파이썬을 활용한 딥러닝 전이학습(데이터 사이언스 시리즈 42)

이 책의 목적은 두 가지다. 첫째, 딥러닝과 전이학습에 관한 자세한 내용을 집중적으로 다루고 이해하기 쉬운 개념과 예제로 이 둘을 비교 및 대조한다. 둘째, 텐서플로, 케라스, 파이썬 등의 기존 생태계를 활용해 실제 사례와 연구 문제 등을 실습 예제로 다룬다.

▣ 1장: 머신러닝의 기초 원리 왜 머신러닝인가? ___공식적 정의 ___얕은 학습과 딥러닝 머신러닝 기법 ___지도 학습 ___비지도 학습 CRISP-DM ___비즈니스 이해 ___데이터 이해 ___데이터 준비 ___모델링 ___평가 ___배포 표준 머신러닝 워크플로 ___데이터 검색 ___데이터 준비 ___모델링 ___모델 평가와 튜닝 ___배포와 모니터링 탐색적 데이터 분석 특성 추출과 특성 엔지니어링 ___특성 엔지니어링에서 쓰는 전략 ___텍스트 데이터 다루기 특성 선택 정리 ▣ 2장: 딥러닝 기초 딥러닝이란 무엇인가? 딥러닝 프레임워크 GPU가 지원되는 클라우드 기반의 딥러닝 환경 구축 GPU 지원을 통한 강력한 딥러닝 환경 구축하기 신경망 기초 ___단순한 선형 뉴런 ___기울기 기반 최적화 ___야코비와 헤세 행렬 ___미분의 연쇄 규칙 ___확률적 경사 하강 ___비선형 신경 유닛 ___간단한 비선형 유닛 학습 - 로지스틱 유닛 ___손실 함수 ___데이터 표현 ___다층 신경망 ___역전파 - 심층 신경망 훈련하기 ___신경망 학습의 과제 ___모델 파라미터의 초기화 ___SGD의 개선 ___신경망에서의 과대 적합과 과소 적합 ___신경망의 하이퍼 파라미터 정리 ▣ 3장: 딥러닝 아키텍처 이해하기 신경망 아키텍처 ___왜 다른 아키텍처가 필요할까 다양한 아키텍처 ___MLP와 심층 신경망 ___오토인코더 신경망 ___변분 오토인코더 ___적대적 생성망 ___CNN ___캡슐 네트워크 ___순환 신경망 ___메모리 신경망 ___신경 튜링 기계 ___어텐션 기반 신경망 모델 정리 ▣ 4장: 전이학습의 기초 전이학습 소개 ___전이학습의 혜택 전이학습 전략 전이학습과 딥러닝 ___전이학습의 방법 ___사전 훈련 모델 ___활용 심층 전이학습의 유형 ___도메인 적응 ___도메인 혼란 ___다중 과제 학습 ___원샷 학습 ___제로샷 학습 전이학습의 도전 과제 ___부정적 전이 ___전이 범위 정리 ▣ 5장: 전이학습의 위력 발휘하기 전이학습의 필요성 ___실제적인 문제에서의 설정 ___데이터 세트 구축 ___접근법 설정 CNN 모델 처음부터 구축하기 ___기본 CNN 모델 ___CNN 모델과 정규화 ___CNN 모델과 이미지 늘리기 전이학습에서 사전 훈련된 CNN 모델 활용하기 ___VGG-16 모델의 이해 ___특성 추출기로 사전 훈련된 CNN 모델 ___특성 추출기와 이미지 늘리기로 사전 훈련된 CNN 모델 ___사전 훈련된 CNN 모델과 미세 튜닝 및 이미지 늘리기 딥러닝 모델 평가 ___샘플 테스트 이미지로 모델 예측 ___CNN 모델이 인지한 것을 시각화하기 ___테스트 데이터로 수행한 평가 모델 성능 정리 ▣ 6장: 이미지 인식과 분류 딥러닝 기반의 이미지 분류 벤치마킹 데이터 세트 최신 이미지 분류 모델 이미지 분류와 전이학습 ___CIFAR-10 ___개 품종 식별 데이터 세트 정리 ▣ 7장: 텍스트 문서의 범주화 텍스트 범주화 ___전통적인 텍스트 범주화 단어 표현 ___Word2vec 모델 ___Gensim을 이용한 Word2vec ___GloVe 모델 CNN 문서 모델 ___리뷰 감성 분류기 구현 ___가장 많이 변경된 임베딩은 무엇일까? ___전이학습 - IMDB 데이터 세트에 적용 ___Word2vec 임베딩으로 전체 IMDB 데이터 세트 훈련 ___CNN 모델로 문서 요약하기 ___ CNN 모델을 이용한 다중 클래스 분류 ___문서 임베딩 시각화 정리 ▣ 8장: 오디오 이벤트 식별과 분류 오디오 이벤트 분류의 이해 ___실세계 문제에서의 설정 ___오디오 이벤트의 탐색적 분석 특성 엔지니어링과 오디오 이벤트의 표현 전이학습을 통한 오디오 이벤트 분류 기본 특성으로 데이터 세트 구축하기 ___특성 추출을 위한 전이학습 ___분류 모델 만들기 ___분류기 성능 평가 딥러닝 오디오 이벤트 식별자 만들기 정리 ▣ 9장: 딥드림 소개 ___컴퓨터 비전의 알고리즘적 환각 ___특성 지도 시각화 딥드림 ___예제 정리 ▣ 10장: 스타일 전이 신경 스타일 전이의 이해 이미지 전처리 방법 손실 함수 구축 ___내용 손실 ___스타일 손실 ___총 변동 손실 ___총 손실 함수 커스텀 최적화기 만들기 스타일 전이의 작동 정리 ▣ 11장: 자동 이미지 캡션 생성기 이미지 캡션 넣기의 이해 목표 설정 데이터 이해하기 자동화된 이미지 캡션 넣기의 접근 방식 ___개념적 접근 ___유용한 실습 방법 전이학습과 이미지 특성 추출 캡션에 쓸 어휘집 작성 이미지 캡션 데이터 세트 생성기 구축 이미지에 쓸 언어 인코더-디코더 딥러닝 모델 구축 이미지에 캡션을 넣는 딥러닝 모델 훈련 이미지에 캡션을 넣는 딥러닝 모델 평가 ___데이터와 모델 불러오기 ___그리디 서치와 빔 서치의 이해 ___빔 서치 기반 캡션 생성기 구현 ___BLEU 채점의 이해와 구현 ___테스트 데이터에서 모델 성능 평가 이미지에 캡션 넣기 자동화의 실제 ___야외 장면에서 샘플 이미지에 캡션 넣기 ___인기 있는 스포츠의 샘플 이미지에 캡션 넣기 ___개선할 점들 정리 ▣ 12장: 이미지 채색 문제 설명 컬러 이미지 ___색상 이론 ___색상 모델과 색상 공간 ___문제 상태 재검토 채색 심층 신경망 구축 ___전처리 ___손실 함수 ___인코더 ___전이학습 - 특성 추출 ___융합층 ___디코더 ___후처리 ___훈련과 결과 도전 과제 추가 개선 사항 정리