먼저, 책프협 골라 받는 서평 이벤트를 통해 받은 도서의 서평임을 밝힙니다.

[본문]

주관적인 의견으로,

수포자(?)에 가까운 상태에서 이 책을 봤을 때, 한 번에 쭈~욱 읽히는 책이 아니었습니다.

읽다가 막혔다가, 검색해보고, 어떤 부분에서는 술술 읽히기도 하는 책이었습니다.

달리기로 비유하자면,

달리기하다가, 멈칫하면서 옆길을 찾아서 둘러갔다가, 걷기도 하는 것과 같은 느낌이었습니다.

아무래도 모르는 부분이 많기 때문이겠지요.

이 책은 수학 개념들과 파이썬 코드를 이어주는 책입니다.

어떤 책은 번역 때문에 읽던 책을 내려놓게 되는 경우도 있지만, 반대로 이 책은 역자분이 고민한 흔적이 느껴지는 책입니다.

Chapter 1. 딥러닝을 배우기 전 알아 둬야 할 머신러닝과 신경망 이야기

기온에 따라 에어컨을 켠 날과 끈 날을 바탕으로 언제 에어컨으로 켜면 좋을지에 대한 이야기로 시작합니다.

여기에서 지도 학습, 비지도 학습, 강화 학습 이야기와 신경망 이야기가 나옵니다.

62페이지에 소수에 대한 주석(30)이 누락되어 있습니다.

책의 제목처럼, 파이썬이 나오기는 하지만, 깊이 있게 다뤄지지 않습니다.

Chapter 2. 수열, 통계, 확률 근거에 따라 결정하는 방법

학교에서 배운 수열, 집합, 평균과 분산 등이 나옵니다.

그리고 짤막한 파이썬의 코드들과 좀 더 간단한 넘파이 소스도 나옵니다.

큰 데이터의 모집단에서 데이터 일부를 표본으로 선별해서, 모집단을 추측한다는 이야기도 있습니다.

이 챕터에서 간혹, "~는 식 n-00로 계산할 수 있습니다."라고 나온 다음에 추가적인 설명이 없어서 당황스러운 적도 있었습니다.

Chapter 3. 벡터와 행렬 - 다양한 입출력을 한꺼번에 처리

신경망에서 사용되는 벡터와 행렬에 관한 내용이 나옵니다.

이 챕터에서는 수학 시간에서 봤었던 다양한 그래프와 설명이 있습니다.

137페이지 하단에 "a1b2 + a2b2" -숫자는 아래 첨자-가 나오는데, "a1b1 + a2b2" -숫자는 아래 첨자-처럼 하는 것이 맞지 않는가? 하는 생각이 들었습니다.

이는 뒤 페이지에서 사용되는 공식이라서, 137페이지에 나오는 공식의 오타는 아쉽게 다가왔습니다.

개인적으로 챕터 3은 나름 재밌게 보면서 낙서(?)를 많이 했네요~^^ 가볍게 읽히는 챕터였습니다.

Chapter 4. 함수와 미분 - 최적값에 수렴하는 방법

여기에서도 평면 그래프와 수식을 만날 수 있습니다.

접선의 기울기도 나옵니다.

Chapter 5. 예측과 최적화 - 학습으로 결과 도출

오차와 예측이 나오고, 로지스틱 회귀에서는 챕터1의 온도에 따라 에어컨을 켜거나 끌지 예상하는 것으로 시작합니다.

여기에서 조금 난해한 수식들도 나옵니다.

역전파의 개념을 댐에 비유한 그림으로 쉽게 와 닿도록 설명이 되어 있습니다. 이를 신경망에 대입해서 설명되어 있습니다.

학습 데이터와 테스트 데이터의 정확도에 관한 이야기도 나옵니다.

Chapter 6. 신경망과 딥러닝 - 정확도 향상과 이미지 인식 등의 응용

이 챕터는 과거 신경망의 문제점과 오토 인코더(입력값과 출력값이 같도록 파라미터를 조정한 신경망) 이야기로 시작합니다.

이미지 처리에 관련된 이야기와 대푯값과 관련된 풀링이 나옵니다.

