상세정보
미리보기
모두를 위한 메타러닝
- 저자
- 정창훈,이승현,이동민,장성은,이승재,윤승제 공저/최성준 감수
- 출판사
- 위키북스
- 출판일
- 2023-01-31
- 등록일
- 2023-07-11
- 파일포맷
- PDF
- 파일크기
- 15MB
- 공급사
- YES24
- 지원기기
-
PC
PHONE
TABLET
웹뷰어
프로그램 수동설치
뷰어프로그램 설치 안내
책소개
지도학습과 강화학습을 위한 최신 기술 메타러닝을 이해하자!이 책은 최근 인공지능과 머신러닝 분야에서 각광받고 있는 메타러닝에 대한 입문 서적입니다. 독자 여러분께서 다소 생소할 수 있는 메타러닝에 대한 개념을 이해하고 실제로 세부 알고리즘들까지 구현해보는 기회를 제공하는 것을 목표로 합니다. 특히 메타러닝에서 회귀 문제, 분류 문제를 다루는 메타 지도학습뿐 아니라, 강화학습을 소개하고 이에 대해 메타러닝을 적용한 메타 강화학습까지 심도 있게 다루는 것이 이 책의 큰 장점입니다. 처음에는 다소 생소할 수 있지만, 꾸준히 이 책을 반복해서 읽고 실습하면 멋진 최신 머신러닝 기술인 메타러닝을 한층 깊이 이해할 수 있을 것입니다.
저자소개
동국대학교에서 컴퓨터공학을 전공하고 서울대학교 컴퓨터공학부에서 박사과정 중에 있다. 메타러닝을 연구하고, 최근에는 메타 강화학습, 오프라인 강화학습에 관심을 가지고 연구하고 있다.
목차
▣ 1장: 메타러닝 개요1.1 머신러닝과 딥러닝 1.2 메타러닝이란? 1.3 메타러닝 학습 환경 구축 ___1.3.1 아나콘다 설치와 사용___1.3.2 아나콘다 설치___1.3.3 깃허브 저장소 클론 및 환경 구축▣ 2장: 메타 지도학습2.1 메타러닝 문제 정의 ___2.1.1 태스크 정의___2.1.2 메타러닝 데이터셋___2.1.3 메타러닝___2.1.4 실습: Torchmeta 라이브러리 소개2.2 모델 기반 메타러닝 ___2.2.1 모델 기반 메타러닝의 핵심 개념___2.2.2 NTM(Neural Turing Machines)___2.2.3 MANN(Memory-Augmented Neural Networks)___2.2.4 실습: MANN 구현 ___2.2.5 SNAIL(Simple Neural Attentive Meta-Learner)___2.2.6 실습: SNAIL 구현2.3 최적화 기반 메타러닝 ___2.3.1 전이학습과 최적화 기반 메타러닝 ___2.3.2 MAML과 FOMAML___2.3.3 실습: MAML-Regression___2.3.4 실습: MAML-Classification2.4 메트릭 기반 메타러닝 ___2.4.1 KNN과 메트릭 기반 메타러닝___2.4.2 Matching 네트워크 ___2.4.3 실습: Matching 네트워크 구현___2.4.4 Prototypical 네트워크___2.4.5 실습: Prototypical 네트워크 구현2.5 메타러닝 알고리즘 속성과 장단점 ___2.5.1 메타러닝 알고리즘의 세 가지 속성___2.5.2 메타러닝 알고리즘 비교▣ 3장: 강화학습 개요3.1 마르코프 결정 과정, 정책, 가치함수 ___3.1.1 마르코프 결정 과정___3.1.2 정책과 강화학습의 목표___3.1.3 가치 함수3.2 탐험과 활용 3.3 강화학습 알고리즘의 종류___3.3.1 On-policy와 Off-policy___3.3.2 정책 기반 알고리즘___3.3.3 가치 기반 알고리즘___3.3.4 액터 크리틱 알고리즘3.4 TRPO(Trust Region Policy Optimization) ___3.4.1 TRPO 아이디어___3.4.2 Surrogate 목적 함수와 제약 조건___3.4.3 켤레 그라디언트법 기반 최적화3.5 PPO(Proximal Policy Optimzation) ___3.5.1 PPO 아이디어___3.5.2 Clipped Surrogate 목적함수___3.5.3 PPO 알고리즘3.6 SAC(Soft Actor Critic) ___3.6.1 엔트로피___3.6.2 최대 엔트로피 강화학습___3.6.3 가치함수 및 정책 학습___3.6.4 SAC 알고리즘▣ 4장: 메타 강화학습4.1 메타 강화학습 ___4.1.1 태스크 개념 소개___4.1.2 메타 강화학습 문제 정의___4.1.3 MuJoCo 및 Half-Cheetah 환경 개념 소개4.2 순환 정책 메타 강화학습 ___4.2.1 GRU___4.2.2 순환 정책 메타 강화학습___4.2.3 RL2 ___4.2.4 실습: RL2 구현4.3 최적화 기반 메타 강화학습 ___4.3.1 MAML-RL ___4.3.2 실습: MAML-RL 구현4.4 컨텍스트 기반 메타 강화학습 ___4.4.1 태스크 추론 관점에서의 메타 강화학습___4.4.2 컨텍스트 기반 정책___4.4.3 변분적 추론___4.4.4 PEARL(Probabilistic Embeddings for Actor critic RL)___4.4.5 실습: PEARL 구현 ▣ 5장: 오픈 챌린지와 메타러닝 애플리케이션5.1 오픈 챌린지(Open Chanllenges) ___5.1.1 메타 과적합___5.1.2 치명적 망각과 지속 학습___5.1.3 부족한 벤치마크___5.1.4 부족한 레이블된 데이터와 메타 비지도 학습5.2 메타러닝 애플리케이션 ___5.2.1 컴퓨터 비전___5.2.2 강화학습___5.2.3 자연어 처리___5.2.4 의료___5.2.5 마치며
.png){kind=logo}
.jpg)
