누구를 위한 책 인가요?
● 머신러닝 엔지니어: AutoML 개념을 탄탄히 다지고 실무에서 활용 방법과 심화 주제를 익히고 싶은 분
● AutoML 도구에 관심 있는 프로젝트 관리자 및 개발자: AutoKeras와 KerasTuner를 활용하여 프로젝트의 효율성을 높이고 싶은 분
● 데이터 과학자 및 분석가: 머신러닝 모델의 개발과 최적화 방법을 찾고 있는 분
● 학계 연구자: 최신 AutoML 연구와 기술에 관심이 있고 기존 연구와 다른 관점으로 AutoML에 접근하고 싶은 분

간추린 목차로 보는 이 책을 200% 활용하는 방법
단계별로 AutoML의 기본 개념부터 고급 주제까지 체계적으로 학습할 수 있습니다. 각 장의 내용을 순차적으로 따라가면서 실제 예제와 함께 실습하면 AutoML의 전반적인 지식과 활용 능력을 향상시킬 수 있을 것입니다.

[PART 1: AutoML 기초]
● 머신러닝과 AutoML 이해하기: AutoML의 기본 개념에 익숙하지 않다면 1장에서 AutoML의 핵심 철학과 장점을 확인해보세요.
● 머신러닝 프로젝트의 흐름 알아보기: 2장에서는 머신러닝 프로젝트를 계획하고 구성할 때 도움이 되는 전반적인 흐름을 파악할 수 있습니다.
● 딥러닝 시작하기: 3장은 기본 모델로 실제 문제를 해결하는 방법을 학습할 수 있어, 딥러닝에 익숙하지 않은 독자에게 특히 더 유용하게 작용합니다.

[PART 2: 실전 AutoML]
● 실제 머신러닝 문제 해결하기: 4장에서는 AutoKeras를 활용한 실제 문제를 해결하는 방법을 배웁니다. 실무에서 자주 마주치는 문제를 어떻게 해결하는지 경험해보세요.
● 고급 파이프라인 구성하기: 5장에서는 파이프라인의 세부 조정 및 최적화 방법을 배웁니다. 심화 단계의 AutoML 활용법을 익히고자 하는 독자에게 추천합니다.
● 사용자 정의 탐색 활용하기: 6장에서는 사용자 정의 탐색 기법을 통해 더욱 세밀한 모델 튜닝 방법을 배웁니다.

[PART 3: AutoML의 고급 주제]
● 다양한 검색 기법 탐구하기: 7장에서는 다양한 검색 기법을 통해 최적의 모델을 찾는 전략을 배웁니다.
● AutoML의 확장성 활용하기: 8장에서는 대규모 데이터셋 처리 및 병렬 처리 방법 등 AutoML의 확장성을 최대한 활용하는 방법을 배웁니다.
● 전체 내용 복습 및 미래 전망 알아보기: 9장에서는 지금까지 학습한 내용을 복습하고, AutoML의 미래 발전 방향에 대해 알아봅니다.

[부록]
● 실습 환경 구축하기: 부록 A에서는 코드 실습을 위한 환경 설정 방법을 소개합니다. 실제로 코드를 실행하며 학습하고자 하는 독자에게 유용합니다.
● 실제 예제로 실력 키우기: 부록 B에서는 다양한 데이터 유형에 대한 분류 예제를 통해 실제로 학습한 내용을 적용해보는 기회를 얻을 수 있습니다.


AutoKeras 창시자의 실무 경험을 담은 AutoML 실전 가이드
이 책은 AutoML의 기본 개념부터 심화 내용과 실무 활용까지 전 과정을 포괄적으로 다루는 실전서입니다. AutoML 파이프라인의 확장성 개선부터 검색 알고리즘, 원샷 튜닝 기법까지 최신 AutoML 기술 동향을 한 권에 모두 담아냈습니다. 더불어 AutoKeras 창시자가 직접 알려주는 방법을 통해 AutoKeras와 KerasTuner를 활용하여 ML 파이프라인을 심도 있게 배우게 됩니다. 또한 검색 기법, 분류, 회귀, 데이터 증강 등 다양한 예제를 통해 AutoML 파이프라인을 생성하고, 머신러닝 문제를 해결하며 파이프라인을 개선하는 능력을 함양할 수 있습니다. 이 책을 통해 AutoML에 대한 포괄적인 이해를 기반으로 실무에 적용할 수 있는 실용적인 지식까지 얻어보세요.


[추천사]
최신 AutoML 기술의 이론과 실제 응용 사례를 풍부하게 다루고 있어, 머신러닝 전문가로 성장하고자 하는 모든 이에게 이상적인 학습 자료입니다

윤명식, 메가존클라우드 아키텍트

이 책은 단순히 하이퍼파라미터 튜닝과 AutoModel에 국한되지 않고 파이프라인까지 고려하여 케라스의 성능을 극대화하는 방법을 상세히 다룹니다. 이 책을 통해 케라스를 사용하는 모든 연구자가 업무나 연구에서 케라스의 생산성을 높이는 경험을 쌓기 바랍니다.
이영빈, 모두의연구소

‘AutoML’이라는 이름 자체가 무척 고도화되고 쉽게 접근할 수 없는 기술로 느껴질 수 있습니다. 이러한 AutoML의 진입 장벽을 낮추기 위해 이 책은 모델 튜닝이 필요한 개발자들이 더 쉽게 접근할 수 있는 기회를 제공하고, 더 많은 사람이 AutoML을 활용할 수 있도록 돕습니다.

강찬석, LG전자 소프트웨어 엔지니어

그동안 머신러닝 모델을 구축하면서 항상 가졌던 ‘어떻게 하면 모델과 하이퍼파라미터를 더 최적화할 수 있을까?’라는 아쉬움과 갈증을 해소할 수 있는 책입니다.

박희민, 상명대학교 소프트웨어학과

이 책은 AutoKeras를 활용하여 하이퍼파라미터 튜닝을 자동화하는 방법을 소개합니다. 따라서 이 책을 읽고 나면 AutoKeras를 통해 반복적인 테스트 과정으로부터 해방되어 데이터 분석과 아키텍처 설계에 집중하여 업무 효율을 높일 수 있을 것입니다.
신기원, 고려대학교 안암병원 의료 AI 연구자

AutoKeras와 KerasTuner를 통해 ML 파이프라인을 자동화하는 방법을 단계별로 안내합니다. 다양한 기술의 장단점은 물론, 각 단계는 다양한 이론과 기술을 코드와 함께 소개하고 있습니다.

박민우, AI Researcher