▣ 01장: 케라스를 활용한 고급 딥러닝 소개
왜 케라스가 딥러닝 라이브러리로 완벽한가?
__케라스와 텐서플로 설치하기
핵심 딥러닝 모델 구현하기 - MLP, CNN, RNN
__MLP, CNN, RNN의 차이점
다층 퍼셉트론(MLP
__MNIST 데이터세트
__MNIST 숫자 분류 모델
__정규화
__출력 활성화 함수와 손실 함수
__최적화
__성능 평가
__모델 요약
합성곱 신경망(CNN
__합성곱
__풀링 연산
__성능 평가 및 모델 요약
순환 신경망(RNN
결론
참고 문헌
▣ 02장: 심층 신경망
함수형 API
__입력이 두 개, 출력이 하나인 모델 생성하기
심층 잔차 신경망(ResNet
ResNet v2
밀집 연결 합성곱 네트워크(DenseNet
__CIFAR10을 위한 100계층 DenseNet-BC 구성하기
결론
참고 문헌
▣ 03장: 오토인코더
오토인코더의 원리
케라스로 오토인코더 구성하기
잡음 제거 오토인코더(DAE
자동 채색 오토인코더
결론
참고 문헌
▣ 04장: 생성적 적대 신경망(GAN
GAN의 개요
GAN 원리
케라스로 구현한 GAN
조건부 GAN
결론
참고문헌
▣ 05장: 개선된 GAN 모델
베셔슈타인 GAN
거리 함수
GAN의 거리 함수
__베셔슈타인 손실 함수 사용하기
__케라스에서 WGAN 구현하기
최소 제곱 GAN(LSGAN
ACGAN
결론
참고 문헌
▣ 06장: 분해된 표현 GAN
분해된 표현
InfoGAN
케라스에서 InfoGAN 구현
InfoGAN의 생성기 출력
StackedGAN
케라스에서 StackedGAN을 구현하기
StackedGAN의 생성기 출력
결론
참고 문헌
▣ 07장: 교차 도메인 GAN
CycleGAN 원리
Cyc
★ 이 책에서 다루는 내용 ★
◎ 인간과 비슷한 AI 성능을 내는 최첨단 기법
◎ 케라스를 사용해 고급 딥러닝 모델을 구현하는 방법
◎ 고급 딥러닝 기법의 구성요소 - MLP, CNN, RNN
◎ 심층 신경망 - ResNet, DenseNet
◎ 오토인코더와 변분 오토인코더(VAE
◎ 생성적 적대 신경망(GAN과 창의적인 AI 기법
◎ 분해된 표현의 GAN과 교차 도메인 GAN
◎ 심층강화학습 기법과 그 구현
◎ OpenAI Gym을 사용해 산업 표준 애플리케이션을 구성하는 방법
◎ 심층 Q-러닝과 정책 경사 기법
