PART I 딥러닝 기초 1
CHAPTER 1 딥러닝이란 무엇인가? 3
1.1 인공지능, 머신러닝, 딥러닝 4
1.2 딥러닝을 하기 전에: 머신러닝의 간략한 역사 17
1.3 왜 딥러닝인가? 왜 지금인가? 24

CHAPTER 2 시작하기 전에: 신경망의 수학적 빌딩 블록 30
2.1 신경망 둘러보기 31
2.2 신경망에 대한 데이터 표현 36
2.3 신경망의 장비: 텐서 연산 44
2.4 신경망의 엔진: 경사 기반 최적화 52
2.5 첫 번째 예제 되돌아보기 60
2.6 요약 63

CHAPTER 3 신경망 입문 64
3.1 신경망 해부학 65
3.2 케라스 소개 69
3.3 딥러닝 워크스테이션 설정 73
3.4 영화 감상평 분류: 이항 분류 예제 76
3.5 뉴스 분류: 다중 클래스 분류 예제 89
3.6 주택 가격 예측: 회귀 예제 97
3.7 요약 105

CHAPTER 4 머신러닝의 기본 106
4.1 네 가지 머신러닝 106
4.2 머신러닝 모델 평가 110
4.3 데이터 전처리, 특징 공학 및 특징 학습 115
4.4 과적합 및 과소적합 119
4.5 머신러닝의 보편적인 작업 흐름 128
4.6 요약 134


PART II 딥러닝 실습 135
CHAPTER 5 컴퓨터 비전 처리를 위한 딥러닝 137
5.1 합성망 소개 137
5.2 소규모 데이터셋을 이용해 합성망을 처음부터 훈련하기 148
5.3 사전 훈련 합성망 사용하기 162
5.4 합성망이 학습한 내용 시각화하기 178
5.5 요약 197

CHAPTER 6 텍스트와 시퀀스에 대한 딥러닝 198
6.1 텍스트 데이터로 작업하기 199
6.2 재귀 신경망의 이해 216
6.3 재귀 신경망의 고급 사용 228
6.4 합성망을 사용한 시퀀스 처리 249
6.5 요약 257

CHAPTER 7 고급 딥러닝 모범 사례 259
7.1 순차 모델을 넘어: 케라스 함수형 API 259
7.2 케라스 콜백과 텐서보드로 딥러닝 모델을 검사하고 관찰하기 277
7.3 모델을 최대한 활용하기 287
7.4 요약 297

CHAPTER 8 생성적 딥러닝 298
8.1 LSTM을 사용한 문장 생성 300
8.2 딥드림 310
8.3 신경망 이용 화풍 모사 317
8.4 가변 오토인코더로 이미지 생성하기 327
8.5 생성적 적대 망 소개 337
8.6 요약 347

CHAPTER 9 결론 348
9.1 핵심 개념 검토 349
9.2 딥러닝의 한계 360
9.3 딥러닝의 미래 366
9.4 빠르게 변화하는 현장 따라잡기 373
9.5 맺는 말 375

APPENDIX A 우분투에서 케라스와 필요한 것들을 설치하기 376
A.1 설치 과정 개요 376
A.2 시스템 필수 구성 요소 설치 377
A.3 GPU 지원 설정 377
A.4 케라스 및 텐서플로 설치 380

APPENDIX B EC2 GPU 인스턴스에서 RStudio Server 실행하기 382
B.1 딥러닝용 AWS를 사용해야 하는 이유는 무엇인가? 382
B.2 딥러닝용 AWS를 사용하지 않는 이유는 무엇인가? 383
B.3 AWS GPU 인스턴스 설정 383
B.4 RStudio Server에 액세스하기 387
B.5 케라스 설치 389