파이썬 인공지능 자율주행 자동차
인공지능 자율주행을 체험하고 파이썬 코딩으로 심도있게 학습하기
$23.76
SKU
9791193059128
[Free shipping over $100]
Standard Shipping estimated by Tue 06/4 - Mon 06/10 (주문일로부 10-14 영업일)
Express Shipping estimated by Thu 05/30 - Mon 06/3 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2023/11/30 |
| Pages/Weight/Size | 190*255*30mm |
| ISBN | 9791193059128 |
| Categories | IT 모바일 > 컴퓨터 공학 |
Description
『파이썬 인공지능 자율주행 자동차』 책은 인공지능 자율주행 자동차 체험, 딥러닝 알고리즘, 파이썬 코딩으로 인공지능 자율주행 구현 과정에 대해서 알기 쉽게 설명되었다.
이 책의 각 단원의 핵심 내용은 다음과 같다. 1장에서는 파이썬과 텐서플로 기반 인공지능 자율주행 RC카 개발 환경을 구성하고 직접 제작한 RC카를 이용하여 인공지능 자율주행 RC카 체험해 본다. RC카와 카메라를 이용하여 데이터를 수집하고, 수집한 데이터를 CNN 인공 신경망을 통해 학습시키고, 학습된 CNN 인공 신경망을 이용하여 자율주행을 수행하는 단계로 체험해 본다. 2장에서는 딥러닝 7 공식을 이용하여 딥러닝의 기반 알고리즘을 학습하고 구현해 본다. 이 과정에서 특히 순전파, 오차, 역전파 알고리즘을 학습하고 구현해 본다. 텐서플로 상에서도 순전파, 오차, 역전파를 적용해 보고 활용 능력을 키워 봅니다.
3장에서는 활성화 함수를 학습하고 구현해 본다. 이 과정에서 sigmoid, relu, softmax 함수를 학습하고 구현한 후, 신경망에 적용해 본다. 텐서플로 상에서도 활성화 함수를 적용해 보고 활용 능력을 키울 수 있다. 4장에서는 CNN의 핵심 알고리즘을 학습하고 구현해 본다. 이 과정에서 convolution, pooling, 필터, 패딩, 스트라이드 알고리즘을 학습하고 구현해 보고, 텐서플로 상에서도 CNN을 적용해 보고 활용 능력을 키워나갈 수 있다. 5장에서는 파이썬을 이용하여 조이스틱, 쓰레드, 메시지 큐를 학습하고 구현해 본다. 조이스틱을 구현하는 과정에서 python을 이용한 GUI 프로그래밍 능력을 키운다. 또 통신 프로그래밍 시 꼭 필요한 쓰레드와 메시지 큐에 대한 활용 능력을 키운다.
6장에서는 인공지능 자율주행 RC카를 구성하는 카메라 동영상 수신, 소켓 통신, 인공지능 관련된 소스를 하나하나 살펴보면서 그 원리를 이해하고 응용할 수 있다. 구체적으로 TCP/IP 네트워크 통신을 공부하고, 통신을 이용하여 카메라 영상과 조이스틱 데이터를 주고 받아본다. 통신을 통해 수집한 영상과 조이스틱 데이터를 이용하여 CNN 인공 신경망 학습을 수행하고 학습된 CNN 인공 신경망을 이용하여 자율주행을 수행해 본다.
※ 이 책의 예제 소스파일 다운로드 방법은 4쪽을 참조하고, 책을 보면서 궁금한 사항의 질의응답 방법은 5쪽을 참조합니다.
※ 이 책의 실습 준비물은 16~17쪽을 참고하고, 조립 방법 26~35쪽을 참조합니다.
이 책의 각 단원의 핵심 내용은 다음과 같다. 1장에서는 파이썬과 텐서플로 기반 인공지능 자율주행 RC카 개발 환경을 구성하고 직접 제작한 RC카를 이용하여 인공지능 자율주행 RC카 체험해 본다. RC카와 카메라를 이용하여 데이터를 수집하고, 수집한 데이터를 CNN 인공 신경망을 통해 학습시키고, 학습된 CNN 인공 신경망을 이용하여 자율주행을 수행하는 단계로 체험해 본다. 2장에서는 딥러닝 7 공식을 이용하여 딥러닝의 기반 알고리즘을 학습하고 구현해 본다. 이 과정에서 특히 순전파, 오차, 역전파 알고리즘을 학습하고 구현해 본다. 텐서플로 상에서도 순전파, 오차, 역전파를 적용해 보고 활용 능력을 키워 봅니다.
