모두의 딥러닝을 직접 실습까지 해보며 읽어본 후기

1. 정말로 '누구나 쉽게 이해할 수 있다'
딥러닝 실행을 위한 환경을 구축하는 것부터 딥러닝 실행을 할 때 필요한 개념들과 코드를 짤 때 쓰이는 함수 하나하나 설명이 깔끔하고 이해하기 쉬웠습니다.

2. 그림을 통해 개념을 이미지화할 수 있다
주요 개념마다 그림과 함께 설명되어 있어 이해하고 이미지화
하는 데 도움이 되었습니다.

3. 심화 학습이 가능하다
심화 학습 페이지와 별책 부록을 통해 본 교재를 읽으며 더 알고 싶었던 내용에 대해 깊이 공부할 수 있는 기회를 제공하고 있습니다.

이 책에선 딥러닝 실행을 위해 파이썬을 사용하고 있습니다. 비전공자이신 분들은 무작정 파이썬 코드를 외우려고 하기보다 파이썬 공부를 병행하시면서 딥러닝 프로그램을 만들어보신다면 더욱 효과가 좋을 거라고 예상합니다!

'개정 3판으로 나온 딥러닝에 대한 필독서로, 무료 동영상 강의와 다채로운 알고리즘으로 무장한 기본서'

 딥러닝을 갓 시작했을때 추천 받는 책들이 몇 권 있는데, 초보자 입장에서는 이 책들이 전부 효율성이 있는지의 여부가 늘 불안하다. 오히려 제대로 공부를 하고 나서야 이 책이 정말 괜찮았구나 감탄하게 만드는 서적들이 몇 권 있는데, 모두의 딥러닝 역시 한번쯤 되돌아보게 만드는 기본서 중 한권이었다.

- 목차:

 목차 도입부는 크게 준비 운동이라고 해서 어떤 원리로 발전되고 실행되어 왔는지와 사용되는 기초 수학에 대해 간단한 설명으로 시작된다. 예측 모델의 기본 원리에서는 주로 선형회귀와 로지스틱 회귀를 간단하게 설명하며, 퍼셉트론에서 오차역전파, 딥러닝의 과정을 지나 모델이 어떻게 이루어졌는지, 데이터와 성능 검증, CNN과 RNN으로 이어지는 활용방법까지 상세하게 적혀 있다.

- 인상적인 파트 :

 책에서는 주로 코랩을 이용한 실습 환경을 위주로 다루는데, 코랩에 대한 설명부터 시작해서 어떻게 사용하는지에 대한 가이드라인을 상세하게 남겨주기 때문에 별로 어렵지 않게 따라갈 수 있었다. 또한 코드들은 저자의 깃허브에 충실하게 올라가 있기 때문에 그대로 받아서 사용할 수도 있고, 유투브를 통한 동영상 강의가 바로 이어져 있어 책으로만 봐서 애매하다 싶을 타이밍에는 한번씩 QR코드를 이용해서 활용해도 무관하다.

- 기억에 남는 부분 :

 기본적인 딥러닝에는 수학적인 부분을 안 다루는 경우가 많은데, 사실 단순히 한두 페이지로는 설명될 수 없는 경우가 많기 때문에 대다수 생략하기도 한다. 하지만 여기서는 필요한 수학적 지식만 간단하게 체크해줌으로서 앞서 학창시절에 배운 수학을 어느 정도까지 인지하고 넘어가야 하는지에 대해 처음부터 확인할 수 있었다. 일차함수와 이차함수, 미분과 기울기, 활성화로 쓰이는 함수들까지 깔끔한 설명으로 짧은 페이지로 확인하고 넘어갈 수 있다.

- 이 책이 도움이 되는 사람을 꼽는다면 :

 딥러닝에 대한 전반적인 지식이 필요한 데이터 사이언티스트 내지 데이터와 관련된 직업을 구하고 싶어하는 지망생들에게는 한번쯤 반드시 거쳐가야 하는 책이다. 사실 유투브 상에서도 모두의 딥러닝 시즌1, 2가 입문으로 유명한데, 3판과 더불어 더 보강된 내용들은 최신 모델들과 곧장 연결될 수 있는 충실한 지식의 보고가 되어줄 것이다.

