CHAPTER 1 신경망의 개요
1.1 인공 신경망의 개념
1.2 신경망의 기본 구조
1.3 단층 피드포워드 신경망
CHAPTER 2 다층 퍼셉트론과 역전파
2.1 다층 퍼셉트론
2.2 역전파 학습
2.3 실습: 역전파를 이용한 다층 퍼셉트론 학습
2.4 다중 클래스 분류를 위한 MLP의 학습
CHAPTER 3 딥러닝 프레임워크
3.1 딥러닝 프레임워크와 텐서플로
3.2 텐 서
3.3 자동 미분
3.4 Keras를 이용한 모델의 구현
CHAPTER 4 딥러닝의 학습 기술
4.1 경사 하강법
4.2 심층 신경망의 학습 문제
4.3 가중치의 초기화
4.4 최적화기의 개선
4.5 과적합과 규제
4.6 배치 정규화
CHAPTER 5 합성곱 신경망
5.1 합성곱의 이해
5.2 합성곱 신경망의 구조
CHAPTER 6 심층 합성곱 신경망
6.1 LeNet-5
6.2 AlexNet
6.3 VGGNet
6.4 GoogLeNet
6.5 ResNet
CHAPTER 7 오토인코더와 적대적 생성 신경망
7.1 오토인코더
7.2 적대적 생성 신경망
CHAPTER 8 RNN
8.1 RNN의 개념
8.2 LSTM & GRU
8.3 실습: RNN을 이용한 텍스트 생성
8.4 인코더-디코더
CHAPTER 9 트랜스포머
9.1 트랜스포머 모델의 구조
9.2 실습: 트랜스포머를 이용한 번역 모델
CHAPTER 10 초거대 언어 모델
10.1 언어 모델
10.2 GPT
10.3 GPT-2
10.4 GPT-3
10.5 ChatGPT
10.6 실습: 트랜스포머 기반 모델의 사용