3장에서는 활성화 함수를 학습하고 구현해 본다. 이 과정에서 sigmoid, relu, softmax 함수를 학습하고 구현한 후, 신경망에 적용해 본다. 텐서플로 상에서도 활성화 함수를 적용해 보고 활용 능력을 키울 수 있다. 4장에서는 CNN의 핵심 알고리즘을 학습하고 구현해 본다. 이 과정에서 convolution, pooling, 필터, 패딩, 스트라이드 알고리즘을 학습하고 구현해 보고, 텐서플로 상에서도 CNN을 적용해 보고 활용 능력을 키워나갈 수 있다. 5장에서는 파이썬을 이용하여 조이스틱, 쓰레드, 메시지 큐를 학습하고 구현해 본다. 조이스틱을 구현하는 과정에서 python을 이용한 GUI 프로그래밍 능력을 키운다. 또 통신 프로그래밍 시 꼭 필요한 쓰레드와 메시지 큐에 대한 활용 능력을 키운다.
6장에서는 인공지능 자율주행 RC카를 구성하는 카메라 동영상 수신, 소켓 통신, 인공지능 관련된 소스를 하나하나 살펴보면서 그 원리를 이해하고 응용할 수 있다. 구체적으로 TCP/IP 네트워크 통신을 공부하고, 통신을 이용하여 카메라 영상과 조이스틱 데이터를 주고 받아본다. 통신을 통해 수집한 영상과 조이스틱 데이터를 이용하여 CNN 인공 신경망 학습을 수행하고 학습된 CNN 인공 신경망을 이용하여 자율주행을 수행해 본다.
※ 이 책의 예제 소스파일 다운로드 방법은 4쪽을 참조하고, 책을 보면서 궁금한 사항의 질의응답 방법은 5쪽을 참조합니다.
※ 이 책의 실습 준비물은 16~17쪽을 참고하고, 조립 방법 26~35쪽을 참조합니다.
Contents
Chapter 01 인공지능 자율주행 자동차 체험하기
01 자율주행 자동차의 이해
01 _ 자율주행 자동차 기술
02 _ 자율주행 자동차와 모터
03 _ NVIDIA 딥러닝 자율주행 자동차 동영상 시청하기
04 _ 인공지능 자율주행 RC카 살펴보기
DonkeyCar(동키카)
DeepPiCar(딥파이카)
DeepRacer(딥레이서)
02 인공지능 자율주행 RC카 조립하기
01 _ 부품 살펴보기
전자부품
나사부품
판부품 및 연결선
도로용 테이프
02 _ 인공지능 자율주행 RC카 조립하기
자주차 몸체부 조립하기
자주차 카메라부 조립하기
A.I. 자주차 접속해 보기
A.I. 자주차 충전하기
03 인공지능 자율주행 체험하기
01 _ 딥러닝 자율주행 실습 환경 구성하기
Thonny IDE 설치하기
파이썬 실습 환경 설정하기
파이썬 프로그램 작성하기
파이썬 프로그램 실행하기
파이썬 프로그램 종료하기
인공지능 자율주행 실습 환경 설치하기
02 _ 주행 도로 만들기
03 _ 자주차 주행 연습하기
04 _ 데이터 수집하기
05 _ Teachable Machine으로 이미지 학습시켜보기
06 _ Teachable Machine 모델로 자울주행해 보기
07 _ CNN 딥러닝학습하기
데이터 라벨링하기
CNN 딥러닝 학습하기
08 _ CNN 인공지능 자율주행하기
Chapter 02 딥러닝 알고리즘 1 : 딥러닝 7 공식
01 딥러닝의 이해
01 _ 인공 신경망이란?