- 내돈내산으로 직접 책을 구입한 뒤 작성된 후기입니다. -

추천사를 인용하자면 "머신 러닝을 처음 배우고 기초 지식이 전무한 사람에게 첫 입문서로 더할 나위 없이 좋은 책. 기존에 조금 알고 계신 분들께는 좀 더 깊게 내공을 다질 수 있게 해주는 책." 이 글에 크게 공감합니다.

많은 딥러닝 입문서들이 나오고 있습니다. 저마다 쉽게, 이해하기 좋게 서술했다는 것을 강조하지만 상대적으로 쉬울 수 있지만 기반 지식이 부족한 저 같은 사람들에겐 알겠다가도 조금만 깊게 들어가 보려고 하면 허들에 걸려서 겉핥기 식이라는 느낌을 지우기가 힘들었습니다.

"모두의 딥러닝"은 베타테스터와 추천사에도 여러 번 반복되듯이, 딥러닝의 간단한 히스토리와 필요한 기초 수학 개념 등 입문에 필요한 지식들을 전반적으로 다루고 있습니다. 또, 대부분의 딥러닝 입문서의 공통점이기도 한데, 어려운 내용을 다루는 입문서인 만큼 시각화와 편집, 구성 등에 각별히 신경을 더 쓰는 것 같습니다. "모두의 딥러닝" 역시 그러합니다. 특히 길벗 특유의 귀엽고 깔끔한 그림들과 편집 구성이 이 책에서도 빛을 발합니다. 제가 좋아하는 "유니티 교과서" 시리즈만큼 그림들을 잘 활용해서 설명하고 있습니다.

"모두의 딥러닝"책을 훑어보면서 가장 처음 놀랐던 점은 저자인 조태호님의 소개 글이었습니다. 딥러닝을 이용해 알츠하이머 질병은 연구하며 틈틈이 책을 쓰고 변역도 하시는 학자 겸 작가라니. 첫 줄만 읽고 팬이 될 뻔했습니다. 이런 분이 쓰신 책이라 좀 더 정독하게 되는 것 같습니다.

"모두의 딥러닝"은 2022년 3월 개정 3판을 맞이했습니다. 다른 분의 추천사에도 "2판까지도 충분히 좋은 책으로 인정을 받아왔는데, 3판은 코랩 기반으로 학습 데이터가 제공되어 학습 편의성이 향상됨"이라는 글이 있었는데, 머리말을 보면 이런 말도 있습니다. "기존에 했던 설명 보다 더 나은 방향의 설명이 있다면 주저 없이 수정", "현업에서 사용되는 최신 알고리즘을 직접 다루는 책이 되게끔 노력" 등... 2판까지로 훌륭한 딥러닝 입문서로 부족함이 없다는 글이 많았는데, 3판에서 좀 더 업그레이드되었다고 하니 더 가치를 더한 책이라는 느낌을 지우기 어렵습니다.

책 구성은 앞서 이야기했듯, 교과서적으로 탄탄합니다. "딥러닝 준비 운동" 챕터에서는 환경을 설정하고, 딥러닝을 공부하고 이해하는데 필요한 기초 수학에 대해 다루고 설명합니다. 책을 읽으면서 다시 고등학생 때 공부했던 기초 수학들이 생각나기도. 딥러닝을 제대로 이해하기 위해서는 꼭 필요한 지식인데, 입문서에 담기에는 부담스러운 과목이라 아예 다루지 않는 책들도 있었지만 "모두의 딥러닝"에서는 딱 부담스럽지 않을 정도의 분량으로 기초 수학을 다루고 있습니다. 앞 챕터를 잘 익히고 넘어가야 다음 챕터, 딥러닝의 기본 동작과 기본기 등에서 습득할 수 있는 지식들이 더 많아지는, 교과서적이고 입문서적인 구성입니다.

다양한 입문서들이 있고 각 입문서들마다 성격도 다릅니다. 어떤 입문서는 방대한 분야를 조금씩 맛보기 식으로 여행하듯 가이드 해줍니다. 어떤 입문서는 보다 핵심적인 부분들을 균일한 깊이로 다룹니다. "모두의 딥러닝"은 기초 개념과 이해에 좀 더 힘을 준 구성입니다. 코어를 좀 더 두껍고 무겁게 다진 후에, 이 기초를 베이스로 다양한 분야를 조금씩 이해할 수 있게 가이드 하고 있습니다.

