[PART 1 AutoML 기초]CHAPTER 1 머신러닝을 AutoML로1.1 AutoML에 대한 감 잡기1.2 머신러닝 시작하기1.3 AutoML: 자동화 속의 자동화CHAPTER 2 ML 프로젝트의 엔드투엔드 파이프라인2.1 엔드투엔드 파이프라인의 개요2.2 문제 정의 및 데이터셋 조립2.3 데이터 전처리2.4 피처 엔지니어링2.5 머신러닝 알고리즘의 선별2.6 머신러닝 모델의 파인튜닝: 그리드 탐색CHAPTER 3 딥러닝 요점 정리3.1 딥러닝이란?3.2 텐서플로와 케라스3.3 다층 퍼셉트론을 사용한 캘리포니아 주택 가격 예측3.4 합성곱 신경망을 활용한 손 글씨 숫자 분류3.5 순환 신경망을 활용한 IMDB 리뷰 분류[PART 2 실전 AutoML]CHAPTER 4 자동화된 엔드투엔드 머신러닝 솔루션 생성4.1 AutoML 도구 준비: AutoKeras4.2 자동화된 이미지 분류4.3 4개의 지도 학습에 대한 엔드투엔드 AutoML 솔루션4.4 다중 입/출력 문제 다루기CHAPTER 5 AutoML 파이프라인 생성을 통한 탐색 공간 조정5.1 순차적 AutoML 파이프라인으로 작업하기5.2 자동화된 하이퍼파라미터 튜닝을 위한 순차적 AutoML 파이프라인 만들기5.3 하이퍼블록으로 자동화된 파이프라인 검색5.4 그래프 구조의 AutoML 파이프라인 설계하기5.5 사용자 정의 AutoML 블록 설계하기CHAPTER 6 완전한 사용자 정의 탐색 공간을 가진 AutoML6.1 계층별로 탐색 공간 사용자 정의하기6.2 오토인코더 모델 튜닝하기6.3 서로 다른 검색 기법으로 얕은 모델 튜닝하기6.4 튜너의 사용자 정의를 통해 AutoML 과정 제어하기[PART 3 AutoML의 고급 주제]CHAPTER 7 AutoML 검색 기법의 사용자 정의7.1 순차적 검색 기법7.2 임의 검색 기법으로 시작하기7.3 베이지안 최적화 검색 기법 사용자 정의하기7.4 진화적 검색 기법을 사용자 정의하기CHAPTER 8 AutoML의 규모 확장8.1 대규모 데이터셋 다루기8.2 다중 GPU로 병렬화하기8.3 검색 속도를 높이는 전략CHAPTER 9 마무리9.1 주요 개념 되돌아보기9.2 AutoML 도구 및 플랫폼9.3 AutoML의 미래 과제9.4 빠르게 변하는 분야에서 최신 상태 유지하기부록 A 코드 실행을 위한 환경 설정A.1 구글 코랩 시작하기A.2 로컬 우분투 시스템에 주피터 노트북 환경 설정부록 B 이미지, 텍스트, 정형 데이터 분류 예제B.1 이미지 분류: 손 글씨 숫자 인식B.2 텍스트 분류: 뉴스 그룹의 주제 분류하기B.3 정형 데이터 분류: 타이타닉 생존자 식별하기