메뉴 바로가기 검색 및 카테고리 바로가기 본문 바로가기

한빛출판네트워크

딥러닝의 정석 (2판)

선형대수학과 확률로 시작하여 파이토치로 완성하는 딥러닝의 이론과 실전

한빛미디어

번역서

판매중

  • 저자 : 니틴 부두마 , 니킬 부두마 , 조 파파
  • 번역 : 최재훈 , 차성재 , 성태응[감수] , 맹윤호[감수]
  • 출간 : 2024-02-02
  • 페이지 : 428 쪽
  • ISBN : 9791169211925
  • 물류코드 :11192
  • 구판정보 :이 도서는 <딥러닝의 정석>의 개정판입니다. 구판 정보 보기
  • 초급 초중급 중급 중고급 고급
4.9점 (20명)
좋아요 : 29

선형대수학과 확률로 시작하는 딥러닝의 정석

* 실전에서의 구현을 위한 파이토치 기반 소스 코드 제공

 

『딥러닝의 정석 (2판)』은 딥러닝의 기본과 본질에 집중하여 독자들이 폭넓은 이론과 실무 지식을 습득할 수 있도록 구성되어 있습니다. 초반에는 딥러닝 이해에 필요한 수학적 배경지식인 선형대수학과 확률을 살펴보고, 신경망의 기본 원리와 함께 순방향 신경망의 구조, 순방향 신경망을 PyTorch 실습 코드로 구현하는 방법, 실제 데이터셋에서 순방향 신경망을 훈련하고 평가하는 방법 등을 상세하게 다룹니다. 또한 경사하강법, 최적화, 합성곱 신경망, 이미지 처리, 변이형 오토인코더 등 실전에서의 딥러닝 구현 능력을 향상할 수 있도록 도와주고, 딥러닝의 특정 응용 분야와 신경망 아키텍처를 깊이 이해하는 데 집중합니다. 

후반부에는 시퀀스 분석 모델, 생성 모델, 그리고 해석 가능성 방법론 등에 대한 이론과 실무 지식을 제공해 최신 동향을 반영하여 각 분야에 딥러닝을 어떻게 적용하는지 설명합니다. 이 책은 딥러닝의 기본부터 심화 내용까지 아우르며, ‘정석’이라는 이름에 걸맞게 한 권으로 딥러닝 기술을 마스터할 수 있는 완벽한 가이드입니다.

 

딥러닝의 정석 2판_상세이미지_700.jpg

니틴 부두마 저자

니틴 부두마

니틴 부두마는 스탠퍼드 대학 출신으로, 하버드와 스탠퍼드를 기반으로 한 스타트업인 XY.ai 에서 헬스케어 분야의 방대한 데이터 셋을 활용하여 활발히 활동하고 있다.

니킬 부두마 저자

니킬 부두마

니킬 부두마는 샌프란시스코에 본사를 둔 Remedy의 공동 창립자이자 수석 과학자이다.

Remedy는 데이터 기반의 1차 의료를 위한 새로운 시스템을 구축하고 있는 회사이다. 

그는 16세 때 산호세 주립대학교에서 신약 개발 연구소를 운영하며, 자원이 부족한 지역 사회를 위한 저비용 스크리닝 방법론을 개발했다.

19세에는 국제 생물학 올림피아드에서 두 차례 금메달을 획득하였고, MIT에 진학하여 의료 서비스를 개선하기 위한 대규모 데이터 시스템을 개발하는 데 주력하였다. MIT에서는 전국적인 비영리 단체인 Lean On Me를 공동 설립하여 대학 캠퍼스에서 익명의 문자 핫라인을 통해 효과적인 동료 지원을 제공하고

데이터를 활용하여 전국적으로 긍정적인 정신 건강 및 웰니스 결과에 영향을 미치는 비영리 단체를 설립하였다. 

현재 니킬은 자신의 벤처 펀드인 Q Venture Partners를 통해 하드웨어 기술 및 데이터 회사에 투자하고 있으며, 밀워키 브루어스 야구팀의 데이터 분석팀을 관리하고 있다.

 

조 파파 저자

조 파파

조 파파는 『PyTorch Pocket Reference』(O'Reilly, 2021)의 저자이자 TeachMe.AI의 설립자이다. 

연구 및 개발 분야에서 25년 이상의 경력을 보유하고 있으며, 현재는 Mobile에서 수석 AI 엔지니어로 AI 프로젝트를 이끌고 있다. MSEE 학위를 취득한 그는 Booz Allen과 Perspecta Labs에서 PyTorch를 사용하는 AI 연구팀을 이끌었다. 또한 그는 수백 명의 데이터 과학자를 지도하며 Udemy, Packt 및 O'Reilly Learning을 통해 전 세계 7,000명 이상의 학생들에게 교육을 제공하고 있다.

맹윤호[감수] 역자

맹윤호[감수]

이화여대 신산업융합대학 겸임교수로 데이터 분석 및 AI 강의를 하고 있으며, 카논그룹의 CTO로 재직  중이다. 

이전에는 IBM의 Data&AI 팀에서 엔지니어로 근무했으며, 이후 카카오벤처스 패밀리사인 1z Labs를 공동창업한 후, 지분을 매각한 바 있다. 연세대학교에서 데이터 분석 전공으로 석사 과정을 졸업하고 박사 과정을 수료했다. 

SK C&C, KISTI, NRF, DBpia 등에서 프로젝트를 진행하였으며 Apache Zeppelin, Qiskit, KoGPT-2 등 오픈소스 프로젝트에 기여했다. 

삼성, 현대, LG, 딜로이트 등 기업을 대상으로 강연하고 연세대학교, 이화여대, 중앙대학교, 동덕여대, 상명대학교, 순천대학교 등에서도 강연했다. 참여 도서로는 『머신러닝 디자인 패턴』(한빛미디어, 2021), 『Do it 강화 학습 입문』(이지스퍼블리싱, 2021), 『코딩 진로』(호모루덴스, 2021), 『초소형 머신러닝 TINYML』(한빛미디어, 2020), 『쉽게 배우는 AWS AI 서비스』(한빛미디어, 2022), 『하이퍼레저 블록체인 개발』(한빛미디어, 2019), 『블록체인의 정석』(지앤선, 2019) 등이 있다. 깃허브에서 @YUNHO0130으로 활동하고 기술 블로그와 유튜브 채널을 운영하고 있다.

 

 

최재훈 역자

최재훈

현재 SW 엔지니어로 근무 중이며, 스마트폰, DTV, 셋톱박스, IoT, XR, 인공지능, 오토모티브 등 다양한 분야의 개발 경험이 있다.

컴퓨터공학 학사와 석사, 그리고 미국 경영대학원 석사 학위를 가지고 있으며 현재 기술경영학 박사 과정에 있기도 하다. 

이전에는 씽크프리코리아(현 한글과컴퓨터그룹 씽크프리)와 휴맥스에서 근무하며 자바 오피스 슈트와 임베디드 셋탑박스 소프트웨어 양산 개발에 기여했다.

『자바 인어넛셀』(한빛미디어, 2000), 『엔터프라이즈 자바 데이터베이스 프로그래밍』(한빛미디어, 2001), 『Go 성능 최적화 가이드』(디코딩, 2023)를 번역하였다.

차성재 역자

차성재

금융 AI 스타트업 AIZEN GLOBAL의 머신러닝 팀 리더 겸 의료 AI 분야의 선두 주자 AINEX에서 책임 연구원 및 연구소장을 역임한 바 있으며, 현재는 교육A I 분야의 선두 기업 크레버스에서 AI 엔지니어로 활동 중이다. 

현재는 교육 분야에서 자연어 처리와 거대 언어 모델(LLM) 및 MultiModal AI 기능을 활용한 혁신적인 서비스 개발을 주도하고 있다. 패스트캠퍼스에서 확률 및 통계, 인공지능, 머신러닝, 딥러닝 등의 과목을 담당하여 온라인 강의를 진행하였고, 서울시립대학교 스마트시티대학원에서는 데이터 분석 및 머신러닝 과목을 강의하고 있다. 금융, 의료, 교육, 스마트시티 등 다양한 산업에서 AI 서비스 개발에 참여하며 그랜드슬램을 달성해 나가고 있다.

성태응[감수] 역자

성태응[감수]

연세대학교 미래캠퍼스 소프트웨어 학부 교수로 재직 중이며, 데이터마이닝, 인공지능, 기계학습, 데이터처리 및 딥러닝 응용 등의 과목을 강의하고 있다. 

주로 금융/제조 IoT/기상/환경/보건의료 데이터 분석 및 AI 응용 의사결정지원시스템 연구개발 과제를 수행해 왔으며, 대학(원) 과정의 SW 프로그래밍 교육에 관심과 열정을 쏟고 있다. 서울대학교 전기공학부(학사)를 졸업하였으며, (美)텍사스 오스틴 주립대와 코넬대에서 전기컴퓨터공학으로 각각 석사 및 박사과정을 졸업하였다. 

이후 (美) 코넬대 Post-doc Fellow, 한국과학기술정보연구원 책임연구원을 거쳐, 연세대학교(미래) 부임 후 SW 중심대학 사업단 부단장을 역임해 왔다.

삼성전자, KT, 효성, 롯데그룹 등 기업을 대상으로 강연하며, 집필서로는 『컴퓨팅사고와 소프트웨어 with 파이썬』(인피니티북스, 2022), 『C프로그래밍 길잡이』(홍릉출판사, 2023) 등이 있다.

현재 Valuation for Data-driven Information System, LLM, Computer Vision 이외에도 Multi-modal AI/ML/DL Applications에 대한 다양한 관심으로 AI 및 빅데이터 분석 연구개발에 매진하고  있다.

