상세정보

케라스로 다양한 문제를 해결하면서 케라스와 딥러닝 기초를 쉽게 배울 수 있다. 신경망 기초와 케라스 설치 방법을 제공해 입문자도 쉽게 접근할 수 있으며, 단계적으로 모델을 개선 시킬 수 있는 방법을 쉽게 설명한다. 널리 활용되는 합성곱 신경망과 순환 신경망에 대해 배우며, 강화학습에 대한 실습 내용도 담고 있다.

역전파 알고리즘을 활용한 신경망의 단계별 함수 최적화와 결과 개선을 위한 신경망 미세조정, 영상과 음성 처리에 심층 학습 활용 등을 알려준다. 또한 재귀 신경 텐서 네트워크(RNTN)를 사용한 단어 임베딩 개선, 순환 신경망(RNN) 구조 탐색, 오토인코더 구현 과정 등을 배운다.

케라스로 다양한 문제를 해결하면서 케라스와 딥러닝 기초를 쉽게 배울 수 있는 책이다. 신경망 기초와 케라스 설치 방법을 제공해 입문자도 쉽게 접근할 수 있으며, 단계적으로 모델을 개선 시킬 수 있는 방법을 쉽게 설명한다. 널리 활용되는 합성곱 신경망과 순환 신경망에 대해 배우며, 최근 관심 뜨거운 연구 분야인 GAN과 알파고로 화제가 되었던 강화학습에 대한 실습 내용도 담고 있다. 다양한 실습을 진행하면서 실무 환경에서는 어떻게 케라스를 활용할 수 있을지에 대한 통찰력을 얻을 수 있을 것이다.

★ 이 책에서 다루는 내용 ★

■ 역전파 알고리즘을 활용한 신경망의 단계별 함수 최적화
■ 결과 개선을 위한 신경망 미세조정
■ 영상과 음성 처리에 심층 학습 활용
■ 재귀 신경 텐서 네트워크(RNTN)를 사용한 단어 임베딩 개선
■ 순환 신경망(RNN) 구조 탐색
■ 오토인코더 구현 과정
■ 강화학습을 통한 심층 신경망 발전

★ 이 책의 대상 독자 ★

이 책은 파이썬 지식이 필요하며, 머신 러닝 경험이 있는 데이터 과학자이거나 신경망을 아는 AI 프로그래머라면 케라스로 딥러닝을 배우기에 좋은 시작점으로 활용할 수 있다.

★ 이 책의 구성 ★

1장, '신경망 기초'에서는 신경망의 기초를 배운다.
2장, '케라스 설치와 API'에서는 AWS, 마이크로소프트 애저, 구글 클라우드, 사용자 컴퓨터에 케라스를 설치하는 방법을 다룬다. 그 외에도 케라스 API에 대해 소개한다.
3장, '합성곱 신경망을 활용한 딥러닝'에서는 합성곱 신경망 개념을 소개한다. 합성곱 신경망은 텍스트에서 비디오, 음성에 이르기까지 여러 영역에서 성공을 거두고 원래의 이미지 처리 영역을 뛰어넘는, 딥러닝에서의 근본적인 혁신을 가져왔다.
4장, '적대적 생성 네트워크와 웨이브넷'에서는 사람이 만든 데이터와 유사한 합성 데이터를 재생산하는 데 사용하는 적대적 생성 네트워크를 소개한다. 사람의 목소리와 악기를 아주 잘 재현하는 데 사용하는 심층 신경망인 웨이브넷도 소개한다.
5장, '단어 임베딩'에서는 단어 임베딩에 대해 설명하고, 단어 간의 관계를 탐지하고 유사한 단어를 그룹화하는 딥러닝 방법론에 관해 설명한다.
6장, '순환 신경망'에서는 텍스트와 같이 시퀀스 데이터를 처리하기에 적합한 네트워크 종류인 순환 신경망을 다룬다.
7장, '기타 딥러닝 모델'에서는 케라스 함수 API, 회귀 네트워크, 오토 인코더에 대해 간단히 살펴본다.
8장, 'AI 게임 플레이'에서는 강화학습을 가르치고 보상 피드백을 기반으로 아케이드 게임을 하는 방법을 배우는 딥러닝 네트워크를 케라스로 어떻게 작성하는지 설명한다.
부록, '결론'에서는 이 책에서 다루는 주제를 요약하고 케라스 2.0을 독자에게 소개한다.

