책소개
수학이 어려운 개발자에게 바치는
코드 실습형 머신러닝 가이드북
인공지능 기술 도입률이 늘면서 개발자에게 필요한 역량도 높아지고 있다. 산업을 획기적으로 변화시키는 인공지능, 어떻게 하면 현명하고 실속 있게 마스터할 수 있을까? 이 책의 목표는 개발자가 마주하게 될 다양한 문제를 머신러닝으로 해결하는 방법을 안내하고, 머신러닝과 인공지능 개발자로 레벨 업할 수 있도록 돕는 것이다.
수만 명이 선택한 온라인 강좌 기반으로 내용을 구성했고, 복잡하거나 어려운 수식은 다루지 않으며 다양한 예제 코드를 실습하면서 주요 개념을 배워본다. 머신러닝 세계에서 만나게 될 다양한 시나리오를 구현해보고, 컴퓨터 비전, 자연어 처리, 웹, 모바일, 클라우드 및 임베디드 런타임을 위한 시퀀스 모델링도 소개한다. 이 책을 읽고 나면 여러분은 곧 파이썬과 텐서플로로 머신러닝과 인공지능의 세계를 자유롭게 유영하는 인공지능 개발자로 업그레이드하게 될 것이다.
저자소개
구글의 인공지능 개발 지원 팀(advocacy) 리더. 소프트웨어 개발자가 머신러닝으로 인공지능 시스템을 구축할 수 있도록 교육하는 것이 목표다. 텐서플로 유튜브 채널(youtube.com/tensorflow)에 영상을 자주 올리며, 국제적으로 유명한 기조 연설자다. 수많은 책과 각본을 저술한 작가이기도 하며 그중 SF 소설 몇 권이 베스트셀러에 오르기도 했다. 워싱턴주 사마미시에 거주하며 지독한 커피홀릭이다.
목차
[PART I 모델 구축]
CHAPTER 1 텐서플로 소개
1.1 머신러닝이란
1.2 전통적인 프로그래밍의 한계
1.3 프로그래밍에서 학습으로
1.4 텐서플로란
1.5 텐서플로 사용하기
1.6 머신러닝 시작하기
1.7 마치며
CHAPTER 2 컴퓨터 비전 소개
2.1 의류 아이템 인식하기
2.2 컴퓨터 비전을 위한 뉴런
2.3 신경망 설계
2.4 신경망 훈련하기
2.5 모델 출력 살펴보기
2.6 더 오래 훈련하기: 과대적합
2.7 훈련 조기 종료
2.8 마치며
CHAPTER 3 고급 컴퓨터 비전: 이미지에서 특징 감지하기
3.1 합성곱
3.2 풀링
3.3 합성곱 신경망 만들기
3.4 합성곱 신경망 살펴보기
3.5 말과 사람을 구별하는 CNN 만들기
3.6 이미지 증식
3.7 전이 학습
3.8 다중 분류
3.9 드롭아웃 규제
3.10 마치며
CHAPTER 4 텐서플로 데이터셋으로 공개 데이터셋 사용하기
4.1 텐서플로 데이터셋 시작하기
4.2 케라스 모델에서 텐서플로 데이터셋 사용하기
4.3 데이터 증식을 위해 매핑 함수 사용하기
4.4 사용자 정의 분할 사용하기
4.5 TFRecord 이해하기
4.6 텐서플로에서 데이터 관리를 위한 ETL 프로세스
4.7 마치며
CHAPTER 5 자연어 처리 소개
5.1 언어를 숫자로 인코딩하기
5.2 불용어 제거와 텍스트 정제
5.3 실제 데이터 다루기
5.4 마치며
CHAPTER 6 임베딩을 사용한 감성 프로그래밍
6.1 단어의 의미 구축하기
6.2 텐서플로의 임베딩
6.3 임베딩 시각화
6.4 텐서플로 허브에서 사전 훈련된 임베딩 사용하기
6.5 마치며
CHAPTER 7 자연어 처리를 위한 순환 신경망
7.1 순환 구조
7.2 순환을 언어로 확장하기
7.3 RNN으로 텍스트 분류기 만들기
7.4 RNN에 사전 훈련된 임베딩 사용하기
7.5 마치며
