|
머신러닝, 딥러닝 하면 당연 떠오르는 코딩언어는 파이썬이다. 그런데 책 제목부터 .js 로 끝나 자바스크립트로 인공지능을 구현할수 있음을 강조하고 있다. 자바스크립트 개발자들에겐 엄청난 희소식이 아닐수 없다. 심지어 자바스크립트 책 중엔 제목이 javascripts everywhere 라는 책이 있을정도니
이책의 원제는 2020.2.11. 출간된 "Deep learning with Javascript : Neural networks in Tensorflow.js" 이다. 직역하면 , "텐서플로 자바스크립트 신경망을 이용한 자바스크립트로 배우는 딥러닝" 쯤으로 되는데 길벗에서 멋지게 구글 브레인 팀에게 배우는 딥러닝 with tensorflow.js 로 작명했다 ^^. 현재 아마존에서 고객평점이 5점 만점에 4.8 이다. 오히려 원저보다 페이지수는 늘어난듯 하다. 파이썬 못지 않게 많이 사용되는 언어인 자바스크립트로 파이썬 사용자만이 누려오던 인공지능을 할수 있다 생각하면 그림의 떡 마냥 바라보기만 했을법한 자바스크립트 개발자들은 가슴 설레이며 이책을 펼듯하다. 물론, 자바스크립트는 알고 있어야 된다. 자바스크립트 기초문법을 별도 설명치는 않는다. 책의 저자,역자들의 면면을 살펴보면 이미 게임 끝... 저자 3명은 구글 브레인 팀원이며 나머지 한분은 딥러닝에서 빠질수 없는 독보적인 존제 케라스를 창조한 분 프랑소와 솔레 라고 표기 되었다. 심지어 프랑소와 솔레가 집필한 이책의 토대가된 deep learning with python을 박해선 저자는 케라스 창시자에게 배우는 딥러닝 이란 책으로 제목까지 바꿔 집필하였다. 박해선 저자가 특히 프랑소와 솔레에게 애착이 있으신듯 ^^ 딥러닝계의 어벤져스팀들이 자바스크립트 개발자들에게 훌륭한 마중물 제공을 ^^
역자는 현재 대한민국 인공지능 계의 명저들을 속속 번역해주시고 계시는 분으로 최근엔 직접저술한 책이 장기간 top 을 유지 하기도 한 박해선님이니 뭐 ...^^ 우리는 그저 주시는대로 잘 소화하면 될듯하다.
첫장을 넘기며 나오는 개념도를 보니, 원저에 있는건지...박해선님이 별도 추가하신건지 몰라도 너무 좋아 보였다.
등장하니 기대가 크다..ㅋ
이책은 전반적으로 프랑소와 솔레의 케라스 창시자에게 배우는 딥러닝 에 토대를 한다고 한다.
1부는 동기부여와 기본개념으로, 파이썬이 아니고 왜 자바스크립트로 딥 러닝을 해야되는지 설명한다. 이유는 자바스크립트가 더 많은 곳에서 사용되고 있고 특히, 예측을 하기위해선 어디엔가 배포가 되어야 되는데 이세상, 지금, 가장 많은 사람들이 사용하는것은 바로 웹 브라우저 웹 브라우저의 강자는 바로 자바스크립트 특히, 스마트폰에선 각종 센서들까지 활용가능해서 좋다 서버측에선 구현시 돈,돈,돈, 인데 이것을 클라이언트에 배포해서 하면 운용자측에선 very good, 추론 속도에서도 클라이언트에서 서버로 전송해서 하려면 고화질영상시엔 지연, 비용,불안정 등으로 서버에서 추론시 여러가지 마이나스.... 데이타 프라이버시: 사용자 정보, 예를들면 사용자 얼굴 피부 사진이나, 법률관련된 문서라던지... 모든일은 서버가 아닌 클라이언트 측에서 하게 해야 ... 원래 게임의 고화질 3D 객체 표면 렌더링에 사용하던 GPU 병렬계산을 신경망 계산에 활용하는 WebGL로 딥러닝에 필요한 컴퓨팅 성능을 밑받침한다. 딥러닝을 위해 복잡한 설치가 필요없이 바로 웹브라우저에서 할수 있다는 장점이 있다.
이쯔음에서 tensorflow.js 가 어떻게 태동했는지 설명을 하는데 초기엔 그저 웹브라우저에서 신경망 동작과 내부를 설명하려고 시작했던게 발전에 발전을 거듭하여 tensorflow.js 까지 온걸로 설명을한다. 여기서 반드시 방문해야될 곳은
보다더 강력한 성능을 Node.js가 밑받침을 한다. 더불어, RAM, file system 자원도 모두 사용가능하단다. 충분히 작은 모델일경우엔 파이썬보다 훈련속도가 빠르다한다. 서버, 클라이언트 양측에서 쉽게 사용가능하다는 장점도 있단다.
자바스크립트의 생태계는 너무 거대하고 특히 웹브라우저, node.js 백엔드에서 데스크톱 애플리케이션, 네이티브 모바일 애플리케이션까지 거침없이 영토를 확장하고 있다.