CHAPTER 1 딥러닝을 위한 선형대수학 기초

1.1 데이터 구조와 연산 

__1.1.1 행렬 연산 

__1.1.2 벡터 연산 

__1.1.3 행렬-벡터 곱셈 

1.2 기본 공간 

__1.2.1 열공간 

__1.2.2 영공간 

1.3 고유벡터와 고유값 

요약 

 

CHAPTER 2 확률 기초

2.1 사건과 확률 

2.2 조건부 확률 

2.3 확률 변수 

2.4 기댓값 

2.5 분산 

2.6 베이즈 정리 

2.7 엔트로피, 교차 엔트로피 및 KL 발산 

2.8 연속 확률 분포 

요약 60

 

CHAPTER 3 신경망

3.1 지능형 머신 구축 

3.2 전통적인 컴퓨터 프로그램의 한계 

3.3 머신러닝 동작 원리 

3.4 뉴런 

3.5 뉴런으로 나타낸 선형 퍼셉트론 

3.6 순방향 신경망 

3.7 선형 뉴런과 그 한계 

3.8 시그모이드 뉴런, Tanh 뉴런, ReLU 뉴런 

3.9 소프트맥스 출력 레이어 

요약 

 

CHAPTER 4 순방향 신경망 훈련

4.1 패스트푸드 문제 

4.2 경사하강법 

4.3 델타 규칙과 학습률 

4.4 시그모이드 뉴런을 이용한 경사하강법 

4.5 역전파 알고리즘 

4.6 확률적 경사하강법과 미니배치 경사하강법 

4.7 테스트셋, 검증셋, 과적합 

4.8 심층 신경망 과적합 방지 

 

CHAPTER 5 PyTorch 기반 신경망 구현

5.1 PyTorch 소개 

5.2 PyTorch 설치 

5.3 PyTorch 텐서 

__5.3.1 텐서 초기화 

__5.3.2 텐서 속성 

__5.3.3 텐서 연산 

5.4 PyTorch에서의 경사 

5.5 PyTorch nn 모듈 

5.6 PyTorch 데이터셋과 데이터 로더 

5.7 PyTorch에서 MNIST 분류기 구축 

요약 

 

CHAPTER 6 경사하강법

6.1 경사하강법의 도전 과제 

6.2 심층 신경망 오차 표면의 극소점 

6.3 모델 식별성 

6.4 심층 신경망에서 가짜 극소점이 미치는 영향 

6.5 오차 표면의 평평한 영역 

6.6 경사 방향이 잘못된 경우 

6.7 모멘텀 기반 최적화 

6.8 간략한 이차 근사 방법 개요 

6.9 학습률 적응 

__6.9.1 AdaGrad: 경사 누적 알고리즘 

__6.9.2 RMSProp: 경사 지수 가중 이동 평균 

__6.9.3 Adam: 모멘텀과 RMSProp의 결합 

6.10 옵티마이저 선택의 철학 

요약 

 

CHAPTER 7 합성곱 신경망 

7.1 인간 시각에서의 뉴런 

7.2 피처 선택의 한계 

7.3 기본 심층 신경망의 확장 한계 

7.4 필터와 피처 맵 

7.5 합성곱 레이어에 대한 상세 설명 

7.6 맥스 풀링 

7.7 합성곱 신경망 아키텍처 상세 설명 

7.8 합성곱 신경망으로 MNIST 문제 해결 

7.9 이미지 전처리 파이프라인으로 더욱 강건한 모델 지원

7.10 배치 정규화를 통한 훈련 가속화 

7.11 메모리 제약이 있는 학습 작업을 위한 그룹 정규화

7.12 CIFAR-10을 위한 합성곱 신경망 구축

7.13 합성곱 신경망에서 학습 시각화 

7.14 복잡한 심층 신경망을 위한 잔차 학습과 스킵 연결 

7.15 인간을 초월한 시각을 지닌 잔차 신경망 구축 

7.16 합성곱 필터를 활용한 예술 스타일 재현

7.17 다른 문제 도메인에 적용되는 합성곱 필터 학습

요약

 

CHAPTER 8 임베딩과 표현 학습

8.1 저차원 표현 학습 

8.2 주성분 분석

8.3 오토인코더 아키텍처의 필요성 

8.4 PyTorch에서 오토인코더 구현 

8.5 노이즈에 강한 표현을 위한 디노이징 

8.6 오토인코더에서의 희소성 

8.7 입력 벡터보다 컨텍스트에서 더 많은 정보를 제공하는 경우 

8.8 Word2Vec 프레임워크 

8.9 Skip-Gram 아키텍처 구현

요약 

 

CHAPTER 9 시퀀스 분석 모델

9.1 가변 길이 입력 분석 

9.2 신경망 N-Gram으로 seq2seq 처리 

9.3 품사 태거 구현 

9.4 의존성 파싱과 SyntaxNet 

9.5 빔 서치와 전역 정규화 

9.6 스테이트풀 딥러닝 모델 사례 

9.7 순환 신경망 

9.8 경사 소실의 문제점

9.9 장단기 메모리 유닛 

9.10 RNN 모델을 위한 PyTorch 기본 요소 

9.11 감정 분석 모델 구현 

9.12 순환 신경망으로 seq2seq 작업 해결 

9.13 어텐션으로 순환 신경망 증강 

9.14 번역 신경망 분석 

9.15 셀프 어텐션과 트랜스포머 

요약

 

CHAPTER 10 생성 모델

10.1 생성적 적대 신경망 

10.2 변이형 오토인코더 

10.3 변이형 오토인코더 구현 

10.4 점수 기반 생성 모델 

10.5 디노이징 오토인코더와 점수 매칭 

요약

 

CHAPTER 11 해석 가능성 방법론

11.1 개요 

11.2 결정 트리와 트리 기반 알고리즘 

11.3 선형 회귀 

11.4 피처 중요도 평가 방법 

__11.4.1 순열 피처 중요도 

__11.4.2 부분 의존도 그래프 

11.5 추출적 합리화

11.6 LIME 

11.7 SHAP 

요약

 

CHAPTER 12 메모리 증강 신경망

12.1 신경망 튜링 머신 

12.2 어텐션 기반 메모리 접근 

12.3 NTM 메모리 주소 지정 메커니즘 

12.4 미분 가능 신경망 컴퓨터 

12.5 DNC에서의 간섭 없는 쓰기

12.6 DNC 메모리 재사용 

12.7 DNC 쓰기의 시간적 연결 

12.8 DNC 읽기 헤드 이해 

12.9 DNC 컨트롤러 신경망 

12.10 동작 중인 DNC 시각화 

12.11 PyTorch에서 DNC 구현하기 

12.12 DNC에 독해를 가르치기 

요약

 

CHAPTER 13 강화 학습

13.1 Atari 게임을 마스터한 심층 강화 학습 

13.2 강화 학습 소개 

13.3 마르코프 결정 과정 

__13.3.1 정책 

__13.3.2 미래 보상 

__13.3.3 할인된 미래 보상 

13.4 탐색과 활용 비교 

__13.4.1

최신 딥러닝 기술의 핵심과 본질을 다루는 가이드 

 

딥러닝을 깊이 있게 이해하기 위해서는 선형대수학, 확률 등의 수학적 이론이 꼭 필요합니다. 이 책은 수식 위주의 설명으로 선형대수학과 확률을 다루며 딥러닝의 기본을 충실하게 다룹니다. 딥러닝의 주요 개념을 이해할 수 있도록 상세한 설명과 예제를 제공하며, 딥러닝으로 어떻게 문제에 접근해야 하는지를 다양한 각도에서 다룹니다. 이 책을 읽고 나면 현대 딥러닝 접근 방식의 역사적 맥락을 이해하고, 파이토치를 활용한 딥러닝 알고리즘을 구현하는 방법을 이해할 수 있습니다. 

 

이번 개정판에서는 딥러닝의 본질을 좀 더 충실하게 이해할 수 있도록 전문용어로 어려운 설명을 최대한 배제하고 선형대수학과 확률과 같은 수학적 배경 지식을 제공합니다. 뿐만 아니라 시퀀스 분석, 컴퓨터 비전, 강화 학습 내용을 업데이트하여 최신 동향에 맞게 책의 내용을 보완하였습니다. 또한 생성 모델링과 해석 가능성 방법론이라는 새로운 주제를 추가하여, 딥러닝 분야에 대한 더 넓은 시각을 제공합니다. 이 책은 독자가 딥러닝을 스스로 학습하고 실무에 적용할 수 있도록 완벽한 지침서가 될 것입니다.

  정석이라는 제목답게 이 책은 쉽지는 않다. 언제부터인가 오픈소스를 기반으로 사용 측면에서만 스킬을 익혀 빠르게 결과물을 만들어 내는 것이 익숙해져서 그 바닥에 흐르는 이론에 대해 굳이 알 필요가 있을까라는 생각이 드는 것도 사실이다. 하지만 새로운 뭔가를 만들어 내지 않는다고 해서 그 원리를 정확하게 해 두면 가끔 자신이 필요한 형태로 커스터마이징이 가능하다. 그런 실력을 얻기 위한 '정석'이다.

  딥러닝의 알고리즘을 수학적 이론과 함께 코드로 보여주는 이 책은 한빛미디어의 지원으로 읽어볼 수 있었다.

  알파고 이후로 딥러닝에 대한 관심은 점점 높아지고 있다. 수많은 플랫폼과 모델들이 등장하고 그것을 개선한 많은 것들이 등장했다. 이후에는 그냥 학습까지 마친 형태로 제공을 시작했다. 어떻게 보면 컴퓨팅을 위해 로직을 짜던 시절에서 고급 코딩 언어로 바뀌었을 때처럼 되었다고 생각할 수 있다. AI 프롬프트는 어떻게 보면 새로운 코딩 형태라고 이해할 수도 있다. 이런 시대에 밑바닥에 흐르는 것을 공부하는 게 얼마나 도움이 될까라는 생각을 해보게 된다.

  그럼에도 지금의 고급 언어가 필요한 시대에도 분명 어셈블이나 기계어를 하는 사람들이 존재할 것이다. 어떻게 보면 스마트하지 못해 보일지도 모르겠지만 그 희소성은 점점 높아지는 게 아닐까 싶다. (더 발전이 필요 없다면 다른 얘기지만) 그런 의미에서 딥러닝의 모든 것을 보여주는 이 책이 소중한 사람이 분명 존재할 것이다.

  이 책은 기본적으로 쉽지 않다. 행렬의 연산부터 확률, 선형대수학까지 수학적 베이스가 필요하다. 그런 수학적 모델링 위해 학습을 위한 코드를 올린다. 그럼에도 읽을 수는 있다. 수학적 이론을 이해하려 들지 않고 그 원리와 사용에 집중하면 이해가 전혀 가지 않는 것은 아니기 때문이다. 그리고 코드는 PyTorch로 보여주기 때문에 실행에 대한 부담감은 일단 적은 편이다.

