★ 이 책에서 다루는 내용<br/>이 책은 딥러닝으로 어떻게 문제에 접근해야 하는지를 다룬다. 이 책을 읽고 나면 현대 딥러닝 접근 방식의 역사적 맥락을 이해하고, 텐서플로를 이용해 딥러닝 알고리즘을 구현하는 방법을 이해하게 된다.<br/><br/>- 1장 신경망<br/>머신러닝과 신경망에 대한 기본적인 내용을 살펴본다. 뉴런의 기본 구조와 전방향 신경망이 어떻게 움직이는지 그리고 비선형성이 복잡한 학습 문제들을 해결하는 데 얼마나 중요한 역할을 하는지 알아본다. <br/><br/>- 2장 전방향 신경망 학습<br/>전방향 신경망 학습을 비롯해 기본적인 것들을 배운다. 경사 하강법과 역전파 알고리즘을 살펴보고, 과적합을 방지하는 다양한 방법도 설명한다.<br/><br/>- 3장 텐서플로로 신경망 구현하기<br/>머신러닝 모델을 표현하고 학습시키는 라이브러리인 텐서플로를 사용하는 방법을 배운다. 세션과 변수, 연산, 그래프 계산, 장치 관리를 포함한 텐서플로의 주요 기능을 설명하며 이를 바탕으로 로지스틱 회귀 모델과 확률적 경사 하강법을 이용한 전방향 신경망을 학습시키고 시각화한다. <br/><br/>- 4장 경사 하강법을 넘어서<br/>복잡한 오차 곡면이 있는 심층 신경망을 학습시킬 때 발생하는 여러 문제를 설명한다. 가짜 지역 최솟값 문제가 과장됐을 가능성이 있을 때 안장점과 나쁜 조건이 바닐라 미니배치 경사 하강법의 성공에 어떻게 심각한 위협이 되는지를 살펴본다. 나쁜 조건을 극복하는 데 모멘텀을 어떻게 사용하는지 설명하며, 헤시안 행렬을 근사하는 최근 연구도 간략히 알아본다. 또한, 학습률을 조정하는 학습률 적응 최적화 도구의 진화도 소개한다.<br/><br/>- 5장 합성곱 신경망<br/>이미지를 분석하는 신경망을 어떻게 만드는지 배운다. 합성곱의 개념을 소개하고, 단순하고 더 복잡한 자연 이미지 둘 다를 분석할 수 있는 다루기 쉬운 신경망을 생성하는 데 이 아이디어를 활용한다. 텐서플로로 여러 합성곱 신경망을 만들고, 다양한 이미지 처리 파이프라인과 신경망 학습을 더 빠르고 더 견고하게 만드는 배치 정규화를 활용한다. 마지막으로 합성곱 신경망의 학습을 시각화하며, 이 기술을 사용한 다른 흥미로운 응용들을 알아본다. <br/><br/>- 6장 임베딩과 표상학습<br/>표상학습에 대한 다양한 방법을 살펴본다. 오토인코더로 효과적인 차원 감소를 수행할 방법과, 디노이징과 희소성도 배워 오토인코더에 유용한 속성들을 추가한다. 스킵-그램 모델을 사용해 영어 단어들에 대한 임베딩을 생성하는 방법을 배운다. 이것은 언어를 이해하기 위한 딥러닝 모델을 탐색하는 데 유용하다.<br/><br/>- 7장 시퀀스 분석을 위한 모델<br/>시퀀스 분석의 세계를 깊이 탐구한다. 시퀀스를 처리하는 데 전방향 신경망을 어떻게 사용하는지 분석하고 순환 신경망도 살펴본다. 또한, 주의집중(attention) 동작 방식을 번역에서 오디오 필사본에 이르기까지 다양한 언어 응용 분야에 활용하는 방법을 알아본다.<br/><br/>- 8장 메모리 증강 신경망<br/>신경 튜링 기계(neural Turing machine, NTM)와 미분 가능 신경 컴퓨터(differentiable neural computer, DNC)에 관한 최첨단 딥러닝 기술 연구를 살펴보고, 복잡한 독해 과제를 해결할 수 있는 모델을 구현해 본다.<br/><br/>- 9장 심층 강화학습<br/>마르코프 결정 과정(Markov decision processes, MDP)과 탐색 대 활용을 포함한 강화학습의 기초 내용을 다룬다. 또한, 정책 경사와 DQN(deep Q-network)을 포함한 심층 강화학습에 대한 다양한 접근법도 다룬다. 마지막으로 DQN에 관한 최근 몇 가지 개선 방법과 심층 강화학습의 새로운 모습들도 간단히 언급한다.<br/>

딥러닝은 인공지능, 빅데이터 등 4차산업혁명의 필수불가결한 요소가 되었다. 이 책은 딥러닝의 기초적인 알고리즘뿐만 아니라 텐서플로 같은 딥러닝 라이브러리에 대한 소개도 겸하고 있어 딥러닝에 대한 입문서로 제격이다. 특히 딥러닝 전문가들이 충실하게 번역해 딥러닝과 그 관련 지식을 습득하는 데 큰 도움이 될 것이다.
- 윤성로 (서울대 전기·정보공학부 교수)

전 세계적으로 딥러닝의 열기가 무척 뜨겁다. 1980년대에 완성된 이론인 인공신경망이 2010년대에 들어서면서 대량의 데이터와 GPU 등 계산 성능의 비약적인 발전과 맞물려 문자 인식이나 게임 등 여러 분야에서 탁월한 (때로는 인간을 훌쩍 뛰어넘는 수준의) 성능을 보여준 것이 인기와 관심의 요인이 됐다. 이런 인기에 힘입어 수많은 딥러닝 관련 개론서, 입문서, 실전 활용서가 쏟아져 나오고 있지만, (1) 인공신경망 이론의 수학적, 기하학적, 직관적 이해 (2) 딥러닝 개발 도구의 설치와 자세한 사용법 (3) 가장 대표적인 딥러닝 모델들의 작동 원리와 자세한 구현 및 실험, 이 세 가지를 균형 있게 다룬 책은 별로 없다. 이 책은 이 세 가지 요소를 균형 있게 잘 정리한 원서를 정확하고 읽기 쉽게 번역한 책으로, 딥러닝에 관심이 있고 탄탄한 이론적인 이해를 얻어 실제 코딩과 실험을 해보려는 독자들에게 큰 도움이 될 것으로 기대된다.
- 최윤석 (텍사스 A&M 대학교 교수, 삼성 리서치 머신러닝 랩장)

딥러닝을 소개하는 책이 쏟아지고 있다. 반가운 일이지만 대부분은 초보자를 위한 책이다. 새로운 기술을 빠르게 익히는 데 초점을 두기 때문에 깊이를 포기한다. 그런 면에서 이 책은 특별하다. 딥러닝이 실제 동작하는 방식을 자세히 설명해서 깊이를 담았다. 그와 동시에 딥러닝을 둘러싼 여러 개념을 친절하게 설명하고 풍부한 예제 코드를 포함해 실용성도 잃지 않는다. 딥러닝과 데이터 과학을 전공한 역자들이 작업해서 우리말 번역도 매끄럽고 자연스럽다. 딥러닝의 세계에 조금 더 깊이 들어가고 싶은 독자들에게 일독을 권한다.
임백준 (삼성 리서치 데이터 인텔리전스랩, 『누워서 읽는 알고리즘』 저자)