텐서플로 코드로 딥러닝 개념 원리 확실히 이해하기

딥러닝 기초 이론과 텐서플로 동작 원리를 단시간에 확실히 배울 수 있게 구성되었다. 회귀분석에서 시작해 하이퍼파라미터 최적화, CNN, RNN, 강화학습, 나아가 GPU 및 TPU까지, 딥러닝/머신러닝 관련 업무에 종사하고 있다면 반드시 알아야 할 기법과 지식을 실무 관점에서 담았다. 특히 소프트웨어 시스템을 설계해본 경험이 있는 개발자에게 도움이 되며, 딥러닝을 처음 접하는 과학자 및 다른 전문가에게도 유용한 내용으로 채웠다.

캘리포니아 대학교 버클리에서 전자공학 컴퓨터 과학 학위를 받았고 수학과 졸업생 대표였다. 현재 스탠퍼드 대학교에서 컴퓨터 과학 박사과정을 밟고 있다. 연구 분야는 딥러닝을 신약 개발에 적용하는 방법이다. 딥켐(DeepChem.io)의 리드 개발자이자 창시자로서, 딥켐은 텐서플로 기반의 오픈소스 패키지로서 신약 개발 분야에서 딥러닝 사용을 대중화하는 것을 목표로 한다. 선정이 까다롭기로 유명한 허츠(Hertz) 장학금 지원을 받고 있다.

CHAPTER 1 딥러닝 소개
1.1 머신러닝이 컴퓨터 과학을 집어삼키다
1.2 딥러닝 기본 요소
1.3 딥러닝 아키텍처
1.4 딥러닝 프레임워크
1.5 마치며

CHAPTER 2 텐서플로 기초 소개
2.1 텐서 소개
2.2 텐서플로 기초 계산
2.3 명령형과 선언형 프로그래밍
2.4 마치며

CHAPTER 3 텐서플로를 사용한 선형 및 로지스틱 회귀
3.1 수학 복습
3.2 텐서플로를 사용한 학습
3.3 텐서플로에서 선형 모델 및 로지스틱 모델 학습하기
3.4 마치며

CHAPTER 4 완전연결 딥 네트워크
4.1 완전연결 딥 네트워크란?
4.2 완전연결 네트워크에서의 ‘뉴런’
4.3 완전연결 신경망 학습
4.4 텐서플로 구현
4.5 마치며

CHAPTER 5 하이퍼파라미터 최적화
5.1 모델 평가 및 하이퍼파라미터 최적화
5.2 지표, 지표, 지표
5.3 하이퍼파라미터 최적화 알고리즘
5.4 마치며

CHAPTER 6 합성곱 신경망
6.1 합성곱 아키텍처 소개
6.2 합성곱 네트워크 애플리케이션
6.3 텐서플로 합성곱 네트워크 학습
6.4 마치며

CHAPTER 7 순환 신경망
7.1 순환 아키텍처 개요
7.2 순환 셀
7.3 순환 모델 애플리케이션
7.4 신경 튜링머신
7.5 순환 신경망을 사용하여 실제 작업하기
7.6 펜 트리뱅크 말뭉치 처리하기
7.7 마치며

CHAPTER 8 강화학습
8.1 마르코프 결정 과정
8.2 강화학습 알고리즘
8.3 강화학습의 한계
8.4 틱택토 게임
8.5 A3C 알고리즘
8.6 마치며

CHAPTER 9 대규모 딥 네트워크 학습
9.1 딥 네트워크를 위한 커스텀 하드웨어
9.2 CPU 학습
9.3 분산 딥 네트워크 학습
9.4 다중 GPU를 사용한 CIFAR-10 데이터 병렬 학습
9.5 마치며

CHAPTER 10 딥러닝의 미래
10.1 기술 산업 밖의 딥러닝
10.2 윤리적인 딥러닝 사용
10.3 인공일반지능이 곧 도래할까요?
10.4 이제 무엇을 해야 할까요?