[PART 1 AutoML 기초]
CHAPTER 1 머신러닝을 AutoML로
1.1 AutoML에 대한 감 잡기
1.2 머신러닝 시작하기
1.3 AutoML: 자동화 속의 자동화
CHAPTER 2 ML 프로젝트의 엔드투엔드 파이프라인
2.1 엔드투엔드 파이프라인의 개요
2.2 문제 정의 및 데이터셋 조립
2.3 데이터 전처리
2.4 피처 엔지니어링
2.5 머신러닝 알고리즘의 선별
2.6 머신러닝 모델의 파인튜닝: 그리드 탐색
CHAPTER 3 딥러닝 요점 정리
3.1 딥러닝이란?
3.2 텐서플로와 케라스
3.3 다층 퍼셉트론을 사용한 캘리포니아 주택 가격 예측
3.4 합성곱 신경망을 활용한 손 글씨 숫자 분류
3.5 순환 신경망을 활용한 IMDB 리뷰 분류
[PART 2 실전 AutoML]
CHAPTER 4 자동화된 엔드투엔드 머신러닝 솔루션 생성
4.1 AutoML 도구 준비: AutoKeras
4.2 자동화된 이미지 분류
4.3 4개의 지도 학습에 대한 엔드투엔드 AutoML 솔루션
4.4 다중 입/출력 문제 다루기
CHAPTER 5 AutoML 파이프라인 생성을 통한 탐색 공간 조정
5.1 순차적 AutoML 파이프라인으로 작업하기
5.2 자동화된 하이퍼파라미터 튜닝을 위한 순차적 AutoML 파이프라인 만들기
5.3 하이퍼블록으로 자동화된 파이프라인 검색
5.4 그래프 구조의 AutoML 파이프라인 설계하기
5.5 사용자 정의 AutoML 블록 설계하기
CHAPTER 6 완전한 사용자 정의 탐색 공간을 가진 AutoML
6.1 계층별로 탐색 공간 사용자 정의하기
6.2 오토인코더 모델 튜닝하기
6.3 서로 다른 검색 기법으로 얕은 모델 튜닝하기
6.4 튜너의 사용자 정의를 통해 AutoML 과정 제어하기
[PART 3 AutoML의 고급 주제]
CHAPTER 7 AutoML 검색 기법의 사용자 정의
7.1 순차적 검색 기법
7.2 임의 검색 기법으로 시작하기
7.
누구를 위한 책 인가요?
머신러닝 엔지니어: AutoML 개념을 탄탄히 다지고 실무에서 활용 방법과 심화 주제를 익히고 싶은 분
AutoML 도구에 관심 있는 프로젝트 관리자 및 개발자: AutoKeras와 KerasTuner를 활용하여 프로젝트의 효율성을 높이고 싶은 분
데이터 과학자 및 분석가: 머신러닝 모델의 개발과 최적화 방법을 찾고 있는 분
학계 연구자: 최신 AutoML 연구와 기술에 관심이 있고 기존 연구와 다른 관점으로 AutoML에 접근하고 싶은 분
간추린 목차로 보는 이 책을 200% 활용하는 방법
단계별로 AutoML의 기본 개념부터 고급 주제까지 체계적으로 학습할 수 있습니다. 각 장의 내용을 순차적으로 따라가면서 실제 예제와 함께 실습하면 AutoML의 전반적인 지식과 활용 능력을 향상시킬 수 있을 것입니다.
[PART 1: AutoML 기초]
머신러닝과 AutoML 이해하기: AutoML의 기본 개념에 익숙하지 않다면 1장에서 AutoML의 핵심 철학과 장점을 확인해보세요.
머신러닝 프로젝트의 흐름 알아보기: 2장에서는 머신러닝 프로젝트를 계획하고 구성할 때 도움이 되는 전반적인 흐름을 파악할 수 있습니다.
딥러닝 시작하기: 3장은 기본 모델로 실제 문제를 해결하는 방법을 학습할 수 있어, 딥러닝에 익숙하지 않은 독자에게 특히 더 유용하게 작용합니다.
[PART 2: 실전 AutoML]/
실제 머신러닝 문제 해결하기: 4장에서는 AutoKeras를 활용한 실제 문제를 해결하는 방법을 배웁니다. 실무에서 자주 마주치는 문제를 어떻게 해결하는지 경험해보세요.
고급 파이프라인 구성하기: 5장에서는 파이프라인의 세부 조정 및 최적화 방법을 배웁니다. 심화 단계의 AutoML 활용법을 익히고자 하는 독자에게 추천합니다.
사용자 정의 탐색 활용하기: 6장에서는 사용자 정의 탐색 기법을 통해 더욱 세밀한 모델 튜닝 방법을 배웁니다.
[PART 3: AutoML의 고급 주제]
다양한 검색
