이 책은 파이썬, 텐서플로 그리고 케라스를 활용해 인공 신경망을 손쉽게 구성하는 과정을 보여준다. 서로 다른 7가지의 실전 프로젝트에서 상황에 적합한 인공 신경망(FNN, CNN, RNN, LSTM 등)을 구성해보고, 최적의 인공 신경망을 얻어내기 위한 노하우를 하나씩 살펴본다. 다양한 주제를 다루고 있지만 난이도는 높지 않으며, 간단한 구현 속에서 성능이 향상돼 가는 인공 신경망을 볼 수 있다. 인공 신경망을 처음으로 직접 구현하거나 자신의 문제에 어떻게 적용할지 막막해 하는 독자들에게 추천한다.
서울과학고등학교를 졸업한 뒤 서울대학교 전기·정보공학부에서 학사와 석박사 통합 과정을 마쳤다. 새로운 것을 배우는 즐기고 취미를 만드는 것이 취미다. 학부 동기들과 함께한 스타트업에서의 프로그래밍 경험 덕에 인공 신경망과 쉽게 친해질 수 있었다. 학위 중에는 인공 신경망을 활용한 전동기의 온도 추정과 인버터 고장 진단을 연구했다. 지금은 삼성전자에서 반도체 설비와 친해져 가는 중이다.
1부. 이론: 인공지능과 인공 신경망1장. 인공지능의 분류1.1 지도학습 1.2 비지도학습 1.3 강화학습2장. 지도학습 구현 기법2.1 선형 회귀 2.2 단계적 회귀 2.3 K-최근접 이웃 2.4 결정 트리2.5 서포트 벡터 머신3장. 인공 신경망의 구조와 연산3.1 피드포워드 신경망 3.2 합성곱 신경망 3.3 순환 신경망4장. 인공 신경망의 생성 과정과 응용4.1 데이터 취득 4.2 인공 신경망의 생성, 학습, 검증4.3 인공 신경망의 배포2부. 실습: 케라스를 활용한 인공 신경망 구현5장. 케라스 소개와 실습 준비5.1 텐서플로와 케라스5.2 인공지능 관련 파이썬 패키지 5.3 파이썬, 파이참, 케라스 설치 5.4 첫 인공 신경망 구현-집값 추정 회귀 문제6장. 회귀 문제6.1 피드포워드 신경망을 이용한 회귀-영구자석 전동기의 최고 효율 운전 조건6.1.1 문제 배경과 인공 신경망의 필요성 6.1.2 데이터 불러오기와 전처리 6.1.3 신경망 구성, 훈련, 검증6.1.4 배포-다른 환경에서 활용하기와 훈련된 모델의 모수 추출하기 6.2 모수 정규화와 과적합 방지-노이즈를 갖는 데이터 추정 6.3 연속된 신호의 추정과 출력 변수 가공-비선형 시스템 묘사 6.3.1 시스템 상태 추정의 의의 6.3.2 신경망을 이용한 비선형 시스템 묘사 모델 구현7장. 분류 문제7.1 합성곱 신경망의 활용-패션 이미지 분류 7.1.1 패션 이미지 데이터셋 소개 7.1.2 이미지 분류를 위한 인공 신경망 구현 7.2 순환 신경망의 활용-뉴스 분류 7.2.1 언어 처리를 위한 연산 기법 7.2.2 뉴스 분류를 위한 인공 신경망 구현 7.3 이상 진단 문제의 데이터 취득-전동기 인버터 고장 분류 7.3.1 문제 배경과 인공 신경망의 필요성 7.3.2 고장 분류 기법과 고장 데이터 취득 7.3.3 신경망 구성, 훈련, 검증 7.3.4 이상 데이터셋 취득과 진단에 관한 조언부록 AA1. 파이썬 패키지 사용 예제A2. GPU의 메모리 사용량 제한하기A3. 텐서플로 불러오기 오류 고치기
