▣ 01장: 머신러닝과 딥러닝
1-1. 머신러닝
__머신러닝이란?
__머신러닝으로 할 수 있는 것
__구체적으로 머신러닝을 어떻게 적용할 수 있을까?
__딥러닝이란?
__머신러닝이 실용화된 이유
__머신러닝의 구조
__머신러닝의 종류
1-2. 머신러닝 과정 시나리오
__머신러닝 과정 시나리오
__머신러닝의 기본 과정
1-3. 머신러닝에서 사용할 데이터 만드는 방법
__무엇을 위해 머신러닝을 사용하는가?
__어떻게 데이터를 수집할까?
__수집한 데이터를 저장하는 형식
__입력에 사용하는 데이터
__데이터 정규화
1-4. 설치가 필요 없는 Colaboratory
__Google Colaboratory
__Colaboratory의 제약
__Colaboratory의 기본 사용 방법
__응용 힌트
1-5. Jupyter Notebook 사용 방법
__Jupyter Notebook이란?
__Jupyter Notebook 실행하기
__신규 노트북 만들고 실행하기
__노트북에 셀을 여러 개 만들기
__값을 그래프로 출력하기
__마크다운 기법으로 문서 만들기
1-6. 개별적으로 프로그램을 실행하는 방법
__명령 라인이란?
__프로그램 실행하기
__모듈 설치하고 사용하기

▣ 02장: 머신러닝 입문
2-1. 가장 간단한 머신러닝 예
__scikit-learn에 대해
__머신러닝으로 AND 연산 해보기
__개선 힌트
2-2. 붓꽃 분류하기
__붓꽃 데이터 내려받기
__붓꽃 데이터를 사용해 머신러닝 하기
__추가 설명: scikit-learn의 샘플에도 들어 있는 붓꽃 데이터
__응용 힌트
2-3. AI로 맛있는 와인 판정하기
__와인의 품질을 머신러닝으로 분류하기
__와인 데이터 내려받기
__와인 데이터 살펴보기
__와인 품질 판정하기
__정답률 올리기
2-4. 과거 10년 동안의 기상 데이터 분석하기
__기상 데이터 사용하기
__과거 10년 동안의 기상 데이터를 얻는 방법
__기온 평균 구하기
__월별 평균 기온 구하기
__기온이 30도 넘는 날 구하기 - Pandas 필터
__회귀 분석으로 내일 기온 예측하기
2-5. 최적의 알고리즘과 매개변수 찾기
__응용 힌트
__최적의 알고리즘 찾기
__최적의 매개변수 찾기
__개선 힌트

▣ 03장: OpenCV와 머신러닝 - 이미지/동영상 입문
3-1. OpenCV
__OpenCV
__이미지 읽어 들이기
3-2. 얼굴 검출 - 자동으로 얼굴에 모자이크 처리하기
__얼굴 인식
__얼굴 검출 프로그램 만들기
__OpenCV로 모자이크 처리하기
__사람 얼굴에 자동으로 모자이크 처리하기
__OpenCV의 얼굴 검출은 옆모습과 기울어진 얼굴을 잘 검출하지 못함
__개선·응용 힌트
3-3. 문자 인식 - 손글씨 숫자 판정하기
__손글씨 숫자 광학 인식 데이터세트 사용하기
__이미지 머신러닝하기
__자신이 작성한 이미지 판별하기
__이미지를 대상으로 하는 머신러닝
__개선 힌트
3-4. 윤곽 검출 - 엽서의 우편 번호 인식하기
__엽서의 우편 번호 인식하기
__OpenCV로 윤곽 검출하기
__엽서에서 우편 번호 영역 검출하기
__추출한 숫자 이미지 판정하기
__개선 힌트
__응용 힌트
3-5. 동영상 분석 - 동영상에서 열대어가 등장하는 부분 검출하기
__동영상 분석
__화면에 움직임이 있는 부분 추출하기
__이미지 파일 쓰기
__동영상에서 열대어가 나오는 부분 검출하기
__머신러닝으로 동영상에서 열대어가 많이 나오는 부분 찾기
__개선 힌트
__응용 힌트

▣ 04장: 자연어 처리하기
4-1. 언어 판정하기
__언어 판정
__머신러닝으로 언어 판정 해보기
4-2. 문장을 단어로 분할하기
__형태소 분석
4-3. 단어의 의미를 벡터로 만들기
__단어 벡터
__단어의 의미를 벡터로 만들기
__응용 힌트

▣ 05장: 딥러닝
5-1. 딥러닝(심층학습)
__딥러닝이란?
5-2. TensorFlow 입문
__TensorFlow란?
__TensorFlow 설치와 동작 확인하기
__TensorFlow 데이터 플로 그래프
5-3. TensorFlow로 붓꽃 분류하기
__붓꽃 분류 문제 복습하기
__Keras로 가는 길
__MNIST 데이터 사용하기
5-4. 딥러닝으로 손글씨 숫자 판정하기
__굉장히 간단한 신경망으로 MNIST 분류하기
__MLP를 사용해 MNIST 분류 문제 풀기
__개선 힌트
5-5. 사진에 찍힌 물체 인식하기
__CIFAR-10이란?
__CIFAR-10 내려받기
__CIFAR-10 분류 문제를 MLP로 풀기
__CIFAR-10 분류 문제를 CNN으로 풀어보기
__학습 결과 저장하기
__응용 힌트
5-6. 이미지 데이터로 일본어 가타카나 판정하기
__머신러닝의 입력과 출력
__이미지 학습시키기 - 이미지 리사이즈

▣ 06장: 머신러닝으로 업무 효율화하기
6-1. 업무 시스템에 머신러닝 적용하기
__기존의 업무 시스템
__업무 시스템에 머신러닝 도입하기
6-2. 학습 모델을 저장하고 읽어 들이는 방법
__학습한 학습기를 저장하고 다시 사용하는 방법
6-3. 뉴스 기사의 카테고리 판정하기
__뉴스 기사 자동 분류
__TF-IDF
__딥러닝으로 정답률 개선하기
__직접 문장을 지정해 판정하기
__개선 힌트
6-4. 웹에서 사용할 수 있는 뉴스 카테고리 판정 애플리케이션 만들기
__머신러닝을 웹 애플리케이션에서 사용하는 방법
__웹 애플리케이션에서 카테고리를 분류하는 모델 사용하기
__API를 호출하는 웹 애플리케이션 만들기
__개선 힌트
6-5. 머신러닝에 데이터베이스(RDBMS) 사용하기
__데이터베이스를 기반으로 데이터를 학습시키는 방법
__데이터베이스에서 직접 머신러닝 시스템에 데이터 전달하기
__키와 체중 데이터베이스 만들기
__키, 체중, 체형 학습하기
__개선 힌트
__응용 힌트
6-6. 요리 사진을 기반으로 칼로리를 알려주는 프로그램 만들기
__요리 사진 판정 방법
__Flickr API를 사용해 사진 수집하기
__직접 찍은 사진으로 테스트하기
__개선 힌트

▣ 부록: 이 책의 예제를 실습하기 위한 환경 준비하기
__Python과 머신러닝 환경 준비하기
__Windows에 환경 구축하기
__macOS에 개발 환경 구축하기
__Docker 설치하기
__언어 처리 라이브러리