|
이 책은 '22년 11월 1일 발행한 책으로 현재 초판 1쇄 발행본이다. '온디바이스 AI' 라는 제목이 생소한 느낌을 주는 사람들도 있겠지만 모바일상에서 머신러닝 구축을 원하는 프로그래머, 학생, 직장인등을 위한 내용으로 구성되어 있다.
책 저자 로런스 모로니(Laurence Moroney)는 구글에서 AI Advocacy를 리딩하고 있으며 소프트웨어 개발자에게 머신러닝으로 인공지능 시스템 구축을 진행하고 있고 텐서플로 유튜브 채널을 통해 이를 소개하고 있다. 그와 연락하기 위해서는 트위터 @lmoroney나 링크드인으로 접속하면 가능하다고 한다.
저자의 약력에서 살펴볼 수 있듯 본 책 내용은 뜬 구름 잡는 내용이 아닌 실제 회사에서 많이 사용하는 예제와 실제 코드를 적용하여 실무자에게 많은 도움이 되어 보인다.
본문은 385페이지 가량의 분량으로 보이며 책상앞에 두어도 큰 부담이 되지는 않고 총 15장으로 구성되어 있다. 그 내용을 간단히 살펴보면,
1장은 가볍게 인공지능과 머신러닝에 대한 소개를 시작으로 인공지능, 머신러닝, 모바일 모델 제작에 대해 설명하고 있는데 본문에는 텐서플로 케라스 API로 작성되어 있으며 다양한 예제를 삽입하고 있다.
2장은 AI의 가장 높은 활용을 보이는 대표적인 내용인 컴퓨터 비전을 소개하며 뉴런사용, MNIST, 전이학습을 다루고 있다.
3장은 구글 ML kit를 소개하고 있으며 안드로이드 얼굴 탐지에 대해 안드로이드, iOS에서 구현하는 것을 언급하고 있다.
4장은 안드로이드에서 ML kit로 컴퓨터 비전 애플리케이션을 만드는 법을 이야기 하며 이미지 분류, 객체 탐지, 영상에서 객체 탐지와 객체 추적하기 등을 설명하고 있다.
5장은 본격적으로 안드로이드에서 ML kit로 텍스트 처리 애플리케이션을 보여주고 있는데 개체명 추출, 손글씨 인식모델, 스마트 인공지능 답변 등을 다루고 있다.
6장은 iOS에서 ML kit로 컴퓨터 비전 애플리케이션을 만드는 법을 설명하는 장으로 앞의 안드로이드와 마찬가지로 이미지분류, 객체 탐지 등을 다루고 있다.
7장은 iOS에서 ML kit로 텍스트 처리 애플리케이션을 소개하며 앞에서와 마찬가지로 개체명 추출, 손글씨 인식모델, 스마트 답변하기에 대해 추가로 설명하고 있다.
8장은 모바일에서 더 작고 견고한 형식으로 머신러닝 구축을 위한 도구인 TFLite를 설명하며 코틀린 코드작성, iOS애플리케이션 제작등을 언급하고 있다.
9장은 커스텀 모델 만들기에 관한 내용으로 언어모델 만들기 등을 보여주고 있다.
10장은 안드로이드에서 앞의 9장에서 다룬 커스텀 모델를 사용을 다루고 있으며 모델을 안드로이드에 탑재하기, 언어모델 사용하기 등을 다루고 있다.
11장은 iOS에서 커스텀 모델를 사용을 다루고 있으며 커스텀 이미지 분류모델, 스위프트로 자연어 처리 등을 다루고 있다.
12장은 애플리케이션을 빌드, 성장, 수익화 하도록 도와주는 크로스 플랫폼 솔루션인 파이어 베이스를 소개하며 이를 통해 애플리케이션 제품화하기를 소개하는 장으로 여러 버전 모델 만드는 것, 파이어 베이스 모델 호스팅 사용하기 등을 보여준다.
13장은 간단한 iOS 애플리케이션을 위한 Create ML과 Core ML을 보여주고 있으며 이를 통해 이미지, 텍스트 분류기 만들기, 애플리케이션에서 언어 모델 사용하기에 대해서 설명한다.
14장은 모바일 애플리케이션으로 클라우드 모델에 접근하기를 설명하며 텐서플로 서빙을 이용하기, 안드로이드, iOS서버 모델에 접근하기에 대해 이야기 하고 있다.
15장은 마지막 장으로 모바일 애플리케이션의 윤리성, 공정성, 개인정보보호를 주제로 다루며 저자가 재직중인 구글의 인공지능 원칙을 다루며 간단한 에필로그를 끝으로 책 내용을 마무리 하고 있다.
전체적인 총평은 난이도 중급으로 기본적으로 예제가 거의 모든 내용에 삽입되어 추상적인 내용을 구체적으로 이해하도록 잘 구성되어있고 기본적으로 프로그래밍언어(파이썬), 데이터베이스, 자료구조, 알고리즘등에 대한 이해가 선행되어야 할 것으로 보이며 모바일소프트웨어 프로그래밍을 위한 안드로이드, iOS에 대한 기초적인 내용에 대해 본 책 독서전 학습되어 있으면 좀 더 쉽게 학습하는데 도움이 될 것으로 사료된다.
