한빛출판네트워크

딥러닝에 대한 동향을 소개하지도 않고, 현 수준도 거론하지 않으면 신경회로망으로부터 시작해서 convolutional neural network을 짧게 소개하는 것으로 끝난다. 신경회로망이 multi-layer perceptron만 있는 것도 아닌데, 딥러닝 혹은 신경회로망을 지나치게 단순화해버림으로써 초보자들에게는 오히려 편견을 심어줄 우려가 크다. 시류에 편승해서 급조된 책일 뿐.

첫걸음이라고 하기엔 설명이 너무 함축적(?)이네요.

특히 수식등에 대한 설명이... 첫걸음스럽지는 못한것 같아요. ㅜ.ㅜ

딥러닝이 최근 관심이 핫한 분야인 만큼 많은 분들이 관심을 가지고 계신데요.

처음 접하시는 분들은 공부를 어디서 부터 시작하면 좋을까? 라는 고민을 하게 됩니다.

처음부터 전공서적을 보며 수식을 이해하고 이해한 수식을 바로 코드로 옮겨보는 소위 빡세게 접하길 원하시는 분들도 계시고 혹은

처음에는 개론을 익히며 전체적인 맥락 파악 후에 실질적인 공부를 원하시는 분들도 계실겁니다.

딥러닝 첫걸음이란 책은 딥러닝이란 분야를 처음 접하며 전체적인 맥락을 알아보기를 원하시는 분들에게 추천드립니다.

책의 제목인 '딥러닝 첫걸음'이라는 이름에 맞도록 이 책은 처음 접하는 분들에게 알맞은 내용입니다.

이 책은 총 200페이지가 조금 안되는 분량에서 머신러닝 - Neural Network - 딥러닝 - Convolution Neural Network 순서대로 내용을 간략하게 소개하고 있습니다. 

간략하게 소개하고 있기때문에 현업에서 실질적인 도움을 위한 책으로는 약간 부족할지는 몰라도 

짧은 시간에 딥러닝 분야에대해 알고 싶은 분들에게는 알맞은 책이라 생각합니다.

책을 보며 제가 느낀 장점이라면 

내용 이해에 대한 부담이 없습니다.

특히 수학적인 부분에 대한 부담은 거의 없다고 보셔도 되는데요. 설명에 필요한 최소의 수식 등만 책에 표기되어 있기 때문에 부담없이 내용파악 하기에 좋습니다.

거기에 더하여 내용 설명을 위한 그림들이 많습니다.

글만으로 설명하기에는 부족한 부분을 그림과 같이 설명하고 있어서 내용을 이해하는데 많은 도움을 줍니다.

그래서 얇은 두께의 책임에도 불구하고 책에서 보여주는 각 단계별 주제에 대한 설명을 잘 하고 있어 전반적인 내용을 이해하는데 굉장히 좋습니다.

그래도 책에 대해 조금 아쉬운 부분이라면 내용을 너무 간략하게 설명하고 있다는 생각이 들었습니다.

수식이 나오더라도 왜 이런 수식이 나왔는지에 대한 설명이 조금은 부족하지 않았나 라는 아쉬움과 

머신러닝, 딥러닝 등에 대한 더 많은 내용이 있을텐데 그런 내용을 소개하지 않고 있다는 점 등의 아쉬움이 있었습니다.

최근 많이 나오고 있는 딥러닝 관련한 책들 중에서 

가장 부담없이 볼수있는 교양서로서 짧은 시간안에 전체적인 내용을 파악하기를 원하는 분들에게 추천드리는 책입니다.

감사합니다.

 먼저 지은이 김성필님은 과거 "칼만필터의 이해"라는 서적으로 이미 알고 있었다. 그래서인가 역시나 MATLAB을 기본 환경으로 했다는...
 서문 및 들어가며 부분에 책의 구성에 대해서 잘 설명해 두었으며, 이 서적을 보는 목적에 맞게 접근할 수 있는 방향을 제시해 두었다. 이렇게 함으로써 독자에게 책에 대한 접근 방법을 충분히 제시하여서 책을 읽는 방법을 제공해 주는 듯 하다.
 책은 초보자에게 설명을 하려고 하였지만, 쉽지만은 않은 분야라는 부분 때문에 후반으로 갈수록 어렵다고 생각할 수 있을 듯 하다. 특히 프로그래밍이 들어가는 부분 때문에 소스 코드를 이해해야 한다는 부담이 있다. 물론 이론적인 내용만을 보려고 한다면 충분히 쉽게 볼 수 있는 책으로 판단된다.

