케라스 딥러닝 응용

1장. 케라스를 활용한 머신러닝 입문
__서론
__데이터 묘사
____데이터 테이블
____데이터 로딩
____실습 1: UCI 머신러닝 저장소 데이터 세트 로딩
__데이터 전처리
____실습 2: 데이터 정리
____데이터의 적절한 표현
____실습 3: 데이터의 적절한 표현
____모델 생성 수명 주기
__머신러닝 라이브러리
__사이킷런
__케라스
____케라스의 장점
____케라스의 단점
____모델 구축을 넘어서
__모델 학습
____분류 및 회귀 모델
____분류 과업
____회귀 과업
____학습 및 테스트 데이터 세트
____모델 평가 측정 항목
____실습 4: 간단한 모델 구축
__모델 튜닝
____기준 모델
____실습 5: 기준 모델 선정
____정규화
____교차 - 검증
____활동 1: 모델에 정규화를 더하기
__요약


2장. 머신러닝 대 딥러닝
__서론
____ANN이 전통적인 머신러닝 알고리즘보다 좋은 점
____전통적인 머신러닝 알고리즘이 ANN보다 좋은 점
____계층형 데이터 묘사
__선형 변환
____스칼라, 벡터, 행렬, 텐서
____텐서 덧셈
____실습 6: 스칼라, 행렬, 텐서를 가지고 다양한 연산 해보기
____정형
____행렬 전치
____실습 7: 행렬 정형 및 전치
____행렬 곱셈
____실습 8: 행렬 곱셈
____실습 9: 텐서 곱셈
__케라스 소개
____레이어 유형
____활성화 함수
____모델 피팅
____활동 2: 케라스를 사용해 논리 회귀 모델 생성
__요약


3장. 케라스를 활용한 딥러닝
__서론
__첫 번째 신경망 구축
____논리 회귀에서 딥 신경망으로
____활성화 함수
____예측을 위한 순전파
____손실 함수
____손실 함수의 미분계수 계산을 위한 역전파
____매개변수 학습을 위한 경사 하강법
____실습 10: 케라스를 활용한 신경망 구현
____활동 3: 이진 분류를 하는 단일-레이어 신경망 구축 분류 과업
__모델 평가
____케라스에서 훈련된 모델 평가
____데이터를 학습 세트와 테스트 세트로 분리
____과소적합과 과적합
____조기 중단
____활동 4: 신경망을 활용한 당뇨병 진단
__요약


4장. 케라스 래퍼를 활용한 모델 교차 검증
__서론
__교차-검증
____데이터 세트를 한 번만 나눴을 때의 단점
____예제
____K-폴드 교차 검증
____리브-원-아웃 교차 검증
____K-폴드와 LOO 접근법 비교
__딥러닝 모델의 교차 검증
____케라스 래퍼와 사이킷런
____실습 11: 사이킷런을 활용해 회귀 문제를 위한 케라스 래퍼 구축
____사이킷런을 통한 교차 검증
____사이킷런의 교차 검증 반복자
____실습 12: 교차 검증을 통한 딥 신경망 평가
____활동 5: 교차 검증을 활용한 당뇨병 진단 분류 모델 평가
__교차 검증을 통한 모델 선택
____모델 평가를 위한 교차 검증과 모델 선택
____실습 13: 교차 검증을 통한 딥러닝 모델 구성을 위한 사용자 정의 함수 작성
____활동 6: 교차 검증을 통한 당뇨병 진단 분류 모델 선택
____활동 7: 교차 검증을 활용해 보스턴 주택 가격 데이터 세트에 적합한 모델 선택
__요약


5장, 모델 정확성 개선
__서론
__정규화
____정규화의 필요성
____정규화를 통한 과적합 줄이기
__L1과 L2 정규화
____L1과 L2 정규화 공식
____케라스에서 L1과 L2 정규화 적용
____활동 8: 당뇨병 진단 분류 모델의 가중치 정규화
__드롭아웃 정규화
____드롭아웃 정규화 원리
____드롭아웃을 통한 과적합 줄이기
____실습 14: 케라스에서 드롭아웃 구현
____활동 9: 보스턴 주택 데이터 세트를 가지고 하는 드롭아웃 정규화
__기타 정규화 기법
____조기 중단
____실습 15: 케라스에서 조기 중단 구현
____데이터 부풀리기
____노이즈 추가
__사이킷런을 활용한 초매개변수 튜닝
____사이킷런 그리드 탐색
____사이킷런 랜덤 탐색
____활동 10: 당뇨병 진단 분류 모델의 초매개변수 튜닝
__요약


6장. 모델 평가
__서론
__정확성
____실습 16: 가상 의료 데이터 세트의 널 정확성 계산
____정확성의 정점과 한계
__불균형 데이터 세트
____불균형 데이터 세트로 작업하기
__혼동행렬
____혼동행렬을 바탕으로 계산되는 측정 지표
____실습 17: 의료 데이터를 가지고 정확성과 널 정확성 계산하기
____데이터 전처리 및 탐색적 데이터 분석
____널 정확성 계산
____활동 11: 학습/테스트 분할을 바꿨을 때 정확성과 널 정확성 계산하기
____활동 12: 혼동행렬을 가지고 측정 지표 도출 및 계산하기
____실습 18: ROC와 AUC 곡선 계산
__요약


7장. 합성곱 신경망을 활용한 컴퓨터 비전
__서론
__컴퓨터 비전
__합성곱 신경망
__CNN 아키텍처
____입력 이미지
____합성곱 레이어
____풀링 레이어
____플래트닝
__이미지 어그멘테이션
____이미지 어그멘테이션의 장점
____실습 19: CNN을 구축해 고양이와 개 이미지 분류
____활동 13: 복수 레이어 모델로 변경 및 소프트맥스 활용
____실습 20: 시그모이드 활성화 함수로 환원해 모델 변경
____실습 21: 최적화를 아담에서 SGD로 변경
____실습 22: 신규 이미지 분류
____활동 14: 신규 이미지 분류
__요약


8장. 학습 이관과 사전 훈련 모델
__서론
__사전 훈련 세트와 학습 이관
____특성 추출
__사전 훈련망 미세 튜닝
____이미지넷 데이터 세트
____케라스가 지원하는 사전 훈련망 몇 가지
____실습 23: VGG16 망을 활용한 이미지 식별
____활동 15: VGG16 망을 활용해 이미지 식별을 하는 딥러닝 신경망 훈련
____실습 24: 이미지넷 데이터베이스에 없는 이미지 분류
____실습 25: VGG16 모델 미세 튜닝
____실습 26: ResNet을 활용한 이미지 분류
____활동 16: ResNet을 사용한 이미지 분류
__요약


9장. 순환 신경망을 활용한 순차 모델링
__서론
__순차 메모리와 순차 모델링
__순환 신경망
____소멸하는 기울기 문제
____폭발하는 기울기 문제 소개
__장단기 메모리
____실습 27: 유닛(뉴런) 50개 LSTM을 활용해 애플 주가 추세 예측
____활동 17: 유닛(뉴런) 50개 LSTM을 활용해 마이크로소프트 주가 추세 예측
____실습 28: 유닛 100개 LSTM을 활용해 애플 주가 추세 예측
____활동 18: 정규화를 추가해 마이크로소프트 주가 예측
____활동 19: 더 많은 뉴런(100개 유닛)을 가진
____LSTM을 활용해 마이크로소프트 주가 추세 예측
__요약


부록