딥러닝 자바스클립트 라이브러리가 여럿 있는데 그중에 왜 tensorflow.js 인지는 머신러닝과 딥러닝의 대표선수인 텐서플로와 케라스와 밀접하게 연동되어 쉽고 구글TPU 같은것도 쉽게 사용할수 있다고 한다. 당연하겠지만 텐서플로 케라스 구글TPU등 죄다 구글이 만들었으니..ㅎ
2장에서는 기본적인 선형회귀를 이야기하며 tensorflow.js 사용하는것을 설명한다. 2장에서는 codepen(http://codepen.io)를 활용하여 설명한다. 머신러닝에서 언급되는 기본적인 개념을 설명한다. 참고로 이책에서 javascript의 수준은 javascript 기본서에다
비동기함수 처리인 async, await 개념 화살표연산자 또는 화살표 함수라 칭하는 (x) =＞ { } let 지역변수 선언 같은 특이한것 정도만 알면 코드 보는데 어려움은 없을것 같다.
예제는github.com의 두곳과 codepen.io에 있다. 실습시에는 클론한 코드에서 npx http-server 로 예제 실행후 브라우저 새탭에서 특정 로컬 주소로 접속하던지 아니면 저자가 제공한 데모사이트에서 실습해볼수 있다
특히, tensorflow.js API(https://js.tensorflow.org/api/latest)에서 메서드 정의와 더불어 실시간으로 수정할수 있는 위젯이 있어 직접 테스트하며 사용법과 사례를 빠르고 쉽게 이해할수 있다. 이책도 연습문제와 요약이 있는데
3장의 경우 비선형성이 왜필요한지 어떤 효과를 위해 있는지 설명을 하고 선형성과 비선형성의 중요한 차이에 대해 설명을 한다. 특히 하이퍼파라미터 최적화는 신경망의 깊이에 따라 용량과 이해하기 쉬운 구조중에 택일과 관련있음을 설명한다.
본인은 1장, 2장, 3장, 9장, 12장 을 관심있게 보았다. 부록으론 실습환경 설정및 라이브러리 설치와 용어사전도 추가해두었다.
가장 인상적인것은 뭐니 뭐니 해도 저자가 원저에도 없을듯한 예제 온라인 데모를 제공한다는 것이다. 물론 예제 소스도 별도 제공하지만 예제 온라인 데모를 제공하는게 유독 눈에 띠었고 1장을 읽자마자, 곧바로 온라인 데모를 모두 실행해봤다. 심지어 이책을 않사더라도 https://ml-ko.kr/tfjs/index.html 여기만큼은 꼬~옥 방문해 보세요, 아마.... 책을 사고 싶은 생각이....굴뚝 같을듯...ㅎ
말그대로, Javascript의 장점을 십분,백분,만분 ^^ 활용한 좋은 시도로 보인다.
흥미로웠다 위 소스코드는 요즘 크로스플랫폼 개발 도구로 각광 받는 리엑티브 네이티브로 코딩되었다 일단, 책읽기도 전에 신나게 실행해본것중 몇가지 올려봤다. 펙맨 의 경우 신났다 신났어...^^;;;
개인적으론 이책에서 가장 궁금했던 장은 1장과 12장이었다. 파이썬과 자바스크립트가 어떻게 달리 머신러닝을 사용하는지의 1장과 그렇다면 그렇게 자바스크립트로 만들어서 어떻게 활용하는지 의 12장이었다
12장의 내용중 모델 테스트는 자바스크립트에서는 만들어둔 코드의 테스트를 하여 품질관리를 하는데 이책에선 Jasmin Test Framework를 사용하여 테스트를 하며 테스트할때 주의 사항을 설명을 하였다. 최적화에선 딥러닝 모델을 만들었는데 웹에서 베포해야 하는지라 용량이 작아야 되고 실행이 빨리빨리 될수 있게 튜닝을 어떻게 하는지 설명을 하고 있다.
가장 궁금했던 12장 3절의 다양한 플랫폼과 환경에 tensorflow.js 모델 배포하기이다. 웹 배포 가능하게 하는 mobileNet, 클라우드 서비스 가능케하는 tensorflow serving 시스템,크롬 확장프로그램으로 가능케하는 mobilenett2, 리액트 네이티브 활용한 모바일 앱으로 가능케하는 mobileNet, 일반 윈도 프로그램같이 배포하는 electron.js와 크로미엄을 활용한다. 심지어 위챗이란 중국 텐센트의 앱의 플러그인으로 배포하는것도 예를 든다.
이중, 개념도 내용중 가장흥미로웠던것이 리엑티브 네이티브, 라즈베리파이 배포 예였는데 12.3.7 의 단일보드베포 예 내용은 실제 예제 코드가 없어 아쉬웠다. 라즈베리파이4로 다양한 작품을 만들어본 본인으로선, 라즈베리파이4에서 딥러닝 코드를 파이썬이 아닌 자바스크립트로 돌려볼수 있을거란 생각을 못해봤기에 책 첫페이지 개념도에서 라즈베리가 언급되어 기대했는데 아쉬웠다. tfjs-backend-nodegl 페키지를 활용하는 그림이 있는데 찾아 봐야 겠다. 박해선님 부탁드려도 될까요? ^^;
저자 입장에선 특히나 무지무지 어려운 딥러닝을 쉽게 어디서나 누구에게나 이해 시킬수 있는 좋은 도구인 웹브라우저로 전달할수 있고 독자는 파라미터를 바꿔가며 동작을 한층더 깊게 이해 할수 있어 좋다 생각한듯 하다.
이책을 공부하기 위해선 node.js, npm, yarn CUDA, CuDNN, Micro Visual Studio 설치가 필요하고 이때 nvidia 계정이 필요하다. CUDA, CuDNN을 사용하기 위해선 CUDA 를 지원하는 NVIDIA GPU가 장착되어 있어야 한다. 이후론 window-build-tools, tfjs-node-gpu, tfjs, tfjs-node 이렇게 4개의 npm 패키지를 설치해야된다.
