컨텐츠상세보기

미술관에 GAN 딥러닝 실전 프로젝트
미술관에 GAN 딥러닝 실전 프로젝트
  • 저자<데이비드 포스터> 저/<박해선> 역
  • 출판사한빛미디어
  • 출판일2019-11-30
  • 등록일2021-07-22
보유 1, 대출 0, 예약 0, 누적대출 11, 누적예약 4

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 모델링

1.1 생성 모델링이란?
1.2 확률적 생성 모델
1.3 생성 모델의 난관
1.4 환경 설정
1.5 요약

CHAPTER 2 딥러닝

2.1 정형 데이터와 비정형 데이터
2.2 심층 신경망
2.3 첫 번째 심층 신경망
2.4 모델 성능 향상
2.5 요약

CHAPTER 3 VAE - 변이형 오토인코더

3.1 미술 전시회
3.2 AE - 오토인코더
3.3 변경된 미술 전시회
3.4 VAE 만들기
3.5 VAE를 사용하여 얼굴 이미지 생성
3.6 요약

CHAPTER 4 GAN - 생성적 적대 신경망

4.1 애니멀간
4.2 GAN 소개
4.3 첫 번째 GAN
4.4 GAN의 도전 과제
4.5 WGAN - 와서스테인 GAN
4.6 WGAN-GP
4.7 요약

CHAPTER 5 그리기 

5.1 사과와 오렌지
5.2 CycleGAN 소개
5.3 첫 번째 CycleGAN
5.4 CycleGAN으로 모네 그림 그리기
5.5 뉴럴 스타일 트랜스퍼
5.6 요약

CHAPTER 6 쓰기 

6.1 고약한 범법자를 위한 문학 클럽
6.2 LSTM 네트워크 소개
6.3 첫 번째 LSTM 네트워크
6.4 새로운 텍스트 생성
6.5 RNN 확장
6.6 인코더-디코더 모델
6.7 질문-대답 생성기
6.8 요약

CHAPTER 7 작곡하기 

7.1 준비 사항
7.2 첫 번째 음악 생성 RNN
7.3 MuseGAN 소개
7.4 첫 번째 MuseGAN
7.5 MuseGAN 생성자
7.6 MuseGAN 비평자
7.7 MuseGAN 분석
7.8 요약

CHAPTER 8 게임하기 

8.1 강화학습
8.2 월드 모델 구조
8.3 환경 설정
8.4 훈련 과정
8.5 랜덤한 롤아웃 데이터 수집
8.6 VAE 훈련
8.7 RNN 훈련 데이터 수집
8.8 MDN-RNN 훈련
8.9 컨트롤러 훈련
8.10 꿈속에서 훈련하기
8.11 요약

CHAPTER 9 생성 모델링의 미래

9.1 최근 5년간의 발전
9.2 트랜스포머
9.3 이미지 생성 분야의 발전
9.4 생성 모델링의 적용 분야

CHAPTER 10 결론