제1부 AutoML 기초
__1장. 자동화된 머신러닝 소개
____표준 ML 워크플로의 구조
______데이터 수집
______데이터 전처리
______모델 배포
______모델 모니터링
____AutoML의 정의
______표준 접근 방식과의 차이점
____AutoML의 유형
______피처 엔지니어링 자동화
______모델 선택 및 하이퍼파라미터 최적화 자동화
______신경망 아키텍처 선택 자동화
____요약
____더 읽을거리
__2장. 오토케라스 시작하기
____기술 요구사항
____딥러닝이란 무엇인가?
____신경망이란 무엇이며 어떻게 학습하는가?
____딥러닝 모델은 어떻게 학습하는가?
____왜 오토케라스인가?
______오토케라스 실험 실행 방법
____오토케라스 설치
______클라우드에 오토케라스 설치
______오토케라스 로컬 설치
____Hello MNIST: 첫 번째 오토케라스 실험 구현
______필요한 패키지 가져오기
______MNIST 데이터셋 가져오기
______숫자는 어떻게 분포하는가?
______이미지 분류 모델 만들기
______테스트 세트로 모델 평가
______모델 시각화
______이미지 회귀 분류 모델 만들기
______테스트 세트로 모델 평가
______모델 시각화
____요약
__3장. 오토케라스로 머신러닝 파이프라인 자동화하기
____텐서 이해하기
______텐서란 무엇인가?
______텐서의 유형
____딥러닝 모델을 제공하기 위한 데이터 준비
______신경망 모델을 위한 데이터 전처리 작업
____여러 형식으로 오토케라스에 데이터 로드
____학습 및 평가를 위한 데이터셋 분할
______데이터셋을 분할해야 하는 이유
______데이터셋을 분할하는 방법
____요약
제2부 오토케라스 활용
__4장. 오토케라스를 사용한 이미지 분류 및 회귀
____기술 요구사항
____CNN 이해하기
_____
이 책에서 다루는 내용
- 텐서플로 및 오토케라스로 딥러닝 워크스테이션 설정
- 오토케라스로 기계학습 파이프라인 자동화
- 오토케라스를 사용하여 이미지 및 텍스트 분류 모델 및 회귀 모델 구현
- 오토케라스를 사용하여 텍스트에 대한 감정 분석을 수행하여 부정적 또는 긍정적으로 분류
- 오토케라스를 활용하여 주제별로 문서 분류
- 가장 강력한 확장 기능을 사용하여 오토케라스를 최대 활용
이 책의 대상 독자
자동화된 ML 기술을 프로젝트에 적용하려는 머신러닝 및 딥러닝 애호가를 위한 책이다. 최대한 활용하려면 파이썬 프로그래밍에 대한 기본적인 사전지식이 필요하다.
이 책의 구성
1장, ‘자동화된 머신러닝 소개’에서는 AutoML 사용 방법의 유형 및 해당 소프트웨어 시스템에 대한 개요와 함께 자동화된 머신러닝의 주요 개념을 다룬다.
2장, ‘오토케라스 시작하기’에서는 오토케라스를 시작하는 데 필요한 모든 것을 다루고, 잘 설명된 기본 코드 예제를 통해 오토케라스를 실행한다.
3장, ‘오토케라스로 머신러닝 파이프라인 자동화하기’에서는 표준 머신러닝 파이프라인을 설명하고, 오토케라스로 파이프라인을 자동화하는 방법을 다룬 후, 모델을 학습시키기 전에 적용할 주요 데이터 준비의 모범 사례를 소개한다.
4장, ‘오토케라스를 사용한 이미지 분류 및 회귀’에서는 더 복잡하고 강력한 이미지 인식 모델을 만들고 오토케라스의 동작 방식을 조사하며 성능을 개선하기 위한 파인튜닝 방법을 살펴봄으로써 이미지 관련 문제에 오토케라스를 사용하는 것에 중점을 둔다.
5장, ‘오토케라스를 사용한 텍스트 분류 및 회귀’에서는 오토케라스를 이용한 텍스트(단어 시퀀스 작업에 중점을 둔다. 또한 순환 신경망이 무엇이며 어떻게 작동하는지 설명한다.
6장, ‘오토케라스를 사용한 구조화된 데이터 작업’에서는 구조화된 데이터셋을 탐색하고, 변환하고, 특정 모델의 데이터 소스로 사용할 수 있다. 또한 구조화된 데이터를 기반으로 작업을 해결하기 위해 고유한 분류 및