자바스크립트로 딥러닝 배워보는 책은 수년전에 한권이 나와있었으나 크게 주목받지 못했던듯하다. 아마존에 가니 웬걸... 자바스크립트로 딥러닝 배워보는 책이 적지 않았다. 이책도 이미 2020년에 나왔던 책이다..
현재 전세게 개발자 사용언어 1위? 인 자바스크립트 개발자들은 파이썬 개발자들만이 누려왔던 딥러닝의 세계를 딥러닝의 세계를 주도하는 분들이 만든 tensorflow.js로 어느정도 함께 해보는데 이책이 좋은 가이드가 될듯 하다 ...
자바스크립트 개발자들은 딥러닝의 세계로 빠져드는, 기존 파이썬 개발자들에겐 웹및 많은 사용자들의 세계로 영역을 대폭 확장하는,
두 거대한 세계를 이어주는 tensorflow.js 와함께 상당히 흥미로운 세상으로 첫발을 이책과 함께 ! ^^
아직 모두 읽어보진 못했지만... 소장가치 100% 이지 않을까 강추 해본다 ^^ 박해선님 책을 여러권 소장중인데..., 한권 또 추가되었다 ^^
＜YES24 리뷰어클럽 서평단 자격으로 작성한 리뷰입니다.＞ |
딥러닝 책에서 내가 지대한 관심을 갖고 있는 리액트 네이티브, 라즈베리파이 가 떠~억 하니
|
구글 브레인에게 딥러닝을 배우다니 책 제목부터 신뢰가 느껴진다. 최근 머신러닝과 딥러닝을 공부하면서 데이터셋을 모델에 맞게 가공하는 법을 잘 몰라 어영부영 헤매고 있던 찰나에 이 책을 접하게 되었다. 특히, 6장에 데이터 다루기 목차에 데이터 다루는 방법을 자세히 기술되어 있어 아주 도움되었다. 각 챕터마다 연습문제과 요약이 있는 것도 큰 도움이 되었다. 대체로 개발 쪽 관련 도서는 코드 예제 및 설명과, url을 통해 해당 예제 코드를 실제로 구현해 놓은 것이 대부분이다. 하지만 연습문제를 통해 내가 어느 부분을 잘 이해하지 못 했다는 것을 알 수 있었고, 요약부분을 통해 많은 내용을 쉽게 정리해 볼 수 있었다. 아무쪼록 tensorflow.js를 배우고 싶거나, 이미 사용 중이지만 모르는 부분이 있는 사람들에게는 큰 도움이 될 수 있는 책이라고 생각한다. |
|
이름만으로도 압박감이 느껴지는 딥러닝을 자바스크립트로 구현한 다는 생각만으로도 나에게는 신선한 충격이었다. 머신러닝, 딥러닝 하면 환상의 짝꿍으로 따라다니는 파이썬이 아닌 자바스크립트라니! 이 분야의 공부를 시작하면서 제일 먼저 한 일이 파이썬 기본 책을 사는 일이었는데 말이다. "자바스크립트만 알고 있다면 시작하기에 충분하다!" 라고 책 표지에 나온 것처럼 진심! '구글 브레인 팀에게 배우는 딥러닝 with TensorFLow.js' 이 책 한권이면 충분하다. 웹에서 구동되는 프론트엔드 프로그램은 가벼워야 한다. 하지만 이 책에서 다루는 내용은 자바스크립트 처럼 가볍지 않다. TensorFlow.js를 활용한 예제와 함께 깊이있는 딥러닝,머신러닝의 일반적 이론까지 설명되어있다. 결코 쉽지 않은 책이다. 하지만 수박 겉핥기가 아닌 제대로 공부할 수 있도록 길을 안내해 준다. 또한 합성곱 신경망, 날씨 예측예제를 통한 RNN 소개, 텍스트를 위한 딥러닝 모델 만들기 등 Tensorflow.js의 고급기술까지 다루고 있다. 실습환경 설정 방법도 친절하게 설명되어있고, 하나 하나 실습해서 결과를 확인하기 어렵다면 번역서만을 위한 실습파일 데모 사이트를 제공하고 있다. 내 책장에 머신러닝, 딥러닝 관련 책이 가득이다. 그럼에도 나의 최애는 단연코 이 책이다. #구글브레인팀에게배우는딥러닝withTensorFLow.js #TensorFLow.js #길벗 #텐서플로 #딥러닝js
|
|
네이버 블로그 리뷰: https://blog.naver.com/rock1192/222825744648
머신러닝, 딥러닝 하면 파이썬 언어로만 한정지어져 최근까지도 파이썬 언어의 다양한 라이브러리들과 각종 최신 도구들과 함께 관련 동영상 강의와 서적들이 쏟아져 나오고 있는 것이 현실이다 그만큼 머신러닝, 딥러닝을 하기위해서는 파이썬을 활용하는 것이 가장 좋은 선택이 되어가고 있는 것이 현실이다 TensorFlow.js의 개발자는 구글 브레인 팀의 자바스크립트 개발자이며 머신러닝 기술자이다 자바스크립트 개발자로써 자바스크립트를 활용하여 딥러닝을 할 수 있는 라이브러리를 개발하여 자바스크립트의 활용도를 높여놓았다 자바스크립트도 파이썬 만큼 쉽고 간단하게 사용할 수 있는 언어로 파이썬으로 사용하던 기술을 자바스크립트로 수행한다고 큰 이질감은 없을 것으로 예상된다
예제 파일 https://github.com/gilbutITbook/080237
https://github.com/rickiepark/deep-learning-with-javascript
