마음을 사로잡는 대화법 또는 딥러닝 모델 설계를 떠받치는 기술 > 도서

마음을 사로잡는 대화법



도서명 : 마음을 사로잡는 대화법
저자/출판사 : 사이토 이사무, 시아컨텐츠
쪽수 : 216쪽
출판일 : 2018-12-10
ISBN : 9791188519156
정가 : 14500

여는 말｜인간관계와 비즈니스를 성공으로 이끄는 대화법 1부 창조적 대화법 01. 호감을 부르는 대화법의 첫걸음 한마디 말이 첫인상을 바꾼다｜무조건 칭찬만 하라 ｜‘권위의 옷’을 입자｜호감을 부르는 만남｜맞장구치는 말로 한걸음 다가서라 02. 실생활에서 활용하는 대화법의 힘 중단된 정보는 기억에 남는다｜대답하기 쉬운 질문을 반복한다｜무리한 요구로 타협을 이끈다｜흥을 북돋워 분위기를 연출하라｜단도직입적인 말로 주도권을 잡아라｜맺음말로 강한 인상을 남긴다｜‘호랑이의 권위’를 빌려라｜반대의견은 미리 차단하라 2부 호감형 대화법 03. 상대의 마음을 움직이는 대화법의 포인트 그 끝이 알고 싶어지는 의외성 암시｜연대의식을 자극하여 내 편으로 만드는 동조 암시｜손득 감정에 호소하는 대비 암시｜치켜세워주는 칭찬 암시｜기대를 걸어 힘을 끌어내는 기대 암시｜불안하게 만들어 결단을 재촉하는 위협 암시｜당신에게 의지하게 만드는 고립 암시｜감추어진 욕망을 끌어내는 모호한 암시｜머릿속의 혼란스러움을 틈타는 착각 암시 04. 내 방식으로 사람을 끌어내는 6가지 방법 철저하게 애태우기｜상상력을 최대한 이용하라｜맞장구로 공감대를 형성하라｜타협으로 긴장을 늦춰라｜방심하게 만들어 반격하라｜깔려 있는 레일 위로 유도하라 05. 사람에 따라 효과 있는 대화법 세세한 일에도 신경 쓰는 타입｜자기 과시욕이 강한 타입｜완고한 관철주의 타입｜모든 일에 열심인 맹렬 타입｜외로움에 빠지는 내성적인 타입｜남에게 자기를 맞추는 넉살 좋은 타입 3부 교묘한 심리게임 06. 마음을 움직이는 위치 심리 과연 헤어질 수 있을까 ｜대화의 효과를 높여주는 위치관계 07. 누구부터 사전협상을 해야 하나 인물평가의 결정적 수단｜이것이 사전협상의 지름길｜PM 이론으로 사람을 움직인다 08. 범인은 누구인가 거짓말을 하고 있는 사람은 과연 누구인가 ｜돈 때문에 마음이 움직이는 이유｜우울한 심리의 정체 4부 즉시 활용할 수 있는 대화법 09. 임기응변으로 해결하는 대화의 기술 맞장구로 마음의 문을 열어라｜칭찬으로 심리를 자극하라｜동요시키는 말로 불안감을 일으켜라｜대안을 마련하여 성취욕을 자극하라｜인정하는 말로 마음을 사로잡는다 10. 마음을 확실하게 사로잡는 바꿔 말하기 법칙 심리적인 거리를 좁혀라｜문제와의 거리를 좁혀라｜재치 있는 말 한마디로 위기를 극복하라 11. 상대방의 마음속으로 들어가는 4단계 마음의 문을 두드리는 ‘제1차 접근용어’｜마음의 문을 열게 하는 ‘제2차 접근용어’｜마음의 응접실로 들어가는 ‘제3차 접근용어’｜마음의 침실로 들어가는 ‘제4차 접근용어’ 12. 침묵은 말보다 강력하다 시선의 움직임으로 대화를 조종하라｜말보다 강력한 보디랭귀지｜친근감을 끌어내는 거울화법｜말의 효과를 높여주는 심리 거리｜마음을 유혹하는 3초 리듬｜마음의 공명을 일으키는 목소리｜스스로 움직여 이미지를 만드는 소문 5부 대화법의 달인들에게 배운다 13. 최고 세일즈맨에게 배우는 대화법 협상성립의 열쇠는 1ㆍ6ㆍ3｜당신만 없을지도 모른다｜금방 친해질 수 있는 이야기｜장밋빛 미래를 제시하라｜큰 숫자보다 작은 숫자｜판매의 달인이 공개하는 핵심전술｜사랑과 일에 효과적인 썰물화법 14. 특별한 사람들의 대화법 심리조작 기교의 달인-정치가｜생각을 조종하는 마술사｜내가 원하는 분위기로 만드는 사회자｜말 한마디로 7가지 색채를 표현하는 배우｜마음속 깊이 파고드는 심리 카운슬러｜거침없는 직언으로 정보를 얻어내는 점술사