"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다." |
|
이제는 일반인들에게도 익숙한 AI. 거대한 시스템이지만 어디에나 녹아 있다. 이 책은 모바일 기기에서 사용할 수 있는 머신러닝의 기초를 제공하고 있다. 온디바이스라는 제목처럼 학습에 대한 모델은 작아질수록 그 능력을 월등해질 것이다. 디바이스들도 모델들도 함께 발전해 나가고 있다. 이 책은 안드로이드와 iOS에서의 사용할 수 있는 라이브러리로 가볍게 경험해 볼 수 있는 정보를 제공하고 있다. 1장에서는 간단하게 AI와 머신러닝의 기존적인 개념과 관련 용어에 대해 설명한다. 기존의 정답을 찾으려고 했던 Rule-Base 코딩과 다르게 머신러닝은 규칙을 찾아가는 방법이다. 공식을 찾으려 했던 기존과는 달리 학습이라는 것은 확률을 기반으로 한다. AI가 가장 도드라지게 사용하는 영역이 컴퓨터 비전의 영역이다. 책은 가장 기초적인 모델 중 하나인 MNIST를 소개하며 간단한 실습을 제공한다. 더불어 MLKit 라이브러리를 이용한 안드로이드와 iOS에서의 얼굴 인식, 손 글씨 인식에 대해 설명한다. 예전에 지문인식이나 손글씨 인식은 정말 복잡한 영역이었는데 정말 쉽게 되어 조금은 복잡한 마음이 들기도 했다. 구글의 텐서플로의 모바일 버전인 TFLite를 이용한 여러 가지 애플리케이션도 제작해 본다. 안드로이드, iOS 양쪽을 모두 설명한다. 그리고 클라우드 모델에 접근하는 법까지, 모바일로 만들 수 있는 간단한 애플리케이션을 완성해 볼 수 있게 도와준다. 물론 조금 더 심도 있는 학습이 필요하다면 ＜개발자를 위한 머신러닝＞이나 ＜핸즈온 머신러닝＞을 이용할 것도 추천한다. 기술서적임에도 마지막 장은 윤리, 공정성 그리고 개인정보에 대한 얘기로 마무리한다. AI라는 것이 학습 기반이라 이런 부분에 더욱 민감하기 때문이 아닐까 싶었다. 예를 들어 일본에서 GAN을 이용하여 얼굴 합성 관련 세미나가 있었는데, 마스크를 착용했음에도 서양인들은 제대로 합성이 되는 반면에 일본인들은 제대로 합성되지 않았다. 사용했던 모델이 서양인에 편향되어 학습되었기 때문이다. 구글은 이를 위해서 데이터 편향을 확인할 수 있는 도구들을 제공하고 있다. 구글 또한 AI를 맨 처음 만들 때 이런 윤리적인 문제가 있었기 때문이다. 얼굴 인식이 흑인을 제대로 해내지 못했던 것이다. 이것은 필름과 카메라가 처음 만들어졌을 때 흑인을 제대로 찍어내지 못하던 것과 다르지 않다. 우리는 윤리적인 부분, 공정성에 대한 부분에 대한 고민도 놓지 말아야 할 것이고, 책은 그런 부분까지 세심하게 짚어주고 있었다. 라이브러리로 간단하게 학습 모델을 경험하고 싶은 사람들에게 좋은 경험을 제공해 주는 책이다. 간단한 파이썬이나 코틀린, xcode의 경험이 도움이 될 수 있을 것 같다. (코드를 제시하지만 코드 전체를 다루기엔 양이 방대해짐으로) AI 시대로 접어드는 시점에서 좋은 경험을 제공해 주는 책이다. 한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다. |
|
오라일리 책 치고는 정말, 따라하기 쉽게, 초보자를 대하는 마음으로 만들어진 책이었습니다. 일반적으로 다른 인공지능 관련 책들은 다음의 과정을 따릅니다.
하지만, 이 책은 그런 내용을 얘기하고 있지는 않습니다. 이미 ML Kit에서 학습된 모델을 제공하고 있기 때문에, 모델의 학습 보다는 학습된 결과물을 활용하는 모바일 어플리케이션을 만드는 것에 집중하고 있는 책이었습니다. ML Kit의 제공 모델들이 어떤 것인지 모른다면야, 난감하겠지만, 사실 이 책을 보는 사람들은 AI 모델을 만드는 것 보다 "만들어진 모델을 사용하는 앱을 어떻게 만들 것인가?"를 궁금해 하는 사람들일 테니까 말이죠. 그리고, 안드로이드와 IOS 두 가지 버전을 다 설명하고 있습니다. 사실, IOS는 사용하지 않기 때문에, 책의 절반 밖에 필요하지는 않았습니다만, 제 같은 경우가 특이한 경우고, 보통 모바일 개발자라고 하면 두 버전 모두를 만지는 경우가 많으니까, 각 플랫폼별로 설명해주는 책이 더 나을 수도 있겠습니다. (그래도, IOS랑 안드로이드 버전을 각각 분리했다면, 더 좋지 않았을까 하는 생각은 드네요) 따라 하는 것으로, 앱이 만들어지는 경험을 해 볼수 있다는 점에서 좋았습니다만, 이 책은 어디까지나 입문자에게 ML KIT을 사용하는 방법을 알려주는 책이었지, 이것만으로는 그냥 "한번 써봤다" 수준에서 더 나아갈 수는 없습니다. 정리하자면, ＜AI 모델 만드는 법에 익숙하고, 모바일 앱을 만드는 법을 알고 있지만, 단독으로 동작하는 AI기반 모바일 앱을 어떻게 만드는지는 모르는 사람을 위한 책이었습니다＞ 이 조건에 맞는 사람에게라면, 정말 좋은 책입니다. 하지만, 이 조건에 맞지 않는 사람들... 그러니까, 1) 딥러닝 기법에 대한 기본 지식이 없는 사람, 2) 앱을 만들어 본적이 없는 사람에게는 아이러니하게도 그다지 친절하지 않은 책처럼 느껴질테고, 1) 안드로이드/IOS 두 가지 플랫폼을 다 만들어야 할 필요가 없는 사람에게는 분량이 아쉬운 책이 될 것 같았습니다. ----- "한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다." ----- |