또래 친구들 보다 뒤늦게 프로그래밍에 입문한지가 엊그제 같은데 벌써 2년을 다 채워가고 있네요. 오기로 머신러닝 한번 배워보자고 카이스트에서 제공해주는 무료 머신러닝 강의를 들은적이 있었는데, 선형회기까지는 어떻게 따라가다가 도저히 무슨소리인지 모르겠어서 포기한적이 있었습니다. 그 이후로 약간 기계학습 트라우마가 생겼었는데, 이 책을 보고 트라우마가 극복 될 것 같습니다. 간결하고 핵심을 딱 짚어주는 설명이라 아 내가 왜 그때 이해를 못했을까? 라는 생각이 들었습니다. 좋은 책 덕분에 하고 싶은 공부가 더 많아 졌습니다. 좋은 책이 더 많이 나왔으면 좋겠습니다.

작년에 알파고가 등장한 이후로 머신러닝에 대한 대중의 관심이 대단히 높아졌다. 거기에 그치지 않고 구글, 네이버가 딥러닝을 이용해 번역의 질을 비약적으로 끌어올림으로써 딥러닝은 몰라서는 안되는 중요한 기술이 됐다. 내가 처음 머신러닝을 접한 것은 3년 전인데, Coursera라고 하는 온라인 학습 플랫폼에서 Andrew Ng 교수가 개설한 강의였다. 영어 학습자 커뮤니티에는 잘 정리된 자료들도 많고 활발한 교류가 이뤄졌는데, 한국어 커뮤니티는 사람도 별로 없고 자료도 거의 없어서 배우는데 애를 먹었다. 그런데 실제로 써볼 기회가 없어서 잊고 있다가 자연어 처리 문제를 해결하기 위해 머신러닝을 다시 보게 되었다. 그래서 자료를 찾아보던 중 입문서인 ‘딥러닝 첫걸음’을 읽게 되었다. 그 외에 홍콩 과기대 김성훈 교수가 제공하는 ‘모두를 위한 머신러닝’강의도 찾아봤는데, 한국어로 된 자료들이 늘어나서 너무 기쁘다.

책을 읽기전에 마음에 들었던 점은 책의 크기였다. 소설책과 같은 크기에 두께는 소설책보다 더 얇다. 또 책 전체 페이지가 200페이지를 넘지 않는다. ‘첫걸음’이 될 책답게 입문자들에게 부담을 주지 않으려고 노력한 것이 느껴졌다. 그리고 책상에 앉아서 진득히 봐야할 내용도 있지만, 퇴근 시간에 지하철에서 읽은 챕터도 있을 정도로 쉽게 내용을 전달하고 있다. 딥러닝을 강의를 통해 배우면 빠지지 않고 등장하는 것들이 수식이다. 비용 함수, 최적화 함수, 그 외 확률 이론, 선형 대수 등 엄밀히 들어가면 배울게 굉장히 많지만 작가가 정말 필요한 부분에서만 수식을 제시하고 있다. 그래서 책에서 다루는 식들은 ‘시그모이드’, ‘가중치 갱신을 위한 델타 규칙’ 정도로 요약할 수 있을 것 같다.

