실전활용! 텐서플로 딥러닝 프로젝트

10가지 실무 프로젝트로 배우는 텐서플로와 딥러닝 알고리즘 100% 활용법

텐서플로를 활용한 다양한 딥러닝 시스템을 설계해 보자!

텐서플로는 머신러닝과 딥러닝에 사용되는 가장 유명한 프레임워크다. 텐서플로는 다양한 종류의 딥러닝 모델을 매우 높은 정확도로 훈련시키기 위한 빠르고 효율적인 프레임워크를 제공한다. 이 책은 10개의 현실적인 프로젝트를 통해 텐서플로를 활용해 딥러닝을 수행하는 방법을 익히게 돕는다.

《실전활용! 텐서플로 딥러닝 프로젝트》에서는 우선 딥러닝에 적합한 텐서플로 환경을 구성한 다음, 텐서플로를 활용해 컨볼루션망(ConvNet), 순환 신경망(RNN), LSTM, 대립쌍 구조를 활용한 생성망(GAN)을 비롯해 다양한 유형의 딥러닝 모델을 훈련시키는 법을 배운다. 그 과정에서 이미지 처리, 추천 시스템, 주가 예측, 챗봇 구성 등 다양한 실세계 문제를 해결하는 딥러닝 솔루션을 만들어 본다. 또한 기계 번역을 수행하거나 강화학습 기법을 활용해 게임을 할 수 있는 시스템도 만들어 볼 것이다.

이 책이 끝나면 딥러닝의 모든 개념을 학습하고 텐서플로로 구현해보게 될 것이며, 텐서플로로 자신만의 딥러닝 모델을 어려움 없이 구축하고 훈련시킬 수 있게 될 것이다.

★ 이 책에서 배우는 내용 ★

  • 딥러닝을 위한 텐서플로 환경 구성
  • 효율적인 이미지 처리를 위해 독자적인 컨볼루션망 구성
  • LSTM을 활용한 이미지 캡션 생성
  • LSTM 아키텍처를 활용한 정확한 주가 예측
  • 중복된 쿼라 질문을 탐지해 의미론적 매칭이 무엇인지 학습
  • GAN을 훈련시키기 위해 텐서플로로 AWS 인스턴스를 구성
  • 인간이 입력한 내용을 이해하고 해석하기 위한 챗봇 훈련과 설정
  • 스스로 비디오 게임을 하고 이길 수 있는 AI 구성

★ 대상 독자 ★

이 책은 텐서플로를 활용해 흥미로운 딥러닝 프로젝트를 만들고자 하는 딥러닝 실무자를 비롯해 데이터 과학자, 머신러닝 개발자를 대상으로 한다. 머신러닝과 딥러닝에 대한 약간의 이해와 텐서플로 프레임워크에 익숙한 독자라면 이 책의 내용을 충분히 학습할 수 있을 것이다.

루카 마사론 (Luca Massaron)

루카 마사론은 데이터 과학자이자 마케팅 리서치 이사다. 전문분야는 다변량 통계 분석, 머신러닝, 고객 인사이트로, 10년 이상 추론, 통계, 데이터 마이닝, 알고리즘을 사용해서 실제 문제를 해결하고 이해 관계자를 위한 가치를 생성하는 일에 몸 담았다.

알베르토 보세티 (Alberto Boschetti)

알베르토 보세티는 신호 처리와 통계 분야에 통달한 데이터 과학자다. 그는 통신공학 분야의 박사 학위를 가지고 있고, 런던에서 거주하며 일하고 있다. 그는 직업 특성상 자연어 처리, 머신러닝, 분산 처리에 걸쳐 매일 어려운 문제를 마주하고 있다.

알렉세이 그리고리예프 (Alexey Grigorev)

알렉세이 그리고리예프는 8년 이상의 전문 경력을 가진 데이터 과학자, 머신러닝 엔지니어, 소프트웨어 개발자다. 현재 Simplaex에서 데이터 과학자로 근무하고 있으며 주로 자바와 파이썬을 활용해 데이터 정제, 데이터 분석, 모델링하는 일을 한다.

아비셱 타쿠르 (Abhishek Thakur)

아비셱 타쿠르는 데이터 과학자다. 그는 이론보다는 주로 응용 머신러닝과 딥러닝에 관심을 갖고 있다. 2014년 초 본 대학(University of Bonn)에서 컴퓨터 과학으로 석사 학위를 받았다. 머신러닝 대회에 적극적으로 참가하며 유명한 웹사이트 Kaggle에서 세계 랭킹 3위에 이름을 올려 놓았다.

라잘링가파 샨무가마니 (Rajalingappaa Shanmugamani)

라잘링가파 샨무가마니는 현재 SAP 싱가포르 지사에서 딥러닝을 이끌고 있다. 이전에는 다양한 스타트업 기업에서 일하고 컨설팅하며 컴퓨터 비전 제품을 개발했다. IIT 마드라스(IIT Madras) 대학에서 석사 학위를 받았으며, 제조업에 컴퓨터 비전 적용을 주제로 논문을 썼다.

