파이썬을 활용한 딥러닝 전이학습
도서명:파이썬을 활용한 딥러닝 전이학습
저자/출판사:디파니안,사르카르,러그허브,발리,타모그나,고시/위키북스
쪽수:412쪽
출판일:2019-10-11
ISBN:9791158391454
목차
▣ 1장: 머신러닝의 기초 원리
왜 머신러닝인가?
___공식적 정의
___얕은 학습과 딥러닝
머신러닝 기법
___지도 학습
___비지도 학습
CRISP-DM
___비즈니스 이해
___데이터 이해
___데이터 준비
___모델링
___평가
___배포
표준 머신러닝 워크플로
___데이터 검색
___데이터 준비
___모델링
___모델 평가와 튜닝
___배포와 모니터링
탐색적 데이터 분석
특성 추출과 특성 엔지니어링
___특성 엔지니어링에서 쓰는 전략
___텍스트 데이터 다루기
특성 선택
정리
▣ 2장: 딥러닝 기초
딥러닝이란 무엇인가?
딥러닝 프레임워크
GPU가 지원되는 클라우드 기반의 딥러닝 환경 구축
GPU 지원을 통한 강력한 딥러닝 환경 구축하기
신경망 기초
___단순한 선형 뉴런
___기울기 기반 최적화
___야코비와 헤세 행렬
___미분의 연쇄 규칙
___확률적 경사 하강
___비선형 신경 유닛
___간단한 비선형 유닛 학습 - 로지스틱 유닛
___손실 함수
___데이터 표현
___다층 신경망
___역전파 - 심층 신경망 훈련하기
___신경망 학습의 과제
___모델 파라미터의 초기화
___SGD의 개선
___신경망에서의 과대 적합과 과소 적합
___신경망의 하이퍼 파라미터
정리
▣ 3장: 딥러닝 아키텍처 이해하기
신경망 아키텍처
___왜 다른 아키텍처가 필요할까
다양한 아키텍처
___MLP와 심층 신경망
___오토인코더 신경망
___변분 오토인코더
___적대적 생성망
___CNN
___캡슐 네트워크
___순환 신경망
___메모리 신경망
___신경 튜링 기계
___어텐션 기반 신경망 모델
정리
▣ 4장: 전이학습의 기초
전이학습 소개
___전이학습의 혜택
전이학습 전략
전이학습과 딥러닝
___전이학습의 방법
___사전 훈련 모델
___활용
심층 전이학습의 유형
___도메인 적응
___도메인 혼란
___다중 과제 학습
___원샷 학습
___제로샷 학습
전이학습의 도전 과제
___부정적 전이
___전이 범위
정리
▣ 5장: 전이학습의 위력 발휘하기
전이학습의 필요성
___실제적인 문제에서의 설정
___데이터 세트 구축
___접근법 설정
CNN 모델 처음부터 구축하기
___기본 CNN 모델
___CNN 모델과 정규화
___CNN 모델과 이미지 늘리기
전이학습에서 사전 훈련된 CNN 모델 활용하기
___VGG-16 모델의 이해
___특성 추출기로 사전 훈련된 CNN 모델
___특성 추출기와 이미지 늘리기로 사전 훈련된 CNN 모델
___사전 훈련된 CNN 모델과 미세 튜닝 및 이미지 늘리기
딥러닝 모델 평가
___샘플 테스트 이미지로 모델 예측
___CNN 모델이 인지한 것을 시각화하기
___테스트 데이터로 수행한 평가 모델 성능
정리
▣ 6장: 이미지 인식과 분류
딥러닝 기반의 이미지 분류
벤치마킹 데이터 세트
최신 이미지 분류 모델
이미지 분류와 전이학습
___CIFAR-10
___개 품종 식별 데이터 세트
정리
▣ 7장: 텍스트 문서의 범주화
텍스트 범주화
___전통적인 텍스트 범주화
단어 표현
___Word2vec 모델
___Gensim을 이용한 Word2vec
___GloVe 모델
CNN 문서 모델
___리뷰 감성 분류기 구현
___가장 많이 변경된 임베딩은 무엇일까?
___전이학습 - IMDB 데이터 세트에 적용
___Word2vec 임베딩으로 전체 IMDB 데이터 세트 훈련
___CNN 모델로 문서 요약하기
___ CNN 모델을 이용한 다중 클래스 분류
___문서 임베딩 시각화
정리
▣ 8장: 오디오 이벤트 식별과 분류
오디오 이벤트 분류의 이해
___실세계 문제에서의 설정
___오디오 이벤트의 탐색적 분석
특성 엔지니어링과 오디오 이벤트의 표현
전이학습을 통한 오디오 이벤트 분류
기본 특성으로 데이터 세트 구축하기
___특성 추출을 위한 전이학습
___분류 모델 만들기
___분류기 성능 평가
딥러닝 오디오 이벤트 식별자 만들기
정리
▣ 9장: 딥드림
소개
___컴퓨터 비전의 알고리즘적 환각
___특성 지도 시각화
딥드림
___예제
정리
▣ 10장: 스타일 전이
신경 스타일 전이의 이해
이미지 전처리 방법
손실 함수 구축
___내용 손실
___스타일 손실
___총 변동 손실
___총 손실 함수
커스텀 최적화기 만들기
스타일 전이의 작동
정리
▣ 11장: 자동 이미지 캡션 생성기
이미지 캡션 넣기의 이해
목표 설정
데이터 이해하기
자동화된 이미지 캡션 넣기의 접근 방식
___개념적 접근
___유용한 실습 방법
전이학습과 이미지 특성 추출
캡션에 쓸 어휘집 작성
이미지 캡션 데이터 세트 생성기 구축
이미지에 쓸 언어 인코더-디코더 딥러닝 모델 구축
이미지에 캡션을 넣는 딥러닝 모델 훈련
이미지에 캡션을 넣는 딥러닝 모델 평가
___데이터와 모델 불러오기
___그리디 서치와 빔 서치의 이해
___빔 서치 기반 캡션 생성기 구현
___BLEU 채점의 이해와 구현
___테스트 데이터에서 모델 성능 평가
이미지에 캡션 넣기 자동화의 실제
___야외 장면에서 샘플 이미지에 캡션 넣기
___인기 있는 스포츠의 샘플 이미지에 캡션 넣기
___개선할 점들
정리
▣ 12장: 이미지 채색
문제 설명
컬러 이미지
___색상 이론
___색상 모델과 색상 공간
___문제 상태 재검토
채색 심층 신경망 구축
___전처리
___손실 함수
___인코더
___전이학습 - 특성 추출
___융합층
___디코더
___후처리
___훈련과 결과
도전 과제
추가 개선 사항
정리
