▣ 01장: 딥러닝 건축 재료
심층 신경망 아키텍처
__뉴런
__딥러닝의 손실 함수와 비용 함수
__순전파 과정
__역전파 함수
__확률적 경사 하강과 미니배치 경사 하강
딥러닝을 위한 최적화 알고리즘
__경사 하강 시 운동량을 사용하기
__RMSProp 알고리즘
__Adam 최적화기
딥러닝 프레임워크
__텐서플로란 무엇인가?
__케라스란 무엇인가?
__텐서플로의 인기 있는 대안들
__텐서플로와 케라스에 필요한 GPU
__엔비디아 CUDA 툴킷과 cuDNN 설치
__파이썬 설치
__텐서플로와 케라스 설치
딥러닝용 데이터셋 구축
__딥러닝의 편향 오차 및 분산 오차
__train, val, test 데이터 집합
__심층 신경망의 편향과 분산 관리
__k 겹 교차 검증
요약
▣ 02장: 딥러닝으로 회귀 문제를 풀기
회귀 분석과 심층 신경망
__회귀 분석에 신경망을 사용할 때의 이점
__회귀 분석에 신경망을 사용할 때의 단점
회귀 분석에 심층 신경망을 사용하기
__머신러닝 문제를 계획하는 방법
__예제에 쓸 문제를 정의하기
__데이터셋 적재
__비용 함수 정의
케라스로 MLP를 구축하기
__입력 계층의 모양
__은닉 계층의 모양
__출력 계층의 모양
__신경망 아키텍처
__케라스 모델을 훈련하기
__모델의 성능을 측정하기
케라스로 심층 신경망을 구축하기
__심층 신경망 성능 측정
__모델의 하이퍼파라미터 조율
훈련된 케라스 모델을 저장하고 적재하기
요약
▣ 03장: 텐서보드로 신경망의 훈련 과정을 살펴보기
신경망의 깊숙한 데까지 파고들어 모델을 훈련하고 최적화하자!
인공지능의 세계로 들어가는 데는 딥러닝이 핵심적인 필요조건이다. 이 책을 통해 실무 문제에 직면한 데이터 과학자는 딥러닝 기술에 더 다가설 수 있고 딥러닝을 더 실용적으로 만들 수 있으며 딥러닝과 더 깊은 관계를 맺을 수 있다. 이 책에서는 실용적인 예제를 제시함으로써 딥러닝을 학문의 세계에서 실무의 세계로 옮긴다.
이 책을 통해 심층 신경망 훈련을 지켜보는 일과 딥러닝을 사용해 이진 분류 문제를 해결하는 데 텐서보드를 사용하는 법을 배울 수 있다. 또한 딥러닝 모델에서 하이퍼파라미터를 최적화하는 방법을 배울 수 있다. 워드 임베딩 및 seq2seq 모델과 더불어 CNN, RNN, LSTM을 처음부터 실용적으로 구현하며 실습할 수 있다. 더 나아가 이 책으로 자율 에이전트 문제를 해결하기 위해 심층 Q 신경망과 같은 발전된 주제를 탐구할 수 있고, 두 가지 상호 적대적인 신경망을 사용해 진짜처럼 보이는 가짜 그림을 생성하는 방법을 알 수 있다. 이러한 구현에 필요하고 인기도 있는, 파이썬 기반 딥러닝 프레임워크인 케라스와 텐서플로도 살펴본다. 각 장에서 딥러닝 신경망을 배우는 동안 여러분이 올바른 결정을 내리는 데 도움이 될 모범 사례와 안전한 선택지도 알 수 있다.
이 책의 내용을 배우고 나면 현업 문제를 딥러닝 신경망을 사용해 신속하게 해결할 수 있을 것이다.
★ 이 책에서 다루는 내용 ★
◎ 텐서플로와 케라스를 사용해 회귀 문제와 분류 문제 풀기
◎ 텐서보드 사용법을 배워 신경망을 관찰하며 훈련하기
◎ 하이퍼파라미터 최적화와 안전한 선택지를 택하는 방법과 모범 사례 배우기
◎ CNN, RNN, LSTM 신경망을 빌드하고 처음부터 워드 임베딩 사용하기
◎ 기계번역 애플리케이션이나 채팅 애플리케이션에 쓸 seq2seq 모델을 구축하고 훈련하기
<