  조금 더 깊은 공부가 필요하다면 어김없이 꺼내드는 책들이 바로 '정석' 혹은 '바이블'이다. 이 책은 그런 책 중에 하나가 될 것이다. 가볍게 읽어도 남는 것이 있고 깊이 있는 이해가 필요할 때에도 남는 것이 있다. 딥러닝의 핵심과 본질을 다루는 '딥한' 책이다. 

  사실 겉핥기 하고 있는 나는 반에 반에 반도 이해를 못 했고 여러 방법들의 종류와 원리를 이해하는 정도로 마무리했다.

딥러닝을 하려고 하면 기본적으로 선형대수를 포함한 수학적인 기초도 있어야 하고, 통계도 물론 알아야 합니다. 게다가 이론적인 부분에서 벗어나 실제로 모델을 구현하려고 하면 코드를 작성해야 하기 때문에 프레임워크에 대한 내용도 종합적으로 알아야 합니다. 공부를 시작한 사람들은 아마 다들 조금씩은 부분적으로 '찍먹'을 해 보았을 것 같은데요.
그렇게 배운 지식들은 제 경험상으로는 아주 조각조각나서 여기서 배운 지식이 뒤에서 어떻게 쓰이는지 이해가 되지 않을 때가 많았습니다. 필요성을 느끼지 못하면 정말 하기 싫다고 생각하는 성격이라 대학교 시절에 '선형대수학'과목을 들으면서 교수님께 통계학과인데 선형대수학이 왜 필요하냐(!)라는 질문을 던지기도 했었는데요. 뒤늦게 어디서 어떻게 쓰이는 지 알게 되었는데, 미리 조금 큰 그림을 알게 되었더라면 더 열심히 하지 않았을까 하는 생각이 들곤 합니다.
저와 비슷하게 딥러닝의 방대한 공부 범위에서 좀처럼 정리가 잘 안되시는 분들이 있으실 것 같습니다. '딥러닝의 정석'을 살펴보며, 이 책으 이런 분들을 위한 책이라는 생각이 많이 들었습니다.
실제로 책의 서문에서는 딥러닝 실무자가 딥러닝에 대한 이해를 높일 수 있게 수학적인 지식부터 최신 연구 주제까지 담았다는 이야기를 하고 있습니다. 아예 딥러닝에 대해서 모르는 분들이 읽을 수 있는 도서는 아니고, 어느정도는 딥러닝에 대해서 공부해보려고 시도해서 기초 지식이 있는 분들을 대상으로 하고 있는 책입니다.
현재 '딥러닝의 정석'은 2판으로, 1판에서는 없는 수학적인 개념이 추가되고 텐서플로우였던 기존 설명을 파이토치로 변경한 부분이 가장 큰 변경점이라고 할 수 있는데요. 수학적인 개념을 간단하게 설명하면서 해당 개념이 추후에 어떤 부분에서 사용이 될 지를 같이 언급해줍니다. 막연하게 필요하겠지에서 벗어나서 명확하게 어떤 부분에서 해당 개념이 필요한지를 인지하는 것이 공부를 함에 있어서 중요하다고 생각하기 때문에 해당 부분이 이 책에서 가장 마음에 들었던 부분 중 하나라고 말할 수 있습니다.
앞서말했듯 전체적인 코드는 파이토치를 바탕으로 전개되기 때문에 기본적인 파이토치에 대한 내용도 설명되어 있습니다. 사실 저도 파이토치에 익숙하지 않아서, 책의 코드들을 모아놓은 깃헙에 들어가 코드들을 전체적으로 따라 치면서 익숙해지는 시간을 가져보려고 합니다.
2판이 출시되면서 생성모델, 강화학습 등의 내용도 추가가 되었는데요. 요즘은 LLM이 너무 핫하다보니 트렌드를 설명하며 LLM에 너무 치우쳐진 도서들도 많은데 그렇지 않아서 오히려 좋았습니다. 또한 현업에서 모델을 사용하려면 어느정도는 모델의 해석이 가능해야한다고 생각하는 편인데, 그부분을 위한 해석가능성 방법론에 대한 내용이 있어 흥미로웠습니다. 이 부분도 찾아보면 항상 조금 조각조각나 있는 부분이었는데, 이렇게 한 번에 정리해서 볼 수 있어서 좋았습니다.

# (책) 읽게 된 이유

최근 ETRI 인턴을 갔다오면서 웬만한 모델을 가져다 쓰는 것은 잘하는 듯하나, 해당 모델에 대한 기반 지식이 부족한 것을 느껴 관련 책을 찾아 보게 되었다. 그 중 기초적인 지식과 전체적인 딥러닝의 개념을 다질 수 있는 책인 '딥러닝의 정석'을 찾게 되어 읽게 되었다.


 

# 목차

  • CHAPTER 1 딥러닝을 위한 선형대수학 기초
  • CHAPTER 2 확률 기초
  • CHAPTER 3 신경망
  • CHAPTER 4 순방향 신경망 훈련
  • CHAPTER 5 PyTorch 기반 신경망 구현
  • CHAPTER 6 경사하강법
  • CHAPTER 7 합성곱 신경망?
  • CHAPTER 8 임베딩과 표현 학습
  • CHAPTER 9 시퀀스 분석 모델
  • CHAPTER 10 생성 모델
  • CHAPTER 11 해석 가능성 방법론
  • CHAPTER 12 메모리 증강 신경망
  • CHAPTER 13 강화 학습


 

# 내용

한줄 요약:

딥러닝의 기본과 본질에 집중하여 독자들이 폭넓은 이론과 실무 지식을 습득


 

KeyPoint:

  • 선형대수학과 확률에 대한 수학적 배경 지식 제공
  • 딥러닝을 사용하여 문제게 접근하는 방법
  • 시퀀스 분석, 컴퓨터 비전, 강화학습 내용 업데이트
  • 파이토치 기반 신경망 구현 (개정 전: 텐서플로)
  • 생성 모델링과 해석 가능한 방법론에 관한 이론과 실무 지식


 

# 느낀 점

딥러닝을 처음 공부하는 분과 다시 한번 딥러닝의 여러 아키텍쳐를 상기하고 싶은 분들, 특정 모델의 변천사(?)를 알고 싶은 분들께 정말 추천한다. 사실 처음 공부하시는 분들에게는 조금 어려울 수 있으나 기초부터 탄탄하게 다루는 책은 확실하다.

또한 개정판으로 바뀌면서 생성 모델 해석가능한 방법론 등 조금 더 다방면의 이론을 다루며, 파이토치로 구현된 내용을 바탕으로 딥러닝을 스스로 학습하고 실무에 적용할 수 있도록 구성한 점이 좋았다.


 

# 참고

니틴 부두마, 조 파파.『딥러닝의 정석』. 최재훈, 차성재(역). 한빛미디어, 2024.


 

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

 

딥러닝은 혼자 공부하는 게 어렵다

컴공을 복전하면서 전공 수업으로 배운 적이 있지만

그때도 어렵고 지금도 어렵다.

딥러닝을 독학하고자 하는 사람에게

딥러닝의 정석 2판을 추천합니다.

 

책 정보

 

 

[제목] 딥러닝의 정석 2판

[출판사] 한빛미디어

[지음] 니틴 부두마, 니킬 부두마, 조 파파

[옮김] 최재훈, 차성재

[가격] 34,000원

목차

1장. 딥러닝을 위한 선형대수학 기초

2장. 확률 기초

3장. 신경망

4장. 순방향 신경망 훈련

5장. PyTorch 기반 신경망 구현

6장. 경사하강법

7장. 합성곱 신경망

8장. 임베딩과 표현 학습

9장. 시퀀스 분석 모델

10장. 생성 모델

11장. 해석 가능성 방법론

12장. 메모리 증강 신경망

13장. 강화 학습

책 후기

딥러닝의 정석 2판은 선형대수학과 확률로 시작하여

파이토치로 완성하는 딥러닝의 이론과 실전을 담은 책이다.

1판에서 5가지의 내용이 2판에는 추가되었다.

- 선형대수학과 확률에 대한 수학적 배경 지식 제공

- 딥러닝을 사용하여 문제에 접근하는 방법

- 시퀀스 분서, 컴퓨터 비전, 강화 학습 내용 업데이트

- 파이토치 기반 신경망 구현

- 생성 모델링과 해석 가능한 방법론에 관한 이론과 실무 지시

첫 장의 시작은 선형대수학이다.

딥러닝에서 선형대수학이 빠질 수 없지.

대학에서 전공수업으로 배운 적이 있기 때문에

복습하는 듯이 읽어갔다.

딥러닝을 처음 배우는 사람도 쉽게 이해할 수 있도록

어려운 선형대수학을 잘 풀어놨다.


 

시그모이드 뉴런 부분은 처음 본 부분이다!

그래서 낯설면서도 수식을 이해해보려고 노력했지만

도통 문과의 머리로는 이해하기 어려워서 가볍게 읽고 넘겼다.

이 책은 이렇게 스크립트가 나와있다

정처기, sqld 나 코딩을 공부한 사람이라면 스크립트를 읽으면서

공부하는데 문제는 없을 것 같다

책 속 내용을 읽고 스크립트를 보고를 반복하면서

명령어를 이해하는데 집중했다

 

문제해결방법으로 어떤 순서로 명령어를 쓰면

원하는 결과값을 얻을 수 있는지 그림으로 설명해준다

내용이 쉽지 않기 때문에 그림으로나마 조금은 이해할 수 있도록 읽어본다.

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 제공 받아 작성된 서평입니다.

딥러닝의 '정석' 답게 이론과 심화 내용을 모두 담고 있다.

그동안 인공지능의 딥러닝에 대해 어렵게만 생각했지만 이 책에 나온 다양한 예시와 풍부한 설명으로 딥러닝을 공부하는 데 큰 도움이 되었다. 게다가 딥러닝을 제대로 공부하기에 앞서 1,2장에서 선형대수학과 확률을 다뤄 학습의 이해를 높여준다.
딥러닝을 제대로 공부해보고 싶다면 꼭 읽어보길 추천하는 책이다.

