Home

목 차

머리말 ................................................................................. 5
책 소개 ................................................................................. 8
저자 소개 ................................................................................. 9

Chapter 01

인공지능

우리 주위에서 인공지능 ....................................................... 17
산업혁명과 인공지능 .......................................................... 24
인공지능 ......................................................................... 25
머신러닝 ......................................................................... 27
딥러닝과 뉴런, 뉴럴 네트워크 ............................................... 34
인공지능과 머신러닝, 딥러닝 ................................................ 37
텐서플로 소개 ................................................................... 39

Chapter 02

Hello world in 텐서플로

Windows에서 Tensorflow 설치하기 .................................... 43
구글 클라우드 Colaboratory 사용하기 .................................. 48
구글 클라우드 GPU로 실행하기 . ........................................... 50
MNIST의 소개 ................................................................. 54
Linear Regression ......................................................... 61

Chapter 03

머신러닝 알고리즘 입문

Cost Function ............................................................... 63
최적화 함수 ..................................................................... 66
오버피팅 ......................................................................... 70
Train Set과 Validation Set, Test Set ................................. 72
Mini batch와 Epoch ....................................................... 74
정규화(Normalization) ...................................................... 76
기본 명령어 ..................................................................... 79

Chapter 04

가벼운 파이썬 문법 리뷰

NUMPY ......................................................................... 91
Reshape . ..................................................................... 95
Rank ............................................................................ 96
NaN ........................................................................... 103
MATPLOTLIB ............................................................... 103
tf.Session().................................................106
Sigmoid....................................................107
Linear Regression 실습....................................109
Hypyothesis 정의...........................................111
Cost Function 정의.........................................112
최적화 함수 정의..............................................113
그래프 실행..................................................114
변수와 global_variables_initializer().........................116
Placeholder................................................117
국어성적 예측하기 실습........................................120
MNIST 실습.................................................129
타이타닉 생존자 예측모델......................................134
신경망 소개..................................................151

Chapter 05

뉴럴 네트워크

Activation Function........................................156
역전파 알고리즘..............................................158
Drop Out...................................................160
Fully Connected Network.................................163
Sin 그래프의 예측............................................165

Chapter 06

뉴럴 네트워크의 구현 실습

비행기 이륙거리 예측모델......................................174
CNN 소개...................................................191

Chapter 07

Convolutional Neural Network

Stride ......................................................200
Zero Padding과 출력 이미지의 크기 계산......................201
LeNet과 Alex Net...........................................204
VGG net....................................................206
GoogLeNet................................................210
Inception Module을 활용한 이미지 분류기....................215

Chapter 08

CNN 실습

Tensorflow Hub 소개.......................................220
이미지 분류기 Retraining.....................................221
RNN........................................................233

Chapter 09

RNN과 LSTM

RNN의 다양한 입력과 출력 관계 ...............................234
BPTT(Backpropagation Through Time)...................235
RNN 모델에서 Vanishing Gradient Problem................237
LSTM(Long Short Term Memory) 네트워크 소개.............237
RNN 실습 내용 소개..........................................243

Chapter 10

RNN의 실습

RNN 코드 설명...............................................244
RNN 실습코드의 전체내용.....................................248
Tensor Board 소개..........................................253

Chapter 11

시각화 도구 Tensor Board

Tensor Board 사용을 위한 코드 추가..........................255
Tensor Board 실행하기......................................259
Tensor Board 그래프의 범례.................................262
연속적인 선 그래프 그리기.....................................263
Name Scope로 묶어 표현하기................................267

Chapter 12

학습과정을 저장하고 불러오기

변수를 파일로 저장하기........................................272
파일에서 변수 읽어오기........................................277
GAN의 개념과 이슈...........................................287

Chapter 13

GAN

GAN과 DCGAN(Deep Convolutional GAN)................289
GAN의 수식 리뷰.............................................293
Stack GAN.................................................296
Cycle GAN.................................................301
그 밖의 GAN.................................................304
MNIST 숫자 이미지 생성 실습. ................................307

Chapter 14

GAN 실습

MNIST 숫자 이미지 생성실습..............................................................307

맺는말 ........................................................................325