* 주요 내용

Chapter 1 딥러닝 시작
1장에서는 인공지능을 구현하고 학습하는 방법 중 하나인 딥러닝에 대한 역사와 신경망을 구현하는데 필요한 프로그래밍 언어인 파이썬과 파이토치에 대해 간략히 알아본다.

Chapter 2 파이썬
2장에서는 프로그래밍 언어에서 가장 기본적이고 중요한 변수 타입부터 문법, 시각화, 실행 방법 등 파이썬에 대한 전반적인 내용을 다룬다.

Chapter 3 지도 학습
3장에서는 지도 학습의 개념과 과정을 살펴보고 우리가 다루는 대표적인 문제가 무엇이 있는지 알아본다. 추가적으로 머신러닝 업무에서 가장 기본인 용도에 따라 데이터 세트를 나누는 방법에 대해서 살펴본다.

Chapter 4 파이토치 기본
파이토치의 기본 타입인 텐서를 학습하고 딥러닝 모델을 최적화할 때 필요한 자동 미분법과 효율적으로 학습 데이터를 사용하는 방법에 대해서 배운다.

Chapter 5 인공 신경망
인공 신경망을 구축하고 학습하는데 기본적으로 고려해야 할 기본 구조, 활성화 함수, 손실 함수, 최적화 기법 등인공 신경망에 대한 전반적인 내용을 다룬다.

Chapter 6 합성곱 신경망
합성곱 연산과 합성곱 신경망 구축에 대해서 다뤄보고 파이토치에서 제공하는 모델에 대해서 알아본다.

Chapter 7 순환 신경망
시퀀스 데이터의 의미를 알아보고 합성곱 신경망과 더불어 가장 많이 사용되는 순환 신경망에 대해서 설명한다.

Chapter 8 비지도 학습
정답이 있는 데이터가 부족한 문제를 해결하기 위한 비지도 학습의 대표적인 신경망인 오토인코더와 생성적 적대 신경망을 다룬다.

Chapter 9 성능 개선
모델을 학습하면서 대표적으로 겪을 수 있는 문제인 과적합, 데이터 불균형, 데이터 부족을 해결하기 위한 방법을 알아본다.

Chapter 10 시각화
모델 자체를 설명하려는 설명 가능한 인공지능에 대해서 이야기하고 대표적인 모델인 CAM를 구현한다. 추가적으로 고차원 형태의 데이터를 시각화할 수 있도록 도와주는 차원 축소 기법에 대해서 알아본다.

Chapter 11 메타 학습
단 몇 장만으로도 학습이 가능한 퓨샷 러닝 방법 중 하나인 MAML을 이용하여 회귀 문제와 분류 문제를 다뤄본다.

Chapter 12 과학적 계산
12장에서는 물리 현상을 표현하는 미분 방정식 풀이를 위한 인공 신경망 예시를 살펴본다.

22명의 노벨상 수상자를 배출한 독일 막스플랑크 연구소에서 수치해석과 머신러닝을 연구하고 있다. 주요 연구 분야는 오토파일럿과 같은 비선형 시스템에 대한 효율적인 제어 방법이다. 수학과 데이터 분석을 전공했으며 한국에서는 리서치 엔지니어로서 신제품 개발과 다수의 성능 개선 프로젝트를 완수했다. 8년 전 머신러닝에 입문하여 지금까지 데이터 처리 기법, 성능 예측, 이미지 분류, 비지도 객체 인식, 정규화 방법 개발, 트위터 메시지 분석, 유체 예측 등 다양한 기술을 다뤘다. 이를 바탕으로 2019년부터 유튜브 영상과 온라인 강의를 제작하고 있으며 대학 기술 자문 및 공동 연구도 진행하고 있다.

Chapter 1 딥러닝 시작
Chapter 2 파이썬
Chapter 3 지도 학습
Chapter 4 파이토치 기본
Chapter 5 인공 신경망
Chapter 6 합성곱 신경망
Chapter 7 순환 신경망
Chapter 8 비지도 학습
Chapter 9 성능 개선
Chapter 10 시각화
Chapter 11 메타 학습
Chapter 12 과학적 계산