케라스로 구현하는 고급 딥러닝 알고리즘

▣ 01장: 케라스를 활용한 고급 딥러닝 소개
왜 케라스가 딥러닝 라이브러리로 완벽한가?
__케라스와 텐서플로 설치하기
핵심 딥러닝 모델 구현하기 - MLP, CNN, RNN
__MLP, CNN, RNN의 차이점
다층 퍼셉트론(MLP)
__MNIST 데이터세트
__MNIST 숫자 분류 모델
__정규화
__출력 활성화 함수와 손실 함수
__최적화
__성능 평가
__모델 요약
합성곱 신경망(CNN)
__합성곱
__풀링 연산
__성능 평가 및 모델 요약
순환 신경망(RNN)
결론
참고 문헌

▣ 02장: 심층 신경망
함수형 API
__입력이 두 개, 출력이 하나인 모델 생성하기
심층 잔차 신경망(ResNet)
ResNet v2
밀집 연결 합성곱 네트워크(DenseNet)
__CIFAR10을 위한 100계층 DenseNet-BC 구성하기
결론
참고 문헌

▣ 03장: 오토인코더
오토인코더의 원리
케라스로 오토인코더 구성하기
잡음 제거 오토인코더(DAE)
자동 채색 오토인코더
결론
참고 문헌

▣ 04장: 생성적 적대 신경망(GAN)
GAN의 개요
GAN 원리
케라스로 구현한 GAN
조건부 GAN
결론
참고문헌

▣ 05장: 개선된 GAN 모델
베셔슈타인 GAN
거리 함수
GAN의 거리 함수
__베셔슈타인 손실 함수 사용하기
__케라스에서 WGAN 구현하기
최소 제곱 GAN(LSGAN)
ACGAN
결론
참고 문헌

▣ 06장: 분해된 표현 GAN
분해된 표현
InfoGAN
케라스에서 InfoGAN 구현
InfoGAN의 생성기 출력
StackedGAN
케라스에서 StackedGAN을 구현하기
StackedGAN의 생성기 출력
결론
참고 문헌

▣ 07장: 교차 도메인 GAN
CycleGAN 원리
CycleGAN 모델
케라스에서 CycleGAN 구현하기
CycleGAN의 생성기 출력
MNIST 및 SVHN 데이터세트에 CycleGAN 적용하기
결론
참고 문헌

▣ 08장: 변분 오토인코더
VAE 원리
__변분 추론
__핵심 방정식
__최적화
__매개변수 조정 기법
__디코더 테스트
__케라스로 VAE 구현하기
__VAE를 위해 CNN 사용하기
조건부 VAE(CVAE)
b-VAE: 분해된 잠재 표현을 사용한 VAE
결론
참고 문헌

▣ 09장: 심층강화학습
강화학습의 원리
__Q 값
__Q-러닝 예제
__파이썬에서의 Q-러닝
__비결정론적 환경
__시간차 학습
__OpenAI gym에서의 Q-러닝
__심층 Q-네트워크(DQN)
__알고리즘 9.6.1 DQN 알고리즘:
__케라스에서의 DQN
__더블 Q-러닝(DDQN)
결론
참고문헌

▣ 10장: 정책 경사 기법
정책 경사 정리
몬테 카를로 정책 경사(REINFORCE) 기법
__기준선을 적용한 REINFORCE
__액터-크리틱 기법
__어드밴티지 액터-크리틱(A2C) 기법
__케라스로 정책 경사 기법 구현하기
__정책 경사 기법의 성능 평가
결론
참고 문헌