딥러닝 모델 설계를 떠받치는 기술



도서명 : 딥러닝 모델 설계를 떠받치는 기술
저자/출판사 : 마이크 베르니코, 위키북스
쪽수 : 296쪽
출판일 : 2019-01-22
ISBN : 9791158391324
정가 : 25000

▣ 01장: 딥러닝 건축 재료
심층 신경망 아키텍처
__뉴런
__딥러닝의 손실 함수와 비용 함수
__순전파 과정
__역전파 함수
__확률적 경사 하강과 미니배치 경사 하강
딥러닝을 위한 최적화 알고리즘
__경사 하강 시 운동량을 사용하기
__RMSProp 알고리즘
__Adam 최적화기
딥러닝 프레임워크
__텐서플로란 무엇인가?
__케라스란 무엇인가?
__텐서플로의 인기 있는 대안들
__텐서플로와 케라스에 필요한 GPU
__엔비디아 CUDA 툴킷과 cuDNN 설치
__파이썬 설치
__텐서플로와 케라스 설치
딥러닝용 데이터셋 구축
__딥러닝의 편향 오차 및 분산 오차
__train, val, test 데이터 집합
__심층 신경망의 편향과 분산 관리
__k 겹 교차 검증
요약

▣ 02장: 딥러닝으로 회귀 문제를 풀기
회귀 분석과 심층 신경망
__회귀 분석에 신경망을 사용할 때의 이점
__회귀 분석에 신경망을 사용할 때의 단점
회귀 분석에 심층 신경망을 사용하기
__머신러닝 문제를 계획하는 방법
__예제에 쓸 문제를 정의하기
__데이터셋 적재
__비용 함수 정의
케라스로 MLP를 구축하기
__입력 계층의 모양
__은닉 계층의 모양
__출력 계층의 모양
__신경망 아키텍처
__케라스 모델을 훈련하기
__모델의 성능을 측정하기
케라스로 심층 신경망을 구축하기
__심층 신경망 성능 측정
__모델의 하이퍼파라미터 조율
훈련된 케라스 모델을 저장하고 적재하기
요약

▣ 03장: 텐서보드로 신경망의 훈련 과정을 살펴보기
텐서보드에 대한 개요
텐서보드를 설정하기
__텐서보드 설치
__텐서보드가 케라스/텐서플로와 대화하는 방법
__텐서보드 실행
케라스와 텐서보드를 연결하기
__케라스 콜백 소개
__텐서보드 콜백을 생성하기
텐서보드를 사용하기
__훈련 시각화
__신경망 그래프 시각화
__문제가 생긴 신경망을 시각화하기
요약

▣ 04장: 딥러닝으로 이진 분류 문제를 풀기
이진 분류 및 심층 신경망
__심층 신경망의 장점
__심층 신경망의 단점
사례 연구: 간질 발작 인식
__데이터셋 정의하기
__데이터를 적재하기
__모델의 입력과 출력
__비용 함수
__계량을 사용해 성능을 평가하기
케라스에서 이진 분류기를 만들기
__입력 계층
__은닉 계층
__출력 계층
__종합하기
__모델을 훈련하기
케라스에서 검사점 콜백을 사용하기
사용자 지정 콜백에서 ROC AUC를 측정하기
정밀도, 재현율 및 f1 점수 측정하기
요약

▣ 05장: 케라스로 다중 클래스 분류 문제를 풀기
다중 클래스 분류와 관련된 심층 신경망
__장점
__단점
사례 연구: 손글씨 숫자 분류
__문제 정의
__모델 입력 및 출력
__비용 함수
__계량
케라스로 다중 클래스 분류기를 만들기
__MNIST 적재
__입력 계층
__은닉 계층
__출력 계층
__종합하기
__훈련
__다중 클래스 모델에서 사이킷런의 계량을 사용하기
드롭아웃을 사용해 분산을 통제하기
정칙화를 사용해 분산을 통제하기
요약

