추가 적립 안내

개별적으로 실행 가능한 다양한 예제를 활용해 텐서플로 사용법을 살펴본다. 이 책은 프로그래밍에 익숙하지만 머신 러닝을 처음 접하는 사람, 머신 러닝에 대해 잘 알고 있는 사람 모두에게 도움이 될 수 있다. 머신 러닝에 익숙한 사람이라면, 예제를 통해 텐서플로의 머신 러닝 구현 방식을 쉽게 파악하고 활용할 수 있다. 텐서플로를 이용하면 학습 알고리즘 구현보다 학습 구조 설계에 더 집중할 수 있다. 머신 러닝에 익숙하지 않은 사람이라도 예제를 따라가다 보면, 머신 러닝이 활용되는 방식과 머신 러닝의 전체적인 구조, 목표, 한계를 빠르게 파악할 수 있다. 학습한 내용으로 텐서플로를 이용해 다양한 머신 러닝 모델을 구현해볼 수 있으며, 머신 러닝에 대해 더욱 깊이 있는 학습을 시작할 수 있다.

★ 이 책에서 다루는 내용 ★
■ 텐서플로 머신 러닝 라이브러리의 기본적인 내용
■ 텐서플로의 선형 회귀 기법
■ 실습 예제를 통한 서포트 벡터 머신(SVM) 학습
■ 신경망 구현과 예측 성능의 개선
■ 데이터 대상의 자연어 처리 및 감정 분석 수행
■ 실용적인 예제를 통한 합성곱 신경망(CNN)과 순환 신경망(RNN) 학습
■ 텐서플로의 실무 적용

★ 이 책의 대상 독자 ★
머신 러닝과 파이썬 프로그램에 어느 정도 경험이 있는 독자를 대상으로 한다. 머신 러닝에 대해 상당한 지식을 갖춘 독자라면, 이 책을 통해 텐서플로 코드를 이해할 수 있게 될 것이고, 파이썬에 대해 상당한 지식을 갖춘 독자라면 설명 부분에서 많은 지식을 얻을 수 있을 것이다.

★ 이 책의 구성 ★
1장, '텐서플로 시작'에서는 텐서플로의 주요 객체와 개념들에 대해 알아본다. 텐서, 변수, 플레이스홀더를 소개한다. 텐서플로의 행렬 처리 방식을 비롯한 다양한 수학적 연산 처리 방법도 알아본다. 마지막 부분에서는 책에서 사용하는 데이터의 출처와 데이터 구하는 방법도 알아본다.
2장, '텐서플로 동작 방식'에서는 1장의 알고리즘 구성 요소들을 연결해 단일 분류기 역할을 하는 다양한 계산 그래프를 만드는 방법을 알아본다. 그 과정에서 계산 그래프,비용 함수,역전파, 데이터를 이용한 학습 등을 살펴본다.
3장, '선형 회귀'에서는 데밍 회귀, 라소 회귀, 리지 회귀, 일래스틱 넷 회귀, 로지스틱 회귀 등의 다양한 선형 회귀를 텐서플로로 처리하는 방법을 알아본다. 각 방법들을 텐서플로 계산 그래프로 구현하는 방법을 살펴본다.
4장, '서포트 벡터 머신'에서는 서포트 벡터 머신을 소개하고, 텐서플로를 이용해 선형 SVM, 비선형 SVM, 다중 분류 SVM 등을 구현하는 방법을 알아본다.
5장, '최근접 이웃 알고리즘'에서는 수치 거리 함수, 문자 거리 함수, 혼합 거리 함수를 이용해 최근접 이웃 알고리즘을 구현하는 방법을 알아본다. 최근접 이웃 알고리즘을 이용해 주소 레코드 매칭, MNIST 데이터베이스 필기 숫자 분류 작업을 처리해본다.
6장, '신경망'에서는 연산 게이트와 활성화 함수부터 시작해서 텐서플로의 신경망구현 방법을 알아본다. 그다음 단층 신경망을 살펴보고 다양한 계층 구현 방법을 살펴본다. 마지막으로 신경망을 이용해 텐서플로에 틱택토 게임 방법을 학습시켜본다.
7장, '자연어 처리'에서는 텐서플로를 이용해 문서를 처리하는 다양한 방법을 알아본다. 단어 꾸러미 기법과 TF-IDF 구현을 살펴본다. 그다음 신경망을 이용해 문서를 표현할 때 사용하는 CBOW, 스킵-그램 임베딩을 소개하고, 이 기법을 Word2vec, Doc2vec 방식에 적용해 실제 예측 작업을 처리해본다.
8장, '합성곱 신경망'에서는 신경망 지식을 확장해서 합성곱 신경망(CNN)을 이미지에 적용하는 방법을 살펴본다. MNIST 숫자를 인식하는 단순 CNN 구현 방법을 알아보고, 이를 확장해 CIFAR-10 칼라 이미지를 처리해본다. 사전 학습된 이미지 인식 모델을 필요에 맞게 확장하는 방법도 알아본다. 마지막으로 텐서플로를 이용한 스타일넷/뉴럴-스타일 적용 방법, 딥드림(Deep Dream) 알고리즘 구현 방법을 알아본다.
9장, '순환 신경망'에서는 텐서플로의 순환 신경망(RNN) 구현 방법을 알아본다. 문자의 스팸 여부를 예측하는 방법, RNN 모델을 확장해 셰익스피어 말투의 문장을 생성하는 방법을 살펴본다. 영어를 독일어로 번역하는 시퀀스-투-시퀀스 모델도 학습해본다. 마지막으로 샴 RNN 망을 이용한 주소 매칭 작업을 살펴본다.

