1부 머신러닝의 원리와 TensorFlow.js 사용법
CHAPTER 1 웹에서의 머신러닝
_1.1 개발 환경
_1.2 머신러닝을 웹에서 돌리는 이유
_1.3 연산 그래프
_1.3 연산 그래프 시각화하기
_1.4 TensorFlow.js란?
_1.5 TensorFlow.js 설치하기
_1.6 저수준 API
_1.7 Layers API
_1.8 마치며
_1.9 연습 문제
_1.10 더 읽을거리
CHAPTER 2 사전 학습된 모델을 TensorFlow.js로 가져오기
_2.1 개발 환경
_2.2 포터블 모델 형식
_2.3 텐서플로에서 모델 내보내기
_2.4 tfjs-converter를 사용하여 모델 변환하기
_2.5 TensorFlow.js에서 모델 불러오기
_2.6 마치며
_2.7 연습 문제
_2.8 더 읽을거리
CHAPTER 3 TensorFlow.js 에코시스템
_3.1 개발 환경
_3.2 왜 고수준 라이브러리가 필요한가?
_3.3 기존 모델 사용하기
_3.4 다양한 종류의 스토리지에서 데이터 불러오기
_3.5 ML_5.js를 이용한 자세 추정
_3.6 Magenta.js로 고양이 그리기
_3.7 machinelearn_.js를 사용한 XOR 분류
_3.8 마치며
_3.9 연습 문제
_3.10 더 읽을거리
2부 TensorFlow.js를 활용한 실제 애플리케이션 사례
CHAPTER 4 다항 회귀
_4.1 개발 환경
_4.2 다항 회귀란?
_4.3 2차원 곡선 피팅
_4.4 마치며
_4.5 연습 문제
_4.6 더 읽을거리
CHAPTER 5 로지스틱 회귀를 사용한 분류
_5.1 개발 환경
_5.2 이진 분류의 배경
_5.3 로지스틱 회귀란?
_5.4 2차원 군집 분류하기
_5.5 마치며
_5.6 연습 문제
_5.7 더 읽을거리
CHAPTER 6 비지도학습
_6.1 개발 환경
_6.2 비지도학습이란?
_6.3 k-평균 알고리즘 동작 원리
_6.4
다양한 분야의 개발자가 쉽게 접근할 수 있는 머신러닝
이 책은 웹 개발자뿐 아니라 머신러닝, 딥러닝, 데이터 분석 종사자 등 웹에서 머신러닝 모델을 실행하려는 모든 이를 대상으로 쓰였다. 머신러닝 관련 다양한 이론을 쉽게 설명하여 이해하기도 쉽고, 머신러닝 기술을 웹에서 구축하기 위해 바로 활용할 수 있는 실전 예제를 가득 담았다. 또한, 웹에서 머신러닝 기술을 직접 실습해보며 개념을 더 쉽고, 명확하고, 탄탄하게 잡을 수도 있다. 기술 이해에 도움이 되는 많은 참고 자료와 그림, 수식을 통해 머신러닝 기술이 어떻게 프런트까지 닿게 되는지 쉽고 빠르게 이해하길 바란다.
주요 내용
● TensorFlow.js 설치 방법과 환경 구축 방법
● 케라스 모델을 TensorFlow.js로 가져오는 방법
● TensorFlow.js 프레임워크와 라이브러리 사용법
● 다항 회귀, 로지스틱 회귀 등 다양한 모델 사용법
● 군집화 알고리즘과 비지도 학습법
● 차원 축소와 t-분포 확률적 임베딩
● 머신러닝 애플리케이션 배포 방법
● 머신러닝 성능 향상을 위한 튜닝법과 TensorFlow.js의 전망
