高麗書林

日本最大規模の韓国書籍専門店が提供する通販サイトです。このサイトに掲載されていない書籍の問合わせも受け付けております。皆様からのご意見・ご感想もお待ちしております。

お問合わせ・ご注文　komabook@komabook.co.jp
Tel：03-3262-6800・6801　Fax：03-3262-6878

HOME > 書籍 > コンピューター/インターネット > 商品詳細

書籍

影印本/全集/叢書(古代・中世・近世)(53)
影印本/全集/叢書（近現代）(203)
国内文学/小説(304)
日本文学翻訳版(277)
他外国文学翻訳版(54)
エッセイ/詩集(145)
思想/啓蒙/哲学/心理学(17)
韓国語学習書(278)
日本語学習書(64)
外国語学習書(TOEIC・TOEFL教材含)(110)
国語・語学辞典/事典(23)
韓日/日韓辞典(4)
韓英/英韓辞典(5)
他外国語辞典(50)
他辞典/事典(5)
国語(277)
歴史/地理/人文(643)
政治/社会/軍事(226)
経済/経営(59)
教育(10)
映画/美術/芸術/考古学(157)
法律(93)
宗教(7)
写真集(3)
趣味/実用/スポーツ(114)
地図/ガイドブック(125)
伝統/文化/風俗(334)
料理(101)
自然/生物(36)
児童書・漫画(544)
医学/薬学/健康/育児(29)
音楽(16)
コンピューター/インターネット(141)
自然科学/工学(26)
小・中・高校教科書(32)
当社在庫一部限り(非売・絶版・品切)特価資料(201)

雑誌・新聞

建築/インテリア/暮らし(10)
女性/ファッション/育児/医学/健康(16)
時事/総合/人文/社会/宗教/軍事(13)
科学/自然/工学/技術(20)
文学/教養/歴史(5)
語学/教育(6)
芸術/音楽/美術/大衆文化(14)
趣味/レジャー/スポーツ(27)
韓国の新聞(4)
経済/経営(17)

年鑑・統計資料

技術科学(15)
経済/経営(20)
社会科学(14)
芸術/美術/文化/スポーツ/趣味/実用(9)

