『백견불여일타 딥러닝 입문 with 텐서플로우 2.x』는 텐서플로우 2.x 기반의 실습형 딥러닝 입문서다. 초급자용 실습예제 165개를 수록했고 실전 연습문제 15개를 스스로 풀어본다면 딥러닝 초급을 탈출하여 스스로 학습할 줄 아는 독자로 거듭날 수 있을 것이다. 다른 프로그래밍 입문서와 같이 딥러닝 학습 또한 반복 실습만이 입문 단계를 벗어나기 위한 가장 빠른 방법이다. 이 책이 제시하는 학습 방법인, 데이터를 수집하고 모델을 만들며 학습을 시키는 패턴을 꾸준하게 반복 학습하다 보면 다음 단계로 나아가는 길을 찾을 수 있을 것이다.
대학원 진학 전부터 신경망에 관심을 가지고 이를 공부하기 시작했다. 신경망 기술이 많은 사회적 문제를 해결할 수 있다는 매력에 끌려 지금까지 공부하고 있으며, 대학원 과정에서 신경망 기술을 활용하여 수작업을 자동화하는 문제를 다루면서 그 믿음이 굳어졌다. 정보 격차에 관심이 많으며, 이를 해결하기 위해 개인 블로그 운영, 오픈소스 참여 등의 활동을 하고 있다. 로드북에서 『백견불여일타 딥러닝 입문 with 텐서플로우 2.x』를 집필했다
지은이의 글 편집자이자 베타테스터의 글 일러두기 1장 준비하기1.1 시작하며 1.2 케라스란 1.3 케라스 준비하기 1.4 무료 클라우드 사용하기 1.5 API 문서 활용하기 정리해봅시다 [함께 해봐요] 텐서플로우를 설치할 가상환경 만들어 보기 [함께 해봐요] 텐서플로우 CPU 버전 설치하기 [함께 해봐요] 텐서플로우 GPU 버전 설치와 테스트 [함께 해봐요] 구글 드라이브 연동하기 [함께 해봐요] 캐글 노트북에서 결과물 얻는 방법 2장 살펴보기2.1 머신러닝 프로세스 간략히 살펴보기 2.2 용어 살펴보기 2.3 데이터셋 살펴보기 2.4 커뮤니티 살펴보기 정리해봅시다 [함께 해봐요] 임의로 클래스 확률을 지정하여 그린 ROC 곡선 (chapter02/roccurve.py) 3장 기본기 다지기3.1 기본 연산 해보기 3.2 신경망 3.3 케라스에서의 개발 과정 정리해봅시다 실습해봅시다 [함께 해봐요] 텐서의 차원과 기본 연산 (basic_calc.ipynb) [함께 해봐요] 즉시 실행 모드를 통한 연산 (basic_calc.ipynb) [함께 해봐요] 텐서에서 넘파이로, 넘파이에서 텐서로 (basic_calc.ipynb) [함께 해봐요] @tf.function (basic_calc.ipynb) [함께 해봐요] OR 게이트 구현해보기 (perceptron.ipynb) [함께 해봐요] 벡터의 내적 (perceptron.ipynb) [함께 해봐요] XOR 게이트 구현해보기 + 다층 퍼셉트론 (perceptron.ipynb) [함께 해봐요] 여러 가지 활성화 함수 (perceptron.ipynb) [함께 해봐요] 경사하강법 실험해보기 (perceptron.ipynb) 4장 신경망 적용해보기4.1 MNIST와 Fashion-MNIST 4.2 보스턴 주택 가격 예측 4.3 빙산인가? 선박인가?-1 ‘나의 이해도를 측정하자’ 3번 문제4.4 무슨 옷과 무슨 색?-1 정리해봅시다 실습해봅시다 번외_캐글을 통해 능력 향상시키기 [함께 해봐요] MNIST 데이터셋 다운받기 (mnist.ipynb) [함께 해봐요] 데이터의 형태 확인하기 (mnist.ipynb) [함께 해봐요] 데이터 그려보기 (mnist.ipynb) [함께 해봐요] 검증 데이터 만들기 (mnist.ipynb) [함께 해봐요] 모델 입력을 위한 데이터 전처리 (mnist.ipynb) [함께 해봐요] 모델 입력을 위한 레이블 전처리 (mnist.ipynb) [함께 해봐요] 모델 구성하기 (mnist.ipynb) [함께 해봐요] 소프트맥스와 시그모이드 값의 비교 (mnist.ipynb) [함께 해봐요] 학습과정 설정하기 (mnist.pynb) [함께 해봐요] 모델 학습하기 (mnist.ipynb) [함께 해봐요] history를 통해 확인해볼 수 있는 값 출력하기 (mnist.ipynb) [함께 해봐요] 학습 결과 그려보기 (mnist.ipynb) [함께 해봐요] 모델 평가하기 (mnist.ipynb) [함께 해봐요] 학습된 모델을 통해 값 예측하기 (mnist.ipynb) [함께 해봐요] 예측값 그려서 확인해보기 (mnist.ipynb) [함께 해봐요] 모델 평가 방법 1?