딥러닝의 혁명은 2012년에 시작된 심층 신경망의 속도와 기술의 급격한 발전을 의미한다 그리고 이 발전은 현재도 진행중이다 그 이후로 심층 신경망이 점점 더 광범위한 문제에 적용되어 어떤 경우에는 기계가 이전에 풀지 못했던 문제를 해결하며, 또 어떤 경우에는 솔루션의 정확도를 극적으로 향상시킨다
자바스크립트는 전통적으로 웹 UI와 (Node.js를 사용해) 백엔드 비즈니스 로직을 만드는 데 사용된 언어이다 자바스크립트로 아이디어를 표현하고 창의성을 발휘하는 사람이라면 파이썬, R, C++ 같은 언어의 독점적인 영역처럼 보이는 딥러닝 혁명에서 약간 소외감을 느낄지 모르겠다 이 책의 목푠느 TensorFlow.js라는 자바스크립트 딥러닝 라이브러리를 통해 딥러닝 자바스크립트를 연결하는 것이다 이를 통해 자바스크립트 개발자가 새로운 언어를 배우지 않고도 심층 신경망 작성 방법을 배울 수 있다
인공 지능, 머신 러닝, 신경망, 딥러닝은 관련이 있지만 서로 다른 것이다 눈부신 인공 지능 분야에 적응하려면 이런 용어가 의미하는 것을 이해해야 한다 벤 다이어그램에서 볼 수 있듯이 인공 지능은 광범위한 분야이다 이 분야를 간략하게 정의하면 일반적으로 사람이 수행하는 지능적인 작업을 자동화하려는 노력이다
인공 지능과 데이터 과학의 다른 분야처럼 머신 러닝은 일반적으로 파이썬, R과 같이 전통적으로 주로 백엔드에 사용되는 언어로 수행되어 웹 브라우저가 아닌 서버나 워크스테이션에서 실행된다 심층 신경망의 훈련은 종종 브라우저 탭에서는 직접 사용할 수 없는 멀티코어와 GPU 가속 컴퓨팅이 필요하다 이런 모델을 훈련하기 위해 필요한 엄청난 양의 데이터는 백엔드에서 입력하는 것이 가장 편리하다
모든 특성을 사용하여 학습 알고리즘이 선별하도록 만들어 보자
먼저 깃허브에서 프로젝트 저장소를 클론하여 프로젝트에 필요한 HTML, 자바스크립트, 설정 파일을 복사한다 CodePen에 호스팅된 가장 간단한 프로젝트 이외에는 책의 모든 예제가 두 개의 Git 저장소로 제공하고 저장소 내에서 디렉터리로 프로젝트를 구분한다 두 저장소는 깃허브에 있는 rickiepark/deep-learning-with-javascript와 tensorlow/tfjs-models이다
다음 명령언 이 예제에 필요한 저장소를 클론하고 보스턴 주택 가격 예측 프로젝트로 작업 디렉터를 바꾼다
＞ git clone https://github.com/rickiepark/deep-learning-with-javascript.git ＞ cd deep-learning-with-javascript
첫 번째 프로젝트에서는 데이터를 자바스크립트 배열로 하드 코딩하고 이를 tf.tensor2d() 함수를 사용해 텐서로 바꾸었다 하드 코딩 방식은 작은 예제에서는 괜찮지만 애플리케이션이 커지면 적용하기 어렵다 일반적으로 자바스크립트 개발자들은 어떤 URL에서 직렬화된 형태로 저장된 데이터를 찾는다 예를 들어, 보스턴 주택 데이터는 다음과 같은 구글 클라우드 URL에 CSV 포맷으로 무료로 공개되어 있다
보스턴 주택 데이터셋의 특성을 살펴보면 값이 범위가 다르다 NOX 범위는 0.4와 0.9 사이이고 TAX의 범위는 180에서 711사이다 옵티마이저는 특성과 가중치를 곱하여 더한 값이 주택 가격과 비슷하게 되도록 각 특성의 가중치를 찾는 식으로 선형 회귀 모델을 훈련한다 옵티마이저가 가중치 공간에서 그레이디언트를 따라 이런 가중치를 찾아다닌다는 것을 기억하라 일부 특성이 다른 특성과 스케일이 매우 다르면 특정 가중치가 다른 가중치보다 훨씬 더 민감할 것이다 따라서 한 방향으로 조금만 움직여도 다른 방향보다 출력이 훨씬 더 많이 변하게 된다 이로 인해 불안정해지고 모델 훈련이 어려워진다
간단하게 보스턴 주택 프로젝트로 TensorFlow.js를 활용하여 데이터를 가공/분석/문제정의/데이터정규화/선형회귀 훈련등을 진행 해보았다 파이썬으로만 가능하던 작업을 자바스크립트를 활용하여 해볼 수 있다는 것이 매우 놀라웠으며 이 책을 접하고 실습을 해보면서 앞으로 TensorFlow.js를 활용해 많은 재미있는 작업들을 해볼 수 있으리라는 기대감이 생겼다
TensorFlow.js는 구글 브레인 팀의 자바스크립트 개발자이자 머신러닝 기술자가 개발하였으며 광범위한 자바스크립트 커뮤니티 개발자들이 머신 러닝 모델을 구축하고 배포할 수 있도록 해주며, 새로운 종류의 온-디바이스 컴퓨팅을 가능하게 만들었다 텐서플로 디버거, 즉시 실행, 빌드와 테스트를 자바스크립트에도 할 수 있게 되었다 이 라이브러리의 전신은 deeplearn.js이며 이 위에 머신 러닝 모델을 개발하기 위한 고수준 구성 요소를 제공하는 라이브러리를 추가해서 개발되었으며 사용할 수 있는 모델의 기술을 극적으로 늘렸다
