케라스로 구현하는 딥러닝과 강화학습

책 이미지

eBook 미리보기

책 정보

· 제목 : 케라스로 구현하는 딥러닝과 강화학습 (신경망 기초부터 CNN, RNN, GAN, 단어 임베딩, 강화학습 배우기)
· 분류 : 국내도서 > 컴퓨터/모바일 > 컴퓨터 공학 > 데이터베이스 개론
· ISBN : 9791161750743
· 쪽수 : 380쪽
· 출판일 : 2017-11-23

책 소개

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.

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

저자소개

안토니오 걸리 (지은이) 정보 더보기

혁신과 실행에 있어 전체적 기술과 관리를 구축하는 데 열정을 갖고 있다. 핵심 전문 분야는 클라우드 컴퓨팅, 딥러닝과 검색엔진이다. 현재 스위스 취리히의 Google 클라우드 오피스 CTO로 재직 중이며 검색, 클라우드 인프라, 데이터 독립 대화형 AI를 연구하고 있다. 이전에는 EMEA의 CTO 사무실에서 근무했다. Google 바르샤바에서 관리자로 일하는 동안 GCE, 쿠버네티스, 서버리스, 보르그, 콘솔에서 클라우드 관리 팀에 집중하며 450명이 넘는 엔지니어 집단으로 성장시켰다. 지금까지 운 좋게 유럽 4개국에서 전문적인 경험을 얻을 수 있었고 EMEA의 6개국과 미국에서 팀을 관리했다. ◆ 암스테르담의 주요 과학 출판사인 Elsevier에서 부사장으로서 과학 출판을 이끌었다. ◆ 런던에서는 Microsoft Ask.com의 CTO로서 Bing 검색 작업을 수행하는 엔지니어링 사이트 책임자로 일했다. ◆ 이탈리아와 영국에서는 Ask.com 유럽의 CTO였다. ◆ 폴란드, 영국, 스위스에서는 Google에 근무했다. 검색, 스마트 에너지, 환경, AI에서 공동 발명한 수많은 기술이 있으며 11개 특허가 등록(21개 출원)됐고 코딩과 머신러닝에 관한 다수의 책을 저술했으며 이는 일본어와 중국어로도 번역됐다.

펼치기

안토니오 걸리의 다른 책 >

수짓 팔 (지은이) 정보 더보기

Reed-Elsevier 그룹 내 고급 기술 그룹인 Elsevier Labs의 기술 연구 이사다. 관심 분야는 문맥 검색, 자연어 처리, 머신러닝, 딥러닝이다. Elsevier에서 여러 머신러닝 이니셔티브(initiatives)를 수행했는데 검색 품질 측정과 개선, 이미지 분류와 중복 탐지, 어노테이션, 의학과 과학 말뭉치에 대한 온톨로지 개발 등을 수행했다.

펼치기

수짓 팔의 다른 책 >

김창엽 (옮긴이) 정보 더보기

크라우드웍스 ML 팀에서 머신러닝 엔지니어로 일하고 있다. 데이터 분석과 머신러닝에 관심이 많아 고려대학교 산업경영공학과 데이터 사이언스 및 비즈니스 애널리틱스(DSBA) 연구실에서 박사 과정을 수료했다. 이전에는 KT와 안랩에서 12년간 근무하며 악성코드 대응 및 침해사고 분석 업무, 머신러닝을 활용한 네트워크 장애 진단 과제를 수행했다. 번역서로는 에이콘출판사에서 출간한 『텐서플로 入門』(2016), 『케라스로 구현하는 딥러닝과 강화학습』(2017), 『딥러닝 데이터 전처리 입문』(2018), 『머신러닝을 활용한 컴퓨터 보안』(2019), 『예제로 배우는 자연어 처리 기초』(2020) 등이 있다.

펼치기

김창엽의 다른 책 >