혼동행렬 (mnist.ipynb) [함께 해봐요] 모델 평가 방법?2 분류 보고서 (mnist.ipynb) [함께 해봐요] MNIST 데이터셋 다루기: 전체 코드 (mnist.ipynb) [함께 해봐요] Fashion-MNIST 데이터셋 다운받기 (fashion-mnist.ipynb) [함께 해봐요] 데이터 그려보기 (fashion-mnist.ipynb) [함께 해봐요] 전처리 및 검증 데이터셋 만들기 (fashion-mnist.ipynb) [함께 해봐요] 첫 번째 모델 구성하기 (fashion-mnist.ipynb) [함께 해봐요] 학습 과정 설정 및 학습하기 (fashion-mnist.ipynb) [함께 해봐요] 두 번째 모델 구성하기 (fashion-mnist.ipynb) [함께 해봐요] 두 모델의 학습 과정 그려보기 (fashion-mnist.ipynb) [함께 해봐요] 보스턴 주택 가격 데이터셋 다운받기 (boston.ipynb) [함께 해봐요] 데이터 형태 확인하기 (boston.ipynb) [함께 해봐요] 데이터 전처리 및 검증 데이터셋 만들기 (boston.ipynb) [함께 해봐요] 모델 구성하기 (boston.ipynb) [함께 해봐요] 학습하고 평가하기 (boston.ipynb) [함께 해봐요] K-폴드 사용하기 (boston.ipynb) [함께 해봐요] K-폴드 결과 확인하기 (boston.ipynb) [함께 해봐요] 데이터 불러오기 (clothes1.ipynb) [함께 해봐요] 이미지 제네레이터 정의 및 모델 구성하기 (clothes1.ipynb) [함께 해봐요] 데이터 제네레이터 정의하기 (clothes1.ipynb) [함께 해봐요] 제네레이터를 통해 모델 학습시키기 (clothes1.ipynb) [함께 해봐요] 테스트 데이터 예측하기 (clothes1.ipynb) 5장 컨볼루션 신경망5.1 일단 사용해보기 5.2 컨볼루션층과 풀링층 5.3 CIFAR-10 살펴보기 5.4 빙산인가? 선박인가??2 ‘나의 이해도를 측정하자’ 3번 문제5.5 전이 학습 정리해봅시다 실습해봅시다 [함께 해봐요] 데이터 살펴보기 (fashion_mnist_cnn.ipynb) [함께 해봐요] 모델 구성하기 (fashion_mnist_cnn.ipynb) [함께 해봐요] 모델 학습시키기 (fashion_mnist_cnn.ipynb) [함께 해봐요] 이미지 필터 사용해보기 (use_image_filter.ipynb) [함께 해봐요] 이미지 필터 정의하기 (use_image_filter.ipynb) [함께 해봐요] 이미지 필터 적용하기 (use_image_filter.ipynb) [함께 해봐요] 이미지 필터를 적용한 최종 결과 (use_image_filter.ipynb) [함께 해봐요] 풀링 연산 구현하기 (use_image_filter.ipynb) [함께 해봐요] model.summary( ) 함수 사용하기 [함께 해봐요] plot_model( ) 함수 사용하기 [함께 해봐요] CIFAR-10 데이터셋 다운받기 (cifar10_cnn.ipynb) [함께 해봐요] CIFAR-10 데이터 그려보기 (cifar10_cnn.ipynb) [함께 해봐요] CIFAR-10 데이터셋 전처리 과정 (cifar10_cnn.ipynb) [함께 해봐요] CIFAR-10 