그리고 간단하게 설명된 개념들도 나옵니다.

Chapter 7. 강화 학습 - 스스로 학습하는 인공지능 구축

강화 학습과 심층 강화 학습에 관한 내용이 나옵니다.

개인적으로 이 챕터를 보면서 아직 배워야 할 것이 많다는 생각이 들었습니다.

[마치면서]

책에서는 나름 쉽게 설명하고자 하는 흔적들이 보이지만, 수학 개념을 다시 찾아보거나, 처음 보는 용어를 찾아보는 경우도 생겼습니다.

제게는 수학의 전체 범위 중에서 딥러닝에서 사용되는 수학의 범위를 알려준 책이었습니다.

여담으로 각각의 챕터에서 파이썬 소스가 나올 때마다,

개인적으로 '소스를 읽어보고, output을 보고 내 생각이 맞았구나...'라고 판단했는데,

일반 개발 책처럼, '다른 분들을 위해 소스에 대한 설명이 있으면 어떨까?' 하는 생각이 들었습니다.

이상, 저의 긴 서평을 읽어주신 분들께 감사드리며,

서평 기회를 주신 분들께도 감사드립니다.

3년 전 이세돌과 알파고의 바둑 대결이 있었다. 

바둑 대결을 지켜 본 전세계 사람들은 

알파고의 뛰어난 능력을 보면서 

인공지능 기술이 이렇게까지 발전했나하고 놀라워했었다. 

그리고 각종 언론을 통해 AI의 발전 상황과

 AI가 바꿀 미래에 대한 전망, 

AI가 앞으로 산업에 어떤 영향을 끼치게 될 것인지에 등 

AI 관련 기사들이 끊임없이 나왔고, 

학계에서는 AI연구가 활발히 이루어졌다. 

기업들은 AI를 이용한 여러 제품과 서비스 출시하였다.

'이토록 쉬운 딥러닝을 위한 기초수학 with 파이썬' 은 

수학의 기초와 파이썬을 통해

머신러닝과 딥러닝을 설명 하는 책이다.

Chapter 1과 2에서는 머신러닝과 신경망이 

무엇인지에 대한 기본적인 개념과 

파이썬에 대한 기초적인 내용과 프로그래밍,

통계적 머신러닝이라고 불릴만큼 통계에 기반을 두고 있는

머신러닝이기 때문에 기본적인 통계의 개념과 

수열, 집합, 확률이 무엇인지, 대량의 데이터에서 

표본을 추정하는 방법을 배울 수 있었고,

Chapter 3과 4에서는 

신경망에서 사용하는 백터와 행렬에 대한 개념을 통해 

다양한 입출력을 한꺼번에 처리 할 수 있고,

데이터를 효율적으로 취급하는 구조가 

어떻게 이루어져 있는지 알 수 있었고,

머신러닝의 학습 데이터로 모델을 만들 때는 

더 좋은 결과를 얻을 수 있도록 데이터를 조정해야 하는데 

최적값에 접근하기 위한 함수와 미분이 복잡하고 어렵게 느껴졌다.

Chapter 5와 6에서는 수학과 데이터를 활용하여 

정답을 예측하는 방법과 신경망의 손실함수를 최적화하기 위한 

역전파와 학습 모델을 평가하는 방법,

딥러닝의 학습 정확도를 어떻게 향상 시킬 것인지, 

이미지 데이터의 특징과 다양한 표현 방식에 대해,

Chapter 7에서는 강화학습이 무엇인지, 

몬테카를로 방법을 이용한 학습, On-policy 학습과 Off-line 학습, 

시간차 학습, Sarsa학습, Q학습 등

다양한 강화 학습 방법과 강화 학습과 

신경망을 결합한 심층 강화 학습에 대해 알 수 있었다.  

'이토록 쉬운 딥러닝을 위한 기초수학 with 파이썬' 은

수학 개념이 처음부터 끝까지 채워져 있기 때문에 

책 제목과는 다르게 각 개념을 이해하기가 어렵게 느껴졌다.

시간이 걸리더라도 기초부터 차근차근 

꼼꼼하게 반복 해 가면서 배워야 할 것 같다.