이 책에서 다루는 내용
■ 데이터에 회귀를 적용하는 방법과 회귀 알고리즘의 작동 방식
■ 분류 방법에 대한 기본 개념 및 케라스 환경에서 구현하는 방법
■ 심층 신경망을 이용한 콘크리트 품질 예측
■ 합성곱 신경망을 이용한 패션 물품 인식
■ 순환 신경망을 사용한 영화 리뷰 정서 분석
■ 장단기 메모리를 이용한 주식 변동성 전망
■ 오토 인코더를 사용한 숫자 필기 이미지의 재구성
■ 심층 강화학습을 이용한 로봇 제어
■ 로이터 뉴스와이어 주제 분류

이 책의 대상 독자
최소한의 코드로 빠르게 지능적인 프로그램을 작성하기를 원하는 데이터 과학자, 머신러닝 엔지니어, 딥러닝을 배우고 싶어하는 사람, 혹은 AI 엔지니어라면 이 책이 가장 적합할 것이다.

1장. 케라스 시작하기
__케라스 개요
__케라스 백엔드 옵션
____텐서플로
____테아노
____CNTK
__설치
____선택가능한 패키지들
____백엔드 엔진 설치
____케라스 설치와 설정
__케라스로 모델 피팅하기
____케라스 순차 모델 구조
____케라스 함수형 API 모델 구조
__요약


2장. 회귀분석 모델링을 이용한 부동산 모델링
__회귀 문제 정의
____회귀의 기본 개념
____회귀의 여러 유형
__선형 회귀 모델 만들기
__다중 선형 회귀 개념
__케라스를 이용한 회귀 분석을 위한 신경망
____탐색 분석
____데이터 분할
____신경망 케라스 모델
____다중 선형 회귀 모델
__요약


3장. 신경망을 이용한 심장 질환 분류
__분류 문제의 기초
__다양한 분류의 종류
____분류 알고리즘
______나이브 알고리즘
______가우스 혼합 모델
______판별 분석
______K 최근접 이웃 방법
______서포트 벡터 머신
____베이지안 결정 이론
______베이즈 정리
__케라스 신경망을 이용한 패턴 인식
____탐색 분석
______파이썬에서 누락된 데이터 처리하기
______데이터 크기 조절
____데이터 시각화
____케라스 이진 분류기
__요약


4장. 심층 신경망을 이용한 콘크리트 품질 예측
__ANN의 기본 개념
____ANN의 구조
____학습 패러다임
______지도 학습
______비지도 학습
______반지도 학습
____신경망의 구조 이해
______가중치 및 바이어스
____활성화 함수 유형
______단위 스텝 활성화 함수
______시그모이드
______하이퍼볼릭 탄젠트
______정류된 선형 유닛
__다층 신경망
__케라스에서 다층 신경망 구현
____탐색 분석
______데이터 시각화
______데이터 크기 조절
__케라스 심층 신경망 모델 구축
__이상치를 제거를 통한 모델 성능 향상
__요약


5장. 합성곱 신경망을 이용한 패션 물품 인식
__컴퓨터 비전 개념 이해
__합성곱 신경망
____합성곱 레이어
____풀링 레이어
____정류된 선형 유닛
____완전 연결 레이어
____CNN의 구조
__일반적인 CNN 구조
____LeNet-5
____AlexNet
____ResNet
____VGG Net
____GoogleNet
__객체 인식을 위한 CNN 구현
____탐색 분석
______데이터 크기 조절
__CNN 모델에서 케라스 사용하기
____모델 결과 탐색
__요약


6장. 순환 신경망을 이용한 영화 리뷰 정서 분석
____정서 분석 기본 개념
____정서 분석 기법
____정서 분석을 위한 다음 과제
____어휘 및 의미 분석
____순환 신경망
____완전 순환 신경망
____재귀 신경망
____홉필드 재귀 신경망
____엘만 신경망
____장 단기 메모리 네트워크
__RNN을 사용해서 영화 리뷰에서 정서 구분하기
____IMDB 영화 리뷰 데이터셋
____탐색 분석
____케라스 반복 신경망 모델
____모델 결과 탐색
__요약


7장. LSTM을 사용한 주식 변동성 전망
__전망의 기본 사항
____전망 지평선
____전망 방법
______정량적 방법
______정성적 방법
__시계열 분석
____시계열에 대한 고전적 접근법
____경향 요소 추정
____계절성 요소 추정
__시계열 모델
____자동 회귀 모델
____이동 평균 모델
____자동 회귀 이동 평균 모델
____자동 회귀 통합 이동 평균 모델
__케라스의 LSTM
__주식 변동성 전망을 위한 LSTM 구현
____탐색 분석
____데이터 크기 조절
____데이터 분할
____케라스 LSTM 모델
__요약


8장. 오토 인코더를 사용한 숫자 필기 이미지의 재구성
__이미지 인식의 기본 개념
____이미지 디지털화
____이미지 인식
__광학 문자 인식
____문제 접근법
__생성 신경망
____제한된 볼츠만 기계
____오토 인코더
____가변 오토 인코더
____생성적 적대 네트워크
____적대적 오토 인코더
__케라스 오토 인코더 모델
__필기 숫자 이미지를 재구성하기 위한 오토 인코더 케라스 레이어 구현
____MNIST 데이터셋
____최소 최대 정규화
____케라스 모델 구조
____모델 결과 탐색
__요약


