케라스부터 쿠버네티스까지

1장. 빅데이터와 인공지능
__데이터는 새로운 석유이며 AI는 새로운 전기다
____기계들의 부상
____처리 능력의 지수적 성장
____애널리틱스의 새로운 유형
____무엇이 AI를 그렇게 특별하게 하는가
__인공지능의 응용
____데이터에서 애널리틱스의 구축
____애널리틱스의 유형: 응용 기준
____애널리틱스의 유형: 의사 결정 로직 기반
____애널리틱스 주도형 시스템의 구축
__요약

2장. 머신러닝
__데이터에서 패턴 찾기
__막강한 머신러닝 커뮤니티
__머신러닝 기법의 유형
____비지도학습
____지도학습
____강화학습
__간단한 문제의 해
____비지도학습
____지도학습: 선형회귀
____경사하강 최적화
____선형회귀에 경사하강법 적용하기
____지도학습: 분류
__더 큰 데이터셋의 분석
____정확도에 대한 측도: 정밀도 및 재현율
__분류 방법의 비교
__편향 대 분산: 미적합 대 과적합
__강화학습
____모델 기반 강화학습
____모델 프리 강화학습
__요약

3장. 비정형 데이터 다루기
__정형 데이터 대 비정형 데이터
__이미지 인식
__동영상 다루기
__텍스트 데이터 다루기
__소리 듣기
__요약

4장. 케라스를 사용한 딥러닝
__비정형 데이터의 처리
____신경망
____역전파와 경사하강법
____뱃치 경사하강법과 확률적 경사하강법
____신경망 아키텍처
__텐서플로와 케라스
__편향과 분산: 미적합과 과적합
__요약

5장. 고급 딥러닝
__심층 모델의 부상
__새로운 종류의 네트워크 층
____컨볼루션 층
____풀링 층
____드롭아웃 층
____뱃치 정규화 층
__패션 이미지 분류를 위한 심층 신경망 구축
__CNN 아키텍처와 하이퍼파라미터
__사전 훈련된 VGG 모델로 예측하기
__데이터 보강과 전이 학습
__실제 분류 문제: 펩시콜라 대 코카콜라
__순환 신경망
__요약

6장. 최첨단 딥러닝 프로젝트
__신경망 스타일 전이
__AI를 사용한 이미지 생성
__오토인코더를 사용한 신용카드 부정 사용 탐지
__요약

7장. 최신 소프트웨어 세계의 AI
__소프트웨어의 최신 요구 사항 훑어보기
__AI가 최신 소프트웨어 개발에 어떻게 적합한가
__간편한 웹 애플리케이션
__클라우드 컴퓨팅의 부상
__컨테이너와 CaaS
____컨테이너가 있는 마이크로서비스
__쿠버네티스: 인프라 관련 문제를 위한 CaaS 솔루션
__요약

8장. AI 모델을 마이크로서비스로 배포하기
__도커와 쿠버네티스를 사용한 간단한 마이크로서비스 구축
__앱에 AI 스마트 추가하기
__앱을 컨테이너로 패키징하기
__저장소에 도커 이미지 푸시하기
__앱을 쿠버네티스에 마이크로서비스로 배포하기
__요약

9장. 머신러닝 개발 수명주기
__머신러닝 모델 수명주기
____1단계: 문제의 정의와 실제 참값 확립
____2단계: 데이터의 수집, 정제 및 준비
____3단계: 모델 구축 및 훈련
____4단계: 모델 검증 및 하이퍼파라미터 튜닝
____5단계: 프로덕션 환경으로 배포
____피드백과 모델 업데이트
__엣지 장치에 배포하기
__요약

10장. 머신러닝 플랫폼
__머신러닝 플랫폼 문제
____데이터 수집
____데이터 정제
____애널리틱스 사용자 인터페이스
____모델 개발
____규모에 맞는 훈련
____하이퍼파라미터 튜닝
____자동 배포
____로깅 및 모니터링
__머신러닝 플랫폼 통합
__요약
__맺음말