이 책의 목적은 두 가지다. 첫째, 딥러닝과 전이학습에 관한 자세한 내용을 집중적으로 다루고 이해하기 쉬운 개념과 예제로 이 둘을 비교 및 대조한다. 둘째, 텐서플로, 케라스, 파이썬 등의 기존 생태계를 활용해 실제 사례와 연구 문제 등을 실습 예제로 다룬다.

이 책은 머신러닝과 딥러닝의 핵심 개념으로 시작해, 중요한 딥러닝 아키텍처인 CNN, DNN, RNN, LSTM, 캡슐 네트워크 등을 다룬다. 그다음, 전이학습의 개념에 초점을 맞춰 모델 동결, 미세 튜닝, VGG, Inception, ResNet을 포함한 사전 훈련된 최신 네트워크를 다룬다. 그리고 이러한 네트워크를 활용해 딥러닝 모델의 성능을 어떻게 향상시킬 수 있는지를 설명한다. 마지막으로 컴퓨터 비전, 오디오 분석, 자연어 처리(NLP) 같은 분야에서 다양한 실제 사례 연구와 문제를 다룬다.

이 책을 다 읽을 때쯤이면 각자의 시스템에서 딥러닝과 전이학습 이론을 구현할 만반의 준비가 돼 있을 것이다.