▣ 01장: 컨볼루션 신경망을 활용한 교통 표지판 인식
데이터셋
CNN
이미지 전처리
모델 훈련 및 예측
연습 문제
정리
▣ 02장: Object Detection API를 활용해 이미지에 주석 달기
MS COCO 데이터셋
__텐서플로 객체 탐지 API
__R-CNN, R-FCN, SSD 모델 기초의 이해
프로젝트 계획
__프로젝트 환경 구성
__Protobuf 컴파일
프로젝트 코드 준비
__간단한 응용 프로그램
__실시간 웹캠 탐지
감사의 말
정리
▣ 03장: 이미지 캡션 생성
캡션 생성이란 무엇인가?
이미지 캡션을 달 수 있는 데이터셋 둘러보기
__데이터셋 내려받기
단어를 임베딩으로 전환
이미지 캡션을 생성하는 방법
__조건부 랜덤 필드
__컨볼루션 신경망과 순환 신경망의 결합
__캡션 순위 정하기
__조밀한 캡션 생성
__RNN 캡션 생성
__멀티 모드 캡션 생성
__어텐션 기반의 캡션 생성
캡션 생성 모델 구현
정리
▣ 04장: 조건부 이미지 생성을 위한 GAN 구축
GAN 소개
__핵심은 대립쌍 방식에 있다
__캄브리아기 폭발
프로젝트
__Dataset 클래스
__CGAN 클래스
일부 예제에 CGAN 활용하기
___MNIST
___Zalando MNIST
___EMNIST
___훈련된 CGAN을 재사용하기
아마존 웹 서비스 사용하기
감사의 말
정리
▣ 05장: LSTM을 이용한 주가 예측
입력 데이터셋 - 코사인과 주가
데이터셋 포맷 구성
회귀 모델을 이용한 미래 주가
텐서플로를 활용한 다양한 딥러닝 시스템을 설계해 보자!
텐서플로는 머신러닝과 딥러닝에 사용되는 가장 유명한 프레임워크다. 텐서플로는 다양한 종류의 딥러닝 모델을 매우 높은 정확도로 훈련시키기 위한 빠르고 효율적인 프레임워크를 제공한다. 이 책은 10개의 현실적인 프로젝트를 통해 텐서플로를 활용해 딥러닝을 수행하는 방법을 익히게 돕는다.
《실전활용! 텐서플로 딥러닝 프로젝트》에서는 우선 딥러닝에 적합한 텐서플로 환경을 구성한 다음, 텐서플로를 활용해 컨볼루션망(ConvNet, 순환 신경망(RNN, LSTM, 대립쌍 구조를 활용한 생성망(GAN을 비롯해 다양한 유형의 딥러닝 모델을 훈련시키는 법을 배운다. 그 과정에서 이미지 처리, 추천 시스템, 주가 예측, 챗봇 구성 등 다양한 실세계 문제를 해결하는 딥러닝 솔루션을 만들어 본다. 또한 기계 번역을 수행하거나 강화학습 기법을 활용해 게임을 할 수 있는 시스템도 만들어 볼 것이다.
이 책이 끝나면 딥러닝의 모든 개념을 학습하고 텐서플로로 구현해보게 될 것이며, 텐서플로로 자신만의 딥러닝 모델을 어려움 없이 구축하고 훈련시킬 수 있게 될 것이다.
★ 이 책에서 배우는 내용 ★
◎ 딥러닝을 위한 텐서플로 환경 구성
◎ 효율적인 이미지 처리를 위해 독자적인 컨볼루션망 구성
◎ LSTM을 활용한 이미지 캡션 생성
◎ LSTM 아키텍처를 활용한 정확한 주가 예측
◎ 중복된 쿼라 질문을 탐지해 의미론적 매칭이 무엇인지 학습
◎ GAN을 훈련시키기 위해 텐서플로로 AWS 인스턴스를 구성
◎ 인간이 입력한 내용을 이해하고 해석하기 위한 챗봇 훈련과 설정
◎ 스스로 비디오 게임을 하고 이길 수 있는 AI 구성
★ 대상 독자 ★
◎ 이 책은 텐서플로를 활용해 흥미로운 딥러닝 프로젝트를 만들고자
