PART 1 머신러닝의 비밀병기
CHAPTER 1 머신러닝으로의 여행
__1.1 머신러닝 기초
__1.2 데이터의 표현형과 피처
__1.3 거리 지표
__1.4 학습의 종류
__1.5 텐서플로
__1.6 앞으로 배울 내용
__1.7 요약
CHAPTER 2 텐서플로 기초학습
__2.1 텐서플로 동작시키기
__2.2 텐서의 표현
__2.3 연산자 생성하기
__2.4 세션을 이용하여 연산자 실행하기
__2.5 주피터 노트북에서 코드 작성하기
__2.6 변수 사용하기
__2.7 변수를 저장하고 불러오기
__2.8 텐서보드를 이용한 데이터의 시각화
__2.9 요약
PART 2 핵심 학습 알고리즘
CHAPTER 3 선형 회귀
__3.1 공식 표기법
__3.2 선형 회귀
__3.3 다항 모델
__3.4 정규화
__3.5 선형 회귀의 응용
__3.6 요약
CHAPTER 4 데이터의 분류
__4.1 공식 표기법
__4.2 성능 측정하기
__4.3 분류를 위한 선형 회귀
__4.4 로지스틱 회귀 사용하기
__4.5 다항 분류자
__4.6 분류의 응용
__4.7 요약
CHAPTER 5 자동화된 데이터 군집
__5.1 텐서플로에서의 파일 탐색
__5.2 오디오로부터의 피처 추출
__5.3 K-means 군집
__5.4 오디오 세그먼테이션
__5.5 자기조직화 지도를 이용한 군집
__5.6 군집의 응용
__5.7 요약
CHAPTER 6 은닉 마르코프 모델
__6.1 해석하기 어려운 모델의 예
__6.2 마르코프 모델
텐서플로를 활용해 지금 바로 머신러닝/딥러닝 익히기!
이 책은 머신러닝이나 텐서플로를 처음 접하는 분을 위한 입문서입니다. 머신러닝, 텐서플로 입문자에게는 1부가 특히 중요합니다. 머신러닝의 용어와 이론을 소개하고 텐서플로 개발을 시작할 수 있도록 안내합니다. 2부에서는 머신러닝의 거의 전 분야에 걸쳐 접하게 될 기본 알고리즘을 다룹니다. 마지막으로 3부에서는 텐서플로의 꽃, 신경망을 소개합니다.
_주요 내용
● 머신러닝의 개념과 텐서플로의 주요 역할
● 머신러닝의 기본 알고리즘: 회귀, 분류, 군집, 은닉 마르코프 모델
● 오토인코더, 강화학습, 합성곱 신경망, 순환 신경망, 시퀀스2시퀀스 모델, 유틸리티
이 책은 텐서플로의 기초부터 시작하여 머신러닝의 기본이라 할 수 있는 회귀, 군집, 은닉 마르코프 모델을 거쳐 오토인코더, 강화학습, 합성곱 신경망, 순환 신경망, 시퀀스2시퀀스 모델, 유틸리니까지 난이도를 높여갑니다. 상세한 설명을 코드와 함께 제시해 이해하기 쉽게 구성하였습니다. 예제는 아주 기초적인 파이썬 지식만 있으면 대부분 이해하고 실행해볼 수 있습니다. 일부 심화 예제는 객체지향 프로그래밍 배경지식을 필요로 합니다.
1부_ 머신러닝의 개념과 텐서플로의 주요 역할을 살펴봅니다.
1장에서는 머신러닝의 용어와 이론을 소개하며, 2장에서는 텐서플로 개발을 시작하기 위한 모든 것을 알려드립니다. 머신러닝과 텐서플로에 익숙하지 않은 분이라면 1장과 2장을 꼭 읽기 바랍니다.
2부_ 그동안 검증된 기본적인 알고리즘을 다룹니다.
3장부터 6장까지 회귀, 분류, 군집, 은닉 마르코프 모델을 학습합니다. 여기에서 학습하는 알고리즘은 앞으로 여러분이 머신러닝 거의 전 분야에 걸쳐 접할 내용입니다.
3부_ 텐서플로의 진정한 가치인 신경망을 소