|
네이버 블로그 리뷰: https://blog.naver.com/rock1192/223043613288
머신러닝과 딥러닝을 활용한 서비스가 많은 주목을 받고 있다 스마트기기의 성능이 PC와 필적할만큼 성능이 좋아지고 있어서 이제 스마트기기로도 딥러닝 앱을 실행시킬 수 있으며 클라우드 서비스를 활용한다면 기기의 성능에 구애받지 않고 딥러닝 인공지능 서비스를 사용할 수 있다 이 책은 모바일 개발자들이 온디바이스 머신러닝을 사용해 서버와의 네트워크 통신 없이 온전히 머신러닝을 활용한 애플리케이션을 구현해보는 것을 목적으로 한다 컴퓨터 비전을 위한 기본 예시, 자연어 처리를 위한 기본 예시를 안드로이드와 iOS 각각의 샘플 코드도 제공한다 이 책은 먼저 인공지능과 머신러닝의 작동 방식을 간단히 설명하고, 텐서플로 라이트(TFLite), ML Kit, Core ML을 사용하여 머신러닝을 어떻게 모바일 애플리케이션에서 사용하는지까지 설명한다 예제 코드 https://github.com/tucan9389/ondevice-ml-book
인공지능은 역사적으로 오해가 있던 기술이었다 보통 인공지능이란 단어는 인공적으로 지능을 창조해낸다는 이미지를 떠올리게 한다 인공지능은 인공적으로 지능을 생성해내는 것이 아니라, 인공적으로 만들어진 지능을 뜻한다 인공지능 개발자가 된다면 완전히 새로운 삶이 펼쳐진다기보다는 기존의 전통적인 코드 작성 방식과 다른 방식으로 코드를 작성하게 된다 그렇게 만들어진 인공지능은 인간의 행동을 대략적으로 모방할 수 있다
머신러닝도 앞의 인공지능 용어와 마찬가지로 컴퓨터가 인간이 배우는 방식과 유사하게 공부하고, 검증하고, 이론화하고, 테스트하고 기억까지 하는 지능적인 개체라는 잘못된 인상을 남길 수 있다 표면적인 수준에서는 어느 정도는 맞겠지만 머신러닝은 사람의 두뇌가 하는 일보다 훨씬 단순한 일만 수행할 수 있다 즉, 머신러닝 코드를 작성한다는 것은 사람이 직접 파라미터를 찾지 않고 컴퓨터가 스스로 파라미터를 찾아가도록 하는 코드를 작성하는 것이다 머신러닝은 시행착오를 통해 적절한 파라미터를 찾아가고, 최적화하는 모델의 에러를 줄여가며 더 나은 정확도와 성능을 달성하도록 한다
컴퓨터 비전은 정말로 인간의 '시각(vision)'이나 '보다(seeing)'와 동등한 의미는 아니지만, 컴퓨터가 이미지의 픽셀을 해석하는 구조화된 알고리즘을 말한다 물론 사람이 문장의 의미를 이해하는 것처럼 정말로 이미지를 '이해한다'는 것은 아니다
알고리즘 학습과 벤치마킹에서 가장 기초적인 데이터셋 중 하나는 MNIST(Modified National Institute of Standards and Technology) 데이터 셋이다 얀 르쿤, 코리나 코르테스, 크리스토퍼 버지스가 만들었으며, 0에서 9까지 손글씨 숫자를 70,000개의 이미지로 담고 있고, 각 이미지는 28 X 28 회색조로 되어있다 패션 MNIST는 MNIST와 같은 수의 데이터 쌍, 같은 이미지 크기, 같은 클래스 개수로 이루어져 있어서, MNIST 속 이미지를 교체해서 패션 MNIST로 사용할 수 있도록 구성되어 있다 패션 MNIST에는 기존 MNIST에 있는 0에서 9까지의 숫자 이미지 대신, 10가지 다른 종류의 의류 이미지가 들어 있다 셔츠, 바지, 원피스, 신발 같은 다양한 종류의 의류가 있다 각 이미지의 픽셀들은 0에서 255 사잇값을 가지는 회색조로 표현된다 모든 이미지가 픽셀로 이루어진 직사각형 격자이다 이 경우 격자의 크기는 28 X 28이고, 각 픽셀의 값은 0에서 255 사잇값이다
패션 MNIST에 10가지 의류 클래스가 있으므로 우리는 10개의 뉴런을 가지는 출력 레이어가 필요하다 출력 레이어를 오른쪽이 아닌 아래에 두도록 표현했다 그림에서 위쪽의 뉴런 개수는 우선 20개로 구성했는데, 코드를 작성하면서 이 개수는 언제든 바꿀수 있다 하지만 이미지 픽셀을 변환해 뉴런에 넣는다는 점을 기억해야 한다 우리는 이미지는 28 X 28 픽셀 크기(2차원 배열)의 정사각형이므로 이미지를 입력 레이어의 뉴런이 표현하는 방식(1차원 배열)으로 만들어줘야 한다 이렇게 만드는 과정을 이미지 '플래트닝(flattening)'이라 부르며, 이 과정에서 28 X 28을 784 X 1 크기의 배열로 만들어준다 그러면 입력 뉴런에 같은 '셰입(shape)'으로 이미지를 밀어 넣을 수 있게 된다 '9' 클래스의 앵클 부츠 이미지이므로 원-핫 인코딩에서 10번째 뉴런(0번째부터 시작하기 때문에 10번째 뉴런이 됨)을 1로, 나머지는 0으로 구성해서 레이블 정보도 학습에 사용한다