인공 신경망으로 할 수 있는 일들
인공 신경망의 구조
02 _ 인공 신경망의 학습 방법
지도 학습
비지도 학습
강화 학습
03 _ 인공 신경 살펴보기
인공 신경과 생물학적 신경
인공 신경 내부 살펴보기
인공 신경 함수 수식
가장 간단한 인공 신경
정리하기
04 _ 퍼셉트론의 이해
퍼셉트론과 논리 게이트
퍼셉트론 구현하기 1
편향 개념 가져오기
퍼셉트론 구현하기 2
퍼셉트론의 한계 : XOR
다중 퍼셉트론으로 해결 : XOR
XOR 구현하기
02 딥러닝 7 공식
01 _ 딥러닝 제 1 공식 : 순전파
순전파 살펴보기
순전파 수행하기
02 _ 딥러닝 제 2 공식 : 평균 제곱 오차
평균 제곱 오차 수행하기
03 _ 딥러닝 제 3 공식 : 역전파 오차
역전파 오차 수행하기
04 _ 딥러닝 제 4 공식 : 입력 역전파
05 _ 딥러닝 제 5 공식 : 가중치, 편향 순전파
06 _ 딥러닝 제 6 공식 : 가중치, 편향 순전파
가중치, 편향 역전파 수행하기
07 _ 딥러닝 제 7 공식 : 신경망 학습
신경망 학습해 보기
신경망 학습 수행하기 1
학습률 적용하기
신경망 학습 수행하기 2
학습된 신경망으로 예측하기
08 _ 딥러닝 반복 학습해 보기
반복 학습 2회 수행하기
반복 학습 20회 수행하기
반복 학습 200회 수행하기
오차 조건 추가하기
학습률 변경하기
09 _ 딥러닝 7 공식 정리하기
03 딥러닝 7 공식 확장하기
01 _ 2입력 1출력 인공 신경
딥러닝 제 1 공식 : 순전파
딥러닝 제 2 공식 : 평균 제곱 오차
딥러닝 제 3 공식 : 역전파 오차
딥러닝 제 4 공식 : 입력 역전파
딥러닝 제 5 공식 : 가중치, 편향 순전파
딥러닝 제 6 공식 : 가중치, 편향 역전파
딥러닝 제 7 공식 : 신경망 학습
딥러닝 반복 학습해 보기
02 _ 2입력 2출력 인공 신경망
딥러닝 제 1 공식 : 순전파
딥러닝 제 2 공식 : 평균 제곱 오차
딥러닝 제 3 공식 : 역전파 오차
딥러닝 제 4 공식 : 입력 역전파
딥러닝 제 5 공식 : 가중치, 편향 순전파
딥러닝 제 6 공식 : 가중치, 편향 역전파
딥러닝 제 7 공식 : 신경망 학습
딥러닝 반복 학습해 보기
연습문제 1
연습문제 2
03 _ 2입력 2은닉 2출력 인공 신경망
인공 신경망 수식 정리하기
인공 신경망 구현하기
04 teachable machine 사용해 보기
teachable machine 시작하기
데이터 수집하기
Teachable machine 모델로 예측해 보기
05 텐서플로우로 딥러닝 7 공식 구현하기
01 _ 텐서플로 실습 환경 구성하기
02 _ 1입력 1출력 인공 신경 구현하기
03 _ 2입력 1출력 인공 신경 구현하기
04 _ 2입력 2출력 인공 신경 구현하기
05 _ 2입력 2은닉 2출력 인공 신경 구현하기
06 _ 딥러닝 학습 과정 살펴보기
w. b, E 관계 살펴보기
numpy 연산 살펴보기
학습 과정 살펴보기
Chapter 03 딥러닝 알고리즘 2 : 활성화 함수
01 활성화 함수 추가하기
01 _ 활성화 함수의 필요성
활성화 함수는 무엇인가요?
활성화 함수는 왜 필요한가요?