모델 구성하기 (cifar10_cnn.ipynb) [함께 해봐요] CIFAR-10 모델 학습하기 (cifar10_cnn.ipynb) [함께 해봐요] CIFAR-10 학습 과정 그려보기 (cifar10_cnn.ipynb) [함께 해봐요] 신경망 시각화해보기 (cifar10_cnn.ipynb) [함께 해봐요] CIFAR-10 규제화 함수 사용해보기 (drop_the_overfitting_regularizer.ipynb) [함께 해봐요] CIFAR-10 드롭아웃 사용해보기 (drop_the_overfitting_dropout.ipynb) [함께 해봐요] CIFAR-10 배치 정규화 사용해보기 (drop_the_overfitting_BN.ipynb) [함께 해봐요] 이미지 제네레이터를 사용하여 이미지 그려보기 (basic_image_generator.ipynb) [함께 해봐요] 이미지 제네레이터를 사용하여 모델 학습하기 (basic_image_generator.ipynb) [함께 해봐요] 전이 학습 사용해보기 (basic_transfer_learning.ipynb) [함께 해봐요] 모델 동결 해제하기 [함께 해봐요] 전이 학습을 통해 학습하기 (basic_transfer_learning.ipynb) 6장 순환 신경망6.1 Embedding 6.2 RNN 6.3 LSTM 6.4 Conv1D 6.5 BERT 가볍게 알아보기 정리해봅시다 실습해봅시다 [함께 해봐요] 토큰화 작업 수행하기 (use_embedding_layer.ipynb) [함께 해봐요] 데이터셋 다운받기 (use_embedding_layer.ipynb) [함께 해봐요] 데이터 형태 확인하기 (use_embedding_layer.ipynb) [함께 해봐요] 첫 번째 데이터 확인하기 (use_embedding_layer.ipynb) [함께 해봐요] IMDB 데이터셋에서 가장 빈번하게 사용되는 세 개의 단어 [함께 해봐요] 데이터를 동일한 길이로 맞추기 (use_embedding_layer.ipynb) [함께 해봐요] Embedding층을 사용하여 모델 구성하기 (use_embedding_layer.ipynb) [함께 해봐요] 모델 학습시키기 (use_embedding_layer.ipynb) [함께 해봐요] 모델 평가하기 (use_embedding_layer.ipynb) [함께 해봐요] 학습 과정 확인하기 (use_embedding_layer.ipynb) [함께 해봐요] cos 함수를 이용하여 데이터 만들기 (use_SimpleRNN_layer.ipynb) [함께 해봐요] 전처리 과정 수행하기 (use_SimpleRNN_layer.ipynb) [함께 해봐요] 데이터 형태 확인하기 (use_SimpleRNN_layer.ipynb) [함께 해봐요] SimpleRNN을 사용하여 모델 구성하기 (use_SimpleRNN_layer.ipynb) [함께 해봐요] 모델 학습시키기 (use_SimpleRNN_layer.ipynb) [함께 해봐요] 예측 결과 그려보기 (use_SimpleRNN_layer.ipynb) [함께 해봐요] IMDB 데이터셋 사용하기 (use_SimpleRNN_layer.ipynb) [함께 해봐요] SimpleRNN층의 출력값 변화 확인하기 (use_SimpleRNN_layer.ipynb) [함께 해봐요] reuters 데이터셋 다뤄보기 (use_LSTM_layer.ipynb) [함께 해봐요] 데이터셋 전처리 과정 [함께 해봐요] LSTM 층을 사용하여 모델 구성하기 (use_LSTM_layer.ipynb) [함께 해봐요] 모델 학습시키기 (use_LSTM_layer.ipynb) [함께 해봐요] Conv1D 층을 사용하여 모델 구성하기 (use_Conv1D_layer.ipynb) [함께 해봐요] 모델 학습시키기 (use_Conv1D_layer.ipynb) [함께 해봐요] 데이터 생성하기 (use_Conv1D_layer.ipynb) [함께 해봐요] 모델 구성 및 결과 확인하기 (use_Conv1D_layer.ipynb) 7장 초급을 향해서-17.1 케라스의 모델 구성 방법 7.2 함수형 API 7.3 빙산인가? 