텐서플로로 하는 딥러닝 기초와 응용

1부. 신경망 기초
1장. 머신러닝이란?
__데이터셋의 중요성
____n차원 공간
____차원의 저주
__지도학습
____거리와 유사도-k-NN 알고리즘
____모수 모델
____모델의 성능 측정-평가 지표
__비지도학습
__준지도학습
__요약
__실습

2장. 신경망과 딥러닝
__신경망
____생물학적 뉴런
____인공 뉴런
____완전 연결 레이어
____활성화 함수
____손실함수
____파라미터 초기화
__최적화
____경사하강법
____경사하강법 최적화 알고리즘
____역전파와 자동 미분
__컨볼루션 신경망
____컨볼루션 연산자
____2D 컨볼루션
____볼륨 간 2D 컨볼루션
____1×1×D 컨볼루션
__일반화
____드롭아웃
____데이터 증강
____얼리스타핑
____배치 정규화
__요약
__실습

2부. 텐서플로 기초
3장. 텐서플로 그래프 아키텍처
__환경 설정
____텐서플로 1.x 환경
____텐서플로 2.0 환경
__데이터 흐름 그래프
____주요 구조-tf.Graph
____그래프 정의-tf.Operation부터 tf.Tensor까지
____그래프 배치-tf.device
____그래프 실행-tf.Session
____정적 그래프의 변수
__모델 정의와 훈련
____tf.layers 기반 모델 정의
____자동 미분-손실과 옵티마이저
__파이썬을 활용한 그래프 다루기
____플레이스홀더에 전달
____요약 기록
____모델 파라미터 저장과 모델 선택
__요약
__실습

4장. 텐서플로 2.0 아키텍처
__프레임워크 다시 배우기
__케라스 프레임워크와 모델
____순차 API
____함수 API
____서브클래스 기법
__즉시 실행과 새로운 기능들
____베이스라인 예제
____세션이 아닌 함수
____더 이상의 전역 변수는 없다
____제어 흐름
____GradientTape
____사용자 정의 훈련 루프
____모델 상태 저장과 복원
____요약과 평가 지표
____오토그래프
__코드베이스 마이그레이션
__요약
__실습

5장. 효율적인 데이터 입력 파이프라인 및 Estimator API
__효율적인 데이터 입력 파이프라인
____입력 파이프라인 구조
__tf.data.
____성능 최적화
____데이터셋 구축
____데이터 증강
____텐서플로 데이터셋-tfds
____케라스 통합
____즉시 실행 통합
__Estimator API
____데이터 입력 파이프라인
____사용자 정의 Estimator
____사전 정의 Estimator
____케라스 모델 사용하기
____Canned Estimator 활용
__요약
__실습

3부. 신경망의 응용 분야
6장. 텐서플로 허브를 사용한 이미지 분류
__데이터 수집
__전이학습
____텐서플로 허브
____피처 추출기로 Inception v3 사용
____모델에 데이터 적용
____모델 작성-hub.KerasLayer
____훈련과 평가
____훈련 속도
__미세 조정
____미세 조정 시기
____텐서플로 허브 통합
____훈련 및 평가
____훈련 속도
__요약
__실습

7장. 객체 탐지 소개
__데이터 수집
__객체 지역화
____회귀 문제로서의 지역화
____Intersection over Union
____평균 정밀도
____mAP
____훈련 스크립트 개선
__분류와 지역화
____멀티태스크 러닝
____더블 헤드 네트워크
____앵커 기반 탐지기
____앵커 상자
__요약
__실습

8장. 시맨틱 분할 및 사용자 정의 데이터셋 빌더
__시맨틱 분할
____문제점
____디컨볼루션-전치 컨볼루션
____U - Net 아키텍처
__텐서플로 DatasetBuilder 만들기
____계층적 구조
____데이터셋 클래스와 DatasetInfo
____데이터셋 분할
____예제 생성
____빌더 사용하기
__모델 훈련과 평가
____데이터 준비
____훈련 루프와 케라스 콜백
____평가와 추론
__요약
__실습

9장. 생성적 적대 신경망
__GAN과 해당 애플리케이션의 이해
____가치함수
____비포화 가치함수
____모델 정의와 훈련 단계
____GAN 응용 분야
____무조건부 GAN
____데이터 준비
____생성기 정의
____판별기 정의
____손실함수 정의
____무조건부 GAN의 적대적 훈련 프로세스
__조건부 GAN
____조건부 GAN에 관한 데이터 가져오기
____조건부 GAN에서 생성기 정의
____조건부 GAN에서 판별기 정의
____적대적 훈련 과정
__요약
__실습

10장. 모델을 실무에 적용하기
__SavedModel 직렬화 형식
____기능
____케라스 모델로 SavedModel 생성하기
____일반 함수를 SavedModel로 변환하기
__파이썬 배포
____일반 연산 그래프
____케라스 모델
____플랫 그래프
__지원하는 배포 플랫폼
____TensorFlow.js
____Go 바인딩과 tfgo
__요약
__실습