몇 개 도식만 가져와 봐도 길벗 출판사의 입문 서적은 도식화가 훌륭하다는 점을 다시 인정할 수밖에 없습니다. 같은 내용을 다른 책이나 인터넷 글에서 봤을 때는 대략적으로만 이해하고 넘어갔던 걸 도식을 보면 좀 더 깊이 이해할 수 있게 도와줍니다.

모두의 딥러닝 개정 3판은 최신 트렌드에 맞게 구글 코랩으로 작성된 샘플 코드를 제공합니다. 최근 출간된 다른 딥러닝 입문서도 구글 코랩을 가이드하고 샘플 코드를 제공하는데, 저자이신 조태호님 깃헙(GitHub)을 가보면 훌륭한 퀄리티로 잘 정리해두셔서 하나씩 돌려보고 이해할 수 있게 정리해두셨다는 걸 직접 확인해 볼 수 있습니다.

https://github.com/taehojo/deeplearning

딥러닝에 대한 기본 개념과 여러 개념들을 이해하는데 필요한 기초 수학 지식, 다층 퍼셉트론, 오차 역전파, 옵티마이저와 손실함수 등 여러 개념들을 다양한 도식들과 실제 동작하는 코드, 코드를 설명하는 주석과 본문 해설 등으로 충실히 가이드 하고 있습니다.

특히 맘에 들었던 부분은, 인공지능의 역사 : 퍼셉트론에서 딥러닝까지를 하나의 그림으로 정리한 부분이 맘에 들었습니다. 이런 역사적 흐름을 공부하려면 인터넷 바다를 헤매야 하는 작업이 필요한데 이렇게 책 한 페이지로 정리해 주니 보기도 좋고 이해하기도 쉬웠습니다.

기초를 탄탄히 다진 후 다양한 케이스를 둘러보며 실습해 보고 이해할 수 있게 구성되어 있습니다. 실 데이터를 기반으로 모델을 만들어본다거나, 자연어 처리, 오토 인코더 등.

책이 두꺼운 만큼 다양한 케이스를 다루고 있으니 기초를 확실하게 익힌다면 이런 재밌어 보이는 여러 주제들을 모두 다뤄볼 수 있게 될 것 같습니다. 저도 어서 이런 기술들을 다뤄보기 위해서라도 좀 더 기초를 탄탄히 공부해야겠습니다.

책의 뒷부분은 심화 학습과 부록으로 구성하고 있습니다. 심화 학습은 오차 역전파를 실제로 계산하는 방식을 다루고 있어서 이론적으로 좀 더 확실한 이해를 원하는 독자들을 위해 분량을 할애하고 있습니다. 심화 학습 두 번째는 신경망을 파이썬으로 직접 개발해 보는 내용을 다룹니다. 텐서플로우, 케라스를 활용해서 손쉽게 실습을 진행했지만 내부 구현과 동작을 알고 싶어 하는 독자들을 위한 구성.

또, 구글 코랩이 아닌 본인의 PC에서 딥러닝을 실행하기 위한 아나콘다 패키지 설치 방법도 부록으로 다루고 있으니 참고할만합니다.

또 마지막 선물은, 부록 책자.

모두의 딥러닝 개정 3판은 본서와 작은 부록 책자로 총 2권으로 구성됩니다. 작은 소책자인 부록은 머신 러닝 TOP 10에 대한 내용과 데이터 분석을 위한 판다스 라이브러리 활용 예제 92 가지를 다루고 있습니다. 레퍼런스 삼아 참고하기 좋은 부록 책자이기 때문에 본서와 분리해서 구성한 것 같습니다.

여기까지입니다.

본서가 대략 390페이지, 부록 책자가 대략 85페이지로 총 500 페이지에 달하는 방대한 분량입니다. 내용도 구성도 훌륭한 입문 서적인데도 불구하고 가격은 2만 원대로 가성비까지 갖춘 책이라고 할 수 있겠습니다.

딥러닝에 관심이 있고 입문하고 싶은 분, 약간은 알고 있는데 기초를 다지고 싶으신 분들께 모두의 딥러닝 강력하게 추천해 봅니다.