Keras는 Python으로 작성되고 TensorFlow와 통합 된 신경망 API입니다. freeCodeCamp.org YouTube 채널의 새 비디오 과정에서 Keras를 사용하는 방법을 배울 수 있습니다.

Deeplizard의 이 과정에서는 인공 신경 네트워크에 대한 데이터를 준비 및 처리하고, 인공 신경 네트워크를 처음부터 새로 작성 및 훈련하고, CNN (Convolutional Neural Network)을 구축 및 교육하고 미세 조정 및 전송 학습을 구현하는 방법 등을 배우게 됩니다.

코스의 각 섹션은 특정 개념에 중점을 두며 Keras 및 Python을 사용하여 코드에서 전체 구현이 수행되는 방법을 보여줍니다.

처음부터 일부 네트워크를 구축하는 방법을 배웁니다. 다른 것들은 데이터를 미세 조정할 수 있는 사전 훈련 된 최신 모델입니다. 그런 다음 프런트 엔드 및 백엔드 배포 기술을 사용하여 모델을 배포하는 방법을 배웁니다.

전체 과정 강의 계획서는 다음과 같습니다.

1 부 : 인공 신경망 기초 

섹션 1 : Keras 및 신경망 소개

• 데이터 처리
• 신경망 구축 및 교육
• 검증 및 추론
• 모델 저장 및 로드

섹션 2 : 컨볼루션 신경망 (CNN) 

• 이미지 처리
• CNN 구축 및 교육
• 추론에 CNN 사용

섹션 3 : 미세 조정 및 전이 학습 

• 미세 조정 및 VGG16 모델 소개
• VGG16 모델에서 미세 조정 구현
• 추론을 위해 미세 조정 된 모델 사용
• MobileNet 소개
• 데이터 하위 집합에서 MobileNet 미세 조정

섹션 4 : 추가 주제 

• 데이터 확대
• Keras의 이미지 라벨링 구현
• 재현 가능한 결과 달성
• 학습 가능한 매개 변수

2 부 : 신경망 모델 배포 

섹션 1 : Flask를 사용한 배포

• 플라스크 및 웹 서비스 소개
• 간단한 Flask 앱 및 웹 앱 구축
• 플라스크로 데이터 송수신
• 플라스크가 있는 호스트 신경망
• Flask 서비스와 상호 작용할 수 있는 신경망 웹 앱 구축
• D3, DC, 크로스 필터와 데이터 시각화 통합
• Powershell 및 Curl에서 신경망에 액세스하는 대체 방법
• 정보 프라이버시 및 데이터 보호

섹션 2 : TensorFlow.js를 사용한 배포

• 클라이언트 측 신경망 소개
• Keras 모델을 TFJS 모델로 변환
• Node.js 및 Express 설정
• 신경망 웹 앱용 UI 구축
• TFJS로 신경망 호스팅
• 이미지 처리를 통한 텐서 작업 탐색
• 디버거를 사용하여 텐서 작업 검사
• 방송 텐서
• 브라우저에서 MobileNet 호스팅 효율성

freeCodeCamp.org YouTube 채널 (3 시간 시청)에서 전체 과정을 볼 수 있습니다.