컴퓨터 비전을 소개하고, '컴퓨터가 본다는 것'이 어떤 의미인지 코드를 통해 살펴보았다 또한, 10가지 패션 종류를 구별하는 모델을 밑바닥부터 만들어 보면서 신경망이 어떻게 구성되는지도 살펴보았다 다음으로 이미 수백만 장의 이미지를 사전학습된 모델을 사용하여 여러 클래스를 인식하고, 이미 학습된 파라미터를 다양한 시나리오에서 쉽게 사용할 수 있는 전이 학습에 대한 개념을 소개하였다 또한, 아주 적은 코드로 텐서플로 허브에서 모델을 어떻게 다운로드하고, 복잡한 모델을 쉽게 재사용할 수 있는지도 살펴보았다
모바일 기기에서 모델을 사용하는 방법으로 구글의 ML Kit를 이용하는 방법이 있다 이 도구는 특정 도메인의 문제를 해결하기 위해 학습된 모델을 이미 제공하고 있기도 하고, 필요에 따라 자신만의 데이터셋으로 만든 커스텀 모델을 사용할 수 있게 한다 이 장에서는 ML Kit를 사용하여 안드로이드와 iOS 기기에서 모델을 실행하는 방법을 알아본다 여기서 사용하는 모델들은 온디바이스로 실행되어 네트워크 지연이 없어 빠른 처리 속도와 개인정보보호 측면에서 이점이 있다 ML Kit는 다음 세 가지 시나리오에서 사용될 수 있다
ML Kit로 커스텀 모델을 호스팅하거나, 바코드를 인식하는 등 여러 가지 시나리오에 대한 프로토타입을 쉽고 빠르게 구현하는 것도 가능하다 이 장에서는 이미지를 분류하고 레이블을 찾거나, 고정 또는 움직이는 이미지에서 객체를 탐지하는 등의 영상 처리 시나리오에 대해 ML Kit가 제공하는 다른 모델을 살펴본다 이 장의 애플리케이션은 안드로이드 플랫폼, 코틀린 프로그래밍 언어로 구현된다 이미지 분류는 머신러닝에서 꽤 널리 알려진 주제이며, 영상 처리의 기본 예로 많이 사용된다 이미지 분류가 무엇인지 간단히 짚어 보자면 이미지를 컴퓨터에 보여주고, 컴퓨터가 그 이미지의 내용을 구별하는 작업이라고 정의할 수 있다 ML Kit는 이보다 더 다양한 일을 할 수 있게 한다 이미지를 보여주면, 단순히 고양이라는 것을 알려주기보다 고양이, 꽃 풀 등 이미지에 포함된 다양한 사물의 존재 유무까지 확률로 표현해준다
build.gradle 파일을 수정해 이미지의 레이블을 탐지해내는 image-labeling 라이브러리를 추가
터치 기기에서 손글씨를 인식하는 것은 꽤 흔한 시나리오다 화면 서피스에 획을 그리고, 그 획들이 모여 사람이 이해할 수 있는 텍스트가 된다 build.gradle 파일을 수정하여, ML Kit의 전자잉크 인식 라이브러리인 digital-ink-recognition을 추가한다 이 라이브러리는 여러 언어에 대해 각각의 모델을 제공한다 사용자가 손글씨를 쓰는 데 사용될 서피스를 구현하는 가장 쉬운 방법은 캔버스를 가진 커스텀 뷰를 만드는 것이다
ML Kit의 턴키 솔루션을 어떻게 사용할 수 있는지와 문자열에서 이메일, 날짜 시간과 같은 일반적인 개체를 쉽고 빠르게 찾을 수 있는 개체명 추출, 사용자가 화면에 그린 글자를 텍스트로 변환하는 손글씨 인식까지 배울 수 있었다 마지막에는 스마트 답변 API도 살펴보았다 여기 모든 모델은 뒤에서 TFLite를 사용한다
AutoML은 머신러닝에 대한 전문성과 코딩 능력이 얕더라도, 커스텀 머신러닝 모델을 보다 쉽게 만들 수 있게 도와주는 클라우드 기반의 도구이다 현재 AutoML은 다음과 같이 다양한 시나리오에서 활용할 수 있다
이렇게 얻은 모델의 대부분은 서버에서 구동될 수 있도록 설계되어 있다 단, AutoML 비전 엣지는 특정 기기에서 실행할 수 있는 이미지 분류 모델을 학습시키는 기능을 제공한다
앞에서 TFLite 모델메이커, 클라우드 AutoML 비전 엣지, 텐서플로를 사용한 전이 학습으로 커스텀 모델을 만드는 다양한 시나리오를 살펴봤다 이 장에서는 그렇게 만든 커스텀 모델을 안드로이드 애플리케이션에 탑재하는 방법을 다룬다 아쉽지만 이번엔 모델을 드래그 앤 드롭하는 수준으로 간단하지 않다 안드로이드 문자열, 이미지 등의 데이터를 텐서플로와는 다른 방식으로 표현하기 때문에, 서로 다른 데이터를 호환 가능한 방식으로 다뤄야 하는 것이 다소 복잡하다 마찬가지로, 텐서 기반의 모델 출력 또한 안드로이드가 이해할 수 있는 방식으로 파싱되어야 한다 머신러닝 모델을 사용하는 애플리케이션을 제작할 때는 확장자가 .tflite인 이진 블롭 파일을 애플리케이션에 포함시켜야 한다 이 이진 파일은 텐서 형식의 데이터를 입력받아 텐서 형식의 결과를 출력하는데, 여기서 첫 번째 문제에 봉착한다 그리고 모델이 잘 작동하려면 관련 메타데이터도 함께 제공되어야만 한다
