『 모두의 딥러닝(개정3판, 길벗출판사)』리뷰! (by. 오독완챌린지 2기📖)
안녕하세요!
오랜만에 책을 읽고 리뷰를 남기게 되었네요!
이번에 소개드릴 책은 '모두의 딥러닝 (개정 3판, 조태호 저)' 입니다.
저는 평소에도 길벗출판사의 모두의 시리즈를 이미 IT 분야에서 이해하기 쉽고, 편집(디자인)이 예쁘게 되어 있는 책이라고 생각하고 있었는데요. 이번에 인스타그램을 보다가 길벗 오독완 챌린지 2기를 모집한다는 소식을 듣고, 응모하게 되었습니다.
또 유튜브를 보다가 접했던 저자 조태호 박사님의 딥러닝 강의(이 포스팅 밑에 링크도 있어요!)를 보고, 언젠가 모두의 딥러닝 책을 읽어서 꼭 읽어 봐야겠다 생각하고 있었기 때문에 바로 '모두의 딥러닝' 책을 선택했습니다!
오독완 챌린지란?
오독완 챌린지는 길벗 출판사에서 주관하는 이벤트에요!
아래 이미지와 같이 읽고싶은 책을 고르고, 읽고 싶은 이유를 양식에 따라 제출하면 선정되신 분들 모두 그 책을 선물로 받을 수 있고,
10일 동안 그 책을 자유롭게(1페이지라도 좋대요) 읽은 후 각자 인스타 or 페북 게시글로 인증만 하면 되는 쉽지만 꾸준해야 하는 챌린지입니다.
종류 후 이렇게 리뷰를 써서 우수 리뷰어에 선정된다면 또 다른 행운의 주인공까지 될 수 있는 좋은 기회더라구요. (열심히 읽고, 지금도 열심히 글을 쓰고 있네요 저도)
또한 길벗IT 인스타그램에 방문하시면 신간 소식 뿐만 아니라 다른 이벤트도 많이많이 있으니 여러분들도 팔로잉 고고!
https://www.instagram.com/gilbut.it/
저도 책을 받고 지난 8월 12일부터 8월 21일까지 하루도 빠짐없이 10번의 챌린지에 도전해보았습니다.
최대한 책을 끝까지 읽어보고 싶었기 때문에, 잘 이해가 가지 않는 부분이 있더라도 하루에 정해진 양(보통 챕터 2~3장씩)을 읽으려고 노력했어요.
앞부분은 환경 세팅이나 기본적인 내용이라 최대한 빠르게 넘어가려 했고, 제가 잘 알지못하는 딥러닝에 대한 설명이 가득한 뒷부분은 느리지만 꾸준히 읽어보려고 했습니다.
그래서 어떤 책인데?
저자 소개(출처 : 교보문고)
저자 : 조태호 (생명공학자)
머신 러닝, 딥러닝을 이용해 알츠하이머 질병을 연구하며 틈틈이 책을 쓰고 번역하는 학자이자 작가이다. 일본 도쿄의과치과대학에서 단백질 구조 예측으로 박사학위를 받았고, 미국으로 이주해 단백질 구조 예측에 딥러닝을 도입하는 연구를 했다. 2018년부터 미국 인디애나 대학교 의과대학에 재직하며 딥러닝을 이용한 알츠하이머 진단(2019), 딥러닝을 이용한 알츠하이머 원인 단백질 추적(2020), 딥러닝을 이용한 유전자 변이 예측(2021) 등을 연구하고 진행했다. 저서로는 제7회 브런치북 대상 수상작 『당신의 이유는 무엇입니까』, 역서로는 『딥러닝 워크북』, 『쉽게 시작하는 캐글 데이터 분석』, 『그림으로 이해하는 인지과학』 등이 있다.
* 유튜브 강의: https://bit.ly/taehojo
* 깃 페이지: https://taehojo.github.io
목차
첫째 마당 딥러닝 시작을 위한 준비 운동
1장. 해 보자! 딥러닝
2장. 딥러닝의 핵심 미리 보기
3장. 딥러닝을 위한 기초 수학
둘째 마당 예측 모델의 기본 원리
4장. 가장 훌륭한 예측선
5장. 선형 회귀 모델: 먼저 긋고 수정하기
6장. 로지스틱 회귀 모델: 참 거짓 판단하기
셋째 마당 딥러닝의 시작, 신경망
7장. 퍼셉트론과 인공지능의 시작
8장. 다층 퍼셉트론
9장. 오차 역전파에서 딥러닝으로
넷째 마당 딥러닝 기본기 다지기
10장. 딥러닝 모델 설계하기
11장. 데이터 다루기
12장. 다중 분류 문제 해결하기
13장. 모델 성능 검증하기
14장. 모델 성능 향상시키기
15장. 실제 데이터로 만들어 보는 모델
다섯째 마당 딥러닝 활용하기
16장. 이미지 인식의 꽃, 컨볼루션 신경망(CNN)
17장. 딥러닝을 이용한 자연어 처리
18장. 시퀀스 배열로 다루는 순환 신경망(RNN)
19장. 세상에 없는 얼굴 GAN, 오토인코더
20장. 전이 학습을 통해 딥러닝의 성능 극대화하기
21장. 설명 가능한 딥러닝 모델 만들기
22장. 캐글로 시작하는 새로운 도전
심화 학습 1. 오차 역전파의 계산법
심화 학습 2. 파이썬 코딩으로 짜 보는 신경망
부록 A 내 컴퓨터에서 아나콘다로 딥러닝 실행하기
별책 부록
1장. 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10
2장. 데이터 분석을 위한 판다스: 92개의 예제 모음
인상 깊었던 부분 소개(주관 100%)
이 책은 딥러닝과 파이썬을 처음 접하는 분들을 대상으로 쓰여졌다고 해도 될만큼
최대한 수식은 빼고 그림과 도표로 알고리즘을 설명하려고 노력하셨다는 느낌이 들었어요.