該当する情報はありません。

DVD・VIDEO

タイトル	：	人工知能　パイソンで学ぶマシーンラーニングとディープラーニング！ 인공지능()
サブタイトル	：
価格	：	￥7,986（税込）
ISBN	：	9791192373164
頁数	：	566
巻数	：
版	：	A5
発行日	：	2023-03-10
出版社	：	인피니티북스 ()
著者	：	천인국
価格特記事項	：
紹介文(目次)	：	목차 Chapter 01 인공지능 소개 01 인공지능의 시대 인공지능의 충격 우리 생활에 스며든 인공지능 인공지능과 인간 02 인공지능의 정의 지능형 에이전트 인공지능 vs 머신러닝 vs 딥러닝 03 튜링 테스트 ELIZA 중국어 방(The Chinese Room) 2014년 유진 구스트만 튜링 테스트의 문제점 04 인공지능의 역사 인공지능의 태동(1943-1956) 황금기(1956-1974) 첫 번째 인공지능의 겨울(1974-1980) 전성 시대(1980-1987) 두 번째 인공지능의 겨울(1987-1993) 인공지능의 부활(1993-2011) 딥러닝, 빅데이터 및 인공지능(2011-현재) 05 인공지능은 어디에 필요할까? 자율주행 자동차 동영상 추천 시스템 광고 시스템 챗봇(Chatbot) 의료 분야 예술 창작 신약 개발과 생물학 분야 초거대 AI Mini Project 구글의 딥드림 사용해 보기 Mini Project ChatGPT 체험하기 Summary 연습문제 Chapter 02 탐색 01 탐색 02 상태 공간 탐색 문제 상태 공간 탐색 문제 LAB 경로 찾기 문제 LAB N-queen 문제 03 탐색 트리 LAB 4-queen 문제 탐색 트리 04 기본적인 탐색 기법 탐색 성능 측정 05 깊이 우선 탐색 깊이 우선 탐색의 분석 06 너비 우선 탐색 너비 우선 탐색의 분석 07 깊이 제한 탐색 IDDFS의 장점과 단점 08 FS와 DFS 8-퍼즐 프로그램 보드를 어떻게 표현할 것인가? open과 closed 큐는 무엇으로 구현할 것인가? 자식 노드들은 어떻게 생성할 것인가? BFS 전체 소스코드 DFS 프로그램 09 경험적 탐색 방법 10 언덕 등반 기법 알고리즘 지역 최대 문제 11 최고 우선 탐색 12 A* 알고리즘 LAB A* 알고리즘 시뮬레이션 13 A* 알고리즘의 파이썬 구현 LAB N-queen 문제의 탐색 알고리즘 Mini Project TSP Summary 연습문제 Chapter 03 게임 트리 01 게임 프로그램 게임 정의 Tic-Tac-Toe에 대한 게임 트리 02 미니맥스 알고리즘 Tic-Tac-Toe 게임에 미니맥스 알고리즘 적용 LAB 미니맥스 알고리즘 실습 미니맥스 알고리즘의 의사코드 미니맥스 성능 분석 03 Tic-Tac-Toe 게임 프로그래밍 04 알파베타 가지치기 알파베타 알고리즘 알파베타 알고리즘 실습 05 불완전한 결정 Summary 연습문제 Chapter 04 전문가 시스템 01 전문가 시스템 전문가 시스템의 역사 02 전문가 시스템의 구성 요소 지식베이스 추론 엔진 사용자 인터페이스 03 지식과 인공지능 데이터, 정보, 지식 04 규칙 규칙에 AND나 OR를 사용할 수 있다 05 전문가 시스템에서의 추론 순방향 추론 역방향 추론 LAB 추론 실습 LAB 화재 처리 시스템 06 충돌 해법 07 전문가 시스템의 장점과 단점 Summary 연습문제 Chapter 05 지식 표현 01 지식 표현(Knowledge Representation) 02 규칙 03 의미망 04 프레임 프레임의 장점 프레임과 객체 지향 프로그래밍 프레임과 상속 시맨틱 웹과 프레임 05 논리(Logic) 06 명제 논리 명제 논리에서의 추론 모더스 포넌스(Modus Ponens) 부정 논법(Modus Tollens) 삼단논법(Syllogism) 07 술어 논리 08 술어 논리에서 추론 정형식 논리융합(Resolution) 논리융합에 의한 증명 09 시맨틱 웹과 온톨로지 소개 기존 웹의 문제점 시맨틱 웹 시맨틱 웹의 예 시맨틱 웹의 요소 기술 온톨로지 10 프롤로그(Prolog) LAB 논리융합 실습 #1 LAB 논리융합 실습 #2 LAB 논리융합 실습 #3 Summary 연습문제 Chapter 06 퍼지 논리 01 퍼지 논리란? 