레이블된 데이터셋의 증가, 컴퓨팅 파워 증가, 알고리즘 혁신이 함께 모여 임계점에 도달하였으며 심층 신경망이 이전에 해결하지 못한 작업을 해결하고 다른 작업에서는 정확도를 높였다 이로 인해 신경망은 학술 연구를 넘어 음성 인식, 이미지 레이블링, 생성 모델, 추천 시스템 등과 같은 실용적인 애플리케이션으로 퍼졌다
이것이 구글 브레인 팀에서 TensorFlow.js 개발을 시작한 배경이다 TensorFlow.js는 자바스크립트에서 신경망을 다루는 데 필요한 완전한 기능을 갖춘, 업계 품질 수준에 맞는 최초의 라이브러리다 이 라이브러리가 제공하는 기능은 여러 방면에 걸쳐 있다
이 책 한권으로 TensorFlow.js 프로그래밍하는 방법에 대한 연습뿐만 아니라 자바스크립트와 웹 개발자를 위한 머신 러닝 기초를 익힐 수 있다
※출판사로부터 책을 무상으로 제공받아 직접 실습해보고 정성껏 작성한 리뷰 입니다
|
|
이 책을 선택한 이유는 인공지능분야에서 머신러닝과 딥러닝이 핫하기 때문이기도 하고, 예전에 인공지능 개론서를 읽으면서 인공지능이 극적으로 발전할 수 있었던 계기가 딥러닝이 있었기 때문이라는 이야기를 읽었기 때문이다. 사실 인공지능은 아주 오래전 부터 연구가 진행되고 있던 분야이고 특히 일본에서는 인공지능을 차세대 아이템으로 선정하고, 집중적으로 투자하며 국가발전의 새로운 발판으로 삼고자 하였다. 하지만 계속해서 한계에 부딪히게 되었는데, 사람보다 뛰어난 인공지능을 만들 수 없다는 것이 근본적인 한계였다. 사람이 정답으로 알려준 것만 학습할 수 있었고 그 이상의 능력으로 인공지능이 학습할 수는 없었기 때문에, 머신러닝을 해도 인간을 뛰어넘는 인공지능은 불가능했다.
딥러닝이라는 새로운 기술이 나오면서 비로소 우리가 알고 있는 수준의 인공지능이 등장했다. 알파고의 등장이 대표적인 사례인데, 이세돌과의 바둑승부를 통해서 전세계에 인간을 뛰어넘는 인공지능의 출현을 알렸다. 이세돌과 알파고는 1:4의 전적으로 알파고가 승리했다. 무튼 인공지능의 비약적인 성장은 딥러닝을 기점으로 발생한 것이고, 그 성과는 알파고로 나타났다. 이후 머신러닝과 딥러닝, 파이썬이 화두로 떠오르고, 데이터 마이닝, R 언어등이 등장했다. 빅데이터를 어떻게 해석할 것인가가 주요 화두로 떠오르게 되었다.
알파고: 패배를 인정하마. 넌 천재야..!
빅데이터를 어떻게 해석하느냐에 따라서 그것은 커다란 자산이 되는데, 이제는 자주 들어서 질릴만도한 타깃의 사례다. 타깃은 어느날 여고생에서 임산부에게 보내는 우편물을 발송했고, 부모님이 이것을 보고 왜 우리아이에게 이걸 보내냐면 화를 냈다. 근데 알고보니 여고생이 정말로 임신한 상태였고 타깃은 부모님도 몰랐던 걸 알아맞춘 대단한 회사가 되었다. 타깃은 빅데이터를 해석해서 그 여고생이 임신했다는 것을 알았고 그래서 임산부 우편물을 여고생에게 보낸 것이었다. 무향티슈나 마그네슘 보충제와 같은 물품은 임산부가 많이 찾는 물품이기 때문에 (100%확률은 아니고 87%의 확률) 여고생에게도 그 우편물을 보낸 것이다. 강력한 시스템이 세상을 어떻게 바꿀 수 있는지 보여주는 단적인 사례라고 할 수 있다. 각설하고 이 책은 인문학적인 책은 아니다. 기술서다. 그래서 텐서플로우라는 구글의 API를 사용해 딥러닝을 어떻게 사용할 수 있는지 방법론을 배운다. 구글의 브레인팀이 꼼꼼하게 서술하여 내부에는 코드 외에도 그림으로 개념를 설명해두었고, 연습문제도 풀어볼 수 있도록 별도의 섹션을 마련해두었다. 또한 Javascript 기반으로 웹이 가능한 환경이라면 쉽게 접근해서 작업해볼 수 있기 때문에 접근성 면에 있어서도 괜찮다. 그동안은 파이썬으로만 되어 있었던걸로 기억하는데, 새롭게 Javascript 방식으로 선보이는 것도 범용성이 높아진다는 점에서 환영할만 일이라고 생각한다. 이걸 한권 읽고 연습문제를 풀었다고 딥러닝의 모든 것을 알 수 있는 것은 아니지만, 인공지능 분야에 있어서 전보다 한단계 성장하고 싶다면 추천하는 책이다. 번외로 텐서플로우 자격증이 있다고 한다. 무슨 특별한 자격이 주어진다기 보다는 텐서 플로우 튜토리얼을 완료했다의 느낌으로 보면 되고, 비용은 $100 정도한다. 시험범위는 오픈북이며 '코세라 딥러닝 특화 과정'을 수강하고 시험을 보면 된다. 해당 강좌는 5일간 무료로 들어볼 수 있고 강의내용은 많지 않으니 시간을 내서 들어보면 도움이 될 것이다. 찾아보면 '구글 머신러닝 부트캠프'라는 프로그램이 있고 해당 프로그램은 자격증에 대해서 재정적인 지원을 해준다고 한다. 자세한 내용은 해당 키워드로 검색해보시길 바란다. #빅데이터 #데이터마이닝 #R언어 #구글머신러닝부트캠프 |
이세돌 : 아 목탄다.