선박인가?-3 ‘나의 이해도를 측정하자’ 1번 문제7.4 무슨 옷과 무슨 색?-2 7.5 케라스 콜백 정리해봅시다 실습해봅시다 [함께 해봐요] Sequential( ) 모델 구성 (make_model_three_ways.ipynb) [함께 해봐요] 서브클래싱 모델 구성 (make_model_three_ways.ipynb) [함께 해봐요] 함수형 API 모델 구성하기 (make_model_three_ways.ipynb) [함께 해봐요] MNIST 데이터셋 불러오기 및 전처리 (functional_api_MNIST.ipynb) [함께 해봐요] 함수형 API를 활용한 모델 구성 및 학습 (functional_api_MNIST.ipynb) [함께 해봐요] 다중 입출력을 위한 데이터 생성하기 (functional_api_multi_io.ipynb) [함께 해봐요] 다중 입출력 모델 구성하기 (functional_api_multi_io.ipynb) [함께 해봐요] 모델 구조 그려보기 (functional_api_multi_io.ipynb) [함께 해봐요] 모델 구조 확인하기 (functional_api_multi_io.ipynb) [함께 해봐요] 다중 입출력 모델에서 학습 과정 설정하기 (functional_api_multi_io.ipynb) [함께 해봐요] 다중 입출력 모델 학습하기 (functional_api_multi_io.ipynb) [함께 해봐요] 잔차 연결을 사용하여 모델 구성하기 (residual_and_inception_module.ipynb) [함께 해봐요] 인셉션 모듈을 사용하여 모델 구성하기 (residual_and_inception_module.ipynb) [함께 해봐요] ResNet을 활용하여 모델 구성하기 (resnet_transfer.ipynb) [함께 해봐요] 텐서플로우 허브 설치하기 [함께 해봐요] CIFAR-10 데이터셋 불러오기 (use_tensorflow_hub.ipynb) [함께 해봐요] 전체 모델 구성하기 (use_tensorflow_hub.ipynb) [함께 해봐요] 모델 학습시키기 (use_tensorflow_hub.ipynb) [함께 해봐요] (clothes_classification/clothes3.csv) [함께 해봐요] (clothes_classification/clothes3.csv) [함께 해봐요] (clothes_classification/clothes3.csv) [함께 해봐요] 케라스 콜백 사용 준비하기 (use_keras_callbacks.ipynb) [함께 해봐요] ModelCheckpoint 콜백 사용하기 (use_keras_callbacks.ipynb) [함께 해봐요] EarlyStopping 콜백 사용하기 (use_keras_callbacks.ipynb) [함께 해봐요] ReduceLROnPlateau 콜백 사용하기 (use_keras_callbacks.ipynb) [함께 해봐요] TensorBoard 콜백 사용하기 (use_keras_callbacks.ipynb) [함께 해봐요] 텐서보드 실행하기 - 1 [함께 해봐요] 텐서보드 실행하기- 2 8장 초급을 향해서-28.1 커스터마이제이션 8.2 1×1 컨볼루션 8.3 초급 단계를 위해 한걸음 더 정리해봅시다 실습해봅시다 [함께 해봐요] Lambda 층 사용하기 (custom_keras_layer.ipynb) [함께 해봐요] 커스텀 케라스층 사용하기 (custom_keras_layer.ipynb) [함께 해봐요] Activation 함수에 직접 전달하는 방법 (custom_activation.ipynb) [함께 해봐요] 커스텀 객체 목록을 사용하는 방법 - 1 (custom_activation.ipynb) [함께 해봐요] 커스텀 객체 목록을 사용하는 방법 ? 