어떤 활성화 함수가 있나요
활성화 함수 그리기
matplotlib animation으로 그려보기
02 _ 활성화 함수의 순전파와 역전파
03 _ 활성화 함수 적용하기
딥러닝 7 공식에 적용하기
텐서플로에 적용하기
04 _ 출력층에 linear 함수 적용해 보기
딥러닝 7 공식에 적용하기
텐서플로에 적용하기
05 _ softmax 활성화 함수/cross entropy 오차 함수 살펴보기
softmax와 cross entropy
softmax 함수 구현해 보기
softmax 함수의 분모 크기 줄이기
cross entropy 오차 구현해 보기
06 _ softmax 활성화 함수/cross entropy 오차 함수 적용하기
딥러닝 7 공식에 적용하기
텐서플로에 적용하기
02 7 세그먼트 인공 신경망
01 _ numpy 배열로 데이터 초기화하기
02 _ 딥러닝 모델 학습시키기
03 _ 국소해의 문제 해결해 보기
04 _ 출력층에 linear 함수 적용해 보기
05 _ 목표값 변경해 보기
06 _ 입력층과 목표층 바꿔보기
07 _ 은닉층 늘려보기
08 _ 학습 시키고 모델 내보내기
09 _ 모델 불러와 예측하기 1
10 _ 모델 불러와 예측하기 2
03 딥러닝 활용 맛보기
01 _ 딥러닝 활용 예제 살펴보기
02 _ 손글씨 숫자 인식 예제 살펴보기
데이터 모양 살펴보기
학습 데이터 그림 그려보기
그림 픽셀 값 출력해 보기
학습 데이터 그림 그려보기 2
인공 신경망 학습 시키고 저장하기
학습된 인공 신경망 시험하기
예측값과 실제값 출력해 보기
시험 데이터 그림 그려보기
시험 데이터 그림그려보기 2
잘못된 예측 살펴보기
잘못된 예측 그림 살펴보기
MNIST 선형 회귀
03 _ 패션 MNIST 데이트 셋 학습하기
연습문제
04 _ cifar10 데이터 셋 학습하기
CIFAR-10 데이터 셋 차원 살펴보기
CIFAR-10 데이터 셋 학습하기
05 _ cifar100 데이터 셋 학습하기
CIFAR-100 데이터 셋 차원 살펴보기
CIFAR-100 라벨 값 살펴보기
CIFAR-100 데이터 셋 학습하기
06 _ 임의 흑백 이미지 데이터 셋 학습하기
임의 흑백 이미지 데이터 셋 생성하기
임의 흑백 이미지 데이터 셋 학습하기
07 _ 임의 컬러 이미지 데이터 셋 학습하기
임의 컬러 이미지 데이터 셋 생성하기
임의 컬러 이미지 데이터 셋 학습하기
연습문제
Chapter 04 딥러닝 알고리즘 3 : CNN의 이해와 활용
01 CNN의 순전파 이해와 구현
01 _ CNN 신경망 살펴보기
02 _ 3×3 입력 : filter size
03 _ 4×4 입력 : stride
04 _ 6×6 입력 : padding
05 _ 4×4 합성 곱 : pooling
06 _ 6×6 입력 필터 늘리기
07 _ 필터 역할 살펴보기
선명한 이미지 추출하기
경계선 추출하기
이미지 단순화
08 _ 3×3×2 입력
09 _ 6×6×2 입력
10 _ 6×6×2 입력 필터 늘리기
11 _ 6×6×3 입력
12 _ 필터의 깊이와 개수
02 CNN 활용 맛보기
01 _ Conv2D-Conv2D-MaxPooling2D
02 _ Conv2D-MaxPooling2D
03 _ 필터 개수 줄여보기 228
04 _ cifar10 데이터 셋 학습하기
05 _ cifar100 데이터 셋 학습하기
Chapter 05 인공지능 자율주행 자동차 코딩하기 1
01 파이썬 조이스틱 코딩하기
01 _ 조이스틱 윈도우 구성하기
앱 생성하기 : AQpplication
주 윈도우 만들기 : QMainWindow
주 윈도우 제목, 위치, 크기 설정하기
클라이언트 영역 생성하기 : QWidget
배치 관리자 생성하기 : QGridLayout
Video, Joystick 영역 표시하기
RC카 속도 조절 윈도우 추가하기 : QSlider
02 _ 조이스틱 윈도우 구현하기
MyJoystick 클래스 정의하기
__int__ 함수 추가하기
paintEvent 함수 추가하기
조이스틱 영역 그리기