|
이번에 살펴볼 책은 ‘구글 브레인팀에게 배우는 딥러닝 with TensorFlow.js’라는 책이다. TensorFlow.js의 전신인 deeplearn.js가 있을 때, 머신 러닝은 대부분 파이썬으로 실행되게 만들어져있었다.
그러던 중 구글 브레인 팀의 자바스크립트 개발자이자 머신 러닝 기술자인 니킬 소랫과 다니엘 스밀코프는 자바스크립트와 머신러닝 이 두 세계를 연결할 수 있다는 것을 깨달았고 현재 TensorFlow.js는 광범위한 자바스크립트 커뮤니티의 개발자들이 머신러닝 모델을 구축하고 배포할 수 있도록 만들었다. 이 책의 원서의 지은이인 샨칭 차이, 스탠바일시, 에릭 닐슨은 구글 브레인 팀의 소프트웨어 엔지니어이다.
TensorFlow.js는 바로 이 세 분 샨칭, 스탠, 에릭의 힘으로파이썬과 자바스크립트 세계를 묶을 수 있었다고 한다. 이 들이 없었다면 TensorFlow.js도 없었을 것이라고 한다. 이 책 ‘구글 브레인 팀에게 배우는 딥러닝 with TensorFlow.js는 구글팀에게서 직접 딥러닝 이론과 TensorFlow.js로 만든 자바스크립트 실전 예제를 배우는 대단한 책이라고 볼 수 있다. 원래 파이썬에는 이미 잘 구축되고 강력한 딥러닝 프레임워크가 있었으나 자바스크립트에서는 머신 러닝 세계가 나뉘어져 있고 불완전 했었고 바로 그게 구글 브레인팀에서 TensorFlow.js 을 개발한 계기라고 한다. TensorFlow.js 는 자바스크립트에서 신경망을 다루는 데 필요한 완전한 기능을 가진 최초의 라이브러리이다. 그리고 이 책은 구글 브레인팀이 이런 기능을 모두 둘러볼 수 있게 안내하는 책이다. 그러한 원서를 한국어로 옮긴 책인 것이다
이 책의 타깃독자는 아래와 같다. - 머신러닝이나 수학적 배경지식은 없지만 분류나 회귀 같은 일반적인 데이터 과학 문제를 해결하기 위한 딥러닝 작업과정을 이해하고 알고 싶은 자바스크립트 프로그래머 - 사전 훈련된 모델을 웹 앱이나 백엔드 스택에 새로운 기능으로 배포하는 작업을 담당하는 웹 또는 Node.js 개발자 예제파일은 길벗출판사 웹사이트나 깃허브에서 다운받을 수 있다.
데모사이트를 한국어로 만들어놔서 온라인으로 실행할 수도 있게 해두었는데 이따 확인해보도록 하겠다.
1장만으로 구성된 1부는 인공지능, 머신 러닝, 딥러닝에 대한 개념과 자바스크립트로 딥러닝을 하는 것에 대한 의미를 설명한다. 2장의 2,3장에서는 딥러닝에서 가장 기초적이고 자주 등장하는 개념인 머신러닝, 선형 회귀를 다루고 그를 토대로한 비선형성, 다층 신경망, 분류작업을 소개하며,
4장에서는 이미지 데이터와 이미지에 관련된 머신 러닝 문제를 위한 신경망 구조인 합성곱 신경망을 다룬다. 5장에서는 세부적인 합성곱과 이미지 입력에 초점을 맞추며 전이학습도 알아본다. 그 이후 3부에서는 최신기술을 알아보는 시간을 가진다.
4부에서는 훈련이나 TensorFlow.js로 변환된 모델의 테스트, 최적화 기술을 다루며 부록에서는 실습환경 설정 등이 설명된다. 각 장의 끝에는 실습 문제가 있어서 딥러닝 기술을 연마하는데 꼭 필요한 개념은 알아가고 넘어가도록 했다. 그럼 구글 브레인팀에게 배우는 딥러닝 with TensorFlow.js 책을 통해 자바스크립트로 딥러닝을 수행하는 여정을 시작해본다.
그럼 구글 브레인팀에게 배우는 딥러닝 with TensorFlow.js 책을 통해 자바스크립트로 딥러닝을 수행하는 여정을 시작해본다. 1.2 장에서는 왜 자바스크립트로 브라우저 환경에서 딥러닝을 수행하는 것이 좋은 이유에 대해 설명한다. 알고보니 파이썬과 비교할 때 자바스크립트의 딥러닝은 서버 비용을 절감하고 추론 속도를 증대시키며, 데이터 프라이버시를 지킬 수 있고, 즉각적인 사용이 가능하다라는 장점들을 가지고 있었다.
