이토록 쉬운 머신러닝&딥러닝 입문 with 사이킷런 + 파이토치 실습 코드
이 저장소는 이토록 쉬운 머신러닝&딥러닝 입문 with 사이킷런 + 파이토치 (홍승백 저, 루비페이퍼 출판사, 2021년 8월 20일 출간)의 실습 코드를 제공합니다.
- 본 책은 python 3.7, torch 1.9.0, torchvision 0.10.0, torchtext 0.10.0 버전을 기준으로 작성되었습니다.
- 책 관련 문의사항은 [email protected] 으로 메일주시면 답변드리겠습니다.
- 잘못된 내용이 없도록 원고의 내용을 수차례 검토했으나, 미처 남아있는 오류는 정오표의 내용을 참고해 주세요. 학습에 불편을 드려 진심으로 사과의 말씀을 드립니다.
- 책 구매 링크: 교보문고 / YES24
1. 처음 시작하는 인공지능 프로젝트
1.1 인공지능 이해하기
- 1.1.1 인공지능의 종류
- 1.1.2 지도학습, 비지도 학습, 강화 학습
1.2 머신러닝으로 붓꽃 품종 분류하기
- 1.2.1 프로젝트의 목
- 1.2.2 실습 환경
- 1.2.3 데이터 살펴보기 (1.2.3.ipynb)
- 1.2.4 K-최근접 이웃 이해하기
- 1.2.5 처음 만드는 머신러닝 모델 (1.2.5.ipynb)
- 1.2.6 프로젝트 개선하기 (1.2.6.ipynb)
1.3 핵심 라이브러리 익히기
- 1.3.1 넘파이
- 1.3.2 판다스
- 1.3.3 맷플롯립 (1.3.3.ipynb)
2. 사이킷런을 활용한 머신러닝
2.1 지도 학습 알고리즘
- 2.1.1 분류와 회귀 (2.1.1.ipynb)
- 2.1.2 선형 회귀 (2.1.2.ipynb)
- 2.1.3 로지스틱 회귀 (2.1.3-1.ipynb / 2.1.3-2.ipynb)
- 2.1.4 서포트 벡터 머신 (2.1.4-1.ipynb / 2.1.4-2.ipynb)
- 2.1.5 결정 트리 (2.1.5-1.ipynb / 2.1.5-2.ipynb)
- 2.1.6 나이브 베이즈 분류 (2.1.6.ipynb)
- 2.1.7 요약
2.2 비지도 학습 알고리즘
- 2.2.1 특성 추출 (2.2.1.ipynb)
- 2.2.2 클러스터링 (2.2.2.ipynb)
2.3 더 나은 모델 만들기
- 2.3.1 모델 성능 평가하기 (2.3.1-1.ipynb / 2.3.1-2.ipynb)
- 2.3.2 최적의 하이퍼파라미터 찾기 (2.3.2.ipynb)
- 2.3.3 파이프라인 구성하기 (2.3.3.ipynb)
- 2.3.4 여러 모델 결합하기 (2.3.4.ipynb)
- 2.3.5 모델 저장하고 불러오기 (2.3.5.ipynb)
3. 파이토치를 활용한 딥러닝
3.1 딥러닝의 원리
- 3.1.1 인공 신경망과 퍼셉트론
- 3.1.2 심층 신경망
3.2 파이토치 시작하기
- 3.2.1 선형 회귀 (3.2.1.ipynb)
- 3.2.2 로지스틱 회귀 (3.2.2.ipynb)
- 3.2.3 클래스로 모델 정의하기
- 3.2.4 배치 학습 (3.2.4.ipynb)
- 3.2.5 모델 저장하고 불러오기 (3.2.5.ipynb)
3.3 전결합 신경망
- 3.3.1 손글씨 이미지 분류하기 (3.3.1.ipynb)
- 3.3.2 과적합 줄이기
3.4 합성곱 신경망
- 3.4.1 합성곱 신경망의 개념 (3.4.1.ipynb)
- 3.4.2 합성곱 신경망 분석하기
- 3.4.3 이미지 분류 실전 프로젝트 (3.4.3.ipynb)
3.5 순환 신경망
- 3.5.1 순환 신경망의 이해
- 3.5.2 RNN 실습 (3.5.2.ipynb)
- 3.5.3 LSTM 실습 (3.5.3.ipynb)