오리지널판이 있는 경우 개정판을 다시 구매할 필요 없이 오리지널판을 업데이트하여 사용할 수 있습니다.
Keras 프레임워크를 사용하여 딥 러닝 모델을 구축하고 배포하는 종합 가이드인 "Keras"에 오신 것을 환영합니다. Keras는 딥러닝 모델 개발을 간소화하는 고급 신경망 API로, 초보자도 쉽게 사용할 수 있는 동시에 고급 실무자를 위한 강력한 기능을 제공합니다. 이 책은 신경망의 기초부터 고급 모델 최적화, 평가 및 배포까지 안내합니다.
1장, '케라스 소개'에서는 케라스의 역사, 주요 기능, 설치 과정을 소개하며 시작을 알립니다. Keras의 아키텍처와 딥 러닝에 선호되는 프레임워크인 이유를 이해하게 될 것입니다.
2장, '신경망의 기초'에서는 다양한 유형의 아키텍처, 활성화 함수, 손실 함수, 최적화 기법 등 신경망의 기본 개념을 다룹니다.
3장, '첫 번째 케라스 모델 구축하기'에서는 순차적 API를 사용하여 신경망을 만드는 단계별 가이드를 제공합니다. 첫 번째 딥러닝 모델을 정의, 컴파일, 훈련 및 평가하는 방법을 배우게 됩니다.
4장, '데이터 처리 및 전처리'에서는 Keras 모델을 위한 데이터 준비 모범 사례를 살펴봅니다. 정규화, 원핫 인코딩, 데이터 증강, Keras의 기본 제공 데이터 전처리 유틸리티 활용 등의 주제를 다룹니다.
5장, '고급 모델 아키텍처'에서는 Keras의 함수형 API, 모델 서브클래싱, 전이 학습을 위한 사전 훈련된 모델 사용법을 소개합니다. 이 장에서는 보다 복잡하고 맞춤화된 딥러닝 모델을 구축할 수 있습니다.
6장, '정규화 기법'에서는 드롭아웃 레이어, L1/L2 정규화, 조기 중단 및 배치 정규화와 같은 방법으로 과적합을 방지하는 데 중점을 둡니다.
7장, '모델 평가 및 하이퍼파라미터 튜닝'에서는 교차 검증, 그리드 검색, Keras 튜너, 모델 체크포인트를 사용하여 정확도와 효율성을 개선하기 위해 모델 성능을 평가하는 방법을 설명합니다.
8장, '다양한 데이터 유형으로 작업하기'에서는 이미지 분류, 자연어 처리, 시계열 예측, 다중 모드 입력 데이터 처리 등 다양한 데이터 유형에 대한 딥러닝 애플리케이션을 다룹니다.
9장, '고급 주제'에서는 모델 성능을 디버깅하고 개선하기 위한 사용자 지정 손실 함수, 콜백, 고급 최적화 도구 및 모델 해석 가능성 기법을 정의하는 방법을 살펴봅니다.
10장, 'Keras 모델 배포하기'에서는 모바일, 엣지 디바이스, 클라우드 기반 서비스를 포함한 프로덕션 환경에서 TensorFlow Serving을 사용하여 모델을 저장, 내보내기, 배포하는 방법을 안내합니다.
11장, 'Keras 기여 및 커뮤니티'에서는 지속적인 학습, Keras 오픈 소스 커뮤니티 참여, 개발에 대한 기여, 딥 러닝 기술의 미래를 이해하기 위한 리소스를 제공합니다.
이 책을 다 읽고 나면 Keras에 대해 깊이 이해하고 자신 있게 최신 딥 러닝 모델을 개발, 훈련 및 배포할 수 있게 될 것입니다.
본 도서는 인공지능 기반으로 검색된 콘텐츠를 바탕으로, 일반 서식, 질문과 답변, 문제 풀이 등 다양한 형식을 통해 핵심 개념을 체계적으로 설명합니다. 독자들이 개념을 보다 쉽게 이해할 수 있도록, 명료하고 간결한 구조를 유지하였으며, 각 소스 코드에 적합한 하이라이트 기능을 제공하여 가독성을 극대화하였습니다.
이 책은 종이책 형태가 아닌 EPUB 전자책으로 제작되어, 전통적인 페이지 레이아웃과는 다른, 웹 기반의 흐름을 취하고 있습니다. 따라서 종이책과 같은 구성에 익숙한 독자라면 다소 이질감을 느낄 수 있습니다.
본 주제에 처음 접하는 독자에게는 이 도서가 다소 방대한 내용과 깊이 있는 개념을 다루고 있어 주제를 이해하는 데 어려움을 느낄 수 있으므로, 관련 분야에 어느 정도 경험이 있는 독자들에게 이 책을 권장합니다. 기존 지식을 넓히고자 하는 이들에게는 심화된 이해와 지식의 확장을 도울 수 있을 것입니다.