이 책의 코드를 테스트하거나 실행하는 좋은 방법은 깃허브 저장소를 이용해서 복사해서 사용하는 것이고 위 사진처럼 코드펜이란 공유 가능 저장소에서 실행해 볼 수 있다. 왼쪽 아래의 'Console' 버튼을 눌러 콘솔을 열어볼 수 있다. 메가바이트 단위로 파일 크기가 주어졌을 때 컴퓨터로 다운로드시 얼마나 걸릴지 예측하는 과정이다.
traindata와 testdata 는 각각 다운로드시간과 파일크기라는 정보를 가진 20개의 샘플을 가고 있으며
결국 파일크기가 주어질 때 다운로드시간을 선형적으로 추정해 보는 것이다.
코드펜의 실행으로 출력된 결과를 확인하거나 이런식으로 그래프를 그리는 방법은 역시 코드펜의 코드에서 참고해서 만들 수 있다고 한다.
이 외에도 한글로된 예제 온라인 데모 싸이트를 통해서 책에서 나온 보스턴 주택 데이터셋을 이용한 주택 가격 예측법을 확인해 볼 수 있다.
보스턴 주택 데이터는 이 책에서 실습하고 있는 구글 클라우드 url에 csv포맷으로 무료로 제공되는 데이터이다. 선형 회귀 모델 , 신경망 회귀 모델 훈련은 은닉층 갯수에 따라 구분해서 보여준다. 두개의 층을 가진 네트워크가 선형 회귀 모델보다 높은 테스트 세트 정확도를 가지는 이유도 찾아보며, 은닉층을 추가하면서 예측 정확도에 미치는 영향도 알아볼 수 있었다.
그리고 은닉층 한개에 시그모이드 함수가 없는 경우도 살펴보며 성능을 비교해 볼 수 있었다.
베타테스터들의 후기에도 설명되고 있듯이 자바스크립트로 인공지능을 하길 원하는 기존의 자바스크립트 개발자들에게도 도움이 될 만한 책이며 처음 접하는 독자들도 공부하기 좋아보인다. 특히 책을 읽다가 막히면 제공하는 브라우저로 동작하는 실제 장면을 통해 학습할 수 있어 그 부분이 효율적인 책이었고 길벗에서 제공하는 한국어 데모사이트도 굉장히 도움이 되도록 여러모로 신경쓴 게 느껴지는 만족스러운 책이었다.
[이 글은 YES24 리뷰어클럽 서평단 자격으로 작성한 리뷰입니다.]
|
|
딥러닝이란 무엇일까? 기계가 데이터로부터 학습해 실용적인 작업을 수행하도록 만드는 것이다. 즉 데이터를 주면 기계가 데이터들을 분석해 규칙을 찾아내는 것이다. 사람과 동물을 구분짓기 위해 사람사진과 동물사진을 함께 보여준다. 이때 이게 사람사진인지 동물사진인지 정답을 함께 알려주는 것이다. 그러면 기계는 그 데이터를 기반으로 스스로 일련의 규칙을 찾는 것이다.
우리가 흔히 말하는 인공지능은 이보다 광범위한 분야이다. "사람이 수행하는 지능적인 작업을 자동화하려는 노력"이 인공지능인데, 이는 머신러닝,신경망,딥러닝을 모두 포함하고 있기 때문이다.
초기 인공지능은 문제를 풀기위한 탐색 되신 인간이 명시적으로 프로그래밍했었다. 명시적 규칙을 충분히 많이 만든 후 사람 수준으로 만들겠다는 접근인 심볼릭AI 방식이었기 때문이다. 하지만 딥러닝은 인간이 규칙을 알려주기 보다는 규칙을 찾을 수 있는 데이터를 제공하기 때문에 추후에 인간이 명시해주기 어려운 데이터 분석등을 기계 스스로 찾아내 좋은 답안을 찾아낼 수 있다.
책은 Tensorflow.js를 본격적으로 들어가기 앞서 딥러닝을 이해하기 위한 자세한 설명을 담고 있다. 그렇기 때문에 꼭 개발자가 아니어도 혹은 초보 개발자여도 입문하기 쉽도록 돕고 있다는 느낌이다.
보통 머신 러닝하면 일반적으로 서버 기반으로 실행되는게 일반적이다. 브라우저 탭에서 직접 사용할 수 없는 멀티코어와 GPU 가속 컴퓨팅이 필요하기 때문인데, 어째서 프론트엔드의 웹브라우저 기반인 자바스크립트를 활용하여 딥러닝을 하자고 하는 것일까? 그 중 하나는 WebGL 가속에 있다. 딥러닝 모델들은 계산 집약적이라 GPU 병렬 계산을 이용한 가속이 필수적인데 최신 웹브라우저에서는 WebGL API를 제공하기 때문이다. 뿐만 아니라 설치가 필요 없이 바로 배포가 가능한 즉각적 사용과, 서버 비용 절감, 데이터를 서버에 올릴 필요 없이 사용자단에서 해결 가능하므로 데이터 프라이버시가 지켜지는 장점이 있는 것이다.
