책소개
창조에 다가서는 GAN의 4가지 생성 프로젝트 이 책은 케라스를 사용한 딥러닝 기초부터 AI 분야 최신 알고리즘까지 설명한다. 기계 스스로 그림을 그리고, 글을 쓰고, 음악을 작곡하고, 게임을 하는 딥러닝 생성 모델을 재현하는 과정에서 독자는 변이형 오토인코더(VAE), 생성적 적대 신경망(GAN), 인코더-디코더 모델, 월드 모델 등을 학습할 수 있다. 이 책에서 제시한 팁과 가이드로 모델을 효율적으로 학습시키고 창의적인 생성 모델을 만들 수 있다.
저자소개
Applied Data Science의 공동 창업자이고 고객에게 맞춤 솔루션을 제공하는 데이터 과학 컨설턴트입니다. 영국 케임브리지 대학교 트리니티 칼리지에서 수학 석사 학위를, 워릭 대학교에서 운용과학 분야 석사 학위를 받았습니다.
‘InnoCentive Predicting Product Purchase’ 대회를 포함한 여러 국제 머신러닝 경연 대회에서 우승했습니다. 미국의 제약회사에서 임상 시험의 시설 선정을 최적화하는 방법을 시각화하여 1등을 수상하기도 했습니다.
온라인 데이터 과학 커뮤니티에 활발하게 참여하고 있고 「How To Build Your Own AlphaZero AI Using Python and Keras」 등 딥러닝을 사용한 강화학습 블로그 포스트를 여럿 작성하였습니다.
목차
CHAPTER 1 생성 모델링1.1 생성 모델링이란?1.2 확률적 생성 모델1.3 생성 모델의 난관1.4 환경 설정1.5 요약CHAPTER 2 딥러닝2.1 정형 데이터와 비정형 데이터2.2 심층 신경망2.3 첫 번째 심층 신경망2.4 모델 성능 향상2.5 요약CHAPTER 3 VAE - 변이형 오토인코더3.1 미술 전시회3.2 AE - 오토인코더3.3 변경된 미술 전시회3.4 VAE 만들기3.5 VAE를 사용하여 얼굴 이미지 생성3.6 요약CHAPTER 4 GAN - 생성적 적대 신경망4.1 애니멀간4.2 GAN 소개4.3 첫 번째 GAN4.4 GAN의 도전 과제4.5 WGAN - 와서스테인 GAN4.6 WGAN-GP4.7 요약CHAPTER 5 그리기 5.1 사과와 오렌지5.2 CycleGAN 소개5.3 첫 번째 CycleGAN5.4 CycleGAN으로 모네 그림 그리기5.5 뉴럴 스타일 트랜스퍼5.6 요약CHAPTER 6 쓰기 6.1 고약한 범법자를 위한 문학 클럽6.2 LSTM 네트워크 소개6.3 첫 번째 LSTM 네트워크6.4 새로운 텍스트 생성6.5 RNN 확장6.6 인코더-디코더 모델6.7 질문-대답 생성기6.8 요약CHAPTER 7 작곡하기 7.1 준비 사항7.2 첫 번째 음악 생성 RNN7.3 MuseGAN 소개7.4 첫 번째 MuseGAN7.5 MuseGAN 생성자7.6 MuseGAN 비평자7.7 MuseGAN 분석7.8 요약CHAPTER 8 게임하기 8.1 강화학습8.2 월드 모델 구조8.3 환경 설정8.4 훈련 과정8.5 랜덤한 롤아웃 데이터 수집8.6 VAE 훈련8.7 RNN 훈련 데이터 수집8.8 MDN-RNN 훈련8.9 컨트롤러 훈련8.10 꿈속에서 훈련하기8.11 요약CHAPTER 9 생성 모델링의 미래9.1 최근 5년간의 발전9.2 트랜스포머9.3 이미지 생성 분야의 발전9.4 생성 모델링의 적용 분야CHAPTER 10 결론
.png){kind=logo}
