• 컴퓨터/IT > 컴퓨터공학 > 전산개론/전산통계

2020/7 컴퓨터/IT 85위 | 현재 컴퓨터/IT 85위 |

출판사 리뷰

출판사 서평 ★ 이 책에서 다루는 내용 ★ ■ 머신 러닝과 딥러닝 알고리즘에 대한 실용적인 이해 ■ 딥러닝에 관련된 머신 러닝 알고리즘 구현 ■ 가장 많이 쓰이는 딥러닝 프레임워크를 이용한 신경망 탐구 ■? 심층 신뢰 신경망(Deep Belief Nets)과 적층 노이즈 제거 오토엔코더(Denoising Autoencoder) 알고리즘 이해 ■ 드롭아웃(Dropout)과 합성곱 신경망(Convolutional Neural Networks) ■ 딥러닝 라이브러리 DL4J에 대한 이해 및 사용법 ■ 딥러닝 알고리즘과 라이브러리 실무 ... ★ 이 책에서 다루는 내용 ★ ■ 머신 러닝과 딥러닝 알고리즘에 대한 실용적인 이해 ■ 딥러닝에 관련된 머신 러닝 알고리즘 구현 ■ 가장 많이 쓰이는 딥러닝 프레임워크를 이용한 신경망 탐구 ■ 심층 신뢰 신경망(Deep Belief Nets)과 적층 노이즈 제거 오토엔코더(Denoising Autoencoder) 알고리즘 이해 ■ 드롭아웃(Dropout)과 합성곱 신경망(Convolutional Neural Networks) ■ 딥러닝 라이브러리 DL4J에 대한 이해 및 사용법 ■ 딥러닝 알고리즘과 라이브러리 실무 이용 전략 ■ 테아노(Theano), 텐서플로우(TensorFlow) 및 카페(Caffe)를 통한 딥러닝 심층 탐구 ★ 이 책의 대상 독자 ★ 이 책은 딥러닝 알고리즘을 배워 응용하고자 하는 자바 개발자를 위한 것이다. 머신 러닝과 딥러닝 두 가지에 공통되는 핵심 개념과 접근 방법을 다루므로, 머신 러닝에 대한 사전 지식은 필요하지 않다. 매우 간단한 코드로 딥러닝 알고리즘을 구현하므로, 자바 기술과 딥러닝 기술을 향상시키는 데 도움이 될 것이다. ★ 이 책의 구성 ★ 1장, ‘딥러닝의 개요’에서는 딥러닝이 어떻게 발전해왔는지 알아본다. 2장, ‘머신 러닝 알고리즘: 딥러닝을 위한 준비 단계’에서는 딥러닝과 관련된 머신 러닝 알고리즘을 구현한다. 3장, ‘심층 신뢰 신경망과 적층 노이즈 제거 오토엔코더’에서는 심층 신뢰 신경망(Deep Belief Nets)과 적층 노이즈 제거 오토엔코더(Stacked Denoising Autoencoders) 알고리즘을 자세히 다룬다. 4장, ‘드롭아웃과 합성곱 신경망’에서는 드롭아웃(Dropout)과 합성곱 신경망(Convolutional Neural Networks)이라는 딥러닝 알고리즘을 알아본다. 5장, ‘자바 딥러닝 라이브러리: DL4J, ND4J 등’에서는 딥러닝 라이브러리 DL4J에 대한 이해와 실제 사용법을 알아본다. 6장, ‘실무 응용을 위한 접근 방법: 순환 신경망 등’에서는 실무에서 딥러닝 알고리즘과 라이브러리를 사용하기 위해 스스로 전략을 고안하는 법을 알아본다. 7장, ‘기타 중요한 딥러닝 라이브러리’에서는 테아노(Theano), 텐서플로우(TensorFlow), 카페(Caffe)를 통해 딥러닝을 더 자세히 알아본다. 8장, ‘그다음은 무엇일까?’에서는 딥러닝의 최근 동향과 주요 이벤트를 살펴보고 딥러닝에 관한 유용한 자원들을 알아본다.

