홈앤서비스 SK BROADBAND

이 책은 총 10개의 장으로 구성되어 있다. 제1장에서는 전반적인 딥러닝 개요에 대해 소개하고, 제2장에서는 딥러닝 실습을 위한 환경에 대해 다룬다. 제3장에서는 딥러닝의 기반이 되는 인공 신경망에 대해 다루며, 제4장에서는 딥러닝 기본 절차에 대해 다루고, 제5장에서는 케라스에 대해 다룬다. 제6장에서는 딥러닝의 모델 중 DNN 모델에 대해 다루고, 제7장에서는 영상 인식에 사용되는 CNN 모델, 제8장에서는 자연어 처리 모델, 제9장에서는 순차 데이터에 적합한 RNN 모델과 LSTM 모델, 그리고 제10장에서는 딥러닝에서 ‘실제같이 보이는 허구’를 만들어내는 GAN 모델에 대해 다룬다.

1장 딥러닝 개요

1.1 딥러닝의 역사
1.2 머신러닝과 딥러닝 관계
1.3 여러 가지 딥러닝 모델
연습문제

2장 실습환경 만들기

2.1 아나콘다 설치
2.2 텐서플로 설치
2.3 케라스 설치
2.4 주피터 노트북 설치
연습문제

3장 딥러닝의 기원 - 인공 신경망

3.1 퍼셉트론
3.2 다층 퍼셉트론
3.3 역전파 알고리즘
연습문제

4장 딥러닝의 기본 절차

4.1 딥러닝의 6단계 과정
4.2 데이터 셋 생성하기
4.3 모델 생성하기
4.4 모델 컴파일하기
4.5 모델 학습하기
4.6 모델 평가하기
연습문제

5장 케라스

5.1 텐서플로와 케라스의 관계
5.2 케라스로 모델 구현하기
5.3 케라스로 신경망 구현하기
5.4 케라스를 이용한 회귀모델 구현
5.5 케라스를 이용한 분류모델 구현
연습문제

6장 DNN 모델

6.1 DNN 모델이란?
6.2 케라스로 DNN 모델 구현하기: 회귀 모델
6.3 케라스로 DNN 모델 구현하기: 분류 모델
6.4 케라스로 콜백 사용하기
연습문제

7장 CNN 모델

7.1 CNN 모델이란?
7.2 CNN 모델의 구성요소
7.3 MNIST 데이터에서 CNN 모델 구현
7.4 ImageDataGenerator 활용하기
연습문제

8장 자연어 처리 모델

8.1 자연어 처리의 개념
8.2 텍스트 전처리
8.3 자연어 처리를 이용한 감성 분석 구현
연습문제

9장 RNN 모델과 LSTM 모델

9.1 RNN 모델
9.2 LSTM 모델
연습문제

10장 GAN 모델

10.1 GAN 모델이란?
10.2 MNIST 데이터에서 GAN 구현
10.3 DCGAN 모델
10.4 MNIST 데이터에서 DCGAN 구현
연습문제

찾아보기