2 (custom_activation.ipynb) [함께 해봐요] RAdam 설치하기 [함께 해봐요] RAdam의 존재 알기 (custom_activation.ipynb) [함께 해봐요] 커스텀 손실 함수 정의하기 (custom_loss.ipynb) [함께 해봐요] 커스텀 손실 함수?MNIST 학습 (custom_loss.ipynb) [함께 해봐요] 커스텀 평가지표 정의하여 사용하기 (custom_metrics.ipynb) [함께 해봐요] 특정 시점에 학습률을 조정하는 커스텀 케라스 콜백 (custom_callback.ipynb) [함께 해봐요] 커스텀 케라스 콜백을 사용하여 모델 학습시키기 (custom_callback.ipynb) [함께 해봐요] 컨볼루션층만으로 구성한 모델 - 1 (MNIST_1×1_convolution.ipynb) [함께 해봐요] 컨볼루션층만으로 구성한 모델 - 2 (MNIST_1×1_convolution.ipynb) 9장 케라스 튜너9.1 탐색해야 할 하이퍼파라미터 9.2 케라스튜너 사용하기 9.3 케라스튜너 더 쉽게 사용하기 정리해봅시다 실습해봅시다 부록 A: 오토케라스(AutoKeras) 부록 B: tf.data 부록 C: 이렇게도 학습할 수 있어요! [함께 해봐요] 간단한 구조의 CNN 모델 살펴보기 (keras_tuner_example.ipynb) [함께 해봐요] 케라스 튜너 설치하기 [함께 해봐요] 케라스 튜너 모델 정의하기 (keras_tuner_example.ipynb) [함께 해봐요] MNIST 데이터셋 준비하기 (keras_tuner_example.ipynb) [함께 해봐요] RandomSearch 클래스 사용하기 (keras_tuner_example.ipynb) [함께 해봐요] 탐색할 하이퍼파라미터 살펴보기 (keras_tuner_example.ipynb) [함께 해봐요] 하이퍼파라미터 탐색하기 (keras_tuner_example.ipynb) [함께 해봐요] 실험 결과 요약해보기 (keras_tuner_example.ipynb) [함께 해봐요] 가장 좋은 성능의 모델 불러오기 (keras_tuner_example.ipynb) [함께 해봐요] 모델 하이퍼파라미터 확인하기 (keras_tuner_example.ipynb) [함께 해봐요] HyperResNet 사용하기 (keras_tuner_example.ipynb) [함께 해봐요] (clothes_classification/tf_data_example.py) [함께 해봐요] 데이터셋 불러오기 ()appendix/training_with_tensorflow2.0.ipynb [함께 해봐요] 데이터셋 객체 정의하기 ()appendix/training_with_tensorflow2.0.ipynb [함께 해봐요] 모델 구성하기 (appendix/training_with_tensorflow2.0.ipynb) [함께 해봐요] 객체 정의하기 (appendix/training_with_tensorflow2.0.ipynb) [함께 해봐요] 계산 발생 지정하기 (appendix/training_with_tensorflow2.0.ipynb) [함께 해봐요] 학습 및 검증 스텝 정의하기 (appendix/training_with_tensorflow2.0.ipynb) [함께 해봐요] 학습 진행하기 (appendix/training_with_tensorflow2.0.ipynb) 찾아보기