본격적으로 Tensorflow.js 설명에 들어가보면, 복잡하게 따라해볼 필요 없이 쉽게 데이터를 확인하고 코드를 직접 만져볼 수 있는 방법들을 제공한다. 깃허브를 통해 코드를 받아 실험해보거나 공유 저장소인 codepen에 배포해 바로 웹에서 확인해 볼 수 있도록 해놓아서 책을 읽으며 데이터를 쉽게 파악하고 코드를 분석해볼 수 있었다.
크고 복잡한 예제는 깃허브에 있고 CodePen을 통해 배포한 파일은 워밍업으로 확인해 볼 수 있다. (https://codepen.io/tfjs-book/pen/dgQVze)
초반에 잘 설명된 내용 덕분에 딥러닝이 낯설더라도 책을 읽으며 용어의 어려움 없이 읽어나갈 수 있었고 새로운 용어가 나와도 눈치채고 간단 설명이나 무엇인지 알려주는 방식으로 이해도가 높게 구성되어 있다.
책은, 머신러닝에 대한 기본적인 이해가 없는 자바스크립트 개발자나 혹은 이전 모델을 웹앱이나 벡엔드에 새로운 기능으로 배포하려는 웹/서버 개발자가 보기에 적합하다.
초반부엔 딥러닝에 대한 자세한 설명과 개념을 이야기 해주고 이미지 데이터와 머신러닝 문제 해결을 위한 합성곱 신경망을 다루기 때문에 전자에 적합하고 후반부엔 최신기술을 이해하고 싶은 개발자를 위한 고급 주제들을 다루기에 후자들에게도 적합하다.
tensorflow.js를 어떻게 사용하는지 최대한 친절하게 설명하며, 유명 모델들을 tensorflow로 어떻게 구현하는지 알려주기에 낯설음에서 오는 큰 거부감 없이 새로운 지식을 배울 수 있었다.
자바스크립트를 통한 딥러닝의 세계를 보고 싶다면 이 책을 추천한다!
'YES24 리뷰어클럽' 서평단 자격으로 작성한 리뷰입니다.
|
|
|
|
책의 제목에서 이 책의 내용을 모두 알 수 있듯이 다양한 예제와 연습과 코드들이 등장하는 책이다. 요즘은 초등교육부터 코드라는 것을 가르치는 곳도 꽤 많기 때문에 이런것이 낯설지는 않을 것이다. 다만 비 전공자에게는 이런 책이 매우 도움이 된다. 왜냐하면 보통 비전공자가 공학적인 학습에 접근할 때에는 가장 편하게 듣기 쉬운 언어로 접근하기 마련인데 이 책은 말그대로 참고서처럼 다양한 예제와 설명이 등장하기 때문에 집중해서 본다면 충분히 누구나 익힐 수 있다.
사실 코드, 함수, 데이터 추출, 정밀도, 정확도 이런 것들은 모두 수학과도 관련이 있을수 있어 관련지식이 필요하지 않을까? 생각도 들지만 이런 모든 코드들은 처음부터 끝까지 새롭게 정의되어 쓰여지는 것이 아니라는 것을 알 수 있다. 명령어가 있듯이 주어진 식에서 우리가 필요한 해답을 얻기 위한 명령어를 기입하는 것이다. 마치 명암과 밝기를 조절하듯 숫자를 미세하게 적용하여 음성 명령 스펙트럼을 조절할 수도 있다. 하지만 무엇보다 코드를 잘알아야 한다. 물론 설명이 잘 나와있지만 모든건 연습과 반복이 필요할 정도로 간단한 명령어나 코드들이 아니다. 물론 실무에 있는 사람이라면 자주 쓰고 반복해서 사용할 수 있기 때문에 어렵지 않을수 있지만 비실무에 있는 사람이 학습하고자 한다면 한 두번의 연습으로는 익힐 수가 없으니 지속적인 반복학습이 필요하다. 그렇기에 언뜻보면 코드만 등장해서 예제를 익히는 경우가 있지만 이 책을 자세히 보다보면 코드 예제가 등장하고 그를 설명하고 어떻게 보여지는지가 더욱 중요하기에 더 많은 내용이 할애되어 있다 * 책을 제공받아 작성된 후기임을 밝힙니다.
|
|
저도 관련된 직무를 하는 사람으로서 원저자들의 유명한 이름에 매혹되어 보고싶던 책이었습니다. 사실 제목으로 유추를 하여 있기를 기대했던 구글 브레인 팀의 분위기나 업무 내용 등등과 같은 내용이 구체적으로 들어가 있지는 않았지만, Tensorflow.js에 대한 기본 학습서로 괜찮은 도서입니다. 기존 박해선 번역가 님의 여러 번역서들을 재밌게 잘 읽었던 터라 문제가 없었고, 예제 코드들도 적절해보였습니다. 제목이 조금 아쉬운 것 같다는 생각이 들지만, (구글 브레인 팀이라는 명칭을 사용하지 않더라도 되지 않았을까..?) 기본적인 딥러닝을 어느정도 알고있고 관심이 있으며 이를 통해 어떠한 서비스를 만들어보고 싶다하는 개발자에게 적절한 책이라고 생각합니다. 그렇게 어려운 난이도는 아니고, 자바스크립트를 모르더라도 코딩에 어느정도 익숙하다면 쉽게 따라갈 수 있을거라 생각합니다. (실제로 저도 자바스크립트를 사용해본적은 없었습니다.) 평소 좋아하던 원저자들이 작성한 책이라 읽어보고 싶었고, 재밌게 읽기도 했습니다. 추천드립니다. |