정보제공 :

1장. 신경망 기초 
__퍼셉트론 
____첫 케라스 코드 예제 
__다층 퍼셉트론 : 첫 번째 네트워크 
____퍼셉트론 학습에서의 문제와 해결책 
____활성화 함수 : 시그모이드 
____활성화 함수 : ReLU 
____활성화 함수 
__실전 예제 손글씨 숫자 인식 
____원핫 인코딩(OHE) 
____케라스로 간단한 신경망 정의 
____단순 신경망 실행과 기준선 설정 
____단순 신경망에 은닉 계층 추가 
____단순 신경망에 드롭아웃 추가 
____기타 옵티마이저 테스트 
____에폭 수 증가 
____옵티마이저 학습률 조정 
____은닉 계층의 뉴런 수 증가 
____배치 크기 증가 
____손글씨 인식을 위한 실험 요약 
____과적합을 피하기 위한 일반화 적용 
____하이퍼파라미터 튜닝 
____예측 
__역전파의 개요 
__딥러닝 접근 
__요약 

2장. 케라스 설치와 API 
__케라스 설치 
____1단계 : 유용한 의존성 패키지 설치 
____2단계 : 떼아노 설치 
____3단계 : 텐서플로 설치 
____4단계 : 케라스 설치 
____5단계 : 떼아노, 텐서플로, 케라스 테스트 
__케라스 설정 
__도커에 케라스 설치 
__구글 클라우드 ML에 케라스 설치 
__아마존 AWS에 케라스 설치 
__마이크로소프트 애저에 케라스 설치 
__케라스 API 
____케라스 구조 이해 
____사전 정의 신경망 개요 
____기본 제공 활성화 함수 개요 
____손실 함수 개요 
____메트릭 개요 
____옵티마이저 개요 
____기타 유용한 기능 
____모델의 가중치와 구조 저장 및 불러오기 
__학습 과정 커스터마이징을 위한 콜백 
____체크포인트 
____텐서보드 활용과 케라스 
____퀴버 활용과 케라스 
__요약 

3장. 합성곱 신경망을 활용한 딥러닝 
__심층 합성곱 신경망 : DCNN 
____지역 수용 영역 
____공유 가중치와 편향 
____풀링 계층 
__DCNN 예제 : LeNet 
____케라스 코드 LeNet 
____딥러닝의 능력 이해 
__딥러닝을 활용한 CIFAR-10 이미지 인식 
____더 깊은 네트워크로 CIFAR-10 성능 향상 
____데이터 증가를 통한 CIFAR-10 성능 향상 
____CIFAR-10 예측 
__대규모 이미지 인식을 위한 심층 합성곱 신경망 
____VGG-16 네트워크로 고양이 인식 
____케라스 내장 VGG-16 네트워크 모듈 활용 
____특징 추출을 위한 사전 빌드된 딥러닝 모델 재활용 
____전이 학습을 위한 아주 깊은 인셉션-v3 네트워크 
__요약 

4장. 적대적 생성 네트워크와 웨이브넷 
__GAN은 무엇인가? 
____GAN의 응용 사례 
__심층 합성곱 적대적 생성 네트워크 
__MNIST 위조 GAN 
__CIFAR 위조 GAN 
__웨이브넷 : 오디오 제작 방법을 학습하는 생성 모델 
__요약 

5장. 단어 임베딩 
__분산 표현 
__word2vec 
____skip-gram word2vec 모델 
____CBOW word2vec 모델 
____모델에서 word2vec 임베딩 추출 
____word2vec 서드파티 구현 활용 
__GloVe 이해 
__사전 학습 임베딩 활용 
____처음부터 임베딩 학습 
____word2vec으로 학습한 임베딩 미세 조정 
____사전 학습된 GloVe 임베딩 미세 조정 
____임베딩 룩업 
__요약 

6장. 순환 신경망 
__기본 순환 신경망 셀 
____텍스트 생성을 위한 기본 순환 신경망 구현 
__순환 신경망 구조 
__그래디언트 소실과 발산 
__장기 - 단기 메모리 : LSTM 
____LSTM 구현 : 감성 분석 
__GRU 
____케라스 GRU 구현 : 품사 태깅 
__양방향 순환 신경망 
__상태 보존형 순환 신경망 
____상태 보존형 순환 신경망 : 전기 소비량 예측 
__기타 순환 신경망의 변형 
__요약 

7장. 기타 딥러닝 모델 
__케라스 함수 API 
__회귀 네트워크 
____케라스 회귀 예제 : 대기 벤젠 수준 예측 
__비지도 학습 오토인코더 
____케라스 오토인코더 예제 : 문장 벡터 
__심층망 구성 
____케라스 예제 : 질의응답을 위한 메모리 네트워크 
__케라스 커스터마이징 
____케라스 예제 : 람다 계층 활용 
____케라스 예제 : 사용자 정의 정규화 계층 작성 
__생성 모델 
____케라스 예제 : 딥 드림 
____케라스 예제 : 스타일 전이 
__요약 

8장. AI 게임 플레이 
__강화학습 
____미래의 보상 극대화 
____Q-학습 
____심층 Q 네트워크를 사용하는 Q 함수 
____탐색과 활용 
____경험 반복 및 경험의 가치 
__예제 : 캐치 게임을 위한 케라스 심층 Q 네트워크 구현 
__이후의 이야기 
__요약