오토케라스로 만드는 AutoML

제1부 AutoML 기초

__1장. 자동화된 머신러닝 소개
____표준 ML 워크플로의 구조
______데이터 수집
______데이터 전처리
______모델 배포
______모델 모니터링
____AutoML의 정의
______표준 접근 방식과의 차이점
____AutoML의 유형
______피처 엔지니어링 자동화
______모델 선택 및 하이퍼파라미터 최적화 자동화
______신경망 아키텍처 선택 자동화
____요약
____더 읽을거리

__2장. 오토케라스 시작하기
____기술 요구사항
____딥러닝이란 무엇인가?
____신경망이란 무엇이며 어떻게 학습하는가?
____딥러닝 모델은 어떻게 학습하는가?
____왜 오토케라스인가?
______오토케라스 실험 실행 방법
____오토케라스 설치
______클라우드에 오토케라스 설치
______오토케라스 로컬 설치
____Hello MNIST: 첫 번째 오토케라스 실험 구현
______필요한 패키지 가져오기
______MNIST 데이터셋 가져오기
______숫자는 어떻게 분포하는가?
______이미지 분류 모델 만들기
______테스트 세트로 모델 평가
______모델 시각화
______이미지 회귀 분류 모델 만들기
______테스트 세트로 모델 평가
______모델 시각화
____요약

__3장. 오토케라스로 머신러닝 파이프라인 자동화하기
____텐서 이해하기
______텐서란 무엇인가?
______텐서의 유형
____딥러닝 모델을 제공하기 위한 데이터 준비
______신경망 모델을 위한 데이터 전처리 작업
____여러 형식으로 오토케라스에 데이터 로드
____학습 및 평가를 위한 데이터셋 분할
______데이터셋을 분할해야 하는 이유
______데이터셋을 분할하는 방법
____요약

제2부 오토케라스 활용

__4장. 오토케라스를 사용한 이미지 분류 및 회귀
____기술 요구사항
____CNN 이해하기
______합성곱 층
______풀링 층
______CNN 구조
______기존 신경망 넘어서기
____CIFAR-10 이미지 분류 모델 만들기
____강력한 이미지 분류 모델 생성 및 파인튜닝
______모델 성능 향상
______테스트 세트로 모델 평가
______모델 시각화
____사람의 나이를 알아내는 이미지 회귀 분석기 만들기
____강력한 이미지 회귀 분석기 생성 및 파인튜닝
______모델 성능 향상
______테스트 세트로 모델 평가
______모델 시각화
____요약

__5장. 오토케라스를 사용한 텍스트 분류 및 회귀
____기술 요구사항
____텍스트 데이터 작업
______토큰화
______벡터화
____RNN 이해하기
____1차원 CNN(Conv1D)
____이메일 스팸 감지기 만들기
______스팸 예측기 만들기
______모델 평가
______모델 시각화
____소셜 미디어에서 뉴스 인기도 예측
______텍스트 회귀 모델 생성
______모델 평가
______모델 시각화
______모델 성능 향상
______테스트셋으로 모델 평가
____요약

__6장. 오토케라스를 사용한 구조화된 데이터 작업
____기술 요구사항
____구조화된 데이터 이해하기
____구조화된 데이터 작업
____타이타닉 생존자를 예측하기 위한 구조화된 데이터 분류 모델 만들기
______분류 모델 만들기
______모델 평가
______모델 시각화
____보스턴 주택 가격을 예측하기 위한 구조화된 데이터 회귀 분석 모델 만들기
______구조 데이터 회귀 분석 모델 만들기
______모델 평가
______모델 시각화
____요약

__7장. 오토케라스를 사용한 감정 분석
____기술 요구사항
____감정 분석기 만들기
____감정 예측 모델 만들기
____모델 평가
____모델 시각화
____특정 문장의 감정 분석
____요약

__8장. 오토케라스를 사용한 주제 분류
____기술 요구사항
____주제 분류 이해하기
____뉴스 주제 분류 모델 만들기
______분류 모델 만들기
______모델 평가
______모델 시각화
______모델 평가
____모델 검색 공간 사용자 정의
______요약

제3부 고급 오토케라스

__9장. 다중 모드 및 다중 작업 데이터
____기술 요구사항
____다중 입력 또는 출력이 있는 모델 탐색
______오토모델이란 무엇인가?
______다중 모드란 무엇인가?
______다중 작업이란 무엇인가?
____다중 모드 / 다중 작업 모델 생성
______모델 생성
______모델 시각화
____검색 공간 사용자 정의
____요약

__10장. 모델 내보내기 및 시각화
____기술 요구사항
____모델 내보내기
______모델을 저장하고 불러오는 방법
____텐서보드로 모델 시각화
______콜백으로 모델 상태 기록
______텐서보드 설정 및 로드
______TensorBoard.dev와 ML 실험 결과 공유
____ClearML로 모델 시각화 및 비교
______코드에 ClearML 추가
______실험 비교
____요약
______마치며