Keras 를 만든 프랑소와 숄레가 직접 집필한 < Deep Learning with Python > 번역서로 스터디를 진행해 보려 합니다. 아래 내용 살펴보시고 관심있으신 분들은 신청해주세요.
▣ 스터디 리더 : 우종하 ( 챗봇 개발자 커뮤니티 리더 )
▣ 내용: [ 케라스 창시자에게 배우는 딥러닝 ] 을 교제로 토론식 스터디
▣ 기간: 1월8일~3월5일 / 주 1회 / 8주
▣ 시간: 화요일 19:30 ~ 22:00
▣ 장소: 합정역
▣ 비용: 월 10만원 (책값/간식비 포함)
▣ 원칙:
1분이라도 지각 - 당일 참석불가무통보 불참 - 이후 참석불가 ( 강퇴처리됨 )
▣ 대상:
8주간 1번도 빠지지 않으실 각오가 되어 있는 분파이썬 문법에 익숙하신 분 - pandas, numpy, tensorflow 등딥러닝 온라인 강의 한번쯤은 봤으나 이해가 어려운 분토론식으로 하나하나 단단하게 이해해 보고자 마음먹은 분
▣ 참가비: 우리은행 375-159-773-02-001 이강훈
▣ 신청하기: https://goo.gl/forms/daBAIoEMZRHArMXI3
[ 1주차 ]
1부 딥러닝의 기초
1장 딥러닝이란 무엇인가?
1.1 인공지능과 머신러닝, 딥러닝
1.2 딥러닝 이전: 머신러닝의 간략한 역사
1.3 왜 딥러닝일까? 왜 지금일까?
[ 2주차 ]
2장 시작하기 전에: 신경망의 수학적 구성 요소
2.1 신경망과의 첫 만남
2.2 신경망을 위한 데이터 표현
2.3 신경망의 톱니바퀴: 텐서 연산
2.4 신경망의 엔진: 그래디언트 기반 최적화
2.5 첫 번째 예제 다시 살펴보기
2.6 요약
[ 3주차 ]
3장 신경망 시작하기
3.1. 신경망의 구조
3.2 케라스 소개
3.3 딥러닝 컴퓨터 세팅
3.4 영화 리뷰 분류: 이진 분류 예제
3.5 뉴스 기사 분류: 다중 분류 문제
3.6 주택 가격 예측: 회귀 문제
3.7 요약
[ 4주차 ]
4장 머신 러닝의 기본 요소
4.1 머신 러닝의 네가지 분류
4.2 머신 러닝 모델 평가
4.3 데이터 전처리, 특성 공학, 특성 학습
4.4 과대적합과 과소적합
4.5 보편적인 머신러닝 작업 흐름
4.6 요약
[ 5주차 ]
2부 실전 딥러닝
5장 컴퓨터 비전을 위한 딥러닝
5.1 합성곱 신경망 소개
5.2 소규모 데이터셋에서 밑바닥부터 컨브넷 훈련하기
5.3 사전 훈련된 컨브넷 사용하기
5.4 컨브넷 학습 시각화
5.5 요약
[ 6주차 ]
6장 텍스트와 시퀀스를 위한 딥러닝
6.1 텍스트 데이터 다루기
6.2 순환 신경망 이해하기
6.3 순환 신경망의 고급 사용법
6.4 컨브넷을 사용한 시퀀스 정리
6.5 요약
[ 7주차 ]
7장 딥러닝을 위한 고급 도구
7.1 Sequential 모델을 넘어서: 케라스의 함수형 API
7.2 케라스 콜백과 텐서보드를 사용한 딥러닝 모델 검사와 모니터링
7.3 모델의 성능을 최대로 끌어 올리기
7.4 요약
[ 8주차 ]
8장 생성 모델을 위한 딥러닝
8.1 LSTM으로 텍스트 생성하기
8.2 딥드림
8.3 뉴럴 스타일 트랜스퍼
8.4 변이형 오토인코더를 사용한 이미지 생성
8.5 적대적 생성 신경망 소개
8.6 정리
9장 결론
9.1 핵심 개념 리뷰
9.2 딥러닝의 한계
9.3 딥러닝의 미래
9.4 빠른 변화에 뒤처지지 않기
9.5 맺음말
신청하기: https://goo.gl/forms/daBAIoEMZRHArMXI3
== 내용중 ==
AI 에 대한 전망
AI가 아직 폭넓게 적용되지 못했기 때문에 지금 당장은 AI가 이 세상에 큰 영향을 줄 수 있으리라고 믿기 힘들지도 모릅니다. 비슷하게 1995년으로 돌아가 보면, 그때는 인터넷이 미리에 미칠 영향을 믿기 힘들었을 것입니다. 그 당시에 대부분의 사람들은 인터넷이 자신과 어떻게 연관이 있을지, 우리의 일상생활을 어떻게 바꿀지 이해하지 못했습니다. 오늘날 딥러닝과 AI도 동일합니다. 그러므로 실수를 범하지 말아야 합니다. 결국 AI의 시대는 도래할 것입니다. 그리 멀지 않은 미래에 AI 가 우리의 비서가 되고, 심지어 친구가 될 것입니다. 우리의 질문에 대답하고 아이의 교육을 도와주고 건강을 보살펴 줄 것입니다. 식료품을 문 앞에 배달해 주고 A 부터 B 지점까지 차를 운전해 줄 것입니다. 점점 더 복잡해지고 정보가 넘쳐 나는 세상에 대한 인터페이스가 될 것입니다. 더욱 중요한 것은 AI가 유전학에서부터 수학까지 모든 분야의 과학자들을 도와 새롭고 놀라운 발견을 이루어 냄으로써 인류 전체를 발전시킬 것이란 점입니다.