1부 딥러닝의 기초 1장 딥러닝이란 무엇인가? = 27 1.1 인공 지능과 머신 러닝, 딥러닝 = 28 1.2 딥러닝 이전 : 머신 러닝의 간략한 역사 = 41 1.3 왜 딥러닝일까? 왜 지금일까? = 48 2장 시작하기 전에 : 신경망의 수학적 구성 요소 = 55 2.1 신경망과의 첫 만남 = 56 2.2 신경망을 위한 데이터 표현 = 61 2.3 신경망의 톱니바퀴 : 텐서 연산 = 70 2.4 신경망의 엔진 : 그래디언트 기반 최적화 = 79 2.5 첫 번째 예제 다시 살펴보기 = 87 2.6 요약 = 89 3장 신경망 시작하기 = 91 3.1 신경망의 구조 = 92 3.2 케라스 소개 = 96 3.3 딥러닝 컴퓨터 셋팅 = 100 3.4 영화 리뷰 분류 : 이진 분류 예제 = 104 3.5 뉴스 기사 분류 : 다중 분류 문제 = 117 3.6 주택 가격 예측 : 회귀 문제 = 127 3.7 요약 = 135 4장 머신 러닝의 기본 요소 = 137 4.1 머신 러닝의 네 가지 분류 = 138 4.2 머신 러닝 모델 평가 = 142 4.3 데이터 전처리, 특성 공학, 특성 학습 = 147 4.4 과대적합과 과소적합 = 151 4.5 보편적인 머신 러닝 작업 흐름 = 160 4.6 요약 = 167 2부 실전 딥러닝 5장 컴퓨터 비전을 위한 딥러닝 = 169 5.1 합성곱 신경망 소개 = 170 5.2 소규모 데이터셋에서 밑바닥부터 컨브넷 훈련하기 = 182 5.3 사전 훈련된 컨브넷 사용하기 = 199 5.4 컨브넷 학습 시각화 = 219 5.5 요약 = 240 6장 텍스트와 시퀀스를 위한 딥러닝 = 243 6.1 텍스트 데이터 다루기 = 244 6.2 순환 신경망 이해하기 = 264 6.3 순환 신경망의 고급 사용법 = 278 6.4 컨브넷을 사용한 시퀀스 처리 = 300 6.5 요약 = 310 7장 딥러닝을 위한 고급 도구 = 311 7.1 Sequential 모델을 넘어서 : 케라스의 함수형 API = 312 7.2 케라스 콜백과 텐서보드를 사용한 딥러닝 모델 검사와 모니터링 = 329 7.3 모델의 성능을 최대로 끌어올리기 = 341 7.4 요약 = 350 8장 생성 모델을 위한 딥러닝 = 351 8.1 LSTM으로 텍스트 생성하기 = 353 8.2 딥드림 = 364 8.3 뉴럴 스타일 트랜스퍼 = 372 8.4 변이형 오토인코더를 사용한 이미지 생성 = 382 8.5 적대적 생성 신경망 소개 = 393 8.6 요약 = 403 9장 결론 = 405 9.1 핵심 개념 리뷰 = 406 9.2 딥러닝의 한계 = 417 9.3 딥러닝의 미래 = 422 9.4 빠른 변화에 뒤처지지 않기 = 429 9.5 맺음말 = 431 부록 A. 윈도에 텐서플로와 케라스 설치하기 = 433 A.1 아나콘다 설치하기 = 435 A.2 텐서플로, 케라스 설치하기 = 439 A.3 예제 노트북 실행하기 = 442 부록 B. 우분투 리눅스에 케라스와 필수 라이브러리 설치하기 = 445 B.1 파이썬 과학 라이브러리 설치하기 = 447 B.2 GPU 설정하기 = 448 B.3 씨아노 설치하기(선택 사항) = 449 B.4 케라스 설치하기 = 450 B.5 아나콘다 환경 파일을 사용하여 설치하기 = 451 부록 C. EC2 GPU 인스턴스에서 주피터 노트북 실행하기 = 453 C.1 주피터 노트북은 무엇일까? 왜 주피터 노트북을 AWS GPU에서 실행할까? = 454 C.2 딥러닝 주피터 노트북을 위해 AWS를 사용하지 않는 이유는 무엇일까? = 455 C.3 AWS GPU 인스턴스 설정하기 = 455 C.4 주피터 설정하기 = 458 C.5 케라스 설치하기 = 460 C.6 로컬 포트포워딩 설정하기 = 461 C.7 로컬 브라우저에서 주피터 사용하기 = 461 C.8 코랩을 사용하여 주피터 노트북 실행하기 = 463 찾아보기 = 466