케라스로 구현하는 딥러닝: 예제를 따라 하며 배우는 딥러닝 인공신경망

* 이 서평은 한빛미디어에서 도서를 제공받아 솔직하게 제작한 서평입니다. 

딥러닝은 머신러닝과 함께 인공지능의 근간을 형성한다. 이 책은 케라스를 활용하여 딥러닝을 구현하는 방법에 대해서 적고 있다. 즉, 스로 인공신경망을 구현하는 방법을 알려준다. 복잡한 수식 없이 실무에 적용할 수 있는 실용적인 예제로 다양한 딥러닝 모델(ANN, DNN, CNN, RNN, AE, GAN, UNET, RL, QAI)을 다룬다. 

‘케라스로 구현하는 딥러닝”은 인공신경망의 기본 개념부터 심화 기능, 강화학습, 양자 인공지능까지 다양한 딥러닝 알고리즘을 맛볼 수 있는 책이다. 코드로 딥러닝에 대한 감을 익히고 빠르게 결과물을 만들고 싶은 분께 추천한다.

"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

1. 장점

-＞ 케라스에서 제공하는 딥러닝 방법들에 대하여 이론 및 실행 코드를 통해 인공지능의 발전 순서(ANN, DNN, CNN, LSTM, AE, RL등)대로 접할 수 있다.

-＞ 코드로 모델을 제작할때 keras를 상속하여 클래스 형태로 만들어 장기적으로 봤을 때 확정성 있게 만들 수 있으며 초반에는 sequential 방식으로 간략하게 구현해 보지만 후반부에는 functional 방식으로 구현해 세분화하는 방식을 접할 수 있음

-＞ 딥러닝 구조를 쉽게 경험할 수 있으며 수학적 지식만 충분하다면 초보자를 위해 코드 구현에 대한 압박을 낮춰주어 결과 빠르게 넘어 갈 수 있음

2. 단점

-＞ Loss func와 optimizer같은 하이퍼 파라미터 조절 방법은 간단하게만 나오고 Overfitting을 방지하는 방법과 같이 취약점이나 유용한 경우에 대해서는 자세하게는 안나옴

-＞ tensorboard사용 방식은 생략되어 있는 것 같아 아쉬움

3. 후기

-＞ 아마 딥러닝을 해본 대부분의 사람들은 DNN, CNN, LSTM과 같이 자주 사용하는 기법 위주로 이용하였을 텐데 이 책의 경우 AE, UNET, RL, QAI등을 이용하는 법을 배울 수 있는게 큰 특징 중에 하나이며 코드를 짤 때 처음부터 시작할 때 keras를 상속하여 클래스 형태로 제작을 해 추후 개인적인 프로젝트를 진행할 때 확장성 있게 이어갈 수 있는 점이 큰 메리트라고 생각함

 2010년 중반부터 AI 가 다시 부흥하더니 최근 2 ~ 3년 간은 AI 의 열풍이다. 코딩 학원의 갯수만큼 엄청나게 많은 머신러닝 / 딥러닝 책이 출판되었다. 좋은 책들은 3 ~ 4년이 지나도 계속해서 회자되는 책들이 있는 반면, 그만큼 빠르게 잊혀가는 책도 많아졌다. 

 처음엔 이 책을 받고, 흔한 딥러닝 입문서이지 않을까 생각하였다. 너무나 많은 딥러닝 책이 나와 있고, 필독서라고 할만큼 유명한 책들도 꽤나 많기 때문이었다. 다만, 흥미로웠던 점은 이론은 굉장히 최소화하였다는 점과 케라스로 구현한 점이었다. 요즈음 나오는 책들은 대부분 Tensorflow 또는 Pytorch 로 구현되기 때문이다. 

 케라스는 Tensorflow 위에서 동작하는 라이브러리이지만, Tensorflow 보다는 좀 더 사용자 친화적으로 개발되어 사용이 편하다는 장점이 있다. 간단한 신경망의 경우에는 몇 줄 안되는 코드로 신경망을 구현할 수 있다. 좀 더 디테일한 튜닝을 진행해야 할 경우에 Tensorflow를 사용해야 하지만, 매우 간단한 모델을 만들거나 빠른 시간 내에 프로토타입을 만들어야 할 경우 Keras 가 좋은 선택지가 될 것이다. 

 이 책은 케라스를 이용해 딥러닝 인공신경망을 만들어 인공지능을 구현한다. 기본 편(0 ~ 8장) 과 심화 편(9 ~ 11장) 으로 구성되어 있으며, 책에서 배울 수 있는 인공신경망의 종류는 다음과 같다.

