텐서플로 코드로 맛보는 딥러닝 핵심 개념!
이 책은 신경망 기초부터 CNN, Autoencoder, GAN, RNN, DQN까지 딥러닝의 가장 기본이 되는 모델들을 직접 구현하며 몸으로 익히도록 구성했습니다. 이론을 깊이 파헤치기보다는 다양한 딥러닝 모델의 기초 개념과 기본적인 텐서플로 사용법을 학습하는 데 초점을 두고, 각 모델의 논문에 수록된 복잡한 코드들을 그 핵심이 잘 드러나도록 재구현했습니다. 간결해진 예제들이 여러분을 딥러닝과 텐서플로의 세계로 즐겁고 편안히 모실 것입니다.

주요 내용
● 텐서플로 프로그래밍 101
● 기본 신경망 구현
● 텐서보드와 모델 재사용
● 헬로 딥러닝, MNIST
● 이미지 인식의 은총알, CNN
● 대표적 비지도 학습법, Autoencoder
● 딥러닝의 미래, GAN
● 번역과 챗봇 모델의 기본, RNN
● 구글의 핵심 이미지 인식 모델, Inception
● 딥마인드가 개발한 강화학습, DQN

[예제 소스]
https://github.com/golbin/TensorFlow-Tutorials

[관련 서적] (제목 + ISBN)
● 밑바닥부터 시작하는 딥러닝 / 9788968484636
● 신경망 첫걸음 / 9788968483509
● 처음 배우는 머신러닝 / 9791162240045
● 파이썬 라이브러리를 활용한 머신러닝 / 9788968483394
● 텐서플로 첫걸음 / 9788968484902

목차 1장. 딥러닝과 텐서플로의 만남 1.1 인공지능, 머신러닝 그리고 딥러닝 1.2 왜 텐서플로인가? 2장. 텐서플로 설치와 주피터 노트북 2.1 파이썬 및 필수 라이브러리 설치하기 2.2 텐서플로 예제 내려받고 실행해보기 2.3 주피터 노트북 3장. 텐서플로 프로그래밍 101 3.1 텐서와 그래프 실행 3.2 플레이스홀더와 변수 3.3 선형 회귀 모델 구현하기 4장. 기본 신경망 구현 4.1 인공신경망의 작동 원리 4.2 간단한 분류 모델 구현하기 4.3 심층 신경망 구현하기 5장. 텐서보드와 모델 재사용 5.1 학습 모델 저장하고 재사용하기 5.2 텐서보드 사용하기 5.3 더 보기 6장. 헬로 딥러닝, MNIST 6.1 MNIST 학습하기 6.2 드롭아웃 6.3 matplotlib 7장. 이미지 인식의 은총알, CNN 7.1 CNN 개념 7.2 모델 구현하기 7.3 고수준 API 7.4 더 보기 8장. 대표적 비지도 학습법, Autoencoder 8.1 오토인코더 개념 8.2 오토인코더 구현하기 9장. 딥러닝의 미래, GAN 9.1 GAN 기본 모델 구현하기 9.2 원하는 숫자 생성하기 9.3 더 보기 10장. 번역과 챗봇 모델의 기본, RNN 10.1 MNIST를 RNN으로 10.2 단어 자동 완성 10.3 Sequence to Sequence 10.4 더 보기 11장. 구글의 핵심 이미지 인식 모델, Inception 11.1 자료 준비 11.2 학습시키기 11.3 예측 스크립트 11.4 더 보기 12장. 딥마인드가 개발한 강화학습, DQN 12.1 DQN 개념 12.2 게임 소개 12.3 에이전트 구현하기 12.4 신경망 모델 구현하기 12.5 학습시키기 12.6 더 보기