베타리더 후기 xii 이 책에 대하여 xvi PART I 줄리아 언어 CHAPTER 1 기본 문법 3 1.1 변수 3 1.2 수치 타입 4 __정수 4 / 부동소수점 수 5 1.3 자료구조 6 __배열 6 / 튜플 6 / 명명된 튜플 7 / 딕셔너리 7 1.4 문자열 타입 7 1.5 복합 타입 9 1.6 기본 연산 10 1.7 함수 11 __함수 정의 및 호출 11 / 인수 기본값 12 / 가변 인수와 키워드 인수 12 / 익명 함수와 do 블록 13 / 함수 합성과 파이핑 14 / 벡터화용 dot 연산자 14 / 인수 전달 방식 14 / 객체 호출 함수 15 1.8 제어 흐름 15 __복합식 15 / 조건식 16 / 반복문 16 / 예외 처리 17 1.9 모듈 17 1.10 변수 영역 19 __전역 변수 19 / 함수의 지역 변수 19 / for, while, try 문의 지역 변수 20 CHAPTER 2 타입 시스템 23 2.1 동적 타입 23 2.2 추상 타입과 구체 타입 25 __줄리아 수 체계 25 / 추상 타입 27 / 원시 타입 27 / 복합 타입 28 / 변경 불가능성 30 / 행위의 상속 31 2.3 매개변수 타입 32 __UnionAll 타입 34 / 무공변성 34 / 매개변수 추상 타입 36 2.4 그 외 타입들 36 __싱글턴 타입 36 / Nothing 타입 37 / 함수 타입 37 / 튜플 타입 37 / 유니언 타입 38 2.5 타입 변환과 승격 38 __타입 변환 39 / 승격 40 / 사용자 정의 수 타입 41 CHAPTER 3 함수와 메서드 45 3.1 다중 디스패치 46 __다중 디스패치 작동 방식 47 / 다중 디스패치 내부 구현 49 / 인수 타입별로 최적화된 메서드 정의 50 3.2 메서드 특화 51 __컴파일 단계 52 / 복합 타입 인수 메서드의 특화 55 / 타입 시스템과 메서드 특화 57 3.3 성능 좋은 코드를 작성하는 법 57 __스크립트 대신 함수 작성 57 / 타입 명시된 전역 변수 활용 58 / 배열의 원소 타입은 구체 타입으로 58 / 복합 타입의 필드 타입은 구체 타입으로 59 / 타입 안정성 지키기 59 CHAPTER 4 메타프로그래밍 63 4.1 코드의 데이터 표현 63 __표현식 63 / 심벌 64 / 평가(실행) 65 / 내삽 65 4.2 코드 생성 65 4.3 매크로 68 __매크로 예제 68 / 이스케이핑 69 / 다시 가위바위보 70 / 유용한 매크로 72 CHAPTER 5 다차원 배열 75 5.1 다차원 배열의 특징 75 __열 우선 75 / 벡터화 불필요 78 5.2 다차원 배열의 사용법 80 __배열 리터럴 및 생성 80 / 인덱싱 및 할당 82 / 브로드캐스팅 83 / 뷰 84 5.3 사용자 정의 배열 타입 84 CHAPTER 6 병렬 연산 87 6.1 멀티스레딩 87 6.2 멀티프로세싱 90 6.3 분산 컴퓨팅 92 6.4 CUDA GPU 활용 96 PART II 데이터 분석 도구 CHAPTER 7 재현 가능 환경 103 7.1 패키지 관리자 103 7.2 프로젝트 환경 관리 106 7.3 환경 재현 108 CHAPTER 8 상호작용 환경 111 8.1 IJulia.jl 111 8.2 Pluto.jl 113 8.3 구글 코랩 114 8.4 비주얼 스튜디오 코드 116 CHAPTER 9 데이터 처리 도구 117 9.1 Tables.jl 117 9.2 DataFrames.jl 118 __데이터프레임 생성 118 / 인덱싱 120 / 열 선택 및 변환 122 / 분할, 적용, 결합 123 / 팬더스와의 비교 124 9.3 Query.jl 126 CHAPTER 10 시각화 도구 129 10.1 Plots.jl 129 __기본 사용법 129 / 백엔드 변경 132 / StatsPlots.jl 133 10.2 Makie.jl 134 CHAPTER 11 데이터 처리 실습 139 11.1 변수명 정정 140 11.2 결측치 채우기 141 11.3 분포 변환 145 PART III MLJ를 이용한 머신러닝 CHAPTER 12 워크플로 151 12.1 데이터 준비 152 __과학적 타입 153 / 데이터셋 분할 155 / 전처리 156 12.2 모델 준비 157 __모델 검색 157 / 모델 코드 로딩 159 / 모델 타입 체계 160 12.3 학습, 예측, 평가 161 __학습 161 / 예측 164 / 평가 측도 165 / 교차검증 166 12.4 하이퍼파라미터 튜닝 167 __튜닝 예제 168 / 조기 종료 171 CHAPTER 13 모델 합성 173 13.1 데이터셋 준비 173 13.2 파이프라인(합성 