이 책에서 다루는 내용
-텐서플로로 보편적인 GNN을 사용한 그래프 마이닝 과제 해결 방법
-사전 학습 단계부터 평가하는 미세-튜닝 단계까지 트랜스포머의 세계 탐구
-자기-지도학습을 적용한 자연어 처리, 컴퓨터 비전, 자동 신호 처리 방법
-확률과 딥러닝 모델을 TensorFlow Probability를 이용해 병합
-클라우드에서 모델을 훈련하고 텐서플로를 실제 환경에서 작동시키는 방법
-텐서플로 2.x와 케라스 API를 통한 머신러닝과 딥러닝 모델 구축
이 책의 대상 독자
머신러닝 경험이 있는 데이터 과학자이거나 신경망에 어느 정도 익숙한 AI 프로그래머라면 이 책이 텐서플로를 사용한 딥러닝에 대한 유용한 시작점임을 알게 될 것이다. 딥러닝 쓰나미에 대한 관심이 커지고 있는 소프트웨어 엔지니어라면 이 책이 해당 주제에 대한 지식을 넓힐 수 있는 기초 플랫폼이 될 것이다. 파이썬에 대한 기본 지식이 있는 독자를 대상으로 한다.
이 책의 구성
1장은 머신러닝 및 딥러닝을 위해 Google에서 개발한 오픈 소스 라이브러리인 텐서플로의 기본 사항을 배운다. 또한 지난 몇 년 동안 놀라운 성장을 이룬 머신러닝의 두 가지 영역인 신경망과 딥러닝의 기초를 소개한다. 1장의 기본 목적은 기본적이지만 완전한 딥러닝 실습을 수행하는 데 필요한 모든 도구를 소개하는 것이다.
2장은 머신러닝 기술의 기본 작업인 회귀와 분류에 중점을 둔다. 텐서플로를 사용해 단순, 다중 및 다변량 회귀 모델을 구축하는 방법을 배운다. 또한 다중 클래스 분류 문제를 해결하기 위해 로지스틱 회귀를 사용한다.
3장은 MNIST 필기 문자를 높은 정확도로 인식하기 위해 딥러닝 ConvNet을 사용하는 방법을 다룬다. CIFAR 10 데이터셋을 사용해 10개의 카테고리로 딥러닝 분류기를 구축하고 ImageNet 데이터셋으로 1,000개의 카테고리로 정확한 분류기를 구축할 것이다. 또한 VGG16과 같은 대규모 딥러닝 네트워크와 InceptionV3와 같은 매우