 

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."


 

심층적인 분석을 남기기 전 본 최신판에 대한 간략한 이야기로 시작해보고자 한다.

 

딥러닝의 정석(2판), 1판과의 달라진 점은?

2판이 새롭게 출시된 것이므로 달라진 점을 안보고 지나칠 수 없었다. 1판 대비 광범위한 수학적 배경 지식, 특히 선형대수학과 확률론에 관한 내용을 제공하여 향후 학습할 내용에 대비할 수 있다는 특징을 갖고 있었다.

 

이 책의 전체 구성을 보고 느낀 바는?

정석이라는 이름답게 딥러닝 학습을 위해 필요한 수학적 지식을 시작으로 각 딥러닝 모델에 대한 내용이 폭넓게 제공되어 있어 좋았다. 합성곱 신경망에만 치우치지 않고, Tensorflow 라이브러이에서 Pytorch 라이브러리로 트렌드가 변화한 것에 맞추어 Pytorch 라이브러리에 대한 설명, 순방향 & 합성곱 신경망에 대한 설명, 메모리 증강 기법, 끝으로 강화학습까지 딥러닝 분야를 총 망라한 구성이 정말 ‘딥러닝의 정석’ 다운 느낌이 들었다.

 

1~2장 딥러닝을 위한 선형대수학 기초, 확률 기초

대학에서 선형대수학을 배운 덕에 이 챕터들이 더 친근하게 다가왔다. 공학도의 시선에서, 학점을 위해서 배웠던 수학을 이제는 딥러닝에 어떻게 적용되는지 이 챕터에서 복습과 동시에 정리할 수 있었다.

 

3장 신경망 / 이론

▲ 딥러닝의 정석2판), 71p

보통의 딥러닝 관련 도서라면 경사 하강법 or 순환 신경망부터 설명하는 경우가 많다. 하지만, 이 책에서는 신경망에 대한 이해를 도모하기 위해 신경망 챕터를 따로 마련한 것이 인상적이었다. 신경망에 대한 정의만 서술한 것이 아니라, 왜 머신러닝이 등장하게 되었는지?, 그 발단은 어디였는지도 잘 설명해주었다. 뉴런에 대한 설명을 Layer에서 시작하는 것이 아니라, 실제 인간의 뇌에서 본떠 진행되었다는 것부터 출발하면서 초심자가 이해가 더 쉽게 구성되었다. 이러한 구성은 자연스럽게 순방향 신경망과 알고리즘의 설명으로 자연스럽게 이어졌다.

 

4장 순방향 신경망 / 이론

▲딥러닝의 정석(2판), 100p.

본 장부터는 신경망에서 차근차근 쌓아온 지식을 조금 더 깊게 바라볼 수 있었다. 가장 대표적인 예가 바로 순방향 신경망인데, 머신러닝을 학습한다면 가장 먼저 마주하게되는 경사하강법을 시작으로 기본적인 테스트셋, 검증셋, 과적합에 대한 설명과 함께 과적합을 방지하기 위해 어떠한 방법들이 있는지 그림과 함께 잘 설명해주고 있다.

5장 Pytorch 기반 신경망 구현 / 실습

▲딥러닝의 정석(2판), 118p

0부터 알고리즘을 일일히 하나씩 구현해야 한다면 우린 쉽사리 단시간에 머신러닝, 딥러닝을 학습하지 못할 것이다. 5장에서는 앞선 장들과 달리 딥러닝 학습을 위해 주로 사용하는 Pytorch 라이브러리에 대한 간략하면서도 핵심을 잘 짚어주고 있다. 단, 이 책은 python을 기본적으로 다룰 줄 아는 독자를 대상으로 하고 있어 바로 conda로 들어간다는 점. 주의하자! 본 장에서 한 가지 아쉬웠던 점을 꼽자면, 실습 코드와 글의 구분이 잘 안간다는 점이다. 다른 장에서 예시로 제시된 사진, 그림들처럼 실습 코드에도 배경색이 들어갔다면 더 좋았을 것 같다. 실습 코드에 대한 자세한 설명은 실습 코드 상에 표시된 주석과 함께 코드를 직접 실행해보지 않더라도 내용을 이해하는데 무리가 없게 해주었다.

6장 경사하강법

▲딥러닝의 정석(2판), 131p

신경망에서 맛만 보았던 경사하강법에 대해 자세히 알려주는 장이다. 내용도 내용이지만, 뒤로 갈수록 용어데 대한 압박이 심해지는 것이 바로 인공지능이라는 학문 같다. 정말 많은 용어가 등장하고, 용어 하나하나가 이해하지 못하면 다음 내용에 대한 이해가 어려워진다. 어느 학문이나 그렇지만, 인공지능도 외국에서 한국으로 넘어온 학문인 만큼, 자칫 잘못하면 오역으로 인해 학습에 어려움을 겪기도 한다. 하지만, 이 책에서는 위에 보이는 것처럼 중요 단어마다 실제 영어로는 어떻게 표기되는지를 같이 표기해주어, 오역으로 인한 문제를 예방하고 있다.


모든 내용을 다루면 본문이 너무 길어지므로, 절반 정도의 내용으로 서평을 마무리 짓고자 한다. 이 책을 한줄로 표현하면 '말 그대로 정석과 같은 책, 학창시절 수학의 정석을 달고 살았다면 AI 개발자로 입문을 희망하는 사람은 이 책을 기반으로 학습을 이어가도 충분한 책"이라고 할 수 있겠다. 단순히 "이렇게 학습하면 돼"가 아닌 "왜? 머신러닝이 나오고, 딥러닝이 나오게 되었는지, 각 알고리즘은 어떻게 해서 등장하게 되었는지를 순차적으로 풀어주고 있어" 이해를 기반으로한 학습을 좋아하는 사람이라면 더욱 잘 맞는 책이다.

 

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

출처: https://patiencelee.tistory.com/1170 [PatienceLee:티스토리]

『딥러닝의 정석』(니틴 부두마·니킬 부두마·조 파파 지음, 최재훈·차성재 번역, 성태응·맹윤호 감수)은 딥러닝의 기본 원리와 실전이라는 두 마리 토끼를 모두 잡은 책으로, 2판에서는 딥러닝의 최신 동향까지 깊이 있게 다룹니다.

 

 

책은 딥러닝의 기반이 되는 선형대수학·확률·신경망의 기초를 직관적으로 설명하며, 파이토치를 통한 신경망을 구현해 봅니다. 이후에는 자연어 처리뿐만 아니라 다양한 기술 응용 분야 활용되는 시퀀스 분석 모델, GAN(생성적 적대 신경망)· VAE(변이형 오토 인코더)로 이해하는 생성 모델, 모델의 결정 과정을 얼마나 잘 설명할 수 있는지를 나타내는 해석 가능성 방법론, 메모리 증강 신경 아키텍처인 NTM(뉴럴 튜링 머신)과 DNC(미분 가능 신경망 컴퓨터)를 통해 최신의 딥러닝 동향을 이해하고, 강화 학습을 자세히 소개하며 마무리합니다.

 

 

 

『딥러닝의 정석』은 이론적인 내용과 함께 실습을 제공함으로써, 딥러닝을 체계적으로 배울 수 있었습니다. 2판에서는 최신 딥러닝 기술을 반영하여, 딥러닝 분야의 최전선에서 일어나고 있는 트렌드를 파악할 수 있게 도와줍니다.

딥러닝을 처음 접하는 사람들에게는 친절한 안내서가 되어줄 것이며, 이미 경험이 있는 전문가들에게는 지식을 한층 더 심화시킬 수 있는 훌륭한 가이드가 될 것입니다.

 

​2판으로 돌아온 『딥러닝의 정석』은 많은 장점을 가지고 있던 책이었습니다.

✅ 복잡한 수학적 개념과 알고리즘을 직관적으로 설명하여, 독자가 딥러닝의 기본 원리를 쉽게 이해할 수 있도록 돕습니다.

✅ 이론적 지식뿐만 아니라, 딥러닝 프레임워크(파이토치)를 사용한 실습 예제와 프로젝트를 통해 문제 해결 능력을 향상시킬 수 있습니다.

✅ 복잡한 딥러닝 모델을 해석하고 이해하는 다양한 방법을 소개하여, 모델의 결정 과정을 더 잘 이해할 수 있도록 합니다.

✅ 최신 연구와 기술을 반영하여, 딥러닝 업계·학계에서 일어나고 있는 변화를 파악하는 데 유용합니다.

책은 딥러닝의  깊이 있는 지식을 소개하여 심화 학습을 원하는 사람들에게 특히 도움이 될 것 같습니다. 딥러닝을 다루는 서적들과 비교했을 때, 수식 하나하나까지 세세하게 다루는 설명이 일품이었습니다.

 

 

 

『딥러닝의 정석』은 딥러닝의 기본부터 심화 내용까지 담고 있는 책으로, 선형대수학과 확률에 대한 이해와 신경망의 기본 원리를 배우고자 하는 사람, 최신 동향을 반영한 시퀀스 분석 모델·생성 모델·해석 가능성 방법론 등 각 분야에서 딥러닝을 어떻게 적용하는지 배우고자 하는 사람에게 추천하고 싶습니다.

특히 『혼자 공부하는 머신러닝+딥러닝』 정도의 책을 읽고, 딥러닝과 머신러닝에 대해 일정 수준의 지식을 가진 독자들에게 더욱 유용할 것으로 보입니다. 비전공자나 완전 초보자보다는 딥러닝에 대한 기본적인 이해가 있는 사람들이 더 잘 활용할 수 있을 것입니다.


추천하는 책으로는 『개발자를 위한 머신러닝&딥러닝』(로런스 모로니 지음, 박해 옮김, 한빛미디어, 2022)입니다. 날씨·노래·패션 등 다양한 데이터 셋을 활용하여 모델을 구축하고 활용하는 데 장점을 가졌던 책입니다. 『딥러닝의 정석』이 이론과 활용이 7:3 정도라면, 『개발자를 위한 머신러닝&딥러닝』은 3:7 정도의 비율을 가졌던 책으로 딥러닝을 효율적인 코드로 작성하는 것에 중점을 둡니다.