• ANN : 두뇌의 신경망을 흉내 낸 인공지능 기술
• DNN : 은닉 계층을 여러 개 쌓아서 만든 인공신경망
• CNN : 합성곱을 이용하는 신경망 기술
• RNN : 계층의 출력이 순환하는 인공신경망
• AE : 비지도학습 인공신경망
• GAN : 경쟁을 통한 최적화를 수행하는 생성적 인공신경망
• UNET : 저차원과 고차원 정보를 모두 사용하여 이미지의 경계를 비롯한 특징을 추출하는 인공신경망
• RL : 행동에 대한 정책을 학습하는 인공신경망
• QAI : 양자컴퓨터를 이용하여 구현하는 인공지능이며 양자 컴퓨터는 양자 효과를 활용하는 컴퓨팅 환경이다.

이 책의 저자 김성진 님은 누구나 인공지능을 쉽게 익힐 수 있도록 다양한 기초를 실습하여 딥러닝의 큰 그림을 그릴 수 있게 만들었다고 한다. 따라서 복잡한 이론보다는 실습 위주로 구성되어 있으며 책의 목적 또한 다양한 딥러닝 모델의 개념을 익히는 것이므로 이론을 최대한 간략하게 소개한다. 

이 책의 장점은 말 그대로 쉽고 빠르게 딥러닝 모델을 구현할 수 있다는 점이다. 책에 나와 있는 다양한 예제를 따라 하다 보면 딥러닝에 대한 깊은 이해 없이도 아주 강력한 딥러닝 툴을 손쉽게 사용할 수 있다.

모델 구현 외적으로도 빠르게 복습을 할 수 있다는 점도 있다. 각 신경망의 특징은 어느 정도 알 수 있지만 구현하려면 막히는 경우도 종종 있는데 이 때, 이 책을 활용하면 좋을 것 같다. 

한빛미디어의 ＜AI로 일하는 기술＞ 이라는 책이, 인공지능에 관해 이론적으로 큰 틀을 잡을 수 있는 책이라면, ＜케라스로 구현하는 딥러닝＞ 은 딥러닝의 구현에 관해 경험적으로 큰 틀을 잡을 수 있는 책이라고 생각한다. 

처음 AI 에 입문하는 비전공자라면, 위의 두 책을 보는 것도 추천한다. 

"한빛미디어 ＜ 나는 리뷰어다 ＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

이 책을 선택을 한 이유는 다른 입문서와는 다르게 양자인공지능에 대한 내용이 한 챕터를 
차지하고 있어, 어떤 내용인지 궁금해서 선택을 했습니다.

이 책을 처음 받았을 때, 아주 두껍지 않고 적절한 두께와 크기의 책이라는 생각을 했습니다.

사실 입문서의 경우 너무 두꺼우면 과연 초보자들이 끝까지 읽을 수 있을까 하는 생각을 항상하고 있었습니다.

항상 새로운 분야를 익힐 때, 얇은 책으로 빠르게 전체를 대략적으로 훑으면서 큰 그림을 먼저 보고,
세부적으로 들어가는 것을 선호합니다.

이 책은 케라스 설치부터 ANN, DNN, CNN, RNN, AE, GAN, UNET, RL 의 흐름을 예제 중심으로 설명하고 있습니다.
이 흐름대로 익혀나가면 딥러닝의 전체 그림을 빠르게 볼 수 있을 것으로 생각합니다.

(아직 양자인공지능은 제대로 이해를 못하고 있습니다.)

"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

'케라스로 구현하는 딥러닝(한빛미디어)'는 책 제목 그대로 "구현"에 초점이 맞춰져 있는 책이다. 책에서는 간략하게 인공지능과 딥러닝 인공신경망의 개요를 알아본 후에, ANN, DNN, CNN, RNN, AE, GAN, UNET을 각각 케라스로 구현해볼 수 있도록 예시 코드를 제공한다.

이 책의 대상 독자는 "실습 중심으로 딥러닝에 대한 감을 익히고 빠르게 결과물을 내고 싶은 개발자에게 추천한다. 더불어 인공지능, 인공신경망 구현에 관심이 있다면 누구나 이 책의 대상 독자이다."라고 소개하고 있다. 사실 여기에 덧붙여서 기본적인 딥러닝에 대한 이해가 있는 상태에서 이 책을 읽는 것을 추천한다. 왜냐하면 개념적인 설명보다는 코드를 통한 실습이 중점적으로 다뤄지고 있기 때문이다.

