텐서플로1.x로 배우는 머신 러닝(오픈소스 프로그래밍)
실용적인 사례로 만들어보는 머신 러닝 시스템
“요즘 머신 러닝이라 하면 딥러닝이고, 텐서플로로 머신 러닝을 쉽게 할 수 있다”는 말만 듣고 실제 텐서플로로 머신 러닝을 해보려니 막막했던 사람들에게 꼭 필요한 내용을 제공한다. 실제 데이터와 실제 상황에 적용된 사례를 보며 데이터를 얻고 학습에 사용하기 위해 데이터를 가공하고 딥러닝시키면서 그 흐름이 어떻게 되는지를 텐서보드로 확인하는 것까지, 딥러닝으로 결과를 얻는 데 필요한 모든 것을 제공한다.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
■ 데이터에 대해 다양한 질문을 하기 위해 여러 가지 머신 러닝 모델을 사용하는 방법
■ 텐서플로 1.x를 사용한 심층 신경망 제작 방법
■ 자신의 알고리즘을 최적화하고 장점을 강화하기 위해 파이썬 코드를 깔끔하고 우아하게 작성하는 방법
■ 자신의 머신 러닝 모델을 웹 애플리케이션에 심어 접근성을 높이는 방법
■ AWS에서 여러 GPU를 사용해 더 빠르게 학습시키는 방법
★ 이 책의 대상 독자 ★
실생활 애플리케이션에 쓰일 수 있을 만큼 멋지고 실용적인 머신 러닝 시스템을 만들고자 한다면 이 책이 이상적이다. 머신 러닝 개념, 파이썬 프로그래밍, IDE와 커맨드라인에 익숙한 상태여야 한다. 업무에 활용하기 위해 머신 러닝과 텐서플로에 대해 배워야 하는 프로그래머나 과학자 혹은 엔지니어에게도 유용한 책이다.
★ 이 책의 구성 ★
1장, '텐서플로 시작'에서는 우분투, 맥OS, 윈도우에서 텐서플로를 설치하고 시작하는 방법을 알아본다.
2장, '첫 번째 분류기'에서는 텐서플로를 사용하는 첫 번째 예로 손글씨 인식기를 만들어 본다.
3장, '텐서플로 도구상자'에서는 더 효과적이고 쉽게 텐서플로를 사용할 수 있게 하는 텐서플로의 도구들을 간략하게 알아본다.
4장, '고양이와 개'에서는 텐서플로에서 합성곱 신경망을 사용해 이미지 분류기를 만드는 방법을 알아본다.
5장, '순열에서 순열 모델로'에서는 순열-순열 모델을 사용해 영어에서 프랑스어로 번역하는 번역기를 만들어본다.
6장, '의미 찾기'에서는 문맥 분석, 실체 추출, 키워드 추출, 단어 간 연관 관계 추출을 사용해 텍스트 내의 의미를 찾는 방법을 알아본다.
7장, '머신 러닝으로 돈 벌기'에서는 금융 세상이라는 데이터양이 어마어마한 세계로 뛰어든다. 금융 문제를 해결하기 위해 시계열 데이터를 사용하는 방법을 알아본다.
8장, '의학 진단 문제'에서는 기업에서 다룰 만한 정도로 큰 문제인 의학 진단 문제를 심층 신경망을 사용해 해결하는 여러 가지 방법을 알아본다.
9장, '순항 제어: 자동화'에서는 훈련에서부터 모델을 서비스하는 데 이르기까지 운영계 시스템을 만드는 데 필요한 사항들을 알아본다. 사용자 피드백을 받아 매일매일 자동으로 훈련하는 과정도 시스템에 구현한다.
10장, '가동 준비와 성공'에서는 아마존 웹 서비스의 세상을 안내한다. 또한 아마존 서버에서 여러 개의 GPU를 사용한 시스템을 사용했을 때의 장점도 알아본다.
11장, '더 고려할 사항: 21가지 문제'에서는 이 책을 읽고 난 후 텐서플로와 딥러닝으로 도전해 볼 만한 21가지 실세상 문제를 소개한다.
부록 A, '고급 설치'에서는 GPU에 대해 알아본 후 단계별로 CUDA를 설정하고 GPU 기반 텐서플로를 설치하는 방법을 알아본다.