 

 

 

일반적으로 머신러닝 내에서도 딥러닝이라고 불리는 연구 분야는

본질적으로 컴퓨터 비전 및 자연어 처리 문제를 해결하는 데 눈부신 성공을 이끌어내고 있다.

이 알고리즘은 다른 종류의 머신러닝 알고리즘을 훨씬 능가할 뿐만 아니라

인간이 달성한 정확도 또한 능가하는 경우도 다양하게 나타나고 있으니 말이다.

 

<딥러닝의 정석>, 70p

 

책에서 인상적인 부분으로는 신경망의 기본 원리와 순방향 신경망의 구조, 그리고 파이토치 실습 코드를 통한 구현 방법을 상세하게 다루는 점이었습니다. 또한, 경사하강법, 최적화, 합성곱 신경망, 이미지 처리, 변이형 오토 인코더를 실습하면서, 실무 레벨에서는 딥러닝을 이렇게 구현하는구나 알 수 있어 좋았습니다.

책의 후반부에서는 시퀀스 분석 모델, 생성 모델, 해석 가능성 방법론 등 최신 동향을 반영하여 각 분야에 딥러닝을 어떻게 적용하는지 설명하는 부분도 어려웠지만 딥러닝을 더 넓은 시각으로 이해하는 데 도움이 되었습니다.

책의 아쉬웠던 점으로는 딥러닝의 수학적 개념과 배경이 자세히 나와있어, 수학이 두려운 저 같은 입문자에게 어려웠습니다. 그리고 프로젝트가 영어가 아닌 한글로 구성한 프로젝트가 있었으면 좋겠다는 생각이 들었습니다.

책은 2판을 맞아 딥러닝 모델의 해석 방법과 차원 축소, 시퀀스 분석, 강화 학습 등의 심화 주제를 다뤄, 자신의 딥러닝 수준을 한 단계 레벨 업할 수 있게 도와줍니다. 딥러닝의 기본 원리와 수학적 개념을 배우고자 하는 하는 사람에게 큰 도움이 될 것이며, 딥러닝에 대한 두려움을 극복하고자 하는 모든 사람들에게 추천하고 싶습니다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

 보통 시간이 날때마다 서점에서 딥러닝 관련 서적이 어떤게 있는지 찾아보곤 한다. 불과 몇년전만 해도 몇권 없던 딥러닝 개발 관련 책들이 이제는 정말 많아졌고, 요새는 LLM이나 생성AI 같은 최신 트렌드를 반영한 책들도 많이 나오고 있는것 같다. 개인적으로는 그런 최신 트렌드를 다룬 책들보다 원론적으로 딥러닝이 동작하는 원리에 대해서 잘 설명한 책이 나오면 좋겠다는 생각을 가지고 있고, 그런 내용을 위주로 원서나 역서를 찾아보는 편이다. 그런데 딥러닝 책이 정말 많다보니 다뤄지는 내용이나 설명하는 내용도 다양하다. 어떤 책은 밑바닥부터 처음부터 설명하는 책들도 있고, 기본적인 내용은 알고있다는 가정하에 바로 이론적인 내용을 다루는 책들도 있다.

 

 

이번에 소개하는 "딥러닝의 정석 (2판)" 책은 6년전에 나왔던 1판에서 내용 구성 및 실습 환경이 변경되어 출간된 책이다. 당시에는 텐서플로로 진행했던 실습 내용이 이번에는 파이토치로 변경되었다. 거기에 이해에 필요한 수학적인 배경까지 조금더 보강되어서 출간되었다. 그렇게 보면 앞에서 언급한 책의 기준으로 놓고 보자면 이론과 실습이 적절하게 배치된 책이 되겠다.

 책을 읽어보면 딥러닝 이해에 필요한 선형대수학과 확률 관련 내용이 초반에 다뤄지고 있어, 처음 딥러닝을 접하는 사람들이 느낄법한 수학적인 이해의 어려움이나 궁금증을 해소할 수 있게 해놨다. 물론 기초 내용이기 때문에 분량도 많지 않고, 심도있게 다뤄지지 않지만, 그래도 뒷부분에 다뤄질 내용의 배경에 대해서 잘 배치가 된 것 같아 좋았다. 또한 내용을 설명할 수 있는 도식, 특히 모델의 구조에 대한 전체적인 그림들이 상당수 담겨져 있어, 내가 만든 모델이 이런 형태를 띄는구나를 보기에 좋았던 것 같다. 그리고 2판이 비교적 최근에 나온지라 어텐션이나 메모리 증강형 모델에 대한 설명도 포함되어 있어, 해당 모델에 대해서 직접 구현해보고 공부해보고자 하는 사람에게 도움이 될 듯 하다.

 그런데 뭔가 "정석"이란 타이틀을 달고 있는 책이기에 책의 전체 분량이라던가 각 주제별 분량이 균형적이지 않은 부분이 조금 아쉬운 감이 있다. 사실 1판때도 언급된 내용이기도 한다. 영상이라던가 NLP, 강화학습 관련 내용이 자세하게 다뤄졌다기 보다는 조금 NLP에 편중되어 설명된 감이 있다. 특히 강화학습 관련 내용은 조금 실망스러울 정도로 내용이 정말 짧게 다뤄졌다. 영상쪽도 최근 기술이 언급되었다기 보다는 일반적인 예제에 대한 내용을 다루고 있었다. 물론 시퀀스 모델이나 생성모델, 메모리 증강형 모델에 대한 내용은 딥러닝 부분의 상당수를 다루고 있고, 내용 또한 디테일하게 잘 설명되어 있다. 그래서 관련 연구를 하거나 공부하는 사람에게는 정말 좋은 책이 될 수 있다. (아마 관련 내용을 다루는 저자의 성향이겠지만...) 그래도 이 내용으로 "정석"이라고 하기엔 조금 부족한 부분이 아닐까 생각한다.

 

(해당 포스트에서 소개하고 있는 "딥러닝의 정석 (2판)" 책은 한빛 미디어로부터 제공받았음을 알려드립니다.)

출처: https://talkingaboutme.tistory.com/entry/Book-Fundamentals-of-Deep-Learning-2nd [자신에 대한 고찰:티스토리]

최신 딥러닝 기술 트렌드의 이론을 광범위하게 소개해주면서도 각각의 핵심 기술을 뒷받침하는 코드들과 수학적인 내용이 정리되어있다. 전공 서적의 딱딱함없이 딥러닝의 기반과 응용을 모두 다루는 책이라고 할 수 있는 것 같다.

첨부된 코드를 바탕으로 직접 실습하면서 읽는 책들과는 다르게 기본이 되는 수학의 수식부터 응용까지 글들과 그래프, 많은 그림들과 함께 잘 정리되어있다. 그래서 전에 실습해보면서 딥러닝에 대해서 공부해보지 않고 입문으로 책을 읽기엔 적합하지 않다고 생각했다. 다만, 한 번쯤 공부해보았고, 실습 방식말고 책을 정독하여 읽으며 머리속이나 수기로 정리하면서 공부하고 싶다면 강력히 추천하는 바이다.

큰 기업들 뿐만 아니라 모든 곳에서 딥러닝에 집중하고 딥러닝 팀을 적극적으로 키우고 있다고 생각한다. 하지만, 논문은 전문 용어로 가득하고 온라인에 흩어져 있기에 여전히 복잡하고 이해하기 어려운 주제라고 생각한다. 이 책은 입문자와 실무자의 격차를 해소하는 것을 목표로 둔 책인만큼 구체적으로 서술하고 있다. 딥러닝 분야에 대한 넓은 시각을 갖고 싶고, 충실히 이해하고 싶다면 이 책을 추천하고 싶다.

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

저는 학교에서 선형대수학, 확률및불규칙신호론, 머신러닝, 데이터사이언스를 수강했습니다.

책의 장점

1. 기본적인 수학지식 리뷰

1장, 2장에 거쳐서 딥러닝을 위한 기초지식을 알려줍니다. 선대와 확률에 관한 내용을 다시 한번 리뷰하기 좋습니다.
다만 처음 배우시는 분들은 조금 어렵겠다는 생각이 들었습니다. 저 또한 글로 이해가 안 되었던 부분을 책의 예시를 보고 이해했습니다.
수학적 수식으로 정리하기 위한 말이 좀 어렵게 쓰여있다는 느낌을 받았습니다.

2. 단계별 설명과 심화내용

예전에 딥러닝 특강을 2주동안 매일 8시간씩 들은 적이 있는데 훨씬 정교한 설명과 깊은 내용을 만날 수 있었습니다. 진짜 정석같은 느낌으로 단계별로 층을 쌓아올리는 느낌입니다. 용어들에 대한 설명도 잘 되어있고 무엇보다 수학적인 수식으로 각 이론을 적용하는 것이 마음에 들었습니다.

3. 예제코드 + 수학적 개념

대부분의 딥러닝은 이론 + 실습이라고 생각합니다. 책에는 실습을 위한 코드들이 들어가 있어서 수학적 개념을 적용하기에 좋습니다. 위에서도 말했지만 단순한 코드 적용이 아닌 수학적인 지식을 적용하는 것이기에 이 책이 정말 좋다고 생각합니다.

결론

결론적으로는 정말 정석같은 책이고 무엇보다 수학적인 내용을 기반으로 코드나 책의 내용이 서술되었기 때문에 정말 좋은 책입니다.
수학적 지식이 있는 분인데 딥러닝의 학습이 필요하신 분에게 강추드립니다.

 

#️⃣  이제 '딥러닝' 책이 너무 많아요.

딥러닝, AI, Chat GPT와 같은 용어는 이제는 나를 비롯한 대중에게도 익숙하다.

분명 교양수준으로 이런 트렌드에 다가가고 싶은 사람들이 있을 것이다.

 

만약 당신이 나같은 비전공자, 직장인이라면 가장 쉬운 방법이 책일 것이다.

교보문고에서 '딥러닝'이라고 검색해보면 2천여개가 넘게 나온다.

'데이터 분석'이라는 키워드로 2,400여개 나오는 걸 보면 적은 수치가 아니다.

