2장 딥러닝 데이터와 세 가지 기본신경망 2.1 데이터의 사전정리과정 2.2 딥러닝에 사용되는 데이터의 형태 2.3 은닉층 설계를 위한 세 가지 핵심 신경망 2.3.1 MLP(multilayer perceptrons) 2.3.2 CNN(convolutional neural networks) 2.3.3 RNN(recurrent neural networks)
4장 TensorFlow 2.x와 Keras 4.1 TensorFlow 2.x의 기초 문법과 tf.keras의 설치 4.2 딥러닝 구축을 위한 3대 API 4.3 최적화를 위한 점검 4.3.1 callbacks 4.3.2 딥러닝 모형의 시각적 점검과 학습된 모형의 저장과 재사용
5장 딥러닝 모형의 성능향상과 맞춤형 딥러닝 설계 5.1 딥러닝 모형의 성능향상 5.1.1 모수초기치 5.1.2 활성함수 5.1.3 정규화 5.1.4 Dropout 5.1.5 기타 방법 5.2 맞춤형 딥러닝 설계 5.2.1 맞춤형 손실함수 5.2.2 맞춤형 은닉층 5.2.3 맞춤형 활성함수, 초기치, 규제화 그리고 맞춤형 딥러닝 모형
6장 CNN의 응용과 이전학습 6.1 사람의 성별을 구분하는 CNN 6.2 이전학습 I 6.3 Image Generator를 이용한 CNN과 자료증대 6.4 이전학습 II
7장 텍스트 자료에 대한 딥러닝 7.1 Word2Vec과 Glove 7.2 텍스트 자료에 특화된 Word Embedding 7.3 Word Embedding 사례분석