조이스틱 손잡이 그리기
마우스 이벤트 함수 추가하기
mousePressEvent 함수 구현하기
mouseMoveEvent 함수 구현하기
조이스틱 손잡이 이동 영역 고정하기
mouseReleaseEvent 함수 구현하기
mousePressEvent 함수 다듬기
타이머 이벤트 추가하기 : QTimer
조이스틱 위치 함수 추가하기
사용자 정의 콜백 함수 호출하기
03 _ 조이스틱 앱 클래스 정의와 활용
조이스틱 앱 클래스 정의하기
조이스틱 위치값과 속도 값 얻어오기
RC카 방향 값 얻어오기
02 threading.Thread 클래스
01 _ 쓰레드와 프로세스 이해하기
02 _ 쓰레드 생성하기
03 메시지 큐 통신
주 루틴과 쓰레드 간 메시지 큐 통신하기
Chapter 06 인공지능 자율주행 자동차 코딩하기 2
01 opencv로 카메라 영상 받기
01 _ opencv로 카메라 영상 받기
02 _ frame rate 측정하기
03 _ 평균 frame rate 계산하기
02 video joystick 코딩하기
MyJoystickCamApp 클래스 정의하기
__int__ 함수 추가하기
카메라 쓰레드 추가하기
03 자동차 주행 원격 제어하기
04 데이터 수집하기
MyDataCollectionApp 클래스 정의하기
__int__ 함수 추가하기
데이터 수집 기능 추가하기
데이터 수집하기
05 데이터 라벨링하기
06 CNN 인공지능 학습하기
01 _ 수집한 데이터 불러오기
02 _ 수집한 이미지 출력해 보기
03 _ 훈련, 검증, 시험 데이터 분리하기
04 _ 인공 신경망 학습시키기
05 _ 시험 데이터로 확인해 보기
07 CNN 인공지능 자율주행하기 1
08 CNN 인공지능 자율주행하기 2
01 자율주행 자동차의 이해
01 _ 자율주행 자동차 기술
02 _ 자율주행 자동차와 모터
03 _ NVIDIA 딥러닝 자율주행 자동차 동영상 시청하기
04 _ 인공지능 자율주행 RC카 살펴보기
DonkeyCar(동키카)
DeepPiCar(딥파이카)
DeepRacer(딥레이서)
02 인공지능 자율주행 RC카 조립하기
01 _ 부품 살펴보기
전자부품
나사부품
판부품 및 연결선
도로용 테이프
02 _ 인공지능 자율주행 RC카 조립하기
자주차 몸체부 조립하기
자주차 카메라부 조립하기
A.I. 자주차 접속해 보기
A.I. 자주차 충전하기
03 인공지능 자율주행 체험하기
01 _ 딥러닝 자율주행 실습 환경 구성하기
Thonny IDE 설치하기
파이썬 실습 환경 설정하기
파이썬 프로그램 작성하기
파이썬 프로그램 실행하기
파이썬 프로그램 종료하기
인공지능 자율주행 실습 환경 설치하기
02 _ 주행 도로 만들기
03 _ 자주차 주행 연습하기
04 _ 데이터 수집하기
05 _ Teachable Machine으로 이미지 학습시켜보기
06 _ Teachable Machine 모델로 자울주행해 보기
07 _ CNN 딥러닝학습하기
데이터 라벨링하기
CNN 딥러닝 학습하기
08 _ CNN 인공지능 자율주행하기
Chapter 02 딥러닝 알고리즘 1 : 딥러닝 7 공식
01 딥러닝의 이해
01 _ 인공 신경망이란?
인공 신경망으로 할 수 있는 일들
인공 신경망의 구조
02 _ 인공 신경망의 학습 방법
지도 학습
비지도 학습
강화 학습
03 _ 인공 신경 살펴보기
인공 신경과 생물학적 신경
인공 신경 내부 살펴보기
인공 신경 함수 수식
가장 간단한 인공 신경
정리하기
04 _ 퍼셉트론의 이해
퍼셉트론과 논리 게이트
퍼셉트론 구현하기 1
편향 개념 가져오기
퍼셉트론 구현하기 2
퍼셉트론의 한계 : XOR
다중 퍼셉트론으로 해결 : XOR
XOR 구현하기
02 딥러닝 7 공식
01 _ 딥러닝 제 1 공식 : 순전파
순전파 살펴보기
순전파 수행하기
02 _ 딥러닝 제 2 공식 : 평균 제곱 오차
평균 제곱 오차 수행하기
03 _ 딥러닝 제 3 공식 : 역전파 오차
역전파 오차 수행하기
04 _ 딥러닝 제 4 공식 : 입력 역전파