책의 구성이 재미있다. 보통 책의 마지막 장에 오는 기술의 한계를 첫 장에서 설명하고 있다. 머신러닝의 정확도는 학습된 데이터에 따라 크게 달라진다는 것인데, 요새 머신러닝이 만능인 것처럼 소개되고 인간의 일을 대신할 것처럼 겁주는 사람들을 경계하라고 미리 언급하는 것 같다. 실제로 현실세계에서 데이터의 복잡도는 무한하고, 현실세계 전체를 반영하는 데이터를 제공/학습하기는 거의 불가능하기 때문이다. 이를 알려주는 사례가 최근에 발생한 테슬라의 자율주행사고, 알파고의 실수이다. 이 점을 이해한 뒤에 단층 신경망, 다층 신경망, 컨브넷(Convolutional Network)들을 차례대로 매트랩 예제들을 구현해가면서 배우게 된다. 역전파(Backpropagation) 알고리즘과 컨브넷에 대해서 설명할 때 아래 그림처럼 단계별로 그림을 수식과 함께 제시해줘서 이해하는데 많은 도움이 됐다. 그리고 모멘텀이나 드롭아웃같은 학습 규칙을 추가적으로 설명해주는 것도 괜찮았다. 또 마음에 들었던 점이 각 챕터 마지막에 배운 내용을 요약하는 페이지인데, 다음 장으로 넘어가기 전에 혼자 정리해 볼 수 있어서 좋다. 빈칸 채우기같은 것으로 되어 있었다면 더 효과가 좋았을 것 같다.

이 책에 대해 전반적으로 아쉬운 부분이 있다면, 페이지를 너무 아낀듯한 인상이다. 난 컴퓨터 공학을 전공했는데 학부에서 Matlab을 사용한 적이 전혀 없었다. Matlab 코드가 직관적인 면이 있긴 하지만 처음 보는 사람들에게는 이해하기 어려울 수 있는데 코드에 대한 설명이 좀 부실한 느낌이 들었다. 6장에서는 ‘책의 범위를 벗어나는’코드 설명으로 생략된 부분이 많아서 ‘어 아직 이해 안 됐는데…‘하면서 페이지를 넘겼는데 어느새 책이 끝나버렸다. 요즘 책이 비싸긴 하지만 책의 정가가 18,000원인데 깃허브에 부록을 남기는 식으로 ‘범위를 벗어나는’내용을 정리해 줄 수 있지 않았나 하는 아쉬움이 있다. 심지어 아마존에서 파는 영어버전 책은 정가가 42달러인데 솔직히 비싸다.

두번째 아쉬운 점은 용어정리이다. 어떤 용어는 번역을 하고, 어떤 용어는 외래어로 표기하는데 특별한 규칙을 찾기 힘들어 보인다. 사실 다른 딥러닝 관련 책들에서는 어떻게 했는지 모르겠다. 하지만, 컴퓨터 기술쪽은 영어로 된 자료가 많아서 억지로 번역하면 나중에 다른 자료들을 보는데 어려울 수 있어서 나는 외래어 그대로 쓰는 것을 선호한다. 뒷장으로 가면 갈수록 번역된 용어가 줄어드는데 일관성있게 다 번역하지 않았으면 어땠을까?

마지막으로 매트랩에 관한 아쉬운 점을 쓰려고 한다. 작가가 깡통 매트랩으로도 전부 돌아가는 코드라고 하지만 나는 매트랩이 없어서 대안인 옥타브를 이용해 코드를 테스트해봤다. 다행히 매트랩과 호환돼서 6장의 PlotFeatures.m을 제외한 파일을 모두 돌려볼 수 있었다. 파이썬 코드가 제공되어 아예 파이썬으로 코드를 확인해보는 사람들도 있을 것 같다. 그런데 작가가 가독성을 위해 매트랩으로 실습코드를 짰다면 매트랩을 대신할 오픈소스 프로그램이 있다는 것도 설명해주는게 좋을듯 하다.

이런 아쉬운 점들이 있지만 이렇게 쉽게, 필요한 내용들을 알려주는 책은 드문것 같아서 딥러닝 입문용으로 읽어볼만한 책이다. 그 후에도 구글의 자동 자막 생성이나 번역, 이미지 인식, 그림을 그리는 인공지능이 실제로 어떻게 구현됐는지 계속 궁금하다면, 그때 다시 딥러닝을 깊이 있게 설명하는 다른 책을 추가로 보면 될 것 같다.

#딥러닝 입문 #머신러닝 입문 #딥러닝 책 추천