그렇기 때문에 딥러닝의 기초는 이미 알고 있지만, 이를 코드로(특히 케라스로) 구현해보고 싶은 사람에게 이 책을 추천한다. 그리고 케라스를 다루기 때문에 파이썬에 대한 기본적인 활용을 할 수 있어야만 이 책을 더욱 효과적으로 받아들일 수 있을 것이다.

* 한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다.

이 책은 제목에서처럼 주요 인공신경망을 케라스로 구현하는 방법에 대해서 알고 싶고, 
실전 예제를 통해서 효과적으로 프로젝트를 개발하고자 하는 중급 이상의 개발자들에게 추천한다.
특히 각 장의 예제는 주옥같다. 예제의 수준도 수준이지만, 함수형/객체 지향형 방법으로 구현되어 있으며, 코드 재사용을 고려하여 작성할 뿐만 아니라, 예제 설명에서도 진심이 느껴진다.

Python 초급이나 머신러닝의 배경지식이 없다면 쉽지 않다. 
하지만 예제만으로도 이 책은 충분한 가치가 있다고 확신한다. 

Python 개발 실력이 느는 것은 덤이다. ^^

책의 구성은 기본 편과 심화 편으로 나누어 전체 11개 챕터로 구성되어 있으며, 
기본 편에서는 케라스 소개(인공지능과 머신러닝, 텐서플로2, 케라스 설치법)와 
케라스로 구현하는 ANN(Artifical Neural Network, 인공신경망), DNN(Deep Neural Network, 심층신경망), CNN(Convolutional Neural Network, 합성곱신경망), RNN(Recurrent Neural network, 순환신경망), AE(AutoEncoder, 오코인코더), GAN(Generative Adversarial Network, 생성적적대신경망), UNET(유넷)을 설명하고 있으며, 심화 편에서는 케라스의 확장 기능(이미지 데이터 증강, 학습한 모델 사용, 신규 계층 추가, 학습 가능한 신규 계측 사용), 케라스로 구현하는 RL(Reinforcement Learning, 강화학습), QAI(Quantum Artifical Intelligence, 양자인공지능)를 설명한다.

인공 신경망은 모두 다룬다고 해도 과언이 아니다.

특히, 마지막 양자 인공지능은 정말 어렵다. ㅠㅠ
다루는 분량에 비해 지면의 부담으로 개념 설명이 적은 것은 살짝 아쉽다. 하지만 우리에겐 이 책만 있는 게 아니니까 ㅎㅎ,
예제만 봐도 핵이득이다.

각 장은 먼저 해당 알고리즘에 대한 개념과 용어를 설명하고, 알고리즘의 구현 방법과 단계를 설명한다. 같은 결과지만 다른 방법(함수형/객체 지향형)으로 구현한다. 
이어서 알고리즘으로 구현 가능한 예제를 3개 정도 설명하는데, 저자의 경험을 토대로 Python 꿀팁과 사용되는 라이브러리(넘파이, 판다스, 맷플롯립, 사이킷런, 아규먼트 처리, ...)의 용도와 활용법도 반복적으로 친절하게 설명한다. 
알고리즘에 대한 예제 설명은 두말하면 입 아플 정도로 진심이다.

기존 이론 위주의 책이 대다수라면 예제 위주로 구성되어 있어서 참신하게 다가왔다.이 책을 모두 이해한다면 인공신경망과 Python 두 마리 토끼를 잡았다고 볼 수 있을 것이다.
이론에 익숙해지고, 실전에 들어가기 전, 또는 실전에 들어가서도 보면 좋은 책이라는 생각이 든다.

책 표지 디자인도 좋았으며, 책 내용에 대한 디자인도 아주 좋았다. 전체적으로 완성도가 매우 높고, 보기가 편했으며, 눈에도 잘 읽혔다. 굿 굿 굿
책을 읽으면서 가장 마음에 드는 문구로 이번 리뷰를 마무리하고자 한다.

AI를 두려워하고 멈춰 서 있을 것인가? AI와 함께 앞으로 나아갈 것인가?

"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

딥러이다 머신러닝이다 뭐다 해서

이것저것 책도 들춰보고 유튭도 보고 했지만 막상 본격적으로 해보려니 너무 어려웠다..ㅜㅠ

특히 텐서플로가 제일 유명하고 좋대서 여러번 달려들어봤지만

역부족.

이론적인 설명을 듣는것도 힘들고

이상하게 코드는 복붙을 했는데도 잘 안돌아가고..;;

그래서 한동안 손놓고 있다가

케라스는 좀 더 쉽다던데? 라는 소리를 듣고 다시 도저언!!!!

