|
책에서 다양한 분야를 다루고 있다고 해서 너무 얕게 다루는 것이 아닌가 걱정했는데 단순한 걱정이었고 내용이 상당히 알찼습니다.
성능이 좋지 않거나 그리고 거의 웬만한 컴퓨터보다는 코랩이 성능이 더 좋기 때문에 많이 이용하려고 하는데 다루기가 어렵다거나 잘 모르는 분들이 많습니다. 이 책에서는 그것에 대해서 자세하게 나와있어서 어디 인터넷에서 찾아보는 거랑은 다른 양질의 내용을 제공합니다.
단순히 말로만 설명되어있는 것이 아니라 이렇게 그림으로도 나와있어서 누구나 쉽게 따라할 수 있게 되어있어서 쉽게 따라하여서 사용할 수 있었습니다.
그리고 인공지능 기술의 기초가 될 수 있는 Python에 대해서랑 numpy, pandas까지 다 설명되어 있고 코드도 나와있어서 따라할 수 있고 좋았습니다. 아예 코딩을 모르는데 관심이 있는 분들은 Python부터 머신러닝, 딥러닝, 강화학습까지 이 책 하나만으로도 졸업이 가능하다고 느꼈습니다.
그리고 이론 내용이 끝나면 각 연습문제도 나와있고 정답도 있어서 이론 - 직접 구현 - 연습 문제까지 모든 과정을 다 끝낼 수 있어서 좋았습니다. 웬만한 내용을 다 담으려고 해서 부족하지 않을까 걱정했는데 체계적으로 잘 되어있습니다. 자신이 필요한 분야에 대해서 공부를 하는 것도 좋고 기초적인 내용을 까먹었을 때도 이 책으로 리마인드가 가능하고 다양한 분야에 대해서도 알아볼 수 있는 것이 너무 좋은 책인 것 같습니다. 특히나 코랩의 경우에는 성능이 좋기 때문에 다양하게 이용해볼 수 있어서 폭 넓은 선택지를 제공하는 책은 처음인 것 같아서 연구실에서 서버컴퓨터를 이용하지 않는 학부생이라던지, 서버컴퓨터가 부족한 대학원생분들이나 직장인들까지도 전부 다 이 책 하나면 든든하다고 생각합니다! |
쨘! 책 표지는 요렇게 생겼습니다. 깔끔한 흰 바탕에 제목이 한 눈에 쏙쏙 들어오는군여
목차를 보시면 인공지능이 무엇인지, 코랩을 어떻게 사용하는지, 파이썬 기초, 약간의 수학적 이론, 머신러닝, 딥러닝 굉장히 폭넓은 개념을 다루고 있다는 것을 알 수 있습니다. 그 중에서도 딥러닝을 주로 설명하고 있습니다. 코랩을 처음 사용하시는 분이나 머신러닝, 딥러닝이 뭔지, 어떠한 종류가 있는지 빠르게 살펴보고 싶은 분들에게 매우 유용한 책일 것 같습니다. 저는 Ch5. 딥러닝의 이론 부분을 위주로 얘기해보도록 하겠습니다.
인공지능을 공부한다면 수학적인 내용을 빼먹을 수는 없을 겁니다. 그렇지만 이 책은 수포자들을 위해 아주 기초적인 수학도 다루고 있어 이해하기 수월할 것 같습니다.
또한 개념을 설명하기 위해 직관적인 그림을 첨부하여 글로만 설명 돼있는 것 보다 빠른 이해를 돕고 있습니다.
챕터마다 요약은 물론이고 연습문제를 통해 직접 수식을 유도하거나 코드를 짜보며 실력을 기를 수 있습니다.
다만 아쉬웠던 점은 코드 부분의 글자 크기가 다소 크다는 점입니다. 설명하는 글보다 코드 글자가 커서 집중을 방해한다는 느낌을 받았습니다.
