📋 전체 커리큘럼 (Curriculum)
『딥러닝을 위한 파이토치 입문』의 전체 목차 및 단계별 상세 학습 로드맵입니다.
도서명: 딥러닝을 위한 파이토치 입문 (Pytorch Basic)
저자: 딥러닝호형 | 출판사: (주)영진닷컴 | ISBN: 978-89-314-6591-4
🗺️ 전체 목차 (Table of Contents)
00. 앞부분 (도서 정보 & 머리말)
- 표지, 저자 소개, 머리말, 베타리더 후기, 전체 목차
01. 딥러닝 시작
- 1.1 딥러닝이란: 인공지능, 머신러닝, 딥러닝의 포함 관계, 인공 신경망의 역사, 최근 AI 동향
- 1.2 파이썬과 파이토치: 딥러닝 개발 언어 파이썬 및 파이토치 프레임워크의 특징
02. 파이썬
- 2.1 변수, 출력문, 라이브러리: int, float, string, bool, print(), 모듈 임포트
- 2.2 리스트, 튜플, 딕셔너리: 시퀀스 자료구조 및 인덱싱/슬라이싱
- 2.3 넘파이(Numpy): ndarray 다차원 배열 생성 및 벡터/행렬 연산
- 2.4 조건문과 반복문: if-elif-else, for, while 루프 제어
- 2.5 함수와 모듈: def 함수 정의, 가변 인수, 모듈 작성
- 2.6 클래스: 객체 지향 프로그래밍,
__init__, 메서드, 상속
03. 지도 학습
- 3.1 지도 학습이란: 레이블(정답)이 있는 데이터의 학습 구조
- 3.2 지도 학습의 종류: 분류(Classification)와 회귀(Regression)
- 3.3 데이터 세트 분할: 훈련 데이터, 검증 데이터, 평가 데이터 분할
04. 파이토치 기본
- 4.1 텐서(Tensor): 텐서 생성, 타입 변환, 연산, 크기 변경(view/reshape), 넘파이 변환
- 4.2 역전파(Backpropagation):
requires_grad, Autograd 자동 미분,backward() - 4.3 데이터 불러오기: Dataset과 DataLoader, 미니배치 구성 및 셔플
05. 인공 신경망 (ANN)
- 5.1 다층 퍼셉트론(MLP): 선형 회귀, 보스턴 집값 예측 실습
- 5.2 활성화 함수: Sigmoid, Tanh, ReLU, LeakyReLU
- 5.3 손실 함수: MSE, CrossEntropyLoss, BCELoss
- 5.4 최적화 기법: 경사 하강법, Momentum, AdaGrad, RMSprop, Adam
- 5.5 교차 검증: K-Fold Cross Validation
- 5.6 모델 구조 및 가중치 확인: torchsummary, state_dict 확인 및 저장/로드
06. 합성곱 신경망 (CNN)
- 6.1 합성곱 연산과 풀링 연산:
nn.Conv2d,nn.MaxPool2d, 특징 맵(Feature Map) - 6.2 AlexNet: 딥러닝 붐을 일으킨 고전적 CNN 아키텍처 구현
- 6.3 ResNet: 잔차 연결(Skip Connection)을 통한 딥 네트워크 구현
- 6.4 다양한 합성곱 신경망: VGG, Inception, DenseNet 구조 분석
07. 순환 신경망 (RNN)
- 7.1 기본 순환 신경망: 시계열 데이터 처리, Vanilla RNN, LSTM, GRU
- 7.2 순환 신경망 실습: 주가 예측 및 텍스트 시퀀스 분류 구현
08. 비지도 학습
- 8.1 비지도 학습이란: 정답 레이블 없이 데이터의 숨겨진 패턴과 구조 학습
- 8.2 K-평균 알고리즘: 군집화(Clustering) 알고리즘 구현 및 시각화
- 8.3 오토인코더(Autoencoder): 잠재 벡터(Latent Vector) 추출과 차원 축소
- 8.4 생성적 적대 신경망(GAN): 생성자(Generator)와 판별자(Discriminator)의 적대적 학습
- 8.5 이미지 스타일 변이(Style Transfer): 콘텐츠와 스타일의 합성
- 8.6 깊은 K-평균 알고리즘: 딥러닝 기반 임베딩과 클러스터링 결합
09. 성능 개선
- 9.1 과적합(Overfitting): 데이터 증식(Data Augmentation), 드롭아웃, 조기 종료(Early Stopping)
- 9.2 데이터 불균형: SMOTE, 가중치 손실 함수, 리샘플링
- 9.3 전이 학습(Transfer Learning): 사전 훈련 모델(Pre-trained) 파인 튜닝
- 9.4 준지도 학습(Semi-supervised Learning): Pseudo-labeling
10. 시각화
- 10.1 설명 가능한 인공지능 (XAI): Class Activation Map (CAM), Grad-CAM
- 10.2 차원 축소 기법: PCA, t-SNE 고차원 임베딩 2D/3D 시각화
11. 메타 학습
- 11.1 메타 러닝과 퓨샷 러닝: Learn to Learn, Few-Shot Learning 개념
- 11.2 MAML (Model-Agnostic Meta-Learning): 회귀 및 분류 문제 구현
12. 과학적 계산
- 12.1 유한차분법 (FDM): 수치해석 미분 방정식 풀이
- 12.2 물리 정보 신경망 (PINN): 물리 법칙과 미분 방정식을 결합한 딥러닝 계산
13. 부록
- 딥러닝 정보 습득 방법, 논문 아카이브(arXiv), 최신 기술 트렌드 트래킹, 참고 문헌 및 찾아보기
서브목차