책소개
개발자에게 바치는 머신러닝 가이드북!코드를 구현하며 개발자의 시선으로 배우는 인공지능!이 책은 개발자에게 바치는 머신러닝 가이드북입니다. 철저하게 개발자의 시선에서 접근하고 실제 산업계에서 자주 사용되는 모델에 관해 설명한다. 동시에 신경망의 원리와 기초 구현 방법, 케라스 라이브러리의 사용법과 텐서플로를 활용한 모델 배포 방안도 포함한다. 복잡한 머신러닝 이론 대신, 간단한 AI 구현 코드를 보여주면서 구조와 프로세스를 설명한다. 그리고 초보 학습자가 궁금해할 문제를 선별하여 이러한 문제와 연계해 새로운 내용을 소개합니다. 이 책의 모든 장에서 비슷한 방법을 사용하고 있다.
저자소개
텐센트 AI 연구소 책임자이자 AI 시스템 설계 전문가로서 운영 시스템 커널, 웹 보안, 검색 엔진, 추천 시스템, 분산 시스템, 이미지 처리, 데이터 분석 등 다양한 영역에서의 실전 경험을 쌓았다. 텍사스 대학교 샌안토니오 캠퍼스에서 컴퓨터 과학 박사 학위를 받았으며, 마이크로소프트, 보스턴 컨설팅 그룹(BCG), 우버 및 여러 실리콘밸리 스타트업에서 개발 엔지니어 및 프로젝트 매니저로 근무했다.
목차
<b>상편</b></br></br>CHAPTER 01 머신러닝의 Hello World 3</br>1.1 머신러닝에 대한 간략한 소개 3</br>1.2 머신러닝 애플리케이션의 핵심 개발 프로세스 5</br>1.3 코드로 시작하기 8</br>1.4 마무리 11</br>1.5 참고자료 11</br></br>CHAPTER 02 직접 구현하는 신경망 12</br>2.1 퍼셉트론 12</br>2.2 선형 회귀와 경사 하강법 구현 17</br>2.3 확률적 경사 하강법의 구현 23</br>2.4 파이썬을 통한 단층 신경망 구현 25</br>2.5 요약 40</br>2.6 참고자료 40</br></br>CHAPTER 03 케라스 시작하기 41</br>3.1 케라스 소개 41</br>3.2 케라스 개발 입문 42</br>3.3 케라스 개념 설명 46</br>3.4 다시 코드 실습으로 72</br>3.5 요약 77</br>3.6 참고자료 78</br></br>CHAPTER 04 예측과 분류: 간단한 머신러닝 응용 79</br>4.1 머신러닝 프레임워크 ? 사이킷런 소개 79</br>4.2 분류 알고리즘 기초 82</br>4.3 의사결정 트리 92</br>4.4 선형 회귀 103</br>4.5 로지스틱 회귀 104</br>4.6 신경망 110</br>4.7 요약 123</br>4.8 참고자료 123</br></br><b>하편</b></br></br>CHAPTER 05 추천 시스템 기초 127</br>5.1 추천 시스템 소개 127</br>5.2 유사도 계산 130</br>5.3 협업 필터링 131</br>5.4 추천 환경에서 사용하는 로지스틱 회귀 모델 137</br>5.5 여러 모델을 융합한 추천 모델: Wide&Deep 모델 140</br>5.6 요약 149</br>5.7 참고자료 149</br></br>CHAPTER 06 실전 프로젝트: 챗봇 만들기 150</br>6.1 챗봇의 발전 역사 150</br>6.2 순환 신경망 152</br>6.3 Seq2Seq 소개 및 구현 161</br>6.4 어텐션 176</br>6.5 요약 187</br>6.6 참고자료 187</br></br>CHAPTER 07 이미지 분류 실전 프로젝트 189</br>7.1 이미지 분류와 합성곱 신경망 189</br>7.2 합성곱 신경망의 원리 192</br>7.3 실전 예제: 교통 표지판 분류 202</br>7.4 최적화 정책 211</br>7.5 요약 217</br>7.6 참고자료 217</br></br>CHAPTER 08 객체 검출 218</br>8.1 CNN의 진화 219</br>8.2 YOLO 241</br>8.3 YOLO v3 구현 252</br>8.4 요약 292</br>8.5 참고자료 293</br></br>CHAPTER 09 모델 배포 및 서비스 295</br>9.1 생산 환경에서의 모델 서비스 295</br>9.2 텐서플로 서빙의 응용 298</br>9.3 요약 306</br>9.4 참고자료 307
