이 장에서는 Keras Functional API의 기본을 익힙니다. 기능형 빌딩 블록으로 간단한 기능형 네트워크를 만들고, 데이터에 맞춰 학습(fit)한 뒤 예측까지 진행해 볼 거예요.

Keras 입력과 Dense 레이어

입력 레이어

Dense 레이어

출력 레이어

모델 구성 및 컴파일

모델 만들기

모델 컴파일하기

모델 시각화하기

모델 학습과 평가

토너먼트 농구 데이터에 모델 맞추기

테스트 세트에서 모델 평가하기

Keras Functional API

이 장에서는 고유값이 많은 범주형 데이터를 표현하기 위해 범주 임베딩을 사용하고, 재사용 가능한 구성요소를 정의하기 위해 공유 층을, 여러 입력을 단일 출력으로 결합하기 위해 머지 층을 사용하는 두 입력 네트워크를 구축합니다. 이 장을 마치면 복잡한 데이터 흐름을 갖는 신경망을 설계하기 위한 기초 빌딩 블록을 갖추게 됩니다.

카테고리 임베딩

팀 조회 정의하기

팀 모델 정의

공유 레이어

두 개의 입력 정의하기

같은 모델에서 두 입력 모두 조회하기

Merge 층

공유 레이어를 사용한 출력 레이어

두 개의 입력과 하나의 출력을 사용하는 모델

모델로 예측하기

정규 시즌 학습 데이터에 모델 맞추기

토너먼트 테스트 데이터에서 모델 평가하기

두 개의 입력: 범주 임베딩, 공유 층, 머지 층

이 장에서는 2입력 모델을 3입력으로 확장하고, Keras의 summary와 plot 함수를 이용해 신경망의 매개변수와 토폴로지를 이해하는 방법을 배웁니다. 이 장이 끝나면 2입력 모델을 3입력 이상으로 확장하는 방법을 이해하게 됩니다.

세 입력 모델

홈/어웨이 입력 레이어 만들기

모델 생성 및 컴파일

모델 학습 및 평가

모델 요약과 시각화

모델 요약

모델 그리기

모델 쌓기

모델 예측을 토너먼트 데이터에 추가하기

여러 열을 가진 입력층 만들기

모델 학습하기

모델 평가하기

여러 입력: 3개 입력(그 이상까지!)

이 장에서는 여러 출력을 갖는 신경망을 구축해, 여러 타깃을 가진 회귀 문제를 해결하는 방법을 배웁니다. 또한 하나의 모델로 회귀와 분류 문제를 동시에 해결하는 예제도 구현해 볼 거예요.

두 개의 출력이 있는 모델

간단한 2-출력 모델

두 개의 출력을 갖는 모델 학습하기

모델 살펴보기 (I)

분류와 회귀를 하나의 모델로

하나의 모델로 분류와 회귀 수행하기

모델 컴파일 및 학습

모델 살펴보기 (II)

두 가지 지표로 새로운 데이터에서 평가하기

마무리

여러 출력

Basketball models

Basketball data

이 강의에서는 활용도가 높은 Keras Functional API로 다양한 문제를 해결하는 방법을 다룹니다. 간단한 다층 밀집 네트워크(멀티레이어 퍼셉트론)부터 시작해 더 복잡한 아키텍처로 확장해 볼 거예요. 여러 입력과 단일 출력을 갖는 모델을 만드는 법, 하나의 모델에서 층 간 가중치를 공유하는 방법을 배우게 됩니다. 또한 범주 임베딩(category embeddings)과 다중 출력 네트워크 같은 고급 주제도 다룹니다. 분류와 회귀를 동시에 수행하는 네트워크를 학습해 보고 싶었다면, 이 강의가 제격입니다!

<h2>Keras 함수형 API</h2>
이 강의에서는 Keras 함수형 API를 사용하여 복잡한 문제를 해결하는 방법을 배우게 됩니다. <br><br> 소개부터 시작하여, 간단한 기능적 네트워크를 구축하고, 이를 데이터에 맞추며, 예측을 수행하게 됩니다. 여러 입력과 단일 출력을 가진 모델을 구성하고, 레이어 간에 가중치를 공유하는 방법도 배우게 됩니다​​.<br><br>
<h2>다중 입력 네트워크</h2>학습을 진행하면서 범주형 임베딩, 공유 레이어, 병합 레이어를 사용해 두 입력 네트워크를 구축하는 방법을 살펴보세요. 이것들은 복잡한 데이터 흐름을 가진 신경망을 설계하기 위한 기초 구성 요소입니다. <br><br> 이 개념을 세 개 이상의 입력을 가진 모델로 확장하여, Keras의 summary 및 그래프 함수를 사용해 신경망의 매개변수와 토폴로지를 이해하는 데 도움을 줍니다​​.<br><br><h2>다중 출력 네트워크</h2>마지막 인터랙티브 연습에서는 다중 출력 네트워크를 다루게 되며, 이를 통해 여러 타깃을 가진 회귀 문제를 해결하고 회귀와 분류 작업을 동시에 처리할 수도 있습니다. <br><br> 강의가 끝날 무렵에는 여러 지표를 사용해 새로운 데이터에서 모델을 평가하는 것을 포함하여, 데이터 과학자로서의 경력을 발전시키는 데 도움이 되는 고급 딥러닝 기법에 대한 실무 경험을 갖추게 됩니다. <br><br>

Introduction to Deep Learning with Keras

Keras로 딥러닝 모델 개발 방법 배우기.

Keras로 배우는 Advanced Deep Learning

Keras를 사용하여 딥 러닝 모델을 개발하는 방법을 알아보세요.

분류와 회귀를 하나의 모델로

Create Your Free Account