05 _ 딥러닝 제 5 공식 : 가중치, 편향 순전파
06 _ 딥러닝 제 6 공식 : 가중치, 편향 순전파
가중치, 편향 역전파 수행하기
07 _ 딥러닝 제 7 공식 : 신경망 학습
신경망 학습해 보기
신경망 학습 수행하기 1
학습률 적용하기
신경망 학습 수행하기 2
학습된 신경망으로 예측하기
08 _ 딥러닝 반복 학습해 보기
반복 학습 2회 수행하기
반복 학습 20회 수행하기
반복 학습 200회 수행하기
오차 조건 추가하기
학습률 변경하기
09 _ 딥러닝 7 공식 정리하기
03 딥러닝 7 공식 확장하기
01 _ 2입력 1출력 인공 신경
딥러닝 제 1 공식 : 순전파
딥러닝 제 2 공식 : 평균 제곱 오차
딥러닝 제 3 공식 : 역전파 오차
딥러닝 제 4 공식 : 입력 역전파
딥러닝 제 5 공식 : 가중치, 편향 순전파
딥러닝 제 6 공식 : 가중치, 편향 역전파
딥러닝 제 7 공식 : 신경망 학습
딥러닝 반복 학습해 보기
02 _ 2입력 2출력 인공 신경망
딥러닝 제 1 공식 : 순전파
딥러닝 제 2 공식 : 평균 제곱 오차
딥러닝 제 3 공식 : 역전파 오차
딥러닝 제 4 공식 : 입력 역전파
딥러닝 제 5 공식 : 가중치, 편향 순전파
딥러닝 제 6 공식 : 가중치, 편향 역전파
딥러닝 제 7 공식 : 신경망 학습
딥러닝 반복 학습해 보기
연습문제 1
연습문제 2
03 _ 2입력 2은닉 2출력 인공 신경망
인공 신경망 수식 정리하기
인공 신경망 구현하기
04 teachable machine 사용해 보기
teachable machine 시작하기
데이터 수집하기
Teachable machine 모델로 예측해 보기
05 텐서플로우로 딥러닝 7 공식 구현하기
01 _ 텐서플로 실습 환경 구성하기
02 _ 1입력 1출력 인공 신경 구현하기
03 _ 2입력 1출력 인공 신경 구현하기
04 _ 2입력 2출력 인공 신경 구현하기
05 _ 2입력 2은닉 2출력 인공 신경 구현하기
06 _ 딥러닝 학습 과정 살펴보기
w. b, E 관계 살펴보기
numpy 연산 살펴보기
학습 과정 살펴보기
Chapter 03 딥러닝 알고리즘 2 : 활성화 함수
01 활성화 함수 추가하기
01 _ 활성화 함수의 필요성
활성화 함수는 무엇인가요?
활성화 함수는 왜 필요한가요?
어떤 활성화 함수가 있나요
활성화 함수 그리기
matplotlib animation으로 그려보기
02 _ 활성화 함수의 순전파와 역전파
03 _ 활성화 함수 적용하기
딥러닝 7 공식에 적용하기
텐서플로에 적용하기
04 _ 출력층에 linear 함수 적용해 보기
딥러닝 7 공식에 적용하기
텐서플로에 적용하기
05 _ softmax 활성화 함수/cross entropy 오차 함수 살펴보기
softmax와 cross entropy
softmax 함수 구현해 보기
softmax 함수의 분모 크기 줄이기
cross entropy 오차 구현해 보기
06 _ softmax 활성화 함수/cross entropy 오차 함수 적용하기
딥러닝 7 공식에 적용하기
텐서플로에 적용하기
02 7 세그먼트 인공 신경망
01 _ numpy 배열로 데이터 초기화하기
02 _ 딥러닝 모델 학습시키기
03 _ 국소해의 문제 해결해 보기
04 _ 출력층에 linear 함수 적용해 보기
05 _ 목표값 변경해 보기
06 _ 입력층과 목표층 바꿔보기
07 _ 은닉층 늘려보기
08 _ 학습 시키고 모델 내보내기
09 _ 모델 불러와 예측하기 1
10 _ 모델 불러와 예측하기 2
03 딥러닝 활용 맛보기
01 _ 딥러닝 활용 예제 살펴보기
02 _ 손글씨 숫자 인식 예제 살펴보기
데이터 모양 살펴보기
학습 데이터 그림 그려보기
그림 픽셀 값 출력해 보기
학습 데이터 그림 그려보기 2
인공 신경망 학습 시키고 저장하기
학습된 인공 신경망 시험하기
예측값과 실제값 출력해 보기
시험 데이터 그림 그려보기
시험 데이터 그림그려보기 2
잘못된 예측 살펴보기
잘못된 예측 그림 살펴보기
MNIST 선형 회귀