딥러닝과 머신러닝에 대한 용어만 어렴풋이 알고 있는 사람으로써 이 책을 보기전에는 대량의 데이터로 AI를 학습시키고 학습시켜서 발전된 모델을 사용한다는 개념만 어렴풋이 알고 있었는데 이 책의 에제를 직접 실습해보면서 사전에 학습된 모델을 사용하여 클래스를 인식하고, 학습된 파라미터를 다양한 시나리오에서 쉽게 사용할 수 있는 전이 학습에 대한 개념과 아주 적은 코드로 텐서플로 허브에서 모델을 다운로드하고, 복잡한 모델을 쉽게 재사용할 수 있는 방법을 이해할 수 있게 되었다 또한 모바일 기기에서 모델을 사용하기 위해 ML Kit와 턴키 솔루션에 대해 살펴보고 턴키 솔루션이 어떻게 작동하는지 알게 되었으며 ML Kit로 컴퓨터 비전과 자연어 처리(NLP) 시나리오를 프로토타입 애플리케이션을 만들어보고 커스텀 모델을 만들어 ML Kit로 애플리케이션에서 사용하는 방법까지 살펴보았다 ML Kit에서 사용하는 모델은 온디바이스로 실행되어 네트워크 지연이 없어 빠른 처리 속도와 개인정보보호 측면에서 이점이 있다는 사실도 알게 되었다 이 책의 예제를 실습해보면서 어렵지 않게 이미 학습된 모델을 활용하여 AI 모바일 애플리케이션을 쉽게 만들 수 있다는 사실을 알게 되었다 책의 내용은 머신러닝을 잘 모르더라도 샘플로 제공되는 예제 코드를 따라하며 안드로이드와 iOS 개발을 해볼 수 있게 구성되어있어 크게 어려운 내용은 없으며 예제를 똑같이 따라서 만드는 정도는 기본적인 개발 지식만 있어도 충분하다 하지만 당연한 이야기이지만 고도화된 기능의 애플리케이션을 만들어보고 싶다면 좀 더 깊이 있는 AI 지식을 필요로 한다 AI 영역은 일반 사람이 범접하기 어려운 매우 전문적인 분야라고 생각하고 있었는데 최근들어 실 생활에서 손쉽게 사용할 수 있는 AI서비스들이 많이 등장하고 있기도 하고 또 이 책으로 이미 학습된 ML Kit을 활용해서 모바일 애플리케이션도 손쉽게 만들 수 있다는 사실도 알게 되면서 AI는 이제 우리가 일상 생활속에서 크게 인지하지 못하고 항상 사용하는 서비스들이지만 인지하지 못한 사이에 이미 상당부분 AI 기술이 스며들어 있다는 사실에 약간은 놀랍기도 하고 정말 신기한 일인 것 같다 이 책을 읽고나서 느낀점은 AI 모바일 애플리케이션이 이렇게 만들기 쉽다는 사실도 놀라웠지만 앞으로 AI 서비스들을 이렇게 훌륭하게 발전된 기술을 이용해서 얼마나 더 손쉽게 다양한 서비스들을 만들 수 있는 세상이 올 것인지 또 그런 서비스들로 인해 또 이 세상이 얼마나 발전할 것인지 정말 미래가 기대되지 않을 수 없는 것 같다 ※ 한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다. |
|
온디바이스 AI 모바일 개발자를 위한 머신러닝 기초부터 모바일용 컴퓨터 비전, 텍스트 처리까지
로런스 모로니 지음 / 곽도영, 박찬성 옮김 / 한빛미디어
이 책의 특징 ML Kit, Core ML, TFLite 등을 이용해 단계별로 직접 해 보며 익히는 모바일 머신러닝 가이드!
단계별로 설명 1단계: 안드로이드 스트듀오로 생성하기 2단계: ML Kit 라이브러리 추가 및 설정하기 3단계: 사용자 인터페이스 만들기
다른 책과 달리 안드로이드, iOS 코드 모두 제공
이해를 돕기 위한 그림과 실습화면
모바일 개발자들에게 머신러닝은 선택이 아닌 필수다. 이 책은 여러 프레임워크로 모바일 머신러닝 개발을 빠르게 시작할 수 있는 방법을 설명하는 데 초점이 맞춰져 있다. 구글 핵심 개발자인 저자의 친절한 설명으로 개념을 빠르게 익힌 다음, 직접 ML Kit, Core ML, TFLite와 같은 도구를 활용해 모바일용 컴퓨터 비전 및 텍스트 처리 모델을 iOS와 안드로이드 버전 모두 제작해 보며 실무 지식까지 쌓을 수 있다.
모바일을 활용한 ML의 활용도는 다양한 분야에서 증가할 것이다. - 공공서비스, 은행, 증권, 보험, 대기업, 중소기업, 전자상거래 등 등
15장에서 모바일 애플리케이션 윤리, 공정성 개인정보보호에 대한 이야기를 언급하고 있다. 날로 증가하는 보안문제에 대처하기 위해서는 부족하지만, 모바일 개발자들에게 중요성에 대해 경각심을 심어주었다 하겠다.
현업에서 가장 애로사항이 모바일 개발자들을 만나면 나는 안드로이드 개발만 할 수 있다. iOS개발은 할 수 없다는 문제이다. 개발자들의 좁은 인식이 문제일까?
현업에서 구하는 모바일 개발자는 안드로이드 및 iOS 개발 모두를 개발할 수 있는 능력을 갖춘 개발자 일 것이다.
이 책은 현업에서 요구사항을 충족시켜줄 모바일 개발자에게 꼭 맞는 ML개발 안내서라 할 수 있겠다.
"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."
#온디바이스 #AI #모바일 #개발자를_위한 #머신러닝 #기초부터 #모바일용 #컴퓨터_비전, #텍스트 #처리까지 #로런스_모로니 #곽도영 #박찬성 #한빛미디어 |
|
"한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다."
이 책은 머신러닝에 대한 지식이 별로 없는 모바일 개발자가 읽기에 쉬운 책이라고 볼 수 있다. 모바일 개발자들이 쉽게 모바일 애플리케이션에 머신러닝을 사용해 볼 수 있도록 안드로이드와 iOS를 모두 제작하는 다양한 샘플 코드를 제공하고 있으며 ML Kit와 TFLite, Create ML, CoreML을 통해 모바일 환경에서 모델을 이용하여 추론하는 방법을 다루고 있다.