 

그 중 한빛 미디어에서 출판한 '딥러닝의 정석' 2판은

입문용은 아니면서 딥러닝의 기반 이론과 심화 내용을 모두 담고 있는 책이다.

 

#️⃣  스터디하기 좋은 구성

이 책은 비교적 짧은 분량의 주제로 챕터를 구성하고 있어, 스터디나 수업으로 활용하기 좋은 구성으로 되어 있다.

또한 이론의 배경이 되는 개념부터 지엽적인 내용까지 다루고 있어 기억이 희미해진 개념은 다시 찾아보거나, 새로운 이론을 보고 좀 더 찾아볼 수 있을 것 같다.

 

컴팩한 구성임에도 역전파 알고리즘을 나오게 된 배경이나 경사하강법의 극소점에 대한 실무자들 간의 의견과 같은 흥미있는 주제도 짧게 서술되어 있다. 단순 이론만 제시하고 설명하는 게 아니라 배경까지 있어 전체적인 큰 맥락을 이해하는데 도움을 준다. 

 

추가로 4장까지는  수학적 개념과 수식이 나열되어 있는데, 이에 대한 설명은 거의 생략되어 있다. 이후 5장부터는 파이썬 코드가 예시로 나오는데 따로 코드에 대한 설명 역시 없다. 하지만 최신 이론을 다루고 아직 발전적 학문이다보니 각주의 출처 표기가 빠짐 없고, 코드의 경우 깃헙(Githhub)에서 보충자료를 볼 수 있다.

 

 

#️⃣  모두를 위한 책이지만, 쉬운 책은 아니에요.

개인적인 의견이지만 입문용은 아니라서 다음과 같은 독자에게 추천하고 싶다.

 

1. 교양 수준의 AI지식을 가지고 좀 더 깊은 내용까지 도전하고 싶은 사람

2. 한 번 공부할 때 제대로 딥러닝을 공부하고 싶은 사람

3. 이미 현업에서 머신러닝을 다루거나 전공자로서 어느 정도 공부를 한 사람

 

2,3번은 내가 해당되지 않기에 개인적인 의견임을 다시 한 번 밝혀둔다.

 

#️⃣  마무리

나는 전공자도 아니고 현업 종사자도 아니기 때문에 깊이 있는 부분은 내용을 완전히 이해하기는 어려웠다. 특히 7장 이후 내용들은 처음 듣는 개념이라 아마 이 책 하나만 봐서는 더더욱 이해하기 어려워 보인다.

 

그러나 지금처럼 교양수준으로, 이해가지 않는 부분들을 다시 보는 용도로 책을 활용한다면 책장에 꽂아두고 두고두고 보는 용도로 이 책을 활용할 수 있을 것 같다.

 

 

 

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

 

Book Review

초심자보다는 초중급자를 위한

초심자보다는 초중급자를 위한 책이라 느껴진다. 내 개인적인 의견이다. 거의 중급자 정도 되면 이제 코드를 보면 대충 어떤 느낌인지 감이 올 것이다. 그 상태에서 이 책의 설명을 읽으면 더 재밌게 읽을 수 있다. 오랜만에 글을 쓰는 거라 설명을 정말 못 하는데, 하고 싶은 말은 파이토치의 문법 하나하나를 다 자세하게 설명하지는 않는다는 것이다. 이 책은 코드 전체의 흐름을 진행하며 설명하는 그런 느낌의 책이다. 그렇기에 초심자가 읽기에는 조금 어렵다고 생각했다. 근데 의외로 난 재밌게 읽었다. 복습하는 느낌도 들었고, 도움이 많이 됐다고 생각한다. 특히 4장까지는 선형대수학, 확률, 신경망, 순방향 신경망에 대해 설명하는데 코드는 하나도 나오지 않는다. 다 수학과 개념이 나오는데 비록 기초적인 내용이지만 내가 알고 있는 지식을 다시 점검하면서 복습할 수 있기에 좋았다. 그리고 이 책에는 수식이 꽤 많이 나오는데 저자가 수학적인 내용도 설명하고 싶었다는 걸 보여주는 모습이다. 이런 부분은 중급자 입장에서는 더 도움이 되지 않나 생각이 든다.

 

이것저것

CNN, RNN, 강화학습, 생성 모델, XAI 그리고 NTM이라고 불리는 Neural Turing Machines까지 다 언급하고 간단하게라도 다뤄본다. XAI, NTM 부분은 개인적으로 너무 어려웠던 부분이다. CNN, RNN, 강화학습에 비하면 조금 지엽적이기에 이해하기 어려웠지 않았나 싶다. 공부 열심히 하신 분들은 이 부분도 이해 하지 않을까. 어쨌든 한 번이나마 이런 분야가 있다는 걸 알게 되어서 흥미로웠던 부분이다.

대상 독자

초심자에게는 불친절한 책이 맞다고 생각이 든다. 그러나 어느정도 딥러닝의 흐름을 알고 있다면 이 책을 재밌게 읽을 수 있을 것이다. 딥러닝의 다양한 분야를 찍먹 해보고 싶은 분들께도 추천하고 싶다. 딥러닝을 공부하고 싶은데 내가 어떤 분야를 해보고 싶을지 모를 때 참고하면 도움이 될 것이다. 또, 읽고 싶은 부분을 복습하고 싶은 분들도 한 번 읽어보는 걸 추천한다. 개념 설명은 누구나 다르게 할 수도 있으니 말이다. 복습은 언제나 좋은 것이라 생각한다. 난 요즘 생성 모델을 열심히 공부하고 싶어 GAN 부분을 특히 더 자세히 읽었다.

파이토치는 딥러닝 연구 및 애플리케이션 개발에 있어 가장 인기 있는 프레임워크 중 하나로, 그 사용의 용이성과 유연성 때문에 널리 채택되고 있다. 이 책은 파이토치의 기본적인 사용법부터 고급 기능까지 체계적으로 다루며, 딥러닝의 다양한 주제를 이해하는데 도움을 준다.

딥러닝 입문자라면 전반전인 기본을 탄탄하게 쌓는데 도움이 될만한 내용으로 구성되어 있고, 실무자에게도 기본 지식을 확인할 수 있는 기초를 탄탄하게 다질 수 있는 책이다.

첫 장에서는 딥러닝에 필요한 선형대수학의 기초를 다루며, 행렬과 벡터의 연산부터 시작해 고유값과 고유벡터에 대한 개념을 설명한다.

두 번째 장에서는 확률론의 기초를 다루며, 사건의 확률부터 조건부 확률, 확률 변수, 기댓값과 분산 등의 개념을 통해 모델의 불확실성을 수량화하는 방법을 설명한다. 또한, 베이즈 정리와 엔트로피 개념을 통해 데이터에서 정보를 추출하고 해석하는 방법에 대해 배운다. 딥러닝을 위한 베이즈 기법과 엔트로피에 대한 개념을 통해 딥러닝에 필요한 필수적인 이론과 수식을 배울 수 있다.

세 번째 장에서는 신경망의 기본 구조와 작동 원리에 대해 설명한다. 이 장에서는 인공 뉴런, 퍼셉트론, 순방향 신경망 등의 기본적인 개념을 다루며, 활성화 함수의 종류와 역할에 대해서도 배운다.

네 번째 장은 신경망 훈련에 초점을 맞추며, 경사하강법과 역전파 알고리즘을 비롯한 학습 알고리즘에 대해 자세히 다룬다. 이 장에서는 신경망의 학습 과정에서 발생할 수 있는 다양한 문제와 그 해결 방법에 대해 설명한다.

다섯 번째 장에서는 PyTorch를 사용한 신경망 구현 방법을 소개한다. 이 장에서는 PyTorch의 기본 개념, 텐서 연산, 자동 미분 기능, 데이터 로딩 방법 등을 다루며, MNIST 데이터셋을 사용한 분류기를 구축하는 과정을 통해 실습한다.

여섯 번째 장에서는 경사하강법에 관한 심화 내용을 다루며, 특히 심층 신경망의 학습 과정에서 발생할 수 있는 다양한 도전 과제를 소개한다. 이 장은 경사하강법의 기본 원리를 넘어서, 심층 신경망에서의 극소점 문제, 모델 식별성, 가짜 극소점의 영향 등을 다룬다. 또한, 학습 과정을 개선하기 위한 다양한 최적화 기법들, 예를 들어 모멘텀 기반 최적화, AdaGrad, RMSProp, Adam 등의 알고리즘을 소개하며, 각각의 장단점과 적용 사례를 설명한다.

일곱 번째 장은 합성곱 신경망(CNN)에 대해 다루며, 이미지 인식과 처리에서의 핵심 기술로 CNN을 소개한다. 인간의 시각 시스템에서 영감을 받은 이 장은 필터, 피처 맵, 맥스 풀링 등의 개념을 소개하고, CNN의 다양한 아키텍처와 그 구현에 대해 설명한다. 또한, MNIST와 CIFAR-10 데이터셋을 사용한 실제 예제를 통해 CNN을 통한 이미지 분류, 객체 인식 등의 문제를 해결하기 위한 CNN의 기본적인 구조와 작동 원리를 배우게 된다.

여덟 번째 장에서는 저차원 표현 학습과 임베딩 기술을 다룬다. 이 장은 텍스트, 이미지 등 고차원 데이터를 저차원 공간에 효과적으로 표현하는 방법을 소개한다. 주성분 분석(PCA), 오토인코더, Word2Vec 등의 기술을 통해, 데이터의 본질적인 특성을 추출하고, 이를 활용해 더 효율적인 학습과 데이터 해석을 가능하게 하는 방법을 배운다. 특히, 오토인코더의 경우, 데이터의 노이즈 제거와 희소 표현 학습에 효과적임을 설명하며, 실제 PyTorch를 이용한 구현 방법을 제시한다.

열 번째 장은 생성 모델에 집중하며, 이를 통해 데이터를 생성하는 방법을 배운다. 생성적 적대 신경망(GAN)과 변이형 오토인코더(VAE)가 주요 주제로, 이들 모델이 어떻게 학습되어 새로운 데이터를 생성하는지 설명한다. GAN의 경우, 생성자와 판별자 간의 경쟁을 통해 학습이 이루어지는 과정을, VAE는 데이터의 잠재 공간을 학습하여 데이터를 생성하는 방식을 소개한다. 또한, 이 장에서는 PyTorch를 이용한 구현 방법과 함께, 생성 모델이 어떻게 이미지, 텍스트, 음악 등 다양한 유형의 데이터 생성에 적용될 수 있는지를 보여준다.

