텐서플로 케라스를 이용한 딥러닝 (원리와 실제 응용 | 3 판)

텐서플로 케라스를 이용한 딥러닝 (원리와 실제 응용 | 3 판)

$49.84
Description
이 책에 제공된 프로그램은 tf.keras로 작성되었기 때문에 Jupyter Notebook 또는 클라우드 기반의 Colab에서 실습할 수 있도록 최적화되어 있다. 독자 스스로 프로그램을 이해할 수 있도록 가능한 한 상세한 해설을 하였으며, 필요한 프로그램과 데이터는 자유아카데미 홈페이지 자료실에서 다운로드할 수 있도록 준비하였다. 제2판과 비교하여 이번 제3판의 특징은 딥러닝의 기본원리, 오차분석을 통한 과대적합 및 과소적합의 진단과 해결방안, 그리고 딥러닝 모형의 진화의 관점에서 효율적이고 우수한 성능을 가진 딥러닝의 설계 등에 중점을 두어 개념을 재정립하였으며 첨단 딥러닝 모형을 대폭 추가한 것으로 요약할 수 있다.
저자

박유성

고려대학교정경대학통계학과졸업
고려대학교대학원석사과정졸업(통계학전공)
미국조지아대학교대학원졸업(통계학박사)
현재고려대학교정경대학통계학과교수

목차

[1부]딥러닝의기초원리

1장서론

2장딥러닝데이터와세가지기본신경망
2.1데이터의사전정리과정
2.2딥러닝에사용되는데이터의형태
2.3은닉층설계를위한세가지핵심신경망

3장손실함수와최적화
3.1출력층과손실함수
3.2역전파
3.3최적화알고리즘

4장TensorFlow-Keras
4.1TensorFlow2의기초문법과tf.keras의설치
4.2딥러닝구축을위한3대API
4.3최적화를위한점검

5장오차분석,초모수조절,그리고맞춤형딥러닝설계
5.1오차분석
5.2자료분할
5.3초모수조절
5.4딥러닝모형의성능향상
5.5맞춤형딥러닝설계

[2부]딥러닝의기본응용과진화과정

6장CNN의응용과이전학습
6.1사람의성별을구분하는CNN
6.2이전학습
6.3ImageGenerator를이용한CNN과자료증대
6.4ImageDataGenerator를이용한이전학습

7장RNN을이용한WordEmbedding과시계열분석
7.1Word2Vec과Glove
7.2텍스트자료에특화된WordEmbedding
7.3WordEmbedding사례분석
7.4RNN모형의비교
7.5다른형태의RNN모형
7.6딥러닝을이용한시계열자료분석

8장다중입출력,병렬형,비순환딥러닝아키텍처
8.1다중입력과다중출력딥러닝
8.2비순환형딥러닝아키텍처

9장CNN아키텍처의진화과정
9.1LeNet-5
9.2AlexNet
9.3VGGNet
9.4ResNet
9.5Inception
9.6Stem-Learner-Task아키텍처
9.7딥러닝의진화

[3부]컴퓨터비전

10장자율자동차의이미지분석
10.1교통표식의식별
10.2객체분할
10.3객체의의미분할

11장이미지객체인식과위치화
11.1R-CNN
11.2FastR-CNN
11.3FasterR-CNN
11.4YOLO_v3

12장채널시각화,딥드림,그리고스타일이전
12.1채널시각화
12.2딥드림
12.3스타일이전

[4부]자연어처리

13장머신번역
13.1자료의사전정리
13.2sequence-to-sequence학습
13.3머신번역을위한Encoder-Decoder아키텍처
13.4Attention을이용한머신번역

14장Transformer
14.1Transformer의입력층
14.2Transformer의은닉층
14.3Transformer의적용
14.4한국어챗봇

15장BERT와GPT
15.1BERT의구조
15.2GPT와텍스트생성을위한sampling
15.3서브워드토큰화

16장HuggingFace를이용한BERT
16.1BERT의적용
16.2NLP데이터셋API와BERT의적용

17장BERT변형
17.1ALBERT
17.2RoBERTa
17.3ELECTRA
17.4DistilBERT
17.5M-BERT,XLM,XLM-R

[5부]AutoEncoder와GAN

18장AutoEncoder와VariationalAutoEncoder
18.1AutoEncoder모형
18.2오염제거Autoencoder
18.3VariationalAutoencoder
18.4조건부VAE

19장GenerativeAdversarialNetworks
19.1DCGAN
19.2GAN학습을위한손실함수
19.3WGAN의구현
19.4LSGAN의구현

20장Cross-DomainGAN
20.1CycleGAN
20.2CIFAR10데이터를이용한CycleGAN
20.3MNIST데이터와SVHN데이터를이용한CycleGAN
20.4모네그림데이터와사진데이터를이용한CycleGAN

*참고문헌
*찾아보기