▣ 06장: 하이퍼파라미터 최적화
신경망 아키텍처도 하이퍼파라미터라고 생각해야 하는가?
__거인의 어깨 위에 서기
__과적합이 될 때까지 추가한 다음에 정칙화하기
__실천적 조언
어떤 하이퍼파라미터를 최적화해야 하는가?
하이퍼 파라미터 최적화 전략으로는 어떤 것들이 있는가?
__공통 전략 93
__사이킷런의 임의 탐색 기능을 사용하기
__하이퍼밴드
요약

▣ 07장: CNN을 처음부터 훈련하기
합성곱 소개
__합성곱의 계층은 어떻게 작용하는가?
__합성곱 계층의 이점
__풀링 계층
__배치 정규화
케라스에서 합성곱 신경망을 훈련하기
__입력
__출력
__비용 함수와 계량
__합성곱 계층
__완전 연결 계층
__케라스의 다중 GPU 모델
__훈련
데이터를 확대하기
__케라스의 ImageDataGenerator
__생성기를 사용한 훈련
요약

▣ 08장: 사전 훈련 CNN을 사용한 전이 학습
전이 학습의 개요
전이 학습을 사용해야만 하는 때
__제한된 데이터
__공통 문제 정의역
원본 및 대상의 크기와 유사도의 영향
__더 많은 데이터가 항상 유용하다
__원본/대상 정의역 유사도
케라스로 하는 전이 학습
__대상 정의역 개요
__원본 정의역 개요
__원본 신경망 아키텍처
__전이 신경망 아키텍처
__데이터 준비
__데이터 입력
__훈련(특징 추출)
__훈련(미세 조정)
요약

▣ 09장: RNN을 처음부터 훈련하기
재귀 신경망
__뉴런이 재귀하는 이유는?
__장단기 기억 신경망
__시간 펼침 역전파
시계열 문제
__저량 및 유량
__ARIMA 및 ARIMAX 예측
LSTM을 사용한 시계열 예측
__데이터 준비
__신경망 출력
__신경망 아키텍처
__상태 저장 및 상태 비저장 LSTM
__훈련
__성능 측정
요약

▣ 10장: 처음부터 워드 임베딩으로 LSTM을 훈련하기
자연어 처리 소개
__의미 분석
__문서 분류
텍스트 벡터화
__NLP 용어
__단어 주머니 모델
__어간 추출, 표제어 추출 및 불용어
__계수 벡터화와 TF-IDF 벡터화
워드 임베딩
__간단한 예제
__예측을 통한 워드 임베딩 학습
__셈을 통한 워드 임베딩 학습
__단어에서 문서로 가져오기
케라스 임베딩 계층
자연어 처리를 위한 1D CNN
문서 분류에 대한 사례 연구
__케라스 임베딩 계층 및 LSTM을 이용한 정서 분석
__GloVe를 사용하는 문서 분류와 사용하지 않는 문서 분류
__데이터 준비
요약

▣ 11장: Seq2Seq 모델을 훈련하기
시퀀스-투-시퀀스 모델
__시퀀스-투-시퀀스 모델 응용
__시퀀스-투-시퀀스 모델의 아키텍처
__문자 대 단어
__교사 강요
__주의집중
__번역 계량
기계 번역
__데이터를 이해하기
데이터를 적재하기
__원핫인코딩
__신경망 아키텍처를 훈련하기
__신경망 아키텍처(추론용)
__종합하기
__훈련
__추론
요약

▣ 12장: 심층강화학습을 사용하기
강화학습 개요
__마르코프 결정 과정
__Q 학습
__무한 상태 공간
__심층 Q 신경망
__이용 대 탐색
__딥마인드
케라스 강화학습 프레임워크
__Keras-RL 설치
__OpenAI gym 설치
__OpenAI gym 사용하기
케라스에서 강화학습 에이전트를 구축하기
__카트폴
__루나랜더
요약

▣ 13장: 생성적 적대 신경망
GAN의 개요
심층 합성곱 GAN의 아키텍처
__적대적 훈련 아키텍처
__생성기 아키텍처
__판별기 아키텍처
__적층한 훈련
GAN 훈련에 실패하는 방법
__안정성
__최빈값 붕괴
GAN을 위한 안전한 선택지
케라스 GAN을 사용해 MNIST 이미지를 생성하기
__데이터셋을 적재하기
__생성기를 구축하기
__판별기를 구축하기
__적층 모델을 구축하기
__훈련 루프
__모델 평가
케라스 GAN을 사용해 CIFAR-10 이미지를 생성하기
__CIFAR-10을 적재하기
__생성기를 구축하기
__판별기 구축
__훈련 루프
__모델을 평가하기
요약