열한 번째 장에서는 해석 가능성 방법론을 다룬다. 딥러닝 모델, 특히 심층 신경망은 종종 '블랙 박스'로 비판받는데, 이 장에서는 모델의 결정을 이해하고 해석하는 다양한 기법을 소개한다. 결정 트리와 같은 해석 가능한 모델부터, LIME, SHAP 같은 모델에 대한 해석을 돕는 방법론까지 다양한 접근 방법을 설명하며, 특히 피처 중요도와 부분 의존도 그래프를 통해 모델의 결정에 영향을 미치는 요인들을 분석하는 방법을 다룬다.

열두 번째 장은 메모리 증강 신경망에 관한 것으로, 신경망에 외부 메모리를 결합하여 복잡한 문제를 해결하는 방법을 소개한다. 신경망 튜링 머신(NTM)과 미분 가능한 신경망 컴퓨터(DNC)가 주된 주제로, 이들 모델이 기존의 신경망 모델보다 어떻게 더 복잡한 패턴을 학습하고 기억할 수 있는지 설명한다. 이 장에서는 메모리 접근, 주소 지정 메커니즘, 간섭 없는 쓰기 등의 개념을 다루며, PyTorch를 이용한 구현 예제를 통해 실제 문제 해결에 적용하는 방법을 보여준다.

마지막으로, 열세 번째 장에서는 강화 학습을 다룬다. 이 장은 강화 학습의 기본 개념, 마르코프 결정 과정, 정책, 보상 시스템 등을 소개하며, 심층 강화 학습이 어떻게 복잡한 환경에서의 학습 문제를 해결할 수 있는지 설명한다. 특히, Atari 게임을 마스터한 사례를 포함하여, 탐색과 활용의 균형, 다양한 강화 학습 알고리즘(예: Q-learning, 정책 그래디언트)의 원리와 적용 방법을 다룬다. 강화 학습이 어떻게 복잡한 의사결정 문제를 해결하는 데 사용될 수 있는지 이해하는데 도움이 된다.

책에 대한 소스코드는 다음 링크에서 볼 수 있다.

darksigma/Fundamentals-of-Deep-Learning-Book: Code companion to the O'Reilly "Fundamentals of Deep Learning" book

딥러닝을 배울 때 파이토치와 텐서플로 중에 고민을 하게 되는데 최근에는 텐서플로에 비해 파이토치가 직관적인 이유로 연구자들의 많은 선택을 받고 있다. 이론적인 내용과 수식, 코드까지 함께 배우고자 할 때 참고해 보면 좋을만한 책이다.

최근 많은 주목을 받고 있는 트랜스포머까지 있다면 더 좋았겠다는 아쉬움도 있지만 강화학습까지 광범위한 내용을 다룬 책이기도 하다.

이 리뷰는 한빛미디어의 나는 리뷰어다 이벤트를 통해 도서를 제공받아 작성했습니다.

업무를 진행하거나 논문을 읽을 때면 이해보다는 당장의 코드 작성에 집중하는 편이었습니다. 수학적인 내용을 마주하면 대부분 무시하고 넘어가곤 했는데, 이런 어리석은 행동은 늘 다음 단계를 나아가는 데에 걸림돌이 되었습니다. 이 책은 기존의 도서에서 딥러닝을 이해하는 데에 필수적인 선형대수학과 확률 이론에 대한 수학적 배경이 추가되었습니다. 더불어 핵심 개념을 자세히 설명하며, PyTorch를 활용한 실습을 통해 실무적인 기술 이해도 갖출 수 있습니다. 딥러닝 입문자보다는 파이썬 프로그래밍과 수학에 대한 사전 지식이 어느 정도 필요한 도서입니다. 기초 이론을 이해하고 있다면 실무적인 도움과 성장 방향을 제시할 뿐 아니라, GPT와 같은 구조를 이해하는 데에 도움을 주는 도서가 되어줄 것입니다.

 

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

전체적으로 선형대수학, 확률 기초를 배웠지만 조금 까먹었더라도 부담 갖지 않고 읽어볼 수 있는 책입니다. 책을 읽다가 기초 내용이 기억이 안 나서 다시 공부할 일이 없도록 수학적 배경 지식을 제공하고 딥러닝에서 꼭 알아야 할 개념 위주로 이해하기 쉽게 소개한 '친절한 책'이라는 느낌을 받았습니다. 새 목차에 들어갈 때는 배울 내용에 대한 간단한 소개를 하고 목차가 끝날 때는 배웠던 내용을 깔끔하게 요약해줍니다. LTSM(장단기 메모리 유닛)과 같이 이해하기 어려운 부분들은 그림과 설명이 꼼꼼하게 되어 있어 따라가기 좋았습니다.

저는 아직 PyTorch를 다루어본 적이 없는데,5장의 PyTorch 기반 신경망 구현은 조금 어렵게 다가왔습니다. 이미 PyTorch 기본 내용을 배운 분들이라면 쉽게 이해하실 수 있을 것 같습니다.

딥러닝 노베이스에서 기초 지식을 배우고 싶으신 분보다는 이미 딥러닝 기초와 선형대수학을 모두 알고 있는 상태에서 좀 더 심화적인 내용과 최신 트렌드를 알고 싶은 분들께 추천드립니다.

 

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 제공 받아 작성된 서평입니다."

2022년 ChatGPT의 등장 이래 AI 기술이 급격히 발전하며 '인공지능'의 개념은 일상 속으로 깊이 침투했고, 그중에서도 '딥러닝'에 대한 관심도는 기하급수적으로 늘어났다. 과거에는 일부 규모가 있는 기업에서만 인공지능 기술을 연구하고 서비스하였지만 요즘에는 대기업은 물론 작은 스타트업에서도 인공지능 서비스를 심심치 않게 찾아볼 수 있게 되었다.

 

이렇듯 인공지능과 딥러닝은 우리의 일상 속으로 성큼 들어왔지만 여전히 일반인들은 그 내부 원리를 잘 알지 못한다. 마법과도 같은 딥러닝의 힘에 이끌려 공부를 해보려하다가고 이내 어려운 전문 용어와 복잡한 수식 앞에 좌절하고 포기하는 사람들이 많다. 이러한 사람들을 타겟으로 정말 쉽게 인공지능을 설명하는 자료들도 많지만 이는 대부분 실질적인 도움이 되지는 못해 이내 '내가 무슨 딥러닝이냐, 원래 하던 거나 잘하자'라며 발길을 돌리기도 한다.

 

이 책은 바로 그런 사람들에게 추천하고 싶은 책이다. 이 책은 기본적인 파이썬 프로그래밍 실력을 가진 사람들에게 딥러닝의 이론과 프레임워크를 차근차근 설명한다. 기존 1판은 수학적 개념에 대한 선행 지식이 없는 사람들에게 다소 불친절했지만 이번 개정판에서는 딥러닝에 필요한 선형대수학과 확률론 개념을 추가하여 더욱 짜임새 있게 설명을 전달하고 있다. 딥러닝하면 바로 떠오르는 경사하강법부터 합성곱 신경망과 순환 신경망은 물론 최근 가장 핫한 트렌드 중 하나인 생성 모델은 물론 신뢰성 있는 인공지능을 위한 해석 가능 방법론과 메모리 증강 신경망, 강화학습과 같은 다소 생소하고 복잡한 개념까지 다루고 있어서 처음 딥러닝에 입문하는 사람은 물론 어느 정도 지식을 갖고 있는 사람에게도 도움이 되는 책이라고 생각된다.

 

또한 단순히 개념을 설명하는 것에 그치지 않고 실습 코드를 바탕으로 직접 모델을 구현해 보며 작동 원리를 이해할 수 있도록 구성되어 있어 웬만한 온라인 자료보다도 훨씬 알차고 짜임새 있게 구성되어 있어서 실무자에게도 큰 도움이 될 것이다. 다만 하나하나 친절히 설명해주지는 않으며 수식 전개가 간혹 어려운 부분이 존재하기 때문에 어느 정도 기본적인 실력은 갖추고 뛰어들기를 추천한다.

 

결론적으로, 이 책은 인공지능에 대한 기본적인 이해가 있고 파이썬 코드를 해석할 줄 아는 사람이 딥러닝을 심도 있게 배우기 위해 읽어볼 만한 책이다. 시중에서 판매되는 입문서보다는 난이도가 있으나 그만큼 알차게 내용이 구성되어 있기에 포기하지 말고 완독을 목표로 해보면 좋을 듯하다. 다만, 개인적으로 10장부터는 완벽히 이해를 하려 하기보다는 가볍게 읽고 필요할 때마다 찾아서 보는 것을 추천한다. 이 책은 제목 그대로 '정석'이기에 한 번에 완벽히 끝내려 하기보다는 곁에 두고 자주 펼쳐보며 친해져야 하는 책이기 때문이다.

딥러닝의 정석 2판 

- 정석답게 딥러닝의 기초부터 탄탄하게 다져주는 책 - 

1. 누가 읽어야 하나요?

딥러닝 기초를 공부하고 중급 이상으로 올라가고 싶은 사람들을 위한 책입니다.

책에서 선형대수, 통계학, 파이토치 기본 사용법 등을 설명하고 있어서 입문자들도 읽을 수 있을까? 하고 생각할 수도 있겠지만 딥러닝에 대한 기본 지식이 없는 상태에서 읽기에는 설명이 조금 어렵습니다.

딥러닝 기초를 익히고 이 책을 읽어 보기를 추천합니다. 

 

 

2. 딥러닝의 정석의 내용과 특징


1) 책 제목 그대로 정석 같은 책

딥러닝의 정석은 제목에서 "정석"이라는 표현을 쓴 것 처럼 내용도 "정석" 같은 책입니다.

선형대수, 통계학, 신경망, 경사하강법 등 딥러닝의 기초적인 부분부터 시작해서 최근 인기인 생성모델, 해석가능 방법론, 메모리 증강 신경망 등 최신 기술까지 모두 다루고 있습니다. 

