케라스 8장: 생성 모델 기초 - LSTM 생성·오토인코더·스타일 전이
keras
텍스트 시퀀스 샘플링, 잠재 공간 압축(오토인코더), 합성 스타일 트랜스퍼 파이프라인 핵심 단계 요약
케라스 창시자에게 배우는 딥러닝
케라스 7장: 함수형 API·다중 입출력·콜백·모니터링 전략
keras
Sequential 한계 극복하는 DAG 모델 구성, 조기 종료·체크포인트·TensorBoard로 실험 가시화/안정화
케라스 6장: 임베딩→RNN/LSTM 시퀀스 모델링 핵심 흐름
keras
텍스트 벡터화, 임베딩 학습, 순환 구조(LSTM) 장점과 시퀀스 분류/생성 기본 패턴 정리
케라스 5장: CNN 합성곱·풀링 계층과 데이터 증강 실전
keras
패딩·스트라이드·필터로 특징 계층화, overfitting 완화를 위한 증강(ImageDataGenerator) 전략 정리
케라스 4장: 일반화 vs 과적합·정규화 기법 비교
keras
훈련/검증 분리 의미, 편향·분산 균형, 드롭아웃·가중치 규제·데이터 증강 적용 포인트
케라스 3장: 첫 분류 모델 구축 - 데이터 전처리→훈련→평가
keras
입력 텐서 준비, 모델 정의(층 스택), 손실·옵티마이저 선택, 훈련·검증 루프와 과적합 신호 확인 절차
케라스 2장: 텐서 구조·브로드캐스팅·자동미분 작동 원리
keras
텐서 차원/형상, 연산 그래프와 자동미분 흐름, 가중치 업데이트 수학을 직관 위주로 해부
케라스 1장: 딥러닝 정의·역사·활용 영역 빠른 개관
keras
AI→ML→DL 계층 관계, 대표 활용 분야, 데이터·표현 학습 핵심 개념을 구조도로 정리해 방향 감 잡기