목차
목차
__현재 사용 버전
__텐서플로 설치
____우분투 설치
____맥OS 설치
____윈도우 설치
____가상머신 설정
____설치한 텐서플로 검사
__요약
2장. 첫 번째 분류기
__중요 사항
__훈련 데이터 획득
__훈련 데이터 다운로드
__분류에 대해 이해
____훈련 데이터 준비 자동화
__추가 설정
____이미지를 행렬로 변환
__논리적 중단점
__머신 러닝 서류가방
__훈련하기
__다음 사용을 위한 모델 저장
__테스트 세트를 숨기는 이유
__분류기 사용
__신경망 속으로 깊숙이 빠져들기
__다룬 기술
__요약
3장. 텐서플로 도구상자
__빠른 미리 보기
__텐서보드 설치
____텐서보드 코드 추가
____AlexNet
__실행 자동화
__요약
4장. 고양이와 개
__notMNIST 다시 보기
____프로그램 구성
____합성곱 신경망 이해
____구성 다시 보기
____합성곱 신경망 만들기
____수행
__훈련일
__실제 고양이와 개
__다음에 사용할 수 있게 모델 저장
__분류기 사용
__다룬 기술
__요약
5장. 순열에서 순열 모델로: 프랑스어 할 줄 아세요?
__빠른 미리 보기
__소방호스에 입 대고 물 마시기
__훈련일
__요약
6장. 의미 찾기
__추가 설정
__다룬 기술
__요약
7장. 머신 러닝으로 돈 벌기
__입력과 접근 방법
____데이터 얻기
__문제에 접근
____데이터 다운로드와 수정
____데이터 보기
____특성 추출
____학습과 테스트 준비
____신경망 생성
____학습
____테스트
__더 고려할 사항
__개인 투자를 위한 현실적인 고려 사항
__다룬 기술
__요약
8장. 의학 진단 문제
__도전 과제
__데이터
__파이프라인
____파이프라인 이해
____데이터셋 준비
____데이터 준비 과정의 설명
____훈련 단계
____검증 단계
____텐서보드로 출력 시각화
__더 고려할 사항
____기타 의학 데이터 도전 과제
____ISBI 위대한 챌린지
____의학 데이터 읽기
__다룬 기술
__요약
9장. 순항 제어: 자동화
__시스템 개요
__프로젝트 설정
__빠른 훈련을 위해 미리 훈련된 모델 불러들이기
____이미 훈련된 모델 테스트
__준비한 데이터셋에 맞춘 모델 훈련
____옥스퍼드-IIIT 반려동물 데이터셋 소개
____훈련과 테스트를 위한 입력 파이프라인 설정
____모델 정의
____훈련 연산 정의
____훈련 과정 수행
____운영계에서 사용할 모델 내보내기
__운영계에서 모델 서비스
____텐서플로 서빙 설정
____모델 실행과 테스트
____웹 서버 설계
__운영계에서 자동으로 미세 조정
____사용자가 레이블을 제공한 데이터 읽어 들이기
____모델에 대한 미세 조정
____매일 실행하도록 cronjob 설정
__요약
10장. 가동 준비와 성공
__아마존 웹 서비스 간단한 소개
____P2 인스턴스
____G2 인스턴스
____F1 인스턴스
____가격 정책
__애플리케이션 개요
____데이터셋
____데이터셋과 입력 파이프라인 준비
____신경망 구조
____한 개의 GPU로 훈련
____다중 GPU로 훈련
__메커니컬 터크 개요
__요약
11장. 더 고려할 사항: 21가지 문제
__데이터셋과 챌린지
____문제 1: ImageNet 데이터셋
____문제 2: COCO 데이터셋
____문제 3: 오픈 이미지 데이터셋
____문제 4: 유튜브-8M 데이터셋
____문제 5: AudioSet 데이터셋
____문제 6: LSUN 챌린지
____문제 7: MegaFace 데이터셋
____문제 8: 2017 데이터 과학 볼 챌린지
____문제 9: 스타크래프트 게임 데이터셋
__텐서플로 기반 프로젝트
____문제 10: 사람 자세 측정
____문제 11: 물체 검출 - YOLO
____문제 12: 물에 검출 - Faster RCNN
____문제 13: 인물 검출 - tensorbox
____문제 14: 마젠타
____문제 15: 웨이브넷
____문제 16: Deep Speech
__흥미로운 프로젝트
____문제 17: 대화식 심층 채색 - iDeepColor
____문제 18: 조그마한 얼굴 검출기
____문제 19: 인물 검색
____문제 20: 얼굴 인식 - MobileID
____문제 21: 질의응답 - DrQA
__카페에서 텐서플로
__TensorFlow-Slim
__요약
부록 A. 고급 설치
__설치
____엔비디아 드라이버 설치
____CUDA 툴킷 설치
____cuDNN 설치
____텐서플로 설치
____텐서플로가 GPU를 지원하는지 검증
__아나콘다에서 텐서플로 사용
__요약
저자
저자
팩트출판사에서 컴퓨터 비전을 다룬 『OpenCV3 Blueprints』(2015)를 썼다.
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.

