파이썬과 수치 해석 또는 밑바닥부터 시작하는 딥러닝 3 > 도서

파이썬과 수치 해석



도서명 : 파이썬과 수치 해석
저자/출판사 : 로버트 요한슨, 에이콘출판
쪽수 : 772쪽
출판일 : 2019-08-30
ISBN : 9791161753324
정가 : 50000

지은이 소개
기술 감수자 소개
옮긴이 소개
옮긴이의 말
들어가며

1장. Python을 이용한 컴퓨팅 소개
__Python을 이용한 컴퓨팅 환경
__Python
____인터프리터
__IPython 콘솔
____입출력 캐싱
____자동 완성 및 객체 인트로스펙션
____문서
____시스템 셸과의 상호 작용
____IPython 확장
__Jupyter
____Jupyter QtConsole
____Jupyter Notebook
____Jupyter 랩
____셀 유형
____셀 편집하기
____마크다운 셀
____리치 출력 디스플레이
____nbconvert
__Spyder 통합 개발 환경
____소스 코드 편집기
____Spyder에 있는 콘솔
____객체 검사기
__요약
__추가 참고 도서 목록
__참고 문헌

2장. 벡터, 행렬, 다차원 배열
__모듈 임포트하기
__NumPy 배열 객체
____데이터 유형
____메모리 내 배열 데이터 순서
__배열 만들기
____리스트나 다른 유사-배열 객체에서 생성된 배열
____일정한 값으로 채운 배열
____증분 시퀀스로 채운 배열
____로그 시퀀스로 채워진 배열
____Meshgrid 배열
____초기화되지 않은 배열 만들기
____다른 배열의 특성으로 배열 만들기
____행렬 만들기
__인덱싱 및 슬라이싱
____1차원 배열
____다차원 배열
____뷰
____팬시 인덱싱과 부울 값 인덱싱
__재형상과 크기 변경
__벡터화 식
____산술 연산
____원소별 함수
____집계 함수
____부울 배열과 조건부 식
____집합 연산
____배열 연산
__행렬과 벡터 연산
__요약
__추가 참고 도서 목록
__참고 문헌

3장. 기호 연산
__SymPy 임포트하기
__기호들
____숫자들
__식
__식 다루기
____단순화
____확장
____인수분해 모음 및 병합
____분리, 묶기, 제거
____치환
__수치 계산
____미적분
____도함수
____적분
____계열
____극한
____합과 곱
__방정식
__선형 대수학
__요약
__추가 참고 도서 목록
__참고 문헌

4장. 도식화와 시각화3
__모듈 임포트하기
__시작하기
____대화형 및 비대화형 모드
__Figure
__Axes
____도식 유형
____선 속성
____범례
____텍스트 서식 및 주석
____축 특성
__고급 Axes 레이아웃
____인셋
____부도면
____Subplot2grid
____GridSpec
__컬러 맵 도식화
__3D 도면
__요약
__추가 참고 도서 목록
__참고 문헌

5장. 방정식 풀이
__모듈 임포트하기
__선형 연립 방정식
____정방 시스템
____비정방 방정식
__고윳값 문제
__비선형 방정식
____단변량 방정식
____비선형 연립 방정식
__요약
__추가 참고 도서 목록
__참고 문헌

6장. 최적화
__모듈 임포트하기
__최적화 문제 분류
__일변량 최적화
__제약 없는 다변량 최적화
__비선형 최소 자승 문제
__제약 조건 최적화
____선형 프로그래밍
__요약
__추가 참고 도서 목록
__참고 문헌

7장. 보간법
__모듈 임포트하기
__보간법
__다항식
__다항식 보간
__스플라인 보간
__다변량 보간법
__요약
__추가 참고 도서 목록
__참고 문헌

8장. 적분
__모듈 임포트하기
__수치적 적분법
__Scipy와의 수치적 적분
____표로 된 피적분 함수
__다중 적분
__기호와 임의-정밀도 적분
____선 적분
__적분 변환
__요약
__추가 참고 도서 목록
__참고 문헌

9장. ODE
__모듈 임포트하기
__ODE
__ODE의 기호적 해법
____방향장
____라플라스 변환을 이용한 ODE 해결
__ODE 해결을 위한 수치적인 방법
__Scipy를 이용한 ODE의 수치적 적분
__요약
__추가 참고 도서 목록
__참고 문헌

10장. 희소 행렬과 그래프
__모듈 임포트하기
__Scipy의 희소 행렬
____희소 행렬 생성 함수
____희소 선형 대수 함수
____선형 연립 방정식
____그래프와 네트워크
__요약
__추가 참고 도서 목록
__참고 문헌

11장. PDE
__모듈 임포트하기
__PDE
__FDMs
__FEM
____FEM 라이브러리 조사
__FENiCS를 이용해 PDE 해결하기
__요약
__추가 참고 도서 목록
__참고 문헌

12장. 데이터 처리 및 분석
__모듈 임포트하기
__Pandas 소개
____Series
____DataFrame
____시계열
__Seaborn 그래픽 라이브러리
__요약
__추가 참고 도서 목록
__참고 문헌