책의 챕터는 총 15개의 챕터로 구성되어 있으며 1,2장은 소개 페이지로 인공지능과 컴퓨터 비전에 대한 소개로 구성되어 있으며 3장부터는 ML Kit에 대한 소개부터 안드로이드, iOS 기반에서 ML Kit를 활용하여 컴퓨터 비전 및 텍스트 처리 시나리오를 프로토타입 어플리케이션을 만드는 법에 대한 내용 및 어플리케이션 구성하는 법을 단계별로 설명하고, 기능을 구현하기 위해 사용된 클래스, 메소드에 대한 설명으로 되어 있다 8장부터는 TFLite에 대한 내용으로 TFLite 모델메이커를 활용하여 커스텀 모델을 만들어보고 이후 안드로이드, iOS 기반에서 커스텀 모델을 사용하는 방법으로 구성되어 있다 12장은 구글의 모바일 및 웹어플리케이션 개발 플랫폼인 파이어베이스의 여러 기능 중에서 커스텀 모델 호스팅 기능을 이용하여 적절한 모델을 테스트 하고 업데이트 하고 성능을 측정할 수 있는 방법에 대한 내용으로 구성되어 있다 13장은 애플에서 만든 Create ML을 활용하여 Core ML 이미지 분류기 및 텍스트 분류기를 만드는 법에 대한 내용이고, 14장은 텐서플로 서빙을 활용하여 모바일 애플케이션으로클라우드 모델에 접근하는 방법을 학습한다. 마지막 15장에서는 다른 책들이랑 다르게 인공지능의 기술이 윤리와 공정성 문제, 개인정보보호등에 대해 다루고 있으며 제시된 가이드라인과 함께 데이터 편향성 방지하기, 구글의 인공지능 원칙 등을 다루고 있다. iOS와 안드로이드 디바이스에서 동작하는 모델들은 어떻게 구현하는지 이 책을 통해 경험하고 학습하여 머신 러닝을 자신의 것으로 만들면 좋을 것 같다. |
|
그동안 서버로 배포되는 인공지능 모델을 개발하고 있었는데, 사업적인 이유로 갑자기 저희 회사에서 생산되는 디바이스에서 동작하는 인공지능 모델을 개발하게 되었습니다. 어떻게 시작을 할까 고민하고 있던 중에 "온디바이스 AI" 칙애 출간되어 읽게 되었습니다. 이 책은 몇 안되는 디바이스에서 구동되는 딥러닝 모델을 개발하고 배포하는 방법을 알려 주는 책입니다. 특히 Android와 iOS 모두 구동되는 딥러닝 어플리케이션을 개발하는데 좋은 길잡이가 되는 책입니다. 앞부분은 MLKit을 이용해서 비전어플리케이션과 텍스트 처리 어플리케이션을 아주 간단하게 개발하는 방법을 설명하고 있습니다. 8장부터는 TFLite을 설명하며 이것을 이용해서 커스텀 모델을 개발하는 방법을 설명하고 있습니다. 12장에서는 파이어베이스로 어플리케이션을 제품화 하는 방법에 대해서 설명을 합니다. 모델을 서빙하고 여러 모델을 테스트르 할 수 있는 환경을 구축할 수 있도록 도와줍니다. 마지막으로는 윤리와 개인정보 보호 등 최근 화두로 대두되고 있는 여러가지 법적인 문제에 대해 설명을 하면서 마무리 하고 있습니다. 이책의 특징은 어느 누구라도 쉽게 따라가며 배우면서 자신이 필요로 하는 어플리케이션을 만들 수 있는 길잡이가 되는 책입니다. 이 책 덕분에 저에게 주어진 미션을 쉽게 해결할 수 있을 것 같아요~ "한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다." |
|
인공지능에 사람들이 관심이 많습니다. 머신러닝 교육도 많이 생기고 많은 사람이 주목하고 있는데요. 살펴볼 책은 ‘온디바이스 AI’입니다. 이 책은 안드로이드와 iOS를 모두 제작하는 예제도 포함되어 있습니다. 실습 예제를 따라가다 보면 인공지능을 활용해 모바일 개발하는 데 도움 될 것입니다. 어떻게 도움이 되는지 같이 살펴보겠습니다.
◆ 관심 가질 만한 주제 모바일 개발자들은 인터랙션이 좋은 앱을 개발하고자 합니다. 모바일 개발을 만들 때 머신러닝을 활용하면 더 효과적으로 만들 수 있습니다. 컴퓨터 비전을 통해 의류 이미지를 구분하는 것도 가능합니다. 또한 얼굴 탐지도 ML Kit 라이브러리를 추가하면 사용할 수 있습니다. 모바일 개발을 할 때 머신러닝까지 할 수 있다면 더 찾는 사람도 많아질 것입니다.
◆ 세팅부터 단계별 예제로 배우는 AI 프로젝트 생성 후 Gradle에 외부 라이브러리를 포함시켜야 라이브러리를 사용할 수 있는데요. 세팅을 한 이후에 화면을 만들게 됩니다. 그림과 실습화면이 나오므로 로직을 이해하기 쉽게 알려줍니다. 안드로이드뿐만 아니라 iOS에 관심 있는 분들도 이 책을 참고하면 머신러닝을 활용한 개발을 하실 수 있을 겁니다.
