01 머신러닝 소개 
  머신러닝이란 무엇인가? = 2
  ML 알고리즘 소개 = 5
    넷플릭스 - 추천 생성하기 = 5
    Shadow draw - 프리핸드 드로잉을 위한 실시간 사용자 가이드 = 8
    셔터스톡(Shutterstock) - 구도 기반의 이미지 검색 = 13
    iOS 키보드 예측 - 다음 글자 예측 = 16
  일반적인 ML 작업 흐름 = 19
  요약 = 20
02 애플 Core ML 소개 
  훈련과 추론의 차이 = 22
  에지에서의 추론 = 23
  Core ML = 25
    작업 흐름 = 26
  학습 알고리즘 = 28
    스웨덴 자동차 보험 = 28
    지원 학습 알고리즘 = 34
  고려사항 = 36
  요약 = 37
03 실세계에서 객체 인식하기 
  이미지 이해하기 = 40
  객체 인식 = 44
    데이터 캡처 = 44
    데이터 전처리 = 54
  추론하기 = 65
  요약 = 66
04 CNN을 활용한 감정 탐지 
  얼굴 표정 = 68
  입력 데이터와 선처리 = 72
  종합 = 95
  요약 = 103
05 실세계에서 객체 위치 측정 
  객체 위치 측정과 객체 탐지 = 106
  케라스 Tiny YOLO를 Core ML로 변환하기 = 117
  사진을 쉽게 찾는 방법 = 126
  배치로 최적화 = 156
  요약 = 160
06 스타일 전이로 예술 창작하기 
  한 이미지에서 다른 이미지로 스타일 옮기기 = 162
  스타일 전이를 더 빠르게 하는 방법 = 168
  케라스 모델을 Core ML로 변환하기 = 170
  스위프트에서 맞춤 계층 구축하기 = 181
    계층 속도 높이기 = 191
    GPU 활용하기 = 193
  모델 가중치 줄이기 = 196
  요약 = 201
07 CNN으로 드로잉 보조하기 
  지능형 인터페이스를 구현해야 하는 이유 = 204
  드로잉 = 205
  사용자 스케치 인식하기 = 220
    훈련 데이터와 모델 검토 = 221
    스케치 분류하기 = 223
    시각적 유사성을 기준으로 정렬하기 = 239
  요약 = 252
08 RNN으로 드로잉 보조하기 
  드로잉 보조하기 = 254
  드로잉 분류에 사용할 순환 신경망 = 255
  입력 데이터와 전처리 = 261
  종합 = 277
  요약 = 291
09 CNN을 활용한 객체 분할 
  픽셀 분류하기 = 293
  원하는 효과를 내기 위한 데이터 - 액션 샷 = 297
  사진 효과 애플리케이션 구축하기 = 301
  확률적 결과 활용하기 = 319
    모델 개선하기 = 319
    제약 조건을 두어 설계하기 = 320
    휴리스틱 포함 = 321
    사후 처리 및 앙상블 기법 = 321
    인적 보조 = 322
  요약 = 323
10 Create ML 소개 
  전형적인 작업 흐름 = 325
  데이터 준비하기 = 326
  모델 생성 및 훈련 = 330
    모델 매개변수 = 334
    모델 메타데이터 = 334
    다른 작업 흐름(그래픽 버전) = 335
  마무리 = 336
  요약 = 337