TensorFlow Machine Learning Cookbook (다양한 텐서플로 예제를 실행해 보면서 빠르게 익히는 머신 러닝 | Tensorflow v1.10 반영)

닉맥클루어

저자닉맥클루어는워싱턴주의시애틀에있는페이스케일사(PayScale,Inc)의선임데이터과학자다.이전에는에서ZillowandCaesar'sEntertainment일했다.몬타나대학교(UniversityofMontana),세인트베네딕트대학(CollegeofSaintBenedict),세인트존스대학교(SaintJohn'sUniversity)에서응용수학학위를받았다.
해석학,머신러닝,인공지능분야를학습하고옹호하는데열정을다하고있다.생각과사색의결과물을블로그(http://fromdata.org/)나트위터(@nfmcclure)에종종남기곤한다.

1장.텐서플로시작
__소개
__텐서플로동작방식
__텐서정의
__플레이스홀더및변수사용
__행렬다루기
__연산정의
__활성화함수구현
__데이터출처사용
__추가자료

2장.텐서플로동작방식
__소개
__계산그래프의연산
__다중연산중첩
__다층처리
__비용함수(손실함수)구현
__역전파구현
__일괄학습과확률적학습
__모든요소조합
__모델평가

3장.선형회귀
__소개
__역행렬기법사용
__행렬분해기법구현
__텐서플로의선형회귀방식
__선형회귀의비용함수
__데밍회귀구현
__라소회귀및리지회귀구현
__일래스틱넷회귀구현
__로지스틱회귀구현

4장.서포트벡터머신
__소개
__선형SVM구현
__선형회귀로축소
__텐서플로의커널함수
__비선형SVM구현
__다중분류SVM구현

5장.최근접이웃알고리즘
__소개
__최근접이웃알고리즘
__문자기반거리
__혼합거리함수계산
__주소매칭사례
__최근접이웃알고리즘을이용한이미지인식

6장.신경망
__소개
__연산게이트구현
__게이트와활성화함수
__단층신경망구현
__다양한계층구현
__다층신경망사용
__선형모델예측개선
__틱택토게임방법학습

7장.자연어처리
__소개
__단어꾸러미기법
__TF-IDF구현
__스킵-그램임베딩
__CBOW임베딩
__Word2vec을이용한예측
__Doc2vec을이용한감정분석

8장.합성곱신경망
__소개
__단순CNN구현
__고급CNN구현
__기존CNN모델재학습
__스타일넷/뉴럴-스타일적용
__딥드림구현

9장.순환신경망
__소개
__스팸예측을위한RNN구현
__LSTM모델구현
__다층LSTM
__시퀀스-투-시퀀스모델
__샴유사도측정

10장.텐서플로실무적용
__소개
__단위테스트
__다중실행자
__텐서플로병렬화
__텐서플로실무적용
__텐서플로실무적용사례

11장.텐서플로추가학습
__소개
__텐서보드를이용한그래프시각화
__유전알고리즘
__K-평균군집화
__상미분방정식(ODE)풀이

★이책에서다루는내용★
■텐서플로머신러닝라이브러리의기본적인내용
■텐서플로의선형회귀기법
■실습예제를통한서포트벡터머신(SVM)학습
■신경망구현과예측성능의개선
■데이터대상의자연어처리및감정분석수행
■실용적인예제를통한합성곱신경망(CNN)과순환신경망(RNN)학습
■텐서플로의실무적용

★이책의대상독자★
머신러닝과파이썬프로그램에어느정도경험이있는독자를대상으로한다.머신러닝에대해상당한지식을갖춘독자라면,이책을통해텐서플로코드를이해할수있게될것이고,파이썬에대해상당한지식을갖춘독자라면설명부분에서많은지식을얻을수있을것이다.

★이책의구성★
1장,'텐서플로시작'에서는텐서플로의주요객체와개념들에대해알아본다.텐서,변수,플레이스홀더를소개한다.텐서플로의행렬처리방식을비롯한다양한수학적연산처리방법도알아본다.마지막부분에서는책에서사용하는데이터의출처와데이터구하는방법도알아본다.
2장,'텐서플로동작방식'에서는1장의알고리즘구성요소들을연결해단일분류기역할을하는다양한계산그래프를만드는방법을알아본다.그과정에서계산그래프,비용함수,역전파,데이터를이용한학습등을살펴본다.
3장,'선형회귀'에서는데밍회귀,라소회귀,리지회귀,일래스틱넷회귀,로지스틱회귀등의다양한선형회귀를텐서플로로처리하는방법을알아본다.각방법들을텐서플로계산그래프로구현하는방법을살펴본다.
4장,'서포트벡터머신'에서는서포트벡터머신을소개하고,텐서플로를이용해선형SVM,비선형SVM,다중분류SVM등을구현하는방법을알아본다.
5장,'최근접이웃알고리즘'에서는수치거리함수,문자거리함수,혼합거리함수를이용해최근접이웃알고리즘을구현하는방법을알아본다.최근접이웃알고리즘을이용해주소레코드매칭,MNIST데이터베이스필기숫자분류작업을처리해본다.
6장,'신경망'에서는연산게이트와활성화함수부터시작해서텐서플로의신경망구현방법을알아본다.그다음단층신경망을살펴보고다양한계층구현방법을살펴본다.마지막으로신경망을이용해텐서플로에틱택토게임방법을학습시켜본다.
7장,'자연어처리'에서는텐서플로를이용해문서를처리하는다양한방법을알아본다.단어꾸러미기법과TF-IDF구현을살펴본다.그다음신경망을이용해문서를표현할때사용하는CBOW,스킵-그램임베딩을소개하고,이기법을Word2vec,Doc2vec방식에적용해실제예측작업을처리해본다.
8장,'합성곱신경망'에서는신경망지식을확장해서합성곱신경망(CNN)을이미지에적용하는방법을살펴본다.MNIST숫자를인식하는단순CNN구현방법을알아보고,이를확장해CIFAR-10칼라이미지를처리해본다.사전학습된이미지인식모델을필요에맞게확장하는방법도알아본다.마지막으로텐서플로를이용한스타일넷/뉴럴-스타일적용방법,딥드림(DeepDream)알고리즘구현방법을알아본다.
9장,'순환신경망'에서는텐서플로의순환신경망(RNN)구현방법을알아본다.문자의스팸여부를예측하는방법,RNN모델을확장해셰익스피어말투의문장을생성하는방법을살펴본다.영어를독일어로번역하는시퀀스-투-시퀀스모델도학습해본다.마지막으로샴RNN망을이용한주소매칭작업을살펴본다.