하는 딥러닝"은


딥러닝을 통해 엑셀 학습을 실행하는


유용한 지침을 제공한다.



정보문화사 와 리뷰어스 클럽 서평단 에서


"파이썬과 엑셀로 시작하는 딥러닝"을 증정해 주셨다.


감사드린다.




#딥러닝 #파이썬과엑셀로시작하는딥러닝


#리뷰어스클럽


#서평단모집


#네이버독서카페


#리뷰어스클럽서평단


#정보문화사


#파이썬과엑셀로시작하는딥러닝


#홍재권


#윤동현


#이승준


댓글(0) 먼댓글(0) 좋아요(0)
좋아요
북마크하기찜하기 thankstoThanksTo