오토케라스로 만드는 AutoML

몇 줄의 코딩으로 이용할 수 있는 딥러닝

루이스 소브레쿠에바 , 이진형

에이콘출판사

$28.35

SKU

9791161757452

[Free shipping over $100]

Standard Shipping estimated by Fri 04/18 - Thu 04/24 (주문일로부 10-14 영업일)

Express Shipping estimated by Tue 04/15 - Thu 04/17 (주문일로부 7-9 영업일)

* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.

Publication Date	2023/05/31
Pages/Weight/Size	18823512mm
ISBN	9791161757452
Categories	IT 모바일 > 프로그래밍 언어

Skip to the end of the images gallery

Skip to the beginning of the images gallery

Description

프로젝트에서 최첨단 AI 알고리듬을 개발하고 사용하는 방법을 알려주는 책이다. 자동화된 머신러닝에 대한 높은 수준의 소개로 시작하여 머신러닝 접근 방식을 시작하는 데 필요한 모든 개념을 설명한다. 그 다음 오토케라스를 사용하여 문서에 대한 감정 분석을 수행하는 방법을 다룬다. 또한 오토케라스로 토픽 분류를 위한 커스텀 모델을 구현하는 방법을 보여준다. 마지막으로 다중 모드 데이터 및 다중 작업, 오토모델로 모델을 사용자 정의하거나 오토케라스 확장 기능을 사용한 실험 결과 시각화와 같은 오토케라스의 고급 개념을 살펴본다. 이 책을 마치면 오토케라스로 회사에서 자신만의 머신러닝 모델을 설계할 수 있을 것이다.

Contents

제1부 AutoML 기초

__1장. 자동화된 머신러닝 소개
____표준 ML 워크플로의 구조
______데이터 수집
______데이터 전처리
______모델 배포
______모델 모니터링
____AutoML의 정의
______표준 접근 방식과의 차이점
____AutoML의 유형
______피처 엔지니어링 자동화
______모델 선택 및 하이퍼파라미터 최적화 자동화
______신경망 아키텍처 선택 자동화
____요약
____더 읽을거리

__2장. 오토케라스 시작하기
____기술 요구사항
____딥러닝이란 무엇인가?
____신경망이란 무엇이며 어떻게 학습하는가?
____딥러닝 모델은 어떻게 학습하는가?
____왜 오토케라스인가?
______오토케라스 실험 실행 방법
____오토케라스 설치
______클라우드에 오토케라스 설치
______오토케라스 로컬 설치
____Hello MNIST: 첫 번째 오토케라스 실험 구현
______필요한 패키지 가져오기
______MNIST 데이터셋 가져오기
______숫자는 어떻게 분포하는가?
______이미지 분류 모델 만들기
______테스트 세트로 모델 평가
______모델 시각화
______이미지 회귀 분류 모델 만들기
______테스트 세트로 모델 평가
______모델 시각화
____요약

__3장. 오토케라스로 머신러닝 파이프라인 자동화하기
____텐서 이해하기
______텐서란 무엇인가?
______텐서의 유형
____딥러닝 모델을 제공하기 위한 데이터 준비
______신경망 모델을 위한 데이터 전처리 작업
____여러 형식으로 오토케라스에 데이터 로드
____학습 및 평가를 위한 데이터셋 분할
______데이터셋을 분할해야 하는 이유
______데이터셋을 분할하는 방법
____요약

제2부 오토케라스 활용

__4장. 오토케라스를 사용한 이미지 분류 및 회귀
____기술 요구사항
____CNN 이해하기
______합성곱 층
______풀링 층
______CNN 구조
______기존 신경망 넘어서기
____CIFAR-10 이미지 분류 모델 만들기
____강력한 이미지 분류 모델 생성 및 파인튜닝
______모델 성능 향상
______테스트 세트로 모델 평가
______모델 시각화
____사람의 나이를 알아내는 이미지 회귀 분석기 만들기
____강력한 이미지 회귀 분석기 생성 및 파인튜닝
______모델 성능 향상
______테스트 세트로 모델 평가
______모델 시각화
____요약

__5장. 오토케라스를 사용한 텍스트 분류 및 회귀
____기술 요구사항
____텍스트 데이터 작업
______토큰화
______벡터화
____RNN 이해하기
____1차원 CNN(Conv1D)
____이메일 스팸 감지기 만들기
______스팸 예측기 만들기
______모델 평가
______모델 시각화
____소셜 미디어에서 뉴스 인기도 예측
______텍스트 회귀 모델 생성
______모델 평가
______모델 시각화
______모델 성능 향상
______테스트셋으로 모델 평가
____요약

__6장. 오토케라스를 사용한 구조화된 데이터 작업
____기술 요구사항
____구조화된 데이터 이해하기
____구조화된 데이터 작업
____타이타닉 생존자를 예측하기 위한 구조화된 데이터 분류 모델 만들기
______분류 모델 만들기
______모델 평가
______모델 시각화
____보스턴 주택 가격을 예측하기 위한 구조화된 데이터 회귀 분석 모델 만들기
______구조 데이터 회귀 분석 모델 만들기
______모델 평가
______모델 시각화
____요약

__7장. 오토케라스를 사용한 감정 분석
____기술 요구사항
____감정 분석기 만들기
____감정 예측 모델 만들기
____모델 평가
____모델 시각화
____특정 문장의 감정 분석
____요약

__8장. 오토케라스를 사용한 주제 분류
____기술 요구사항
____주제 분류 이해하기
____뉴스 주제 분류 모델 만들기
______분류 모델 만들기
______모델 평가
______모델 시각화
______모델 평가
____모델 검색 공간 사용자 정의
______요약

제3부 고급 오토케라스

__9장. 다중 모드 및 다중 작업 데이터
____기술 요구사항
____다중 입력 또는 출력이 있는 모델 탐색
______오토모델이란 무엇인가?
______다중 모드란 무엇인가?
______다중 작업이란 무엇인가?
____다중 모드 / 다중 작업 모델 생성
______모델 생성
______모델 시각화
____검색 공간 사용자 정의
____요약

__10장. 모델 내보내기 및 시각화
____기술 요구사항
____모델 내보내기
______모델을 저장하고 불러오는 방법
____텐서보드로 모델 시각화
______콜백으로 모델 상태 기록
______텐서보드 설정 및 로드
______TensorBoard.dev와 ML 실험 결과 공유
____ClearML로 모델 시각화 및 비교
______코드에 ClearML 추가
______실험 비교
____요약
______마치며

Author

루이스 소브레쿠에바,이진형

현재 카비파이(Cabify)에서 근무하는 선임 소프트웨어 엔지니어이자 ML/DL 실무자다. OpenAI 프로젝트에 기여했으며 오토케라스 프로젝트에도 기여했다.