책소개
케라스 코드로 맛보는 딥러닝 핵심 개념! 간결하고 직관적인 인공신경망 API를 제공하는 케라스는 구글 텐서플로, 마이크로소프트 CNTK, 아마존 MXNET, OpenCL PlaidML, 시애노 등의 딥러닝 엔진에서 지원하는 인기 인공지능 툴입니다. 이 책은 딥러닝 인공신경망 구현에 케라스를 사용합니다. 케라스로 주요 인공신경망인 ANN, DNN, CNN, RNN, AE, GAN, UNET을 구현하는 방법을 알아봅니다. 따라서 인공지능과 딥러닝 인공신경망의 구현에 관심이 있는 누구나 이 책의 대상 독자입니다.* 이 책의 ‘3분’은 ‘3분 만에 배운다’는 뜻이 아닙니다. ‘3분 음식처럼 쉽고 유용하게 배운다’는 뜻입니다.
저자소개
서울대학교 전기컴퓨터공학부에서 박사를 받았고 20년간 삼성전자에 다니면서 코딩 역량을 높여왔습니다. 2011년부터 사이언티픽 컴퓨팅 연구팀을 맡으며 MIT 및 하버드 대학교와 '인공지능 기술을 활용한 기초 과학 분야 혁신'에 대한 공동 연구를 진행했습니다. 2015년에에 하버드 대학교에서 인공지능 활용 인포매틱스 분야에서 포스트닥터 과정을 밟았습니다. 현재는 보스턴에서 바이오메디컬 분야에 딥러닝을 적용하는 연구를 진행하고 있습니다. 또한 페이스북에서 3분 딥러닝 케라스맛 그룹(fb.com/groups/keras.py)을 운영하고 있습니다.
목차
0장. 프롤로그</br>__0.1 인공지능과 인공신경망</br>__0.2 케라스 소개</br></br>1장. 케라스 시작하기</br>__1.1 우분투에 케라스 설치하기</br>__1.2 윈도우에 케라스 설치하기</br>__1.3 케라스 사용</br>__1.4 마치며</br></br>2장. 케라스로 구현하는 ANN(인공신경망)</br>__2.1 ANN 원리</br>__2.2 필기체를 구분하는 분류 ANN 구현</br>__2.3 시계열 데이터를 예측하는 회귀 ANN 구현</br>__2.4 마치며</br></br>3장. 케라스로 구현하는 DNN(심층신경망)</br>__3.1 DNN 원리</br>__3.2 필기체를 분류하는 DNN 구현</br>__3.3 컬러 이미지를 분류하는 DNN 구현</br>__3.4 마치며</br></br>4장. 케라스로 구현하는 CNN(합성곱신경망)</br>__4.1 CNN 원리</br>__4.2 필기체를 분류하는 CNN 구현</br>__4.3 컬러 이미지를 분류하는 CNN 구현</br>__4.4 마치며</br></br>5장. 케라스로 구현하는 RNN(순환신경망)</br>__5.1 RNN 원리</br>__5.2 문장을 판별하는 LSTM 구현</br>__5.3 시계열 데이터를 예측하는 LSTM 구현</br>__5.4 마치며</br></br>6장. 케라스로 구현하는 AE(오토인코더)</br>__6.1 AE의 원리</br>__6.2 완전 연결 계층을 이용한 AE 구현</br>__6.3 합성곱 계층을 이용한 AE 구현</br>__6.4 마치며</br></br>7장. 케라스로 구현하는 GAN(생성적 적대 신경망)</br>__7.1 GAN의 원리</br>__7.2 확률분포 생성을 위한 완전 연결 계층 GAN 구현</br>__7.3 필기체를 생성하는 합성곱 계층 GAN 구현</br>__7.4 마치며</br></br>8장. 케라스로 구현하는 UNET(유넷)</br>__8.1 UNET 원리</br>__8.2 UNET을 이용한 컬러 복원 처리</br>__8.3 마치며</br></br>9장. 케라스 응용</br>__9.1 이미지 데이터 수 늘리기</br>__9.2 미리 학습한 모델 사용하기</br>__9.3 실전에서 유용한 케라스 고급 기능들</br>__9.4 전문 사용자를 위한 케라스 확장 기능</br>__9.5 마치며</br>