김정인

학업까지 포함하여 약 20년을 IT 분야에 종사했다. 회사를 나오기 전 최근 7년동안 BI/BA 영역에 몸담았다. 관심 있는 분야는 데이터 과학 분야이며, 늘 이 책으로 처음 공부하는 사람처럼 번역에 임하고 싶다. 옮긴 책으로는 《애자일 데이터 과학 2.0》 《구글 애널리틱스 완벽 가이드》 《파이썬 데이터 사이언스 핸드북》 《러닝 스칼라》가 있다.

  • ▣ 01장: 컨볼루션 신경망을 활용한 교통 표지판 인식
    • 데이터셋
    • CNN
    • 이미지 전처리
    • 모델 훈련 및 예측
    • 연습 문제
    • 정리
    •  
  • ▣ 02장: Object Detection API를 활용해 이미지에 주석 달기
    • MS COCO 데이터셋
      • 텐서플로 객체 탐지 API
      • R-CNN, R-FCN, SSD 모델 기초의 이해
    • 프로젝트 계획
      • 프로젝트 환경 구성
      • Protobuf 컴파일
    • 프로젝트 코드 준비
      • 간단한 응용 프로그램
      • 실시간 웹캠 탐지
    • 감사의 말
    • 정리
    •  
  • ▣ 03장: 이미지 캡션 생성
    • 캡션 생성이란 무엇인가?
    • 이미지 캡션을 달 수 있는 데이터셋 둘러보기
      • 데이터셋 내려받기
    • 단어를 임베딩으로 전환
    • 이미지 캡션을 생성하는 방법
      • 조건부 랜덤 필드
      • 컨볼루션 신경망과 순환 신경망의 결합
      • 캡션 순위 정하기
      • 조밀한 캡션 생성
      • RNN 캡션 생성
      • 멀티 모드 캡션 생성
      • 어텐션 기반의 캡션 생성
    • 캡션 생성 모델 구현
    • 정리
    •  
  • ▣ 04장: 조건부 이미지 생성을 위한 GAN 구축
    • GAN 소개
      • 핵심은 대립쌍 방식에 있다
      • 캄브리아기 폭발
    • 프로젝트
      • Dataset 클래스
      • CGAN 클래스
    • 일부 예제에 CGAN 활용하기
      • _MNIST
      • _Zalando MNIST
      • _EMNIST
      • _훈련된 CGAN을 재사용하기
    • 아마존 웹 서비스 사용하기
    • 감사의 말
    • 정리
    •  
  • ▣ 05장: LSTM을 이용한 주가 예측
    • 입력 데이터셋 - 코사인과 주가
    • 데이터셋 포맷 구성
    • 회귀 모델을 이용한 미래 주가 예측
    • 장단기 메모리 - LSTM 기초
    • LSTM으로 주가 예측하기
    • 다음으로 생각해 볼 질문들
    • 정리
    •  
  • ▣ 06장: 기계 번역 시스템 구축과 훈련
    • 아키텍처 검토
    • 말뭉치 선처리
    • 기계 번역 모델 훈련시키기
    • 테스트 및 번역
      • 과제
    • 정리
    •  
  • ▣ 07장: 사람처럼 의견을 나눌 수 있는 챗봇의 훈련과 구축
    • 프로젝트 소개
    • 입력 말뭉치
    • 훈련 데이터셋 생성
    • 챗봇 훈련
    • Chatbox API
      • 과제
    • 정리
    •  
  • ▣ 08장: 중복된 쿼라 질문 탐지하기
    • 데이터셋 설명
    • 기본 특징 공학으로 시작하기
    • 퍼지 특징 생성하기
    • TF-IDF와 SVD 특징 사용
    • Word2vec 임베딩으로 매핑하기
    • 머신러닝 모델 테스트
    • 텐서플로 모델 구축
    • 심층 신경망 사전 처리
    • 심층 신경망 구성요소
    • 학습 구조 설계
    • 정리
    •  
  • ▣ 09장: 텐서플로 추천 시스템 구축
    • 추천 시스템
    • 추천 시스템을 위한 행렬 분해
      • 데이터셋 준비 및 기준점
      • 행렬 분해
      • 암묵적 피드백 데이터셋
      • SGD 기반의 행렬 분해
      • 베이즈 개인화 순위
    • 추천 시스템을 위한 RNN
      • 데이터 준비 및 기준선 수립
      • 텐서플로로 만드는 RNN 추천 시스템
    • 정리
    •  
  • ▣ 10장: 강화학습으로 비디오 게임하기
    • 게임 소개
    • OpenAI 버전
    • 리눅스(우분투 14.04 혹은 16.04)에 OpenAI 설치하기
      • OpneAI Gym에서 루나 랜더 게임
    • 딥러닝을 통해 강화학습 알아보기
      • 심층 Q-러닝을 위한 요령
      • 심층 Q-러닝의 제약 사항
    • 프로젝트 시작
      • AI 두뇌 정의
      • 경험 재생을 위한 메모리 생성
      • 에이전트 생성
      • 환경 지정하기
      • 강화학습 프로세스 실행
    • 감사의 글
    • 정리

예제코드 다운로드

또는 다음 URL에 있는 파일 중 하나만 받으셔도 됩니다.