퍼지 논리를 사용할 수 있는 분야 02 크리스프 집합과 퍼지 집합 크리스프 집합 퍼지 집합 퍼지 집합의 표기 방법 LAB 퍼지 집합의 예 03 퍼지 집합에서의 연산자 집중화 연산자 CON과 DIL LAB 퍼지 집합 연산자 04 퍼지 추론 퍼지 규칙 퍼지 추론의 기본 퍼지 추론의 과정 규칙이 여러 개 있는 경우 LAB 팁을 주는 문제 Summary 연습문제 Chapter 07 불확실성 01 불확실성 불확실성의 예 불확실성은 왜 발생하는 것인가 인공지능 시스템에서의 불확실성 처리 02 확률을 이용한 불확실성 처리 사전 확률과 사후 확률 베이즈 정리 LAB 내가 Z-바이러스에 감염되었을까? LAB 과일 문제 LAB 카드 게임 03 베이즈 정리와 추론 증거와 가설이 여러 개일 때 베이즈 정리의 단점 LAB 베이즈 정리로 규칙의 확률 계산 LAB 스팸 필터링 LAB 몬티 홀 문제 04 확신도 확신도의 정의 불확실한 증거를 가진 규칙에서의 확신도 규칙이 여러 개의 전제를 가지는 경우 LAB 확신도 실습 Summary 연습문제 Chapter 08 유전자 알고리즘 01 자연계에서의 진화 02 유전자 알고리즘 염색체, 인코딩, 평가 함수 유전자 알고리즘의 의사코드 선택 연산자 교차 연산자 돌연변이 연산자 유전자 알고리즘 03 유전자 알고리즘의 예제 04 유전자 알고리즘 프로그램 LAB 8-queen 문제 LAB TSP 문제 05 유전자 알고리즘의 장단점 06 유전자 프로그래밍 어떻게 프로그램을 표현할 것인가? 기본 연산들 GP 알고리즘 Summary 연습문제 Chapter 09 머신러닝 소개 01 머신러닝이란? 머신러닝과 전통적인 프로그래밍과의 차이점 인공지능, 머신러닝, 딥러닝 머신러닝의 역사 머신러닝의 종류 02 머신러닝의 용어들 특징(Feature) 함수 근사와 머신러닝 레이블(Label) 샘플 학습과 예측 학습 데이터와 테스트 데이터 03 지도 학습 회귀(Regression) 분류(Classification) Mini Project 티처블 머신 이용하여 머신러닝 체험하기 04 비지도 학습 05 강화 학습 06 머신러닝의 과정 데이터 수집 학습 데이터와 테스트 데이터 모델 선택 학습 평가 예측 07 머신러닝 알고리즘의 성능 평가 정확도 혼동 행렬 Mini Project 머신러닝 체험하기 08 머신러닝의 용도 머신러닝은 어디에 이용되는가? 프로그래머로서 머신러닝의 실용적인 가치 Summary 연습문제 Chapter 10 선형회귀 01 선형 회귀 선형 회귀 소개 선형 회귀의 종류 선형 회귀의 원리 학습과 손실 02 선형 회귀에서 손실 함수 최소화 방법 분석적인 방법 경사하강법(Gradient Descent Method) 선형 회귀에서 경사하강법 03 선형 회귀 파이썬 구현 #1 04 선형 회귀 파이썬 구현 #2 선형 회귀를 그래프로 그려보자 LAB 선형 회귀 실습 05 과잉 적합 vs 과소 적합 LAB 당뇨병 예제 LAB 면적에 따른 집값 예측 Summary 연습문제 Chapter 11 kNN, K-means, 결정 트리 01 kNN 알고리즘 kNN 알고리즘 정리 수정된 kNN 알고리즘 kNN 알고리즘의 장점과 단점 02 예제: kNN을 이용한 붓꽃 분류 특징과 레이블 그래프 그리기 kNN 학습하기 예측해보자 03 예제: kNN으로 필기체 이미지 분류 데이터 세트 읽어들이기 학습 데이터와 테스트 데이터 모델 학습 예측 및 평가 04 머신러닝 알고리즘의 성능 평가 혼동 행렬을 출력해 보자 분류 리포트 05 K-means 클러스터링 K-means 클러스터링의 예 K-means 클러스터링 06 sklearn을 이용한 K-means 클러스터링 라이브러리를 포함시킨다 데이터를 준비한다 데이터 시각화 클러스터 만들기 k를 결정하는 방법 팔꿈치 방법의 구현 LAB K-means 클러스터링 실습 07 의사 결정 트리(Decision Tree) 의사 결정 트리의 원리 어떻게 트리를 구축하는 것일까? 엔트로피 sklearn을 이용한 의사 결정 트리 08 예제: 의사 결정 트리를 이용한 붓꽃 분류 Summary 연습문제 Chapter 12 퍼셉트론 01 신경망 신경망의 장점 뉴런의 수학적인 모델 02 퍼셉트론 퍼셉트론은 논리 연산을 학습할 수 있을까? 03 퍼셉트론 학습 알고리즘 예제 sklearn으로 퍼셉트론 실습하기 04 퍼셉트론의 한계점 XOR 연산 학습 선형 분류 가능 문제 다층 퍼셉트론으로 XOR 문제를 해결 LAB 퍼셉트론으로 분류 Summary 연습문제 Chapter 13 다층 퍼셉트론(MLP) 01 다층 퍼셉트론 활성화 함수 계단 함수 시그모이드 함수 ReLU 함수 하이퍼볼릭 탄젠트 함수 02 순방향 패스 행렬로 표기해 보자 03 오차 계산 손실 함수란? 손실 함수의 구체적인 예 손실 함수 계산 예 04 역방향 패스 무엇을 알면 될까? 