왜 '케라스로 구현하는 딥러닝' 인가

2가지 이유가 있었다.

1. 온갖 영역을 다 다룬다

인공신경망, 심층신경망 등등등 케라스에 있는 모든 신경망의 내용을 예제와 함께 다루고 있었다.

2. 수학 이야기가 없다.

물론 본질적인 원리를 이해하기 위해서는 수학적인 부분도 다루면 좋겠지만

당췌 이해도 안되는 수식이 어마어마하게 나열된 책들은 정말 손이가지 않았다..ㅜㅠ

그렇다고 기본 개념과 이론을 설명하지 않는 것은 아니다.

오히려 도식을 통해서 이해하기 쉽게 적당한 수준까지만 다룬다!

가장 큰 특장점!!

예제를 따라 가기 쉽게 코드 블럭 단위로 자세한 설명을 해준다.

흡사 주석이 잘 되어 있는 주피터 노트북을 보는 느낌이다!

한번에 코드 덩어리를 당연하듯 막 던지는 책은 소화하기 버겁다..ㅜㅠ

그리고 부분부분 쭉 따라가다 보면

한눈에 전체 코드를 살펴볼 수 있다.

위의 이미지에서도 살펴볼 수 있지만

이 책은 풀컬러다!!!

코드 가독성이 폰트 색상과 배경 배색으로 인해 편하게 볼 수 있다!!!

아 또한가지 장점은 Git을 통해서 제공하는 소스코드가

GPU 사용자와 CPU only 코드 둘다 제공하고 있다.

즉, 복붙하기 좋다.ㅋㅋㅋㅋ

사실 코드를 직접 구현하는 것보다 잘 돌아가는지 한번 붙혀 넣어보고

데이터만 내껄로 바꿔서 돌려보는게 목적 아니겠는가?

  "한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."

이번에 읽은 책은 "케라스로 구현하는 딥러닝"이라는 책입니다. 인공지능을 개발하기 위한 프레임워크로 텐서플로와 파이토치를 대표로 들 수 있고, 텐서플로를 기반으로 상위에서 인공지능을 좀 더 용이하게 개발할 수 있는 라이브러리로 제공하고 있는 것이 케라스로 알려져 있습니다. 이 책의 작가는 프로그래밍과 평생을 함께 해온 분인 것 같습니다. 프로그래밍으로 대상 수상, 박사 학위를 수여하고, 회사에서 일하고, 이후 인공지능 분야로 박사후연구원으로도 활동하신 분입니다. 현재는 케라스 관련 커뮤니티를 운영하시는 상황이니 프로그래밍 역량과 인공지능의 전문성이 합쳐져 시너지 효과를 내는 결과물로 이 책이 나온 것이 아닐까 짐작할 수 있습니다.

이 책은 딥러닝이라는 분야에 조금 관심이 있다면 들었을만한 여러 가지 인공지능 기술들을 구현한 내용을 다루고 있습니다. ANN(인공신경망)으로부터 시작해서 DNN(심층 신경망), CNN(합성곱 신경망), RNN(순환 신경망), AE(오토 인코더), GAN(생성적 적대 신경망), UNET 등의 기술을 케라스를 이용해서 구현하고, 코드의 세부적인 해설들을 소개합니다. 케라스는 텐서플로를 기반으로 추상화되어 있어서 외부로 표출하지 않은 기능은 다루기가 쉽지 않은데, 이 부분을 확장해서 다룰 수 있는 방법도 설명합니다. 마지막에는 생소한 느낌까지 드는 양자 인공지능이라는 부분에서도 케라스를 통해 어떻게 접근할 수 있는지 알려주고 있습니다.

작가는 케라스라는 도구로 다양한 인공지능 방식을 구현하는 방법을 소개해서 누구나 쉽게 익힐 수 있는 실습 기회를 제공하고자 합니다. 최근에 머신러닝에 관련된 온라인 코스를 듣고 있는 와중에 이 책을 만나게 되어서 ANN이나 DNN, CNN, RNN 과 같은 챕터는 흥미진진하게 읽을 수 있었고, '케라스로는 이렇게 간단하게 구현이 가능하구나' 라는 경이로움까지 느꼈습니다. 그러나, 이후 아직까지 공부해 보지 못한 분야들을 접하면서는 역시나 읽어내기가 쉽지 않았습니다. 누구나 인공지능에 쉽게 접하기보다는 인공지능을 공부한 사람이 케라스로는 많은 일을 덜어가며 관련 기능을 구현해서 사용할 수 있다는 관점에서 이 책을 펼쳐보는 것이 좋을 것 같습니다. 그래서 작가는 다른 책과는 구별되게 책 초반에 '이 책을 마친 후'라는 파트를 배치시켜서 이 책을 읽기 전에 먼저 학습과 실습을 권장하는 책을 소개하기도 했습니다.