13장. 통계학
__모듈 임포트하기
__통계 및 확률 리뷰
__랜덤 수
__확률 변수 및 분포
__가설 검정
__비매개변수 기법
__요약
__추가 참고 도서 목록
__참고 문헌

14장. 통계 모델링
__모듈 임포트하기
__통계 모델링 소개
__Patsy를 이용한 통계 모델 정의
__선형 회귀
____예제 데이터셋
__이산 회귀 분석
____로지스틱 회귀
____푸아송 모델
__시계열
__요약
__추가 참고 도서 목록
__참고 문헌

15장. 머신 러닝
__모듈 임포트하기
__머신 러닝에 대한 간략한 리뷰
__회귀
__분류
__클러스터링
__요약
__추가 참고 도서 목록
__참고 문헌

16장. 베이즈 통계
__모듈 임포트하기
__베이즈 통계 소개
__모델 정의
____사후 분포 표본 추출
____선형 회귀
__요약
__추가 참고 도서 목록
__참고 문헌

17장. 신호 처리
__모듈 임포트하기
__스펙트럼 분석
____푸리에 변환
____윈도우
____스펙트로그램
__신호 필터
____컨벌루션 필터
____FIR 및 IIR 필터
__요약
__추가 참고 도서 목록
__참고 문헌

18장. 데이터 입출력
__모듈 임포트하기
__쉼표-구분 값
__HDF5
____h5py
____PyTables
____Pandas HDFStore
__JSON
__직렬화
__요약
__추가 참고 도서 목록
__참고 문헌

19장. 코드 최적화
__모듈 임포트하기
__Numba
__Cython
__요약
__추가 참고 도서 목록
__참고 문헌

부록. 코드 최적화
__설치
__Miniconda와 Conda
__완벽한 환경
__요약
__추가 참고 도서 목록

찾아보기




밑바닥부터 시작하는 딥러닝 3



도서명 : 밑바닥부터 시작하는 딥러닝 3
저자/출판사 : 사이토 고키, 한빛미디어
쪽수 : 552쪽
출판일 : 2020-11-10
ISBN : 9791162243596
정가 : 38000

제1고지 미분 자동 계산
__1단계 상자로서의 변수
__2단계 변수를 낳는 함수
__3단계 함수 연결
__4단계 수치 미분
__5단계 역전파 이론
__6단계 수동 역전파
__7단계 역전파 자동화
__8단계 재귀에서 반복문으로
__9단계 함수를 더 편리하게
__10단계 테스트

제2고지 자연스러운 코드로
__11단계 가변 길이 인수(순전파 편)
__12단계 가변 길이 인수(개선 편)
__13단계 가변 길이 인수(역전파 편)
__14단계 같은 변수 반복 사용
__15단계 복잡한 계산 그래프(이론 편)
__16단계 복잡한 계산 그래프(구현 편)
__17단계 메모리 관리와 순환 참조
__18단계 메모리 절약 모드
__19단계 변수 사용성 개선
__20단계 연산자 오버로드(1)
__21단계 연산자 오버로드(2)
__22단계 연산자 오버로드(3)
__23단계 패키지로 정리
__24단계 복잡한 함수의 미분

제3고지 고차 미분 계산
__25단계 계산 그래프 시각화(1)
__26단계 계산 그래프 시각화(2)
__27단계 테일러 급수 미분
__28단계 함수 최적화
__29단계 뉴턴 방법으로 푸는 최적화(수동 계산)
__30단계 고차 미분(준비 편)
__31단계 고차 미분(이론 편)
__32단계 고차 미분(구현 편)
__33단계 뉴턴 방법으로 푸는 최적화(자동 계산)
__34단계 sin 함수 고차 미분
__35단계 고차 미분 계산 그래프
__36단계 고차 미분 이외의 용도

제4고지 신경망 만들기
__37단계 텐서를 다루다
__38단계 형상 변환 함수
__39단계 합계 함수
__40단계 브로드캐스트 함수
__41단계 행렬의 곱
__42단계 선형 회귀
__43단계 신경망
__44단계 매개변수를 모아두는 계층
__45단계 계층을 모아두는 계층
__46단계 Optimizer로 수행하는 매개변수 갱신
__47단계 소프트맥스 함수와 교차 엔트로피 오차
__48단계 다중 클래스 분류
__49단계 Dataset 클래스와 전처리
__50단계 미니배치를 뽑아주는 DataLoader
__51단계 MNIST 학습

제5고지 DeZero의 도전
__52단계 GPU 지원
__53단계 모델 저장 및 읽어오기
__54단계 드롭아웃과 테스트 모드
__55단계 CNN 메커니즘(1)
__56단계 CNN 메커니즘(2)
__57단계 conv2d 함수와 pooling 함수
__58단계 대표적인 CNN(VGG16)
__59단계 RNN을 활용한 시계열 데이터 처리
__60단계 LSTM과 데이터 로더

부록 A 인플레이스 연산(14단계 보충)
부록 B get_item 함수 구현(47단계 보충)
부록 C 구글 콜랩에서 실행