MATLAB으로 배우는 머신러닝과 딥러닝

고속비행오리406 지음

작가와 2025년 01월 04일 출간

작품소개

책소개

인공지능 기술의 발전은 우리 삶의 많은 부분을 변화시키고 있습니다. 특히 머신러닝과 딥러닝은 인공지능 분야에서 가장 주목받는 기술 중 하나로, 다양한 분야에서 활용되고 있습니다. 이러한 기술을 이해하고 활용하기 위해서는 적절한 도구와 언어가 필요합니다.

MATLAB은 공학 분야에서 널리 사용되는 프로그래밍 언어이자 도구로, 머신러닝과 딥러닝 분야에서도 매우 유용하게 사용됩니다. 이 책은 MATLAB을 활용하여 머신러닝과 딥러닝을 배우고자 하는 분들을 위해 쓰여졌습니다.
이 책을 통해 독자들은 MATLAB을 활용하여 머신러닝과 딥러닝을 효과적으로 학습할 수 있을 것입니다. 또한, 이 책에서 다루는 내용은 실제 문제 해결에도 큰 도움이 될 것입니다.

이 책이 머신러닝과 딥러닝을 공부하는 분들에게 좋은 길잡이가 되기를 바랍니다.

목차

제1장 머신러닝의 개요
1. 머신러닝이란? | 6p
2. 머신러닝의 작동방식 | 10p
3. 응용 분야 및 사례 | 16p

제2장 머신러닝의 과제 및 단계
1. 머신러닝의 과제 | 21p
2. 워크플로우 개요 | 24p
3. 워크플로우 단계 | 26p

제3장 지도학습
1. 지도학습의 걔요 | 34p
2. 지도학습 알고리즘 | 39p
3. 학습 모델의 개선 | 50p
4. 실습하기 | 53p

제4장 비지도 학습
1. 비지도 학습의 개요 | 55p
2. 비지도 학습 알고리즘 | 57p
3. 학습모델의 개선 | 64p

제5장 Matlab 시작하기
1. Matlab개요, 데스크탑 기본사항, 행렬과 배열 | 71p
2. 작업공간변수, 텍스트와 문자 그리고 함수 호출 | 85p
3. 2차원/3차원 플롯, 프로그래밍과 스크립트 | 92p

제6장 Matlab언어의 기본
1. 명령입력 | 101p
2. 행렬와 배열 | 108p

제7장 Matlab 기본 데이터형
1. 숫자형 | 139p
2. 문자형과 String형 | 158p
3. 구조체와 셀형 배열 | 162p

제8장 Matlab 연산, 조건문, 반복문
1. 연산자와 기초 연산 | 171p
2. 조건문 | 182p
3. 반복문 | 185p

제9장 머신러닝과 선형 회귀(Linear Regression)
1. 머신러닝의 용어와 개념 | 189p
2. 선형 회귀(Linear Regression) | 197p
3. 머신러닝의 의미 | 200p

제10장 비용함수의 최소화
1. 비용함수의 개념 | 203p
2. 비용함수 최소화의 원리 | 207p
3. 경사하강법 | 212p

제11장 다변량 선형 회귀(Multivariate Linear Regression)
1. 다변량 선형 회귀 모델 | 216p
2. 비용함수 | 218p
3. 행렬식 표현 | 221p

제12장 로지스틱 회귀(Logistic Regression)
1. 로지스틱 회귀의 개요 | 226p
2. 비용함수 | 230p
3. 경사하강법 | 233p

제13장 다중 분류(Multinomial Classification)
1. 다중 분류의 개요 | 235p
2. Softmax | 241p
3. 비용함수 | 244p

제14장 머신러닝 응용이슈(Application & Tips)
1. 학습률(Learning Rate)설정과 적합(Overfitting)방지 | 249p
2. 데이터 전처리(Data Preprocessing) | 254p
3. 학습과 테스트 데이터 세트의 구성 | 257p

제15장 딥러닝의 기본 개념
1. 딥러닝의 시작 | 259p
2. XOR문제 | 262p
3. 역전파(Backpropagation)와 CNN | 266p
4. Deep의 출현 | 270p

제16장 역전파 신경망(Backpropagation Neural Network)
1. XOR문제 해결을 위한 신경망 | 277p
2. 역전파(Backpropagation) | 283p
3. Chain Rule | 287p

제17장 딥신경망(Deep Neural Network)
1. ReLU(Rectified Linear Unit) | 294p
2. Weight 값의 초기화 | 298p
3. Dropout과 모델 앙상블 | 303p

제18장 합성곱 신경망(CNN-Convolutional Neural Network)
1. 합성곱 신경망(CNN)의 개요 | 307p
2. Max Pooling | 322p
3. 합성곱 신경망(CNN)의 활용 | 326p

제19장 순환 신경망(Recurrent Neural Network)
1. 순환 신경망의 개요 | 332p
2. 순환 신경망의 구조 | 336p
3. 순환 신경망의 활용 | 342p

제20장 분류용 딥러닝 신경망
1. 영상 데이터 구성 | 350p
2. 딥러닝 신경망 구현 | 355p
3. 학습 상황 모니터링 | 361p

책 속으로

MATLAB은 공학 분야에서 널리 사용되는 프로그래밍 언어이자 도구로, 머신러닝과 딥러닝 분야에서도 매우 유용하게 사용됩니다. 이 책은 MATLAB을 활용하여 머신러닝과 딥러닝을 배우고자 하는 분들을 위해 쓰여졌습니다.

이 책은 총 20장으로 구성되어 있으며, 각 장에서는 머신러닝과 딥러닝의 기본 개념부터 심화 내용까지 다루었습니다. 1장부터 5장까지는 MATLAB의 기본적인 사용 방법을 다루며, 6장부터 9장까지는 머신러닝의 기본 개념과 선형 회귀, 로지스틱 회귀 등의 알고리즘을 소개합니다. 10장부터 12장까지는 비용함수의 최소화와 다중 분류 등의 주제를 다루며, 13장부터 15장까지는 딥러닝의 기본 개념과 역전파 신경망, 합성곱 신경망 등의 알고리즘을 소개합니다. 16장부터 19장까지는 딥러닝의 심화 내용을 다루며, 마지막 20장에서는 분류용 딥러닝 신경망을 구현하는 방법을 다룹니다.

작가정보

저자(글) 고속비행오리406

- 작가 주요 경력 -

★ 제조사 근무 경력 17년(SCM, 생산, 품질관리, 인사 등 업무 담당)

★ 직업능력개발훈련교사