끝으로 머신러닝 관련 서적이 많이 출간되고 있습니다. 모바일 기기를 모두가 갖고 있으므로 모바일 또한 사람들이 관심이 많은데요. 모바일 개발자를 위한 컴퓨터 비전부터 텍스트 처리하는 방법까지 자세히 알려줍니다. 머신러닝에 대해 깊게 다루는 것은 아니지만 머신러닝 프레임워크의 동작을 이해할 수 있도록 도와주는 책입니다. 인공지능에 관심 있으면서 특히 모바일 앱에도 관심이 있다면 읽어보시길 추천합니다. 한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받았습니다.
|
|
머신러닝, 딥러닝에 대해 공부할 수 있는 수 많은 책들이 있지만 훈련된 모델을 iOS나 Android에서 활용하는 방법에 대해서 다루고 있는 책은 많지 않은데, 한 권으로 두 OS 모두에 대해 배워볼 수 있는 좋은 교재이다.
머신러닝에 대해 이미 공부를 해 본 독자라면 머신러닝에 관한 내용은 편안하게 볼 수 있으며, iOS, Android를 다루는 부분도 친절한 설명과 함께 진행되므로 금새 익힐 수 있다.
이 책 한 권을 마치고 나면 운영중인 서비스 혹은 사이드 프로젝트에 ML을 바로 적용해볼 수 있으며 뭐라고 하나 만들어볼 수 있다는 자신감이 생긴다.
책의 전반부에서는 인공지능과 머신러닝, 컴퓨터 비전 등에 대한 내용들을 다루고 있으며, iOS와 Android에서 각각 MK Kit로 예제 앱들을 만들며 사용법을 익힐 수 있다.
후반부에서는 AWS firebase의 custom model hosting 이용하여 다양한 모델을 호스팅하고 앱에서 특정 모델을 가져와서 활용하는 방법을 알아볼 수 있다.
또한 모바일에 탑재하기에 모델이 너무 크거나 자주 업데이트 되거나, 리버스엔지니어링 등의 위험을 피하고 싶은 경우 활용 가능한 '모델 서빙 서버' 구성 및 활용에 관한 내용도 배워볼 수 있으며 실무에 유용하게 사용 가능하다.
마지막으로 모바일 앱을 개발 할 때 꼭 고려해야하는 윤리, 공정성, 개인정보보호에 관한 내용을 서술하며 책의 단원을 마무리 한다.
앞서 접해본 몇 권의 머신러닝 관련 서적들로 학습된 모델을 웹에 적용하는 방법에 대해서는 여러차례 익히고 활용해 보았지만 모바일 앱에 적용해볼 기회가 없어서 경험해 보지 못했는데, 이 책을 기회삼아 모바일 ML에도 한걸음 내딛을 수 있어서 기쁘다. [한빛미디어 ＜나는 리뷰어다＞ 활동을 위해서 책을 제공받아 작성된 서평입니다.]
|
|
책 제목 : O'REILLY 온디바이스 AI 저자 : 로런스 모로니 옮김 : 곽도영, 박찬성
책 표지에 적혀 있는 것 처럼 "모바일 개발자를 위한 머신러닝 기초 부터 모바일용 컴퓨터 비전, 텍스트 처리까지" 머신 러닝에 대한 기본 개념 부터 실제 안드로이드 및 IOS 에 적용하는 방법 그리고 예제 들로 구성된 책 입니다. 책 저자도 얘기 하는것 처럼 실제 머신러닝 알고리즘 자체에 대한 설명 및 구현에 대해서는 다루지 않으며, 이러한 부분들이 적용된 프레임워크를 이용하여 학습하고 실제 구현하는 방법 등을 설명 합니다. 이 책에서 머신러닝 프레임워크 중에서 "텐서플로 (TensorFlow)"를 이용한 머신러닝 어플리케이션 구현 하는 방법 위주로 예제와 함께 학습 할 수 있습니다.
이 책은 총 15개의 Chapter 로 구성되어 있습니다. 만약, 머신러닝(딥러닝)에 대해서 이미 알고 있다면, Chapter 2 부터 학습하면 되며, 실제 프레임워크를 이용하여 안드로이드 및 iOS 에 적용하는 부분에 대해서 학습한다면 Chapter 4 부터 학습하면 됩니다. 주요 예제는 비전과 텍스트 처리 애플리케이션 구현하는 것을 다루고 있습니다.