 

2) 딥러닝의 기초부터 심도있게 설명

책의 앞부분에는 선형대수, 통계학, 신경망 등을 기초부터 설명합니다. 그런데 그냥 간단하게 설명하고 넘어가는 것이 아니라 원리를 심도있게 다루고 있어서 딥러닝에 대한 이해도가 높아지도록 기술되어 있습니다. 

 

통계학 파트에서는 수식은 물론 그림과 그래프도 함께 제공해서 깊이있는 이해를 돕고 있습니다.

3) 파이토치 설치부터 기본 사용법까지 설명하며 딥러닝 모델 구현

딥러닝의 정석에서는 파이토치를 딥러닝 툴로 사용합니다. 이 파트에서도 역시 기초부터 심화적인 내용까지 설명하고 있는데요. 파이토치를 설치하는 방법 부터 시작해서 기본 신경망을 구현하고 뒷쪽 파트에서 나오는 생성모델과 같은 심화 내용까지 코드를 통해 실습할 수 있도록 하고 있습니다. 

 

4) 충실한 원리 설명

딥러닝의 정석의 가장 큰 장점은 기초부터 심화적인 내용까지 원리 설명에 아주 충실한 책이라는 점입니다.

 

딥러닝에서 최적화 하는 방법에 대해 설명하는 많은 글을 보았지만 딥러닝의 정석처럼 쉽고 자세하게 설명하는 책은 못봤던 것 같습니다.

5) 최신기술 트랜드 소개

딥러닝의 정석은 최신 트랜드도 소개하고 있습니다.

특히 딥러닝이 많이 사용되면서 문제되었던 블랙박스 문제를 어떻게 해결해야 할지, 강화학습은 무엇이고 강화학습 방법에는 무엇이 있는지 등 간단하게나마 다양하게 소개하고 있습니다. 

 

 

마무리

딥러닝의 정석은 제목 그대로 기초부터 심도있는 내용까지 두루 설명하고 최신 트랜드까지 반영해 알려주는 책입니다. 다만 완전 초보자를 대상으로하는 책은 아니기 때문에 머신러닝과 딥러닝에 대해서 공부를 해 본 독자들에게 추천합니다. 기초 지식이 있다면 책에 담겨있는 원리 설명이 보다 쉽게 다가올 것이고 더 심도있는 이해가 가능할 것입니다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

#딥러닝의정석 #딥러닝 #deeplearning #파이토치 #pytorch #한빛미디어

눈 여겨 볼 부분

다른 책과 차별화 포인트는 1장과 2장에 소개하고 있는 선형대수학, 확률의 기초 부분입니다. 

딥러닝의 정석 2판에서는 딥러닝 이론들을 수학적인 관점에서 설명을 풀어가는 부분이 많습니다. 그러다 보니 선형대수학과 확률을 처음에 설명하고 들어가는 부분이 좋았습니다. 

그리고 딥러닝의 정석 2판을 읽으면서 좋았던 점은 pytorch로 작성한 적절한 코드를 제공하고 있고, 그 코드들의 설명도 꽤 준수한 점입니다.

 

그러나

 역시나 번역본이라서 그런지 어색한 설명이 존재하는 점이 딥러닝의 정석 2판의 아쉬운 부분 입니다.

또 한가지 최근에 AI 분야의 화두인 언어 모델에 대해서는 많이 다루고 있지 않은점도 아쉬운점 입니다.

 

*한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다. 

 

 


 

'딥러닝의 정석' 원제는 'Fundamentals of Deep Learning'

딥러닝은 요 몇년사이 아주 관심을 가지고 있는 분야라 제목이 눈에 띄었다.

특히 '정석' 이란 제목을 붙인건 딥러닝에 대한 주제나 기술의 핵심 원리와 방법을 정확하게 잘 설명 되어 있다는 뜻일 것이다. 즉 딥러닝 관련 전반 기술에 대해 독자에게 지식과 통찰력을 제공하여 이를 응용할수 있도록 가이드 할 것임을 암시하는 제목.

여태 봐왔던 여러 딥러닝 책들이 파이썬 기본 문법 부터 시작해, 기초 이론과 알고리즘, 실전 예제와 응용, 특정 딥러닝 프레임워크에 대해 기초적인 이론 설명과 예제에 많은 지면으로 구성되어 있고, 고급 수학적? 서술이 생략된 경우가 많았다. 반면 이 책은 다른 책들보다 더 깊이 있는 딥러닝의 내용을 다루고 있다.

책 서문에도 저자가 언급했지만 수학적/파이썬 프로그래밍에 대한 기본적인 이해가 있는 독자를 대상으로 한다.(딥러닝 관련 지식을 처음 시작하는 사람은 어렵게 느껴질 수 있다.)

전체적인 구성은 상세한 설명 보다는 꼭 필요한 부분을 잘 정리한 핵심 정리본에 가깝다고 본다.

(통상의 바이블 보다는 두께가 두껍지 않고 핵심이 다 포함되어 있어 좋았다.)

그리고 각장의 마지막에는 그장에서 살펴봤던 내용에 대해 다시 정리가 되어 있어 흐름을 잡기에 좋았다.

수학의 정석이 어떠했는가? 각 장에는 이런 개념이 있고, 너가 알고 있으면 나중에 이렇게 응용가능하다는걸 잘 보여주는 책인데 이 책 또한 그렇다.

1장 부터 보면서 이런 구성이고 이런 흐름이네? 정도로 읽고, 필요할때 다시 찾아보면서 아 이랬지 정도면 책을 정말 잘 활용하는게 아닐까 한다.

 

딥러닝의 정석 2판은 실무에서 활용 가능한 실용적인 내용과 함께, 이론적인 부분의 깊이가 있어 전반적으로 딥러닝에 대한 폭넓은 이해를 도모할 수 있는 책인 것 같다.

 

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 리뷰입니다.

『딥러닝의 정석 (2판)』은 딥러닝의 기본부터 고급 이론까지 폭넓게 다루며, 독자가 실무 지식을 습득할 수 있도록 구성된 책입니다. 초반부는 선형대수와 확률을 포함한 수학적 기초를 설명하고, 이어서 신경망의 원리, 순방향 신경망 구조 및 구현 방법, 그리고 PyTorch를 활용한 실습까지 다양한 내용을 다룹니다. 2판에서는 선형대수, 확률, 생성 모델, 해석 가능성 방법론이 추가되었으며, TensorFlow 대신 PyTorch를 사용합니다.

경사하강법, 최적화 기법, 합성곱 신경망, 이미지 처리 등 딥러닝 실전 능력 향상을 위한 내용이 포함되어 있으며, 생성 모델과 같은 최신 동향도 소개합니다. GAN과 VAE를 비롯한 생성 모델, 강화학습과 같은 심화 주제도 다루어, 딥러닝의 다양한 적용 분야에 대한 이해를 돕습니다.

이 책은 딥러닝에 관심이 있는 초보자부터 중급자까지 모든 수준의 독자에게 적합하며, 딥러닝의 기본적인 개념부터 심화 내용까지 체계적으로 배울 수 있는 자료입니다. PyTorch 실습 코드를 통한 실습은 실제 딥러닝 프로젝트에 적용할 수 있는 실무 지식을 제공합니다.

후기에서는 책이 컬러인 점, PyTorch 설명의 명료함이 돋보인다고 언급됩니다. AI 관련 프로젝트를 하며 PyTorch를 처음 사용하는 이들에게도 유용합니다. 또한, 핸즈온 머신러닝, 밑바닥부터 시작하는 딥러닝 등 관련 도서와 Andrew Ng 교수의 온라인 코스를 함께 학습하면 더 큰 이해를 얻을 수 있습니다.

이 책은 딥러닝을 깊이 있게 이해하고 싶은 이들에게 추천되며, 복잡한 이론과 실습을 통해 딥러닝의 다양한 측면을 마스터할 수 있는 완벽한 가이드입니다.
 

자세한 리뷰는 아래 링크를 확인해주세요.

 

딥러닝의 정석 2판 Fundamentals of Deep Learning 2nd edition
https://dev.sonim1.com/ko/blog/review-fundamentals-of-deep-learning-2nd-edition

 

 "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."
 

결제하기
• 문화비 소득공제 가능
• 배송료 : 2,000원배송료란?

배송료 안내

  • 20,000원 이상 구매시 도서 배송 무료
  • 브론즈, 실버, 골드회원이 주문하신 경우 무료배송

무료배송 상품을 포함하여 주문하신 경우에는 구매금액에 관계없이 무료로 배송해 드립니다.

닫기

리뷰쓰기

닫기
* 상품명 :
딥러닝의 정석 (2판)
* 제목 :
* 별점평가
* 내용 :

* 리뷰 작성시 유의사항

글이나 이미지/사진 저작권 등 다른 사람의 권리를 침해하거나 명예를 훼손하는 게시물은 이용약관 및 관련법률에 의해 제재를 받을 수 있습니다.

1. 특히 뉴스/언론사 기사를 전문 또는 부분적으로 '허락없이' 갖고 와서는 안됩니다 (출처를 밝히는 경우에도 안됨).
2. 저작권자의 허락을 받지 않은 콘텐츠의 무단 사용은 저작권자의 권리를 침해하는 행위로, 이에 대한 법적 책임을 지게 될 수 있습니다.

오탈자 등록

닫기
* 도서명 :
딥러닝의 정석 (2판)
* 구분 :
* 상품 버전
종이책 PDF ePub
* 페이지 :
* 위치정보 :
* 내용 :

도서 인증

닫기
도서명*
딥러닝의 정석 (2판)
구입처*
구입일*
부가기호*
부가기호 안내

* 온라인 또는 오프라인 서점에서 구입한 도서를 인증하면 마일리지 500점을 드립니다.

* 도서인증은 일 3권, 월 10권, 년 50권으로 제한되며 절판도서, eBook 등 일부 도서는 인증이 제한됩니다.

* 구입하지 않고, 허위로 도서 인증을 한 것으로 판단되면 웹사이트 이용이 제한될 수 있습니다.

닫기

해당 상품을 장바구니에 담았습니다.이미 장바구니에 추가된 상품입니다.
장바구니로 이동하시겠습니까?

자료실

최근 본 상품1