텐서플로를 이용한 딥러닝(직접 해보는)

■ 실행 환경 설정 및 텐서플로 설치

■ 계산을 위한 간단한 텐서플로 그래프 작성

■ 텐서플로로 분류 문제에 로지스틱 회귀 적용

■ 텐서플로로 다층 신경망 설계 및 학습

■ 간단한 신경망에서 시작해 점점 더 정확한 모델 작성

■ 다른 종류의 신경망에서 텐서플로를 사용하는 방법

■ 텐서플로를 위한 고수준 인터페이스인 SciKit-Flow로 신경망 구현



★ 이 책의 대상 독자 ★



딥러닝이 대세가 되면서 심층 신경망을 사용해 데이터를 이해하고 정확한 결과를 얻는 것이 가능하게 됐다. 이 책은 딥러닝으로 이러한 가능성을 탐구할 수 있게 안내한다. 텐서플로의 효율성과 편리함은 데이터를 처리할 수 있게 하며, 이전과는 다른 방식으로 데이터를 이해할 수 있도록 한다.



★ 이 책의 구성 ★



1장, '시작하기'에서는 텐서플로를 사용해 적용할 기술과 모델을 설명한다. 먼저 사용 중인 컴퓨터에 텐서플로를 설치한다. 텐서플로에서 제공하는 기본 연산에 대해 살펴본 후, 바로 머신 러닝 문제로 넘어가서 로지스틱 회귀와 몇 줄의 텐서플로 코드를 사용해 적절한 모델을 성공적으로 만든다.

2장, '심층 신경망'에서는 텐서플로의 가장 강력한 기능인 심층 신경망을 살펴본다. 단층과 다층 은닉층 모델에 대해 알아본다. 또한 서로 다른 종류의 신경망에 대해 알아보고, 텐서플로를 사용해 첫 번째 신경망을 만들고 학습시킨다.

3장, '컨볼루션 신경망'에서는 딥러닝에서 가장 강력한 발전에 대해 이야기하고, 컨볼루션의 개념을 간단한 예제에 적용한다. 컨볼루션을 실용적인 관점에서 이해해본다. 또한 신경망에서 컨볼루션 레이어와 풀링(pooling) 레이어가 무엇인지 텐서플로 예제와 함께 설명한다.

4장, '순환 신경망'에서는 RNN 모델의 개념과 텐서플로를 사용한 구현 방법을 소개한다. 먼저 텐서플로에서 제공하는 TensorFlow Learn이라는 간단한 인터페이스를 살펴본다. 또한 컨볼루션 신경망뿐만 아니라 밀집 신경망(dense neural networks)을 통해 가중치를 더 자세하게 추출한다.

5장, '마무리'에서는 이 책을 통해 살펴본 내용을 정리하고, 글꼴 분류를 위한 텐서플로 모델과 정확도를 검토한다.

1장. 시작하기

__텐서플로 설치

____텐서플로: 메인 페이지

____텐서플로: 설치 페이지

____pip를 사용한 치

____CoCalc를 사용한 설치

__간단한 계산

____스칼라와 텐서 정의

____텐서 연산

____계산하기

____변수 텐서

____중간 값 표시와 치환

__로지스틱 회귀 모델 만들기

____글꼴 분류 데이터 세트 소개

____로지스틱 회귀

____데이터 준비

____텐서플로 모델 만들기

__로지스틱 회귀 학습

____손실 함수 개발

____모델 학습

____모델 정확도 평가

__정리



2장. 심층 신경망

__신경망 기초

____로그 함수

____시그모이드 함수

__단일 은닉층 모델

____단일 은닉층 모델 살펴보기

____역전파

__단일 은닉층 설명

____모델 가중치 이해

__다중 은닉층 모델

____다중 은닉층 모델 살펴보기

__다중 은닉층 모델 결과

____다중 은닉층 그래프 이해

__정리



3장. 컨볼루션 신경망

__컨볼루션 레이어 필요성

____여러 특징 추출

__컨볼루션 레이어 응용

____컨볼루션 레이어 살펴보기

__풀링 레이어 필요성

____맥스 풀링 레이어

__풀링 레이어 응용

__심층 CNN

____컨볼루션 레이어와 풀링 레이어 함께 추가

____CNN으로 폰트 분류

__더 깊은 CNN

____CNN 레이어 추가

__심층 마무리 CNN

__정리



4장. 순환 신경망

__RNN 살펴보기

____가중치 모델링

____RNN 이해

__TensorFlow Learn

____설정

____로지스틱 회귀

__DNNs

____Learn에서 CNN 사용

____가중치 추출

__정리



5장. 마무리

__연구 평가

__모든 모델 검토

____로지스틱 회귀 모델

____단일 은닉층 신경망 모델

____심층 신경망

____컨볼루션 신경망

____심층 컨볼루션 신경망

__텐서플로의 미래

____다른 텐서플로 프로젝트

__정리

댄 반 복셀 저자 댄 반 복셀은 10년이 넘는 경력을 가진 데이터 과학자 및 머신 러닝 엔지니어다. 유튜브 실시간 방송을 통해 신경망의 강력함과 취약점을 보여주는 라는 영상으로 알려져 있다. 고속도로 트럭 교통량 설명, 여행 시간 이상치 감지 등의 주제에 머신 러닝의 새로운 통계 모델을 개발하고 적용했다. 또한 연구 논문을 발표하고 미국교통연구위원회 및 기타 학술지에 게재했다.