Chapter 1. 인공지능과 머신러닝 소개 본 Chapter 에서는 인공지능과 머신러닝이 무엇인지를 티셔츠와 신발 이미지로 예를 들어 설명하고 있으며, 전통적인 프로그래밍에서 머신러닝으로 어떻게 넘어가는지에 대해 다루고 있습니다. 한 가지의 주제로 전통적인 프로그래밍으로써의 문제에 대한 접근에 대한 설명 및 실제 코드 예시와 머신러닝으로 해당 문제에 대해 접근 하는 방식 설명과 프레임워크를 이용한 실제 코드 예시를 보여 주면서 비교 하여 학습 할 수 있도록 해줌으로써 이해도를 올리고 있습니다. Chapter 2. 컴퓨터 비전 소개 이 책에서는 컴퓨터 비전과 텍스트 처리에서의 머신러닝 예제를 다루고 있습니다. 본 Chapter 에서는 관련 예제 중에서 컴퓨터 비전에 대해서 학습 할 수 있습니다. 저자도 책에서 말하고 있는것 처럼, 컴퓨터 비전 분야는 작은 Chapter에 다 담을 수 있는 분야가 아니기에 책에서 예제 시나리오로 목표로 하고 있는 부분 위주로 설명 하고 있습니다. Chapter 3. ML Kit 소개 본 Chapter 에서는 ML Kit을 사용하여 안드로이와 iOS 기기에서 모델을 실행하는 실행하는 방법에 대해서 학습할 수 있습니다. - 안드로이드와 iOS 얼굴 탐지 애플리케이션을 실제 따라하기 형태로 구현해 가면서 ML Kit을 적용하는 방법에 대해서 설명하고 있습니다. Chapter 4. 안드로이드에서 ML Kit로 컴퓨터 비전 애플리케이션 만들기 Chapter 3 에서 ML Kit 을 적용하여 얼굴탐지 애플리케이션을 만들어 보았었는데 그 소스를 기반으로 ML Kit 을 이용한 더 많은 이미지 분석 모델에 대해서 만들어 보면서 학습할 수 있습니다. Chapter 5. 안드로이드에서 ML Kit로 텍스트 처리 애플리케이션 만들기 본 Chapter 에서는 텍스트 인식/분석 하기 위해 ML Kit을 적용하는 방법에 대해서 학습 합니다. 스마트폰 애플리케이션 중에서 문서 편집, 챗팅, 이미지 처리에 의한 텍스트 인식 등 텍스트 처리 관련해서는 많은 부분에서 이용되고 있습니다. 그 중에서 본 책에서는 화면에 쓴 글씨(디지털 잉크)의 텍스트 구별하기, 자동으로 생성된 텍스트, 텍스트에서 특정 문자 추출 등의 몇 가지 "자연어 처리 시나리오"를 다루고 있습니다. 실제 만들어 가면서 학습할 수 있으며, 책에서는 전체 소스를 보여주는 것이 아니기 때문에 전체 소스는 예제 소스 다운 받아서 확인할 수 있습니다. Chapter 6. iOS에서 ML Kit로 컴퓨터 비전 애플리케이션 만들기 Chapter 4 에서 안드로이드 기반으로 만들고 학습하였던 부분을 iOS 기반으로 학습할 수 있습니다. Chapter 7. iOS에서 ML Kit로 텍스트 처리 애플리케이션 만들기 Chapter 5 에서 안드로이드 기반으로 만들고 학습하였던 부분을 iOS 기반으로 학습할 수 있습니다. Chapter 8. TFLite 더 깊게 이해하기 텐서플로에서 TFLite 가 생기게 된 이유와 Chapter 1에서의 예제를 TFLite 를 이용하여 구현 해보 면서 학습하고, 파이썬으로 학습된 모을 안드로이드나 iOS 로 가져오는 방법을 학습할 수 있습니다. Chapter 9. 커스텀 모델 만들기 이전 Chapter 까지 이미 제공되는 모델들을 이용하여 컴퓨터 비전, 텍스트 처리 등에 대해 학습하였던 부분에서 확장하여 본 Chapter 에서는 자신만의 모델을 만는 방법에 대해서 학습할 수 있습니다. 여기에서는 3가지 도구를 이용하여 커스텀 모델을 만드는 방법을 설명하고 있습니다. - 모델메이커, AutoML, 텐서플로와 전이학습 Chapter 10. 안드로이드에서 커스텀 모델 사용하기 본 Chapter 에서는 Chapter 9에서 학습하면서 생성한 커스텀 모델을 실제 안드로이 애플리케이션에 적용하는 방법에 대해서 학습할 수 있습니다. Chapter 11. iOS에서 커스텀 모델 사용하기 본 Chapter 에서는 Chapter 9에서 학습하면서 생성한 커스텀 모델을 실제 iOS 애플리케이션에 적용하는 방법에 대해서 학습할 수 있습니다. Chapter 12. 파이어베이스로 애플리케이션 제품화하기 구글의 모바일 및 웹어플리케이션 개발 플랫폼인 파이어베이스의 여러 기능 중에서 커스텀 모델 호스팅 기능을 이용하여 적절한 모델을 테스트 하고 업데이트 하고 성능을 측절할 수 있는 방법에 대해서 학습할 수 있습니다. Chapter 13. 간단한 iOS 애플리케이션을 위한 Create ML과 Core ML 이전 Chapter 까지는 TFLite 를 이용하였다면, 이번 Chapter 에서는 애플에서 만든 Create ML 과 Core ML 라이브러리에 대한 간략한 설명 과 이미지 분류, 텍스트 감정 분석 예제를 통해 실제 적용 방법에 대해서 학습 합니다. Chapter 14. 모바일 애플리케이션으로 클라우드 모델에 접근하기 텐서플로 서빙에 대한 소개 및 설치, 설정, 모델을 배포하는 방법에 대해서 학습할 수 있습니다. 예제 애플리케이션을 만들어 원격으로 해당 모델의 추론을 수행하는 방법에 대해서 학습 합니다. Chapter 15. 모바일 애플리케이션의 윤리, 공정성, 개인정보보호 공정성이 고려되거나 편향을 고려하지 않은 시나리로 설계된 시스템 사례들에 대해 이런 잠재적인 편향 문제, 방법론, 두움을 받을 수 있는 도구들에 대한 전반적인 개요을 살펴 보고 학습 할 수 있습니다.
코드 예제 다운 : https://github.com/tucan9389/ondevice-ml-book
본 책은 머신러닝 자체에 대해서 보다는 머신러닝의 모델들이 이미 구현 되어 있는 프레임워크를 이용하여 실제 스마트폰 어플리케이션으로 적용하는 예제를 보여주며 쉽게 접근 하고 학습할 수 있도록 구성되어 있습니다. 머신러닝의 이론적이 부분을 다루고 있지는 않지만, 많은 예제들을 제시하는 것보다 주요한 그리고 많이 사용되는 모델 위주로 (컴퓨터 비전, 텍스트 처리) 예제를 구성하고 실 동작 까지 가능한 애플리케이션을 따라서 만들어 보면서 학습하는 부분에서 오히려 이해도를 더 올려 주고 있습니다. 오히려 머신러닝을 처음 접한다면 오히려 따라하기 형태로 먼저 어떠한 것이 머신러닝이고 스마트폰에서 어떻게 적용되고 있는지 학습하기에는 좋은 책 입니다. |