1장. 텐서플로 시작
__소개
__텐서플로 동작 방식
__텐서 정의
__플레이스홀더 및 변수 사용
__행렬 다루기
__연산 정의
__활성화 함수 구현
__데이터 출처 사용
__추가 자료

2장. 텐서플로 동작 방식
__소개
__계산 그래프의 연산
__다중 연산 중첩
__다층 처리
__비용 함수(손실 함수) 구현
__역전파 구현
__일괄 학습과 확률적 학습
__모든 요소 조합
__모델 평가

3장. 선형 회귀
__소개
__역행렬 기법 사용
__행렬 분해 기법 구현
__텐서플로의 선형 회귀 방식
__선형 회귀의 비용 함수
__데밍 회귀 구현
__라소 회귀 및 리지 회귀 구현
__일래스틱 넷 회귀 구현
__로지스틱 회귀 구현

4장. 서포트 벡터 머신
__소개
__선형 SVM 구현
__선형 회귀로 축소
__텐서플로의 커널 함수
__비선형 SVM 구현
__다중 분류 SVM 구현

5장. 최근접 이웃 알고리즘
__소개
__최근접 이웃 알고리즘
__문자 기반 거리
__혼합 거리 함수 계산
__주소 매칭 사례
__최근접 이웃 알고리즘을 이용한 이미지 인식

6장. 신경망
__소개
__연산 게이트 구현
__게이트와 활성화 함수
__단층 신경망 구현
__다양한 계층 구현
__다층 신경망 사용
__선형 모델 예측 개선
__틱택토 게임 방법 학습

7장. 자연어 처리
__소개
__단어 꾸러미 기법
__TF-IDF 구현
__스킵-그램 임베딩
__CBOW 임베딩
__Word2vec을 이용한 예측
__Doc2vec을 이용한 감정 분석

8장. 합성곱 신경망
__소개
__단순 CNN 구현
__고급 CNN 구현
__기존 CNN 모델 재학습
__스타일넷/뉴럴-스타일 적용
__딥드림 구현

9장. 순환 신경망
__소개
__스팸 예측을 위한 RNN 구현
__LSTM 모델 구현
__다층 LSTM
__시퀀스-투-시퀀스 모델
__샴 유사도 측정

10장. 텐서플로 실무 적용
__소개
__단위 테스트
__다중 실행자
__텐서플로 병렬화
__텐서플로 실무 적용
__텐서플로 실무 적용 사례

11장. 텐서플로 추가 학습
__소개
__텐서보드를 이용한 그래프 시각화
__유전 알고리즘
__K-평균 군집화
__상미분방정식(ODE) 풀이