9장. 심층 강화학습을 이용한 로봇 제어 시스템
__로봇 제어 개요
____로봇의 세 가지 원칙
____짧은 로봇 연대표
______1세대 로봇
______2세대 로봇
______3세대 로봇
______4세대 로봇
____자동제어
__로봇 이동을 제어하기 위한 환경
____OpenAI Gym
__강화학습 기초
____에이전트 - 환경 인터페이스
____강화학습 알고리즘
______동적 프로그래밍
______몬테카를로 방법
______시간차 학습
__케라스 DQNs
____Q-러닝
____딥 Q-러닝
____케라스-RL 라이브러리
__로봇의 이동을 제어하는 DQN
____OpenAI Gym 설치 및 방법
____카트폴 시스템
____Q-러닝 방법
____심층 Q-러닝 방법
__요약


10장. 케라스로 로이터 뉴스와이어 주제 분류
__자연어 처리
____NLP 단계
______형태학 분석
______구문 분석
______의미 분석
______실용 분석
____자동 처리 문제
____NLP 적용 분야
______정보 검색
______정보 추출
______질의 응답
______자동 요약
______자동 번역
______정서 분석
____NLP 방법
______문장 분할
______토큰화
______품사 태깅
______얕은 파싱
______이름 붙여진 객체 인식
______구문 분석
______의미론적 역할 표시
____자연어 처리 도구
______자연어 도구 키트
______스탠포드 NLP 그룹 소프트웨어
______아파치 오픈 NLP
______GATE
__자연어 툴킷
____NLTK 시작하기
______말뭉치
______브라운 말뭉치
____단어와 문장 토큰화
____품사 태그
____어간 추출 및 표제어 추출
______어간 추출
______표제어 추출
__문장에 레이블을 붙이기 위한 DNN 구현
____탐색 분석
____데이터 준비
____케라스 심층 신경망 모델
__요약


11장. 다음은 무엇인가?
__딥러닝 방법
____딥 피드포워드 네트워크
____합성곱 신경망
____순환 신경망
____장단기 기억
____제한된 볼츠만 기계
____딥 신념 네트워크
____생성적 적대 네트워크
__자동화된 머신러닝
____오토케라스
____구글 클라우드 ML 엔진
____애저 머신러닝 스튜디오
__아마존 웹 서비스
__미분 가능 신경 컴퓨터
__유전 프로그래밍과 진화 전략
____유전자 알고리즘 소개
______적합도 함수
______선택
______돌연변이
__역강화학습
__요약

★ 지은이의 말 ★

이 책은 여러 프로젝트에서 케라스를 활용해 최신 딥러닝 모델을 구축하고 훈련하는 방법을 설명한다. 우선 케라스 라이브러리를 설치해서 딥러닝 환경을 빠르게 설정할 것이다. 각각의 프로젝트를 통해 딥러닝의 고급 개념을 배우고, 케라스의 진보된 기능을 사용해 딥러닝 모델을 계산하고 실행하는 방법을 배울 수 있다. 그리고 실제 훈련 데이터셋을 사용해 완전 연결된 다층 네트워크, 합성곱 신경망, 순환 신경망, 오토 인코더 및 생성적 적대 네트워크를 훈련할 것이다. 책에서 다룰 프로젝트는 언어 인식, 주식 변동, 에너지 소비 예측, 자율 주행 차량을 위한 빠른 객체 분류와 같은 실제 시나리오를 기반으로 한다.
이 책이 끝날 때쯤이면 딥러닝을 잘 알게 될 것이며, 케라스를 이용한 구현에 익숙해질 것이다. 여러 종류의 문제를 해결하기 위해 딥러닝 모델을 훈련하는 데 필요한 지식을 갖게 될 것이다.

★ 옮긴이의 말 ★

어느 때보다 딥러닝에 대한 관심이 뜨겁다. 딥러닝은 물체 인식 분야 및 여러 분야에서 기존의 방법보다 뛰어난 결과를 보여주며, 이를 바탕으로 자율 주행차와 같은 혁신적인 결과물들이 나오고 있다. 이 딥러닝의 적용처는 앞으로도 더욱 확대돼 여러 분야에서 활약을 할 것이 분명하다. 하지만 막상 이 딥러닝을 실제 문제에 어떻게 적용할지 생각하면 막막할 것이다. 딥러닝을 실제 문제에 쉽게 적용하기 위한 최고의 라이브러리 중 하나가 케라스다. 이 책은 주위에서 쉽게 접할 수 있는 부동산 모델링, 질병 분류, 품질 예측, 물품 인식, 리뷰 분석, 주식 변동성 전망, 필기 이미지 생성, 로봇 제어, 뉴스 분류와 같은 문제를 해결하는 딥러닝 모델을 케라스로 구축하고 훈련하는 방법을 다룬다. 이를 통해 통해 기본 신경망, 합성곱 신경망, 순환 신경망, 오토 인코더, 생성적 적대 네트워크의 개념을 익힐 수 있고 실제 문제를 케라스로 해결하는 방법을 익힐 수 있을 것이다. 아무쪼록 이 책이 딥러닝을 이용해 실제 문제를 해결하고자 하거나 케라스를 익히고자 하는 독자들에게 도움이 됐으면 한다.