CHAPTER 8 텐서플로로 텍스트 생성하기
8.1 시퀀스를 입력 시퀀스로 변환하기
8.2 모델 만들기
8.3 텍스트 생성하기
8.4 데이터셋 확장하기
8.5 모델 구조 바꾸기
8.6 데이터 개선하기
8.7 문자 기반 인코딩
8.8 마치며
CHAPTER 9 시퀀스와 시계열 데이터 이해하기
9.1 시계열의 공통 특징
9.2 시계열 예측 기법
9.3 마치며
CHAPTER 10 시퀀스를 예측하는 머신러닝 모델 만들기
10.1 윈도 데이터셋 만들기
10.2 DNN을 만들고 시퀀스 데이터로 훈련하기
10.3 DNN의 결과 평가하기
10.4 전반적인 예측 살펴보기
10.5 학습률 튜닝하기
10.6 케라스 튜너로 하이퍼파라미터 튜닝하기
10.7 마치며
CHAPTER 11 시퀀스 모델을 위한 합성곱 신경망과 순환 신경망
11.1 시퀀스 데이터를 위한 합성곱
11.2 NASA 날씨 데이터 사용하기
11.3 RNN으로 시퀀스 모델링하기
11.4 다른 순환 층
11.5 드롭아웃 사용하기
11.6 양방향 RNN 사용하기
11.7 마치며
[PART II 모델 사용]
CHAPTER 12 텐서플로 라이트 소개
12.1 텐서플로 라이트란
12.2 훈련된 모델을 텐서플로 라이트로 변환하기
12.3 전이 학습으로 만든 이미지 분류기를 텐서플로 라이트로 변환하기
12.4 마치며
CHAPTER 13 안드로이드 앱에서 텐서플로 라이트 사용하기
13.1 안드로이드 스튜디오란
13.2 첫 번째 텐서플로 라이트 안드로이드 앱 만들기
13.3 이미지를 처리하는 앱 만들기
13.4 텐서플로 라이트 샘플 앱(안드로이드용)
13.5 마치며
CHAPTER 14 iOS 앱에서 텐서플로 라이트 사용하기
14.1 Xcode로 첫 번째 텐서플로 라이트 앱 만들기
14.2 한 걸음 더: 이미지 처리하기
14.3 텐서플로 라이트 샘플 앱(iOS용)
14.4 마치며
CHAPTER 15 TensorFlow.js 소개
15.1 TensorFlow.js란
15.2 브래킷츠 설치하고 실행하기
15.3 첫 번째 TensorFlow.js 모델 만들기
15.4 붓꽃 분류기 만들기
15.5 마치며
CHAPTER 16 TensorFlow.js에서 컴퓨터 비전 모델 훈련하기
16.1 텐서플로 개발자를 위한 자바스크립트 고려 사항
16.2 자바스크립트로 CNN 만들기
16.3 시각화를 위해 콜백 사용하기
16.4 MNIST 데이터셋으로 훈련하기
16.5 TensorFlow.js로 이미지에 대해 추론 수행하기
16.6 마치며
CHAPTER 17 파이썬 모델을 변환해 재사용하기
17.1 파이썬 기반 모델을 자바스크립트로 변환하기
17.2 사전에 변환된 모델 사용하기
17.3 마치며
CHAPTER 18 자바스크립트의 전이 학습
18.1 MobileNet으로 전이 학습 수행하기
18.2 텐서플로 허브를 사용한 전이 학습
18.3 TensorFlow.org를 사용한 전이 학습
18.4 마치며
CHAPTER 19 텐서플로 서빙으로 배포하기
19.1 텐서플로 서빙이란
19.2 텐서플로 서빙 설치하기
19.3 모델 구축과 배포
19.4 마치며
CHAPTER 20 인공지능 윤리, 공정성, 개인 정보 보호
20.1 프로그래밍의 공정성
20.2 머신러닝의 공정성
20.3 공정성을 위한 도구
20.4 연합 학습
20.5 구글의 인공지능 원칙
20.6 마치며
