1부 머신러닝의 원리와 TensorFlow.js 사용법
CHAPTER 1 웹에서의 머신러닝
_1.1 개발 환경
_1.2 머신러닝을 웹에서 돌리는 이유
_1.3 연산 그래프
_1.3 연산 그래프 시각화하기
_1.4 TensorFlow.js란?
_1.5 TensorFlow.js 설치하기
_1.6 저수준 API
_1.7 Layers API
_1.8 마치며
_1.9 연습 문제
_1.10 더 읽을거리
CHAPTER 2 사전 학습된 모델을 TensorFlow.js로 가져오기
_2.1 개발 환경
_2.2 포터블 모델 형식
_2.3 텐서플로에서 모델 내보내기
_2.4 tfjs-converter를 사용하여 모델 변환하기
_2.5 TensorFlow.js에서 모델 불러오기
_2.6 마치며
_2.7 연습 문제
_2.8 더 읽을거리
CHAPTER 3 TensorFlow.js 에코시스템
_3.1 개발 환경
_3.2 왜 고수준 라이브러리가 필요한가?
_3.3 기존 모델 사용하기
_3.4 다양한 종류의 스토리지에서 데이터 불러오기
_3.5 ML_5.js를 이용한 자세 추정
_3.6 Magenta.js로 고양이 그리기
_3.7 machinelearn_.js를 사용한 XOR 분류
_3.8 마치며
_3.9 연습 문제
_3.10 더 읽을거리
2부 TensorFlow.js를 활용한 실제 애플리케이션 사례
CHAPTER 4 다항 회귀
_4.1 개발 환경
_4.2 다항 회귀란?
_4.3 2차원 곡선 피팅
_4.4 마치며
_4.5 연습 문제
_4.6 더 읽을거리
CHAPTER 5 로지스틱 회귀를 사용한 분류
_5.1 개발 환경
_5.2 이진 분류의 배경
_5.3 로지스틱 회귀란?
_5.4 2차원 군집 분류하기
_5.5 마치며
_5.6 연습 문제
_5.7 더 읽을거리
CHAPTER 6 비지도학습
_6.1 개발 환경
_6.2 비지도학습이란?
_6.3 k-평균 알고리즘 동작 원리
_6.4 기댓값-최대화 알고리즘을 사용한 k-평균 알고리즘의 일반화
_6.5 2차원 공간에서 두 그룹을 군집화하기
_6.6 마치며
_6.7 연습 문제
_6.8 더 읽을거리
CHAPTER 7 순차 데이터 분석
_7.1 개발 환경
_7.2 푸리에 변환이란?
_7.3 코사인 곡선 분해
_7.4 마치며
_7.5 연습 문제
_7.6 더 읽을거리
CHAPTER 8 차원 축소
_8.1 개발 환경
_8.2 왜 차원 축소를 해야 하는가?
_8.3 주성분 분석의 이해
_8.4 주성분 분석을 이용하여 3차원 좌표를 2차원 공간으로 투영하기
_8.5 단어 임베딩
_8.6 마치며
_8.7 연습 문제
_8.8 더 읽을거리
CHAPTER 9 마르코프 결정 문제 풀기
_9.1 개발 환경
_9.2 강화학습
_9.3 4개 상태 문제 해결하기
_9.4 마치며
_9.5 연습 문제
_9.6 더 읽을거리
3부 TensorFlow.js로 머신러닝 애플리케이션 배포하기
CHAPTER 10 머신러닝 애플리케이션 배포하기
_10.1 개발 환경
_10.2 자바스크립트 플랫폼의 에코시스템
_10.3 모듈 번들러
_10.4 깃허브 페이지로 모듈 배포하기
_10.5 마치며
_10.6 연습 문제
_10.7 더 읽을거리
CHAPTER 11 성능 향상을 위한 애플리케이션 튜닝하기
_11.1 개발 환경
_11.2 TensorFlow.js 백엔드 API
_11.3 텐서 관리
_11.4 비동기 데이터 접근
_11.5 프로파일링
_11.6 모델 시각화
_11.7 마치며
_11.8 연습 문제
_11.9 더 읽을거리
CHAPTER 12 TensorFlow.js의 전망
_12.1 개발 환경
_12.2 실험적 백엔드 프로젝트
_12.3 AutoML 에지 헬퍼
_12.4 마치며
_12.5 연습 문제
_12.6 더 읽을거리
