딥러닝에 대한 연구가 매우 활발해지면서 현대 머신러닝의 새로운 길이 열리고 있다. 구글, 마이크로소프트, 페이스북 같은 글로벌 기업들도 사활을 걸고 딥러닝을 연구하고 있다. 이 책은 딥러닝의 주요 개념을 이해할 수 있도록 상세한 설명과 예제를 제공한다. 파이썬에 익숙하고 머신러닝 및 미적분에 대한 배경지식이 있다면 이 책으로 딥러닝을 제대로 시작할 수 있다.

CHAPTER 1 신경망 _1.1 지능형 기계 만들기 _1.2 기존 컴퓨터 프로그램의 한계 _1.3 머신러닝의 작동 원리 _1.4 뉴런 _1.5 뉴런으로 선형 퍼셉트론 표현하기 _1.6 전방향 신경망 _1.7 선형 뉴런과 그 한계 _1.8 시그모이드, tanh, ReLU 뉴런 _1.9 소프트맥스 출력층 _1.10 요약 CHAPTER 2 전방향 신경망 학습 _2.1 패스트푸드 문제 _2.2 경사 하강법 _2.3 델타 규칙과 학습률 _2.4 시그모이드 뉴런의 경사 하강법 _2.5 역전파 알고리즘 _2.6 확률적 경사 하강법과 미니배치 경사 하강법 _2.7 테스트 데이터와 검증 데이터 그리고 과적합 _2.8 신경망에서 과적합 막기 _2.9 요약 CHAPTER 3 텐서플로로 신경망 구현하기 _3.1 텐서플로란? _3.2 텐서플로와 대안들을 어떻게 비교할까? _3.3 텐서플로 설치하기 _3.4 텐서플로 변수 만들기와 조작하기 _3.5 텐서플로 연산 _3.6 placeholder 텐서 _3.7 텐서플로의 세션 _3.8 변수 범위 탐색과 변수 공유 _3.9 CPU와 GPU로 모델 관리하기 _3.10 텐서플로에서 로지스틱 회귀 모델 지정하기 _3.11 로지스틱 회귀 모델 기록하기와 학습시키기 _3.12 텐서보드로 계산 그래프와 학습 시각화하기 _3.13 텐서플로에서 MNIST를 위한 다층 모델 만들기 _3.14 요약 CHAPTER 4 경사 하강법을 넘어서 _4.1 경사 하강법의 과제 _4.2 심층 신경망의 오차 곡면에서 지역 최소값 _4.3 모델 식별성 _4.4 심층 신경망에서 가짜 지역 최소값들은 얼마나 다루기 어려운가? _4.5 오차 곡면의 평평한 구간 _4.6 잘못된 방향의 경사 _4.7 모멘텀 기반 최적화 _4.8 이차 방법에 대한 개요 _4.9 학습률 적응 _4.10 최적화 도구 선택의 철학 _4.11 요약 CHAPTER 5 합성곱 신경망 _5.1 인간 시각에서의 뉴런 _5.2 특징 선택의 단점 _5.3 크기 조정 없는 기본 심층 신경망 _5.4 필터와 특징 맵 _5.5 합성곱층 정리 _5.6 최대 풀링 _5.7 합성곱 신경망의 전체 구조 _5.8 합성곱 신경망으로 MNIST에서 순환 반복 끝내기 _5.9 더 견고한 모델을 만드는 이미지 전처리 파이프라인 _5.10 배치 정규화로 학습 가속하기 _5.11 CIFAR-10을 위한 합성곱 신경망 만들기 _5.12 합성곱 신경망 학습 시각화하기 _5.13 합성곱 필터로 예술 스타일 복제하기 _5.14 다른 문제 영역에서 합성곱 필터 학습하기 _5.15 요약 CHAPTER 6 임베딩과 표상학습 _6.1 저차원 표현 학습하기 _6.2 주성분 분석 _6.3 오토인코더 구조의 동기 _6.4 텐서플로로 오토인코더 구현하기 _6.5 견고한 표현을 강제하는 디노이징 _6.6 오토인코더의 희소성 _6.7 입력 벡터보다 문맥이 더 유익할 때 _6.8 Word2Vec 프레임워크 _6.9 Skip-Gram 구조 구현하기 _6.10 요약 CHAPTER 7 시퀀스 분석을 위한 모델 _7.1 가변 길이 입력 분석하기 _7.2 신경망 n-gram으로 seq2seq 해결하기 _7.3 품사 태거 구현하기 _7.4 의존 구문 분석과 SyntaxNet _7.5 빔 탐색과 전역 정규화 _7.6 상태 기반 딥러닝 모델 사례 _7.7 순환 신경망 _7.8 사라지는 경사도 문제 _7.9 LSTM 유닛 _7.10 RNN 모델을 위한 텐서플로 기초 요소 _7.11 감정 분석 모델 구현하기 _7.12 순환 신경망으로 seq2seq 과제 풀기 _7.13 주의집중으로 순환망 증강하기 _7.14 신경 번역망 해부하기 _7.15 요약 CHAPTER 8 메모리 증강 신경망 _8.1 신경 튜링 기계 _8.2 주의집중 기반 메모리 접근 _8.3 NTM 메모리 주소 지정 동작 방식 _8.4 미분 가능 신경 컴퓨터 _8.5 DNC에서 간섭 없는 쓰기 _8.6 DNC 메모리 재사용 _8.7 DNC 쓰기의 시간적 연결 _8.8 DNC 읽기 헤드 이해 _8.9 DNC 제어기 신경망 _8.10 동작 중인 DNC 시각화하기 _8.11 텐서플로에서 DNC 구현하기 _8.12 읽기와 이해를 위한 DNC 가르치기 _8.13 요약 CHAPTER 9 심층 강화학습 _9.1 아타리 게임을 점령한 심층 강화학습 _9.2 강화학습이란? _9.3 마르코프 결정 과정 _9.4 탐색 대 활용 _9.5 정책 대 가치학습 _9.6 정책 경사가 있는 막대기-수레 문제 _9.7 Q 러닝과 DQN _9.8 DQN 개선하기 _9.9 요약