03 _ 패션 MNIST 데이트 셋 학습하기
연습문제
04 _ cifar10 데이터 셋 학습하기
CIFAR-10 데이터 셋 차원 살펴보기
CIFAR-10 데이터 셋 학습하기
05 _ cifar100 데이터 셋 학습하기
CIFAR-100 데이터 셋 차원 살펴보기
CIFAR-100 라벨 값 살펴보기
CIFAR-100 데이터 셋 학습하기
06 _ 임의 흑백 이미지 데이터 셋 학습하기
임의 흑백 이미지 데이터 셋 생성하기
임의 흑백 이미지 데이터 셋 학습하기
07 _ 임의 컬러 이미지 데이터 셋 학습하기
임의 컬러 이미지 데이터 셋 생성하기
임의 컬러 이미지 데이터 셋 학습하기
연습문제
Chapter 04 딥러닝 알고리즘 3 : CNN의 이해와 활용
01 CNN의 순전파 이해와 구현
01 _ CNN 신경망 살펴보기
02 _ 3×3 입력 : filter size
03 _ 4×4 입력 : stride
04 _ 6×6 입력 : padding
05 _ 4×4 합성 곱 : pooling
06 _ 6×6 입력 필터 늘리기
07 _ 필터 역할 살펴보기
선명한 이미지 추출하기
경계선 추출하기
이미지 단순화
08 _ 3×3×2 입력
09 _ 6×6×2 입력
10 _ 6×6×2 입력 필터 늘리기
11 _ 6×6×3 입력
12 _ 필터의 깊이와 개수
02 CNN 활용 맛보기
01 _ Conv2D-Conv2D-MaxPooling2D
02 _ Conv2D-MaxPooling2D
03 _ 필터 개수 줄여보기 228
04 _ cifar10 데이터 셋 학습하기
05 _ cifar100 데이터 셋 학습하기
Chapter 05 인공지능 자율주행 자동차 코딩하기 1
01 파이썬 조이스틱 코딩하기
01 _ 조이스틱 윈도우 구성하기
앱 생성하기 : AQpplication
주 윈도우 만들기 : QMainWindow
주 윈도우 제목, 위치, 크기 설정하기
클라이언트 영역 생성하기 : QWidget
배치 관리자 생성하기 : QGridLayout
Video, Joystick 영역 표시하기
RC카 속도 조절 윈도우 추가하기 : QSlider
02 _ 조이스틱 윈도우 구현하기
MyJoystick 클래스 정의하기
__int__ 함수 추가하기
paintEvent 함수 추가하기
조이스틱 영역 그리기
조이스틱 손잡이 그리기
마우스 이벤트 함수 추가하기
mousePressEvent 함수 구현하기
mouseMoveEvent 함수 구현하기
조이스틱 손잡이 이동 영역 고정하기
mouseReleaseEvent 함수 구현하기
mousePressEvent 함수 다듬기
타이머 이벤트 추가하기 : QTimer
조이스틱 위치 함수 추가하기
사용자 정의 콜백 함수 호출하기
03 _ 조이스틱 앱 클래스 정의와 활용
조이스틱 앱 클래스 정의하기
조이스틱 위치값과 속도 값 얻어오기
RC카 방향 값 얻어오기
02 threading.Thread 클래스
01 _ 쓰레드와 프로세스 이해하기
02 _ 쓰레드 생성하기
03 메시지 큐 통신
주 루틴과 쓰레드 간 메시지 큐 통신하기
Chapter 06 인공지능 자율주행 자동차 코딩하기 2
01 opencv로 카메라 영상 받기
01 _ opencv로 카메라 영상 받기
02 _ frame rate 측정하기
03 _ 평균 frame rate 계산하기
02 video joystick 코딩하기
MyJoystickCamApp 클래스 정의하기
__int__ 함수 추가하기
카메라 쓰레드 추가하기
03 자동차 주행 원격 제어하기
04 데이터 수집하기
MyDataCollectionApp 클래스 정의하기
__int__ 함수 추가하기
데이터 수집 기능 추가하기
데이터 수집하기
05 데이터 라벨링하기
06 CNN 인공지능 학습하기
01 _ 수집한 데이터 불러오기
02 _ 수집한 이미지 출력해 보기
03 _ 훈련, 검증, 시험 데이터 분리하기
04 _ 인공 신경망 학습시키기
05 _ 시험 데이터로 확인해 보기
07 CNN 인공지능 자율주행하기 1
08 CNN 인공지능 자율주행하기 2