많은 인공지능 방식을 다루기 때문에 책의 분량에 대해 고민이 컸을 것이라는 짐작을 할 수 있었지만, 딥러닝이라는 분야에서도 조금 더 복잡도가 높은 방식에 대해서는 코드와 개념을 좀 더 밀착시켜서 설명이 상세했으면 좋겠다는 생각이 들기도 합니다. 개인적인 의견이지만, 각 장마다 나오는 전체 소스 코드는 깃허브의 저장소 주소로 대체하고, 이 분량을 좀 더 상세한 설명이 추가되었으면 어땠을까 하는 아쉬움이 조금 남습니다.

케라스와의 만남도 반가웠고, 이렇게 다양한 인공지능 방식을 구현한 내용을 볼 수 있게 된 것도 즐거웠던 기회였습니다. 인공지능을 빼놓고 요즘 세상을 얘기할 수 없을 만큼 대세로 자리 잡고 있는 시점에서 이 책이 조명을 받을 수 있는 좋은 시점이 아닐까 싶습니다.

한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다.

IT뿐만 아니라 인공지능이 생활곳곳에 활용되고 자리잡아가기 시작하는 시대에 살고 있는 것 같다.

IT분야의 기술서적도 하루가 멀다하고 새로운 신간이 쏟아져 나오고 있고, 주제도 다양해지는 것 같다.

왠만한 사람들 한번쯤은 들어봤을 텐서플로나 파이토치 같은 딥러닝 라이브러리는 하루가 다르게 발전하는 딥러닝의 새로운 이론,  방법, 모델들을 흡수하며 대중화에 기폭제가 되고 있고 이젠 대학에서 IT를 전공하거나 IT업종에 종사하는 사람들 뿐만 아니라 여러 학문분야와 산업계에서도 이를 활용하는 사람이 늘어나고 있다.

하지만 머신러닝, 딥러닝으로 대표되는 현재의 인공지능 기술을 구현하는 것은 여전히 어려운 문제이다.

케라스는 이러한 여러움을 해소하고 접근성을 높여줄 수 있는 상위레벨의 인터페이스를 제공한다. 즉 케라스 자체는 계산을 집접수행하는 하위레벨의 라이브러리는 아니지만 이를 쉽고 효과적으로 활용할 수 있도록 도움을 주는 즉 이들을 한번 랩핑하는 라이브러리이다.

케라스 2.4부터는 텐서플로를 전용 벤앤드로 사용한다.

"케라스로 구현하는 딥러닝" 책은 텐서플로를 베이스로한 딥러닝 프로그래밍을 손쉽게 접근할 수 있도록 가이드를 제공하는 입문서이다.

이 책은 기본편과 심화편으로 구성되어 있고

기본편에 가장 기본적인 CNN, RNN 등을 포함하여 AutoEncoder나 GAN 그리고 UNET까지 예전에 별도의 책을 떨어져 설명하던 부분들까지 기본적인 개념을 잡을 수 있도록 수록해 놓았다.

심화편은 케라스 확장기능과 강화학습에 관한 내용도 빠짐없이 포함되어 있어 학습을 진행할 수 있다.

내 생각에는 이 책의 가장 큰 특징이자 장점은 맨 마지막장의 QAI이 아닐까 싶다. 사실 잘 모르는 영역이라 단어정도 들어본 개념인데 이 책은 양자컴퓨팅과 양자인공지능에 대한 내용도 한 챕터를 잡아놨다. 이를 통해 앞으로 전계될 가능성이 높은 양자인공지능 분야에 대한 케라스를 이용한 접근이 가능하도록 기본적인 개념과 구현에 대한 설명이 되어 있다는게 이 책의 가치를 높이는 것이 아닌가 싶다. 물론 높은 수준의 이해와 스킬을 얻기 위해서는 별도의 학습과 연구가 필요하다.

이 책은 케라스 기반의 인공지능 구현에 대해서 어디하나 빠짐없이 두루두루 경험해 볼 수 있도록 잘 가이드해주는 입문서 이다.

※ 본 리뷰는 IT 현업개발자가, 한빛미디어 책을 제공받아 작성한 서평입니다.