1장. 케라스를 활용한 머신러닝 입문
__서론
__데이터 묘사
____데이터 테이블
____데이터 로딩
____실습 1: UCI 머신러닝 저장소 데이터 세트 로딩
__데이터 전처리
____실습 2: 데이터 정리
____데이터의 적절한 표현
____실습 3: 데이터의 적절한 표현
____모델 생성 수명 주기
__머신러닝 라이브러리
__사이킷런
__케라스
____케라스의 장점
____케라스의 단점
____모델 구축을 넘어서
__모델 학습
____분류 및 회귀 모델
____분류 과업
____회귀 과업
____학습 및 테스트 데이터 세트
____모델 평가 측정 항목
____실습 4: 간단한 모델 구축
__모델 튜닝
____기준 모델
____실습 5: 기준 모델 선정
____정규화
____교차 - 검증
____활동 1: 모델에 정규화를 더하기
__요약
2장. 머신러닝 대 딥러닝
__서론
____ANN이 전통적인 머신러닝 알고리즘보다 좋은 점
____전통적인 머신러닝 알고리즘이 ANN보다 좋은 점
____계층형 데이터 묘사
__선형 변환
____스칼라, 벡터, 행렬, 텐서
____텐서 덧셈
____실습 6: 스칼라, 행렬, 텐서를 가지고 다양한 연산 해보기
____정형
____행렬 전치
____실습 7: 행렬 정형 및 전치
____행렬 곱셈
____실습 8: 행렬 곱셈
____실습 9: 텐서 곱셈
__케라스 소개
____레이어 유형
____활성화 함수
____모델 피팅
____활동 2: 케라스를 사용해 논리 회귀 모델 생성
__요약
3장. 케라스를 활용한 딥러닝
__서론
__첫 번째 신경망 구축
____논리 회귀에서 딥 신경망으로
____활성화 함수
____예측을 위한 순전파
____손실 함수
____손실 함수의 미분계수 계산을 위한 역전파
____매개변수 학습을 위한 경사 하강법
____실습 10: 케라스를 활용한 신경망 구현
____활동 3:
★ 이 책의 구성 ★
이 책을 통해 다음을 목표를 달성할 수 있다.
■ 단일-레이어 신경망과 다중-레이어 신경망의 차이 이해
■ 케라스를 사용한 간단한 논리 회귀 모델, 딥 신경망, 순환 신경망, 합성곱 신경망 구축
■ L1, L2, 드롭아웃 정규화 기법 적용을 통한 모델 정확성 향상
■ 케라스 래퍼와 사이킷런을 활용한 교차 검증 시행
■ 모델 정확성의 한계 이해