★ 지은이의 말 ★

인공지능에 대한 관심이 전 세계적으로 높아지면서 딥러닝(deep learning)은 지대한 대중적 관심을 받게 됐다. 딥러닝 알고리즘은 다양한 산업 분야에서 매일같이 사용되고 있다. 딥러닝은 인공지능을 실현하기 위한 혁신적인 진보를 가져왔다. 딥러닝은 혁신적인 기법이지만 종종 딥러닝이 복잡하다는 선입견 탓에 실제 내용이 잘 알려지지 못하고 있다. 딥러닝의 이론과 개념은 복잡하거나 난해하지 않다. 이 책에서는 딥러닝을 올바르게 이해하기 위한 여러 이론과 수학식을 단계적으로 학습한다. 딥러닝을 처음부터 구축하는 과정을 보여주며, 실무에 적용할 경우 주의해야 할 것들에 대한 상세한 설명도 곁들여 놓았다.

★ 옮긴이의 말 ★

전 세계를 뒤흔든 알파고가 알려지기 꼭 1년 전이었다. 한참 딥러닝 공부에 몰두하고 있었던 역자는 적어도 2년 이내에 실리콘 밸리의 인공지능 열풍이 우리나라에도 몰아칠 것이라고 생각하고 있었다. 공부할 것은 태산이고, 기술의 발전은 가속을 받고 있는 상황에서 마음이 항상 바빴었다.
그 당시 국내 인터넷을 뒤져보면 컴퓨터 비전에 관련된 블로그나 카페는 더러 있었고, 이력이 꽤 된 것도 있었다. 그러나 딥러닝에 대해서는 거의 볼 것이 없었다. 그런 상황이 한 2년 이상은 지속될 것 같았다.
그러나 알파고에 대한 뉴스가 나오면서 정말 올 것이 왔구나 하는 생각이 들었고, 그 후 국내 인공지능의 상황은 생각보다 훨씬 빨리 돌아가고 있다. 이제는 여기저기에서 인공지능 관련 사이트가 생겨나고, 인공지능을 무기로 창업하는 회사들도 빠르게 증가하고 있다. 정부와 대기업들은 인공지능의 중요성을 새삼스럽게 강조하고 나섰다.
개발자에게 인공지능은 이제 필수 과목이 될 것이다. 아직은 경험 있는 개발 인력도 많지 않고, 많은 기업들이 무엇을 해야 할지 시행착오를 겪고 있는 것 같지만, 그럴수록 지금이 바로 인공지능 그중에서도 딥러닝을 준비할 최적기라고 확신한다.
사실 딥러닝을 혼자 공부하기는 쉽지 않다. 조그만 것이라도 깊이 이해하려고 하면 수학이 튀어나온다. 또한 항상 그렇지만 실무 응용에 써먹을 알고리즘은 교과서만으로는 부족하다. 그리고 불행하게도 개발자들이 지금까지 해왔던 것처럼 시스템 및 프로그래밍 언어에 대한 숙련도, 실무에 대한 지식, 가끔 반짝이는 아이디어, 그리고 밤샘을 두려워하지 않는 열정만으로 딥러닝을 마스터할 수는 없다.
딥러닝은 정교한 수학적 알고리즘의 집합체다. 알고리즘에 대한 깊은 이해 없이는 발전할 수 없다. 딥러닝을 공부하려고 하는 개발자는 적절한 교과서를 선택해 꾸준히 공부해야 할 것이다. 아울러 선형 대수학 확률통계, 이론, 기본적인 미적분학, 약간의 해석학 등의 수학도 필수적이므로 꾸준히 준비하기 바란다.
딥러닝이 복잡하지만 결국 컴퓨터 프로그램으로 구현해야 하는 것이므로 딥러닝 프로그램을 만들 줄 아는 것은 당연히 기본이 돼야 한다. 딥러닝은 직접 구현해보고 실험해보는 것이 무엇보다 중요하다. 반복되는 시행착오를 통해 딥러닝 알고리즘에 대한 이해가 깊어질 수 있으며, 새로운 아이디어도 떠오를 수 있다. 무엇보다 빠르게 구현해보고 검증해보고 분석하는 과정이 필수적이다.
인공지능 구현을 위한 프로그래밍 언어로, 과거에는 프롤로그(Prolog), 리스프(Lisp) 같은 언어들이 대세였으나, 최근에는 주로C++, 파이썬(Python), 자바(JAVA)가 대세를 이루고 있다. 각 언어마다 장단점이 있지만, 자바는 특히 큰 장점이 있다. 자바는 현재 기업 환경에서 가장 널리 쓰이는 언어며, 개발자의 수도 가장 많다. 자바는 환경 자체가 기업 환경에 초점이 맞춰져 있으므로 다른 언어에 비해 실무에 적용할 때 절대적으로 유리하다.
이 책의 저자는 딥러닝에 대한 사전 지식이 없는 개발자들도 딥러닝을 배울 수 있게 되도록이면 수학식을 적게 사용하면서 책을 저술했다. 이 책을 따라가면 딥러닝의 핵심적인 알고리즘을 거의 다 경험해볼 수 있다. 그리고 가장 핵심적인 딥러닝 라이브러리의 사용법도 간단히, 그러나 활용을 시작할 수 있을 만큼 소개하고 있으므로, 그 라이브러리를 이용하고자 할 때 큰 어려움 없이 시작할 수 있을 것이다.
끝으로 이 책을 통해서 딥러닝의 세계에 들어오는 독자들을 열렬히 환영한다.

