추가 적립 안내

텐서플로 2.0과 함께 머신러닝/딥러닝 기초를 다질 수 있는 가장 좋은 선택입니다!

텐서플로는 전 세계적으로 가장 널리 쓰이는 딥러닝 프레임워크입니다. 텐서플로 2.0은 기존 1.x 버전의 불편했던 문법을 개선하고 tf.keras를 중심으로 고수준 API를 통합해서 처음 접하는 사용자도 빠르게 적응할 수 있습니다.

이 책은 모든 예제 코드가 클라우드 환경의 구글 코랩(Google Colab)에 작성돼 있기 때문에 별도의 설치 과정이 필요하지 않고 인터넷만 연결돼 있으면 즉시 실행이 가능합니다. 예제 코드는 최신 버전의 파이썬과 텐서플로를 사용하며, 다양한 데이터세트와 딥러닝의 거의 모든 분야를 다룹니다.

★ 이 책에서 다루는 내용 ★
◎ 텐서플로 설치
◎ 단순한 뉴런 만들기
◎ 회귀, 분류
◎ 컨볼루션 신경망(CNN)
◎ 순환 신경망(RNN)
◎ 전이학습(Transfer Learning)
◎ 오토인코더(AutoEncoder)
◎ 강화학습(Reinforcement Learning)

▣ 01장: 텐서플로 2.0 소개
1.1 텐서플로란?
1.2 2.0 버전의 주요 변화들
___1.2.1 API 정리
___1.2.2 즉시 실행 모드(eager execution)
___1.2.3 세션 대신 함수(functions, not sessions)
___1.2.4 tf.keras
___1.2.5 TPU 지원

▣ 02장: 텐서플로 2.0 설치
2.1 윈도우
___2.1.1 기존 엔비디아 드라이버 제거
___2.1.2 CUDA, cuDNN 설치
___2.1.3 아나콘다 설치
___2.1.4 텐서플로 2.0 설치
2.2 macOS
___2.2.1 아나콘다 설치
___2.2.2 텐서플로 2.0 설치

▣ 03장: 텐서플로 2.0 시작하기
3.1 Hello World
3.2 Hello 텐서플로 2.0
3.3 텐서플로 기초
___3.3.1 난수 생성
___3.3.2 뉴런 만들기
___3.3.3 첫 번째 신경망 네트워크: AND
___3.3.4 두 번째 신경망 네트워크: OR
___3.3.5 세 번째 신경망 네트워크: XOR
3.4 시각화 기초
___3.4.1 matplotlib.pyplot을 이용한 그래프 그리기
___3.4.2 2-레이어 XOR 네트워크의 정보 시각화
3.5 정리

▣ 04장: 회귀
4.1 선형 회귀
4.2 다항 회귀
4.3 딥러닝 네트워크를 이용한 회귀
4.4 보스턴 주택 가격 데이터세트
4.5 정리

▣ 05장: 분류
5.1 이항 분류
5.2 다항 분류
5.3 Fashion MNIST
5.4 정리

▣ 06장: 컨볼루션 신경망
6.1 특징 추출
6.2 주요 레이어 정리
___6.2.1 컨볼루션 레이어
___6.2.2 풀링 레이어
___6.2.3 드롭아웃 레이어
6.3 Fashion MNIST 데이터세트에 적용하기
6.4 퍼포먼스 높이기
___6.4.1 더 많은 레이어 쌓기
___6.4.2 이미지 보강
6.5 정리

▣ 07장: 순환 신경망
7.1 순환 신경망의 구조
7.2 주요 레이어 정리
7.2.1 SimpleRNN 레이어
7.2.2 LSTM 레이어
7.2.3 GRU 레이어
7.2.4 임베딩 레이어
7.3 긍정, 부정 감성 분석
7.4 자연어 생성
___7.4.1 단어 단위 생성
___7.4.2 자소 단위 생성
7.5 정리

▣ 08장: 사전 훈련된 모델 다루기
8.1 텐서플로 허브
8.2 전이 학습
___8.2.1 모델의 일부를 재학습시키기
___8.2.2 특징 추출기
8.3 신경 스타일 전이
___8.3.1 컨볼루션 신경망을 사용한 텍스처 합성
___8.3.2 컨볼루션 신경망을 사용한 신경 스타일 전이
8.4 정리

▣ 09장: 오토인코더
9.1 인코더와 디코더, 잠재 변수
9.2 MNIST 데이터세트에 적용하기
9.3 클러스터링
___9.3.1 K-평균 클러스터링
___9.3.2 t-SNE
9.4 초해상도 이미지 얻기
9.5 이미지 분할
9.6 정리

▣ 10장: 강화학습
10.1 신경망으로 경험 학습하기
10.2 큐러닝
10.3 딥 큐러닝 네트워크
10.4 정리
맺음말