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