목차
1장. 딥러닝의 개요
__인공지능의 변천
____인공지능의 정의
____과거의 인공지능 붐
____머신 러닝은 발전한다
____머신 러닝도 할 수 없는 것
__기계와 인간을 구분 짓는 것
__인공지능과 딥러닝
__요약
2장. 머신 러닝 알고리즘 딥러닝을 : 위한 준비 단계
__시작하기
__머신 러닝에서 학습의 필요성
__지도 학습과 비지도 학습
____서포트 벡터 머신
____은닉 마르코프 모델(HMM)
____신경망
____로지스틱 회귀
____강화 학습
__머신 러닝 애플리케이션의 절차
__신경망 이론과 알고리즘
____퍼셉트론(단일층 신경망)
____로지스틱 회귀
____다범주 로지스틱 회귀
____다층 퍼셉트론(다층 신경망)
__요약
3장. 심층 신뢰 신경망과 적층 노이즈 제거 오토엔코더
__신경망의 실패
__신경망의 설욕
____딥러닝의 진화: 돌파구는 무엇이었을까?
____사전 학습을 이용한 딥러닝
__딥러닝 알고리즘
____제한 볼츠만 머신
____심층 신뢰망(DBNs)
____노이즈 제거 오토엔코더(DA)
____적층 노이즈 제거 오토엔코더(SDA)
__요약
4장. 드롭아웃과 합성곱 신경망
__선행 학습이 없는 딥러닝 알고리즘
__드롭아웃
__합성곱 신경망
____합성곱
____수집
____식과 구현
__요약
5장. 자바 딥러닝 라이브러리: DL4J, ND4J 등
__처음부터 개발과 라이브러리(혹은 프레임워크)를 이용한 개발
__DL4J와 ND4J의 소개
__ND4J를 이용한 구현
__DL4J를 이용한 구현
____준비(설정)
____구축
______DBNIrisExample.java
______CSVExample.java
____CNNMnistExample.java/LenetMnistExample.java
____학습률 최적화
__요약
6장. 실무 응용을 위한 접근 방법: 순환 신경망 등
__딥러닝이 활발한 분야
____이미지 인식
____자연어 처리
______NLP를 위한 피드포워드 신경망
______NLP를 위한 딥러닝
__딥러닝의 문제
__딥러닝의 가능성과 능력을 최대화하기 위한 접근 방법
____분야 지향 접근 방법
______의료
______자동차
______광고 기술
______전문직 혹은 실무
______스포츠
____세분화 지향 접근 방법
____출력 지향 접근 방법
__요약
7장. 기타 중요한 딥러닝 라이브러리
__테아노
__텐서플로우
__카페
__요약
8장. 그다음은 무엇일까?
__딥러닝에 대한 긴급 뉴스
__예상되는 미래 동향
__딥러닝에 대한 최신 소식을 볼 수 있는 곳
__요약