경사하강법 경사하강법의 재소개 그래디언트 LAB 경사하강법의 실습 05 역전파 알고리즘 체인룰의 적용 은닉층 노드 결론을 내려보자 역전파 학습 알고리즘 LAB 역전파 알고리즘 애니메이션 06 넘파이를 이용한 MLP 구현 1) 순방향 전파 2) 오차 역전파를 수행한다 3) 학습이 종료된 이후에 테스트하는 함수를 작성한다 4) 학습 함수와 테스트 함수를 순차적으로 호출한다 07 구글의 플레이그라운드를 이용한 실습 에포크 학습률 활성화 함수 선택 문제 유형 학습 데이터와 테스트 데이터의 비율 입력 특징 선택 은닉층 추가하기 학습 시작 은닉층 없이 분류 실습 은닉층을 추가한 실습 08 구글의 텐서플로 텐서플로 설치하기 케라스 예제 LAB MLP를 사용한 MNIST 숫자인식 Summary 연습문제 Chapter 14 심층 신경망과 딥러닝 01 딥러닝 은닉층의 역할 02그래디언트 소멸 문제 새로운 활성화 함수 Mini Project 활성화 함수 실험 03 손실 함수 문제 평균 제곱 오차 소프트맥스(Softmax) 활성화 함수 교차 엔트로피 손실 함수 LAB 교차 엔트로피의 계산 04 케라스에서의 손실 함수 BinaryCrossentropy CategoricalCrossentropy SparseCategoricalCrossentropy MeanSquaredError 05 가중치 초기화 문제 가중치 초기화 방법 Mini Project 가중치 초기화 실험 06 미니 배치 07 데이터 정규화 08 데이터 엔코딩 기법 09 학습률과 모멘텀 10 과잉 적합의 처리 과잉 적합을 아는 방법 과잉 적합 처리 방법 조기 종료 가중치 규제 방법 데이터 증강 드롭아웃 앙상블 Mini Project 배치 크기, 학습률, 규제항 11 예제: MNIST 숫자 인식 숫자 데이터 가져오기 모델 구축하기 학습시키기 12 예제: MNIST 패션 아이템 분류 완전 연결 신경망 이용 Summary 연습문제 Chapter 15 컨볼루션 신경망 01 컨볼루션 신경망 소개 컨볼루션 신경망의 기원 네오코그니트론 컨볼루션 신경망의 중요성 Mini Project 컨볼루션 네트워크 체험하기 02 컨볼루션 연산 컨볼루션 신경망의 구조 영상 처리에서의 컨볼루션 연산 컨볼루션 신경망에서의 컨볼루션 연산 보폭 패딩 커널의 개수 03 풀링(서브 샘플링) 04 예제: MNIST 패션 아이템 분류 Summary 연습문제 Chapter 16 영상 인식 01 영상 인식이란? Mini Project 영상 인식 신경망 체험하기 02 전통적인 영상 인식 03 심층 신경망을 이용한 영상 인식 04 예제: CIFAR-10 영상 분류하기 CIFAR-10 데이터 세트 컨볼루션 신경망을 이용한 CIFAR-10 분류 프로그램 05 데이터 증강 06 예제: 강아지와 고양이 구별하기 강아지와 고양이 데이터 세트 라이브러리 설치 이미지 출력 신경망 모델 생성 이미지 전처리 학습 학습 결과 그래프 표시 07 가중치 저장과 전이 학습 학습된 가중치의 저장 및 적재 전이 학습 사전 훈련된 신경망 모델 사전 훈련된 모델을 내 프로젝트에 맞게 재정의하기 예제 #1: 강아지 인식 프로그램 작성 예제 #2: 사전 훈련된 모델을 특징 추출기 전처리기로 사용 Summary 연습문제 Chapter 17 강화 학습 01 강화 학습이란? 강화 학습의 원리 강화 학습 프레임워크 강화 학습과 딥러닝 02얼음 호수 게임 OpenAI 재단 얼음 호수(FrozenLake) 게임 얼음 호수 게임 버전 #1 실행 결과 분석 03 Q-학습 #1 보상 Q-함수 정책(Policy) Q-값 순환 관계식 얼음 호수 문제에서 실제로 Q-값을 계산해 보자 얼음 호수 게임 버전 #2 04 Q-학습 #2 탐험과 활용 할인(Discount)된 보상 학습률 얼음 호수 게임 버전 #3 05 Deep Q-학습 왜 신경망을 사용하는가? DQN(Deep Q Network) Q-학습 vs Deep Q-학습 학습 방법 알고리즘 실제 적용 예 문제점 심층 Q-학습의 단점 Summary 연습문제 Chapter 18 생성 모델 01 생성 모델이란? 생성 모델은 훈련 데이터를 생성하는 규칙을 파악한다 판별 모델과 생성 모델의 차이 02 GAN이란? GAN의 구조 GAN 훈련 과정 판별자 훈련 생성자 훈련 손실 함수 03 예제: GAN으로 숫자 이미지 생성 Summary 연습문제 찾아보기 펼치기

数量

この著者・アーティスト(천인국)には他にもこんな作品があります。

人工知能　パイソンで学ぶマシーンラーニングとディープラーニング！
￥7,986（税込）

この出版社・レーベル(인피니티북스 )には他にもこんな作品があります。

人工知能　パイソンで学ぶマシーンラーニングとディープラーニング！
￥7,986（税込）

ページのトップへ戻る

特定商取引法に基づく表記　会社概要　採用情報