모델) 175 __파이프라인 튜닝 176 / 셀프튜닝 모델들의 파이프라인 178 / 타깃 변환 179 13.3 파이프라인(학습 네트워크) 180 __프로토타이핑 180 / 학습 네트워크 내보내기 183 13.4 배깅 186 __EnsembleModel 187 / 학습 네트워크 188 / RandomForest 189 13.5 스태킹 190 __스태킹 과정 191 / 학습 네트워크 194 CHAPTER 14 비정형 데이터 197 14.1 이미지 분류 197 __데이터 정형화 198 / 다양한 모델 적용 199 14.2 텍스트 분석 205 __텍스트 전처리 206 / 텍스트 데이터의 특성 추출 208 / 학습 및 예측 211 PART IV 플럭스를 이용한 딥러닝 CHAPTER 15 자동 미분 217 15.1 미분 구하는 방법 217 15.2 미분 구현 실습 220 __구현 1: 손 미분 220 / 구현 2: 수치 미분 220 / 구현 3: 기호 미분 221 / 구현 4: 자동 미분 222 / 15.3 플럭스의 자동 미분 227 __자이곳 사용법 227 / 소스 코드 변환 방식 229 CHAPTER 16 플럭스 사용법 235 16.1 데이터 준비 236 16.2 모델 생성 237 __가중치 초기화 238 / 사용자 정의 타입과 함자 238 16.3 학습 및 테스트 240 __모델 학습 함수 240 / 모델 테스트 함수 242 16.4 전체 실행 242 __손실 함수 및 옵티마이저 지정 243 / 에폭별 실행 243 / 모델 저장 및 로딩 245 16.5 관련 패키지 246 CHAPTER 17 컴퓨터 비전 249 17.1 합성곱 신경망 249 __패션 아이템 분류 249 / 숫자 손글씨 분류 253 17.2 전이 학습 253 __데이터셋 준비 254 / 학습 및 테스트 함수 255 / 모델 정의 255 / 학습 및 테스트 256 17.3 가짜 이미지 생성 258 __사용자 정의 데이터셋 258 / 생성자와 판별자 261 / 훈련 262 17.4 객체 탐지 265 __객체 탐지 266 / 탐지 결과 그리기 267 CHAPTER 18 자연어 처리 271 18.1 순환 신경망 271 __셀과 래퍼 271 / 계층 273 / 손실 함수 정의 274 18.2 문자열 생성 275 __데이터셋 생성 276 / 모델 및 손실 함수 278 / 학습 및 문자열 생성 279 18.3 텍스트 분류 280 __데이터셋 준비 281 / 학습 및 테스트 함수 282 / 임베딩층 283 / 어텐션층 283 / 모델 정의 284 / 사전 학습된 임베딩 286 / 최종 결과 286 18.4 트랜스포머 288 __데이터셋 준비 및 학습, 텍스트 함수 288 / 모델 정의 288 / 학습 결과 290 / 정규화 순서 바꾸기 291 18.5 BERT 292 __텍스트 토큰화 292 / 특성 추출 294 / 분류 모델 정의 및 학습 295 18.6 허깅페이스 296 __BERT 기반의 모델 298 / GPT-2 299 / BART 300 PART V 심층 강화학습 CHAPTER 19 강화학습 환경 305 19.1 환경 사용법 305 19.2 카트폴 환경 307 19.3 사용자 정의 환경 309 CHAPTER 20 가치 기반 알고리즘 313 20.1 기본 개념 313 __정책, 궤적, 이득 313 / 기대이득, 최적정책 314 / 가치 함수: (최적) 상태, (최적) 행동 314 / 어드밴티지 함수 315 / 시간차 학습 315 / 활성 정책 vs 비활성 정책 317 / 탐험과 활용 317 / 타깃 네트워크 318 / 행동자-비평자 318 20.2 DQN 318 __경험 재현 버퍼 319 / 하이퍼파라미터 321 / 모델 정의 323 / 전체 실행 함수 325 / 행동 선택 함수 328 / 모델 훈련 함수 328 / 손실 함수 반환 함수 330 / 카트폴 결과 331 20.3 DDPG 333 __코드 구현 334 / 카트폴 결과 336 20.4 SAC 337 __코드 구현 338 / 카트폴 결과 342 CHAPTER 21 정책 기반 알고리즘 343 21.1 기본 개념 343 __정책 경사 343 / GAE 345 21.2 A2C 346 __롤아웃 버퍼 346 / 이득 및 GAE 계산 349 / 하이퍼파라미터 350 / 모델 정의 352 / 전체 실행 함수 354 / 행동 선택 함수 356 / 모델 훈련 함수 359 / 손실 함수 반환 함수 360 / 카트폴 결과 361 21.3 PPO 364 __코드 구현 366 / 카트폴 결과 367 21.4 가치 기반과 정책 기반 알고리즘 비교 368 맺음말 370 찾아보기 373