아래 이미지들은 제가 책을 읽으면서 도움이 되었던 부분을 일부 발췌한 것입니다.
1. 경사하강법과 관련된 고급 경사하강법 방법론 : 경사하강법에서 중요한 요소는 '보폭과 방향' 인데요, 이 도식을 보면 보폭을 조정하는 방법과 방향을 조정하는 방법 그리고 그 둘의 방법을 합친 Adam까지 각 방법론 사이의 관계를 보기 좋게 설명해 주고 있어요.
2. 모델 성능을 올리는 방법 : 머신러닝(딥러닝) 모델의 성능을 향상시키는 것은 모든 데이터 분석 과제(프로젝트)의 중요한 목표 중 하나일 것입니다. 하지만, 현실 세계에서는 많은 제약조건들과 예외 상황들이 튀어 나오기 때문에 성능을 무한정 끌어올리기는 정말 어려운데요. 이 책에서는 성능 향상을 위해 2가지 관점을 제시하고 있더라구요. 저도 머리로는 알고 있던 내용이지만, 이렇게 정리된 글을 통해 보니 더 명확하게 이해하고, 설명할 수 있을 것 같아 이 부분도 인상 깊었습니다.
- 데이터 관점
- 데이터 추가(하지만, 데이터를 추가하는 것도 어렵고, 성능 향상에도 한계가 있음)
- 데이터 보완 : 사진 확대/축소, 이상치(아웃라이어) 조치 (ex> 시그모이드 함수를 통해 0~1 스케일링)
- 교차 검증 방법 : 갖고 있는 데이터 안에서 최대한 활용
- 알고리즘 관점
- 모델 구조 변경을 통한 최적 구조 탐색 : 은닉층 갯수, 노드의 수, 최적화 함수 종류 등 [정답은 없으니까 최대한 테스트해보며 맞는 방법을 찾자!]
- 딥러닝 외 다른 알고리즘 고려 : 랜덤 포레스트, XGBoost, SVM(서포트벡터머신)이 경우에 따라서는 더 좋을수도 있다.
- 딥러닝 + 머신러닝 알고리즘 앙상블
3. CNN(컨볼루션 뉴럴 네트워크) : 저도 얘기만 엄~~청 많이 들었던 CNN에 대해서 작동 원리를 다시 한번 알기 쉽게 설명하고 있더라구요. 아직은 저도 이해가 부족하지만 언젠가는 더 자세히 포스팅을 통해 배운 점을 공유 드리겠습니다!!
유튜브 강의 소개(딥러닝 동영상 강의)
https://youtube.com/playlist?list=PLwVlmsyd5oN5seKPtiYKqaKIbtwXS2kjk
딥러닝 동영상 강의
모두의 딥러닝 개정3판을 중심으로 딥러닝의 개념과 실행, 이론적 배경 및 응용을 배웁니다.
www.youtube.com
더 좋았던 부분은 각 챕터별 내용을 저자 직강을 통해 설명듣고, 코드 실습도 함께 할 수 있다는 점 이었습니다!!
저도 이 책을 받기 전 유튜브에서 딥러닝 강의를 찾다가 이 책을 나중에 알게 되었는데요.
가장 좋았던 점은 강의 한편 당 시간이 길지않고, 10강으로 되어 있어 처음 접하는 분들이 그래도 가벼운(?) 마음으로 시작할 수 있을 거 같아요(저도 그랬거든요 ㅋㅋㅋ)
강의를 하나하나 보시면 저자인 조태호 박사님께서 나긋나긋 차분한 말투로 설명해주셔서 그런지
저같이 집중력이 길지 않고, 딥러닝을 처음 접하는 사람들에게도 더 큰 도움이 되었습니다.
저도 지금은 한바퀴 도는 것을 목표로 했기 때문에 책을 훑는 식으로 1회독 했지만,
N회차독 할때는 이 강의도 보고, 코드도 하나하나 실행해보면서 다시 딥러닝을 익힐 생각입니다!
그럼 여러분 모두 '모두의 딥러닝' 통해서 딥러닝의 세계에 첫발을 들이실 수 있으면 좋겠습니다.
긴 글 읽어주셔서 감사합니다 ^^
본 포스트는 길벗출판사로부터 도서를 무상으로 제공받아 작성되었습니다.
다만 내용은 오롯이 저의 주관적인 감상에 따라 작성하였습니다.