이러한 점만 개선이 된다면 인공지능의 개괄적인 개념을 공부하기에 매우 도움이 되는 책이 될 것 같습니다. 서평할 기회를 주신 '데이터 전문가 포럼' 카페와 도서를 제공해주신 'AK커뮤니케이션즈'에게 감사의 말씀을 올리며 포스팅을 마치겠습니다. |
|
(출판사 서평) 최신 AI 개발 플랫폼에서 머신러닝·딥러닝·강화 학습의 기초 기술을 배우자! 이 책은 AI 개발에 필요한 인공지능 기술을 딥러닝 위주로 설명한다. 또한, 독자가 책에서 제공하는 샘플로 실습을 하면서 AI 기술의 구조를 이해할 수 있게 도와준다. 프로그래밍 경험이 있거나 머신러닝·딥러닝·강화 학습을 배우고자 하는 독자에게 이 책은 길잡이 역할을 톡톡히 할 것이다!
(서평) 최근에 인공지능에 관한 다양한 실사례에 대해서 공부중에 있습니다. 한권에 잘 정리된 책이 없을까 해서 찾아보던 와중에 데이터 분석 전문가 포럼을 통해 진행한 이벤트에 선정되어 이 책을 받아 보았습니다. 11월에 출간된 따끈한 인공지능 관련 서적입니다. 우선 책두께와 가격에 놀랬지만 가독성이 좋고 구현된 코드들의 깔끔함이 눈에 들어왔습니다. 2018년 이후 관련분야를 연구하고 현업에서 활용하는 입장에서 책의 난이도는 쉬운편에 속하지만 처음 접하시는 분들에게는 다소 어려울 수 있습니다. 하지만 기초 이론도 수식으로 차근차근 설명되어 있고 (아마 일본 저자들의 공통적인 특징인듯 합니다.) 개개인의 컴퓨터 성능에 관계없이 구글 코랩으로 실습가능한 환경이어서 코드를 실행하고 각자 갖고 있는 컴퓨터 환경에 상관 없이 수정 구현하기 쉽게 되어 있습니다. 이책으로 인공지능을 깊게 학습하기에는 부족한 면이 많지만 기본적인 개념을 잡고 전체적인 그림을 파악하고 앞으로의 학습 방향을 잡기에 좋은 책으로 생각됩니다. 인공지능의 역사 및 머신러닝 부터 최신 딥러닝인 전이학습까지 넓게 다루고 있습니다. 전체적 밑그림을 그리고 각 분야별로 심도 있는 학습은 각 분야별 전문 서적을 통해 공부하거나 인터넷 자료를 활용하시면 좋을 것 같습니다.
저자는 '아즈마 유키나가' 물리학 박사출신(인공지능 쪽에 물리학을 연구하신 분들이 과거에는 많았던듯, 국내에도 선구적으로 연구하신 분 중에서도 몇분 있으신 것으로 알고 있음)으로 현재 AI 관련 교육분야로 활발하게 활동하고 있다. 트위터와 블로그도 있습니다 대상독자 인공지능/머신러닝에 관심이 많은 분 AI 기술 전반을 배우고 싶은 엔지니어 AI를 비즈니스에서 다뤄야 하는분 전문분야에서 인공지능을 응용하고 싶은 연구자, 엔지니어 인공지능, 딥러닝 관련 자격증 취득에 흥미가 있는 분 이런 분들에게 많은 도움이 될 것 같네요. 처음에는 코드를 그냥 실행해보고 관심있는 부분은 처음부터 코드를 하나 하나 입력하면서 활용하시면 좋을 것 같습니다. AI에서 새로운 기회를 발견하실 수 있으면 좋겠습니다. 출판사로 부터 무상으로 제공받아 주관적으로 작성한 리뷰입니다. 감사합니다. |
|
코랩으로 배우는 인공지능
책을 선택한 이유
인공지능은 공상과학 영화의 단골 소재였지만
개발 속도는 지지부진했다.
제프리 힌턴의 딥러닝은 본격적 인공지능 시대를 열고,
엄청난 속도로 인공지능은 발전하고 있다.
미래를 이끌 핵심동력으로 주목받는 인공지능은
미래를 대비하기 위해 알아두어야 할 분야다.
구글 코랩은 인공지능 개발환경을 온라인 에서 제공한다.
인공지능을 구글 코랩으로 작성하는 방법을 배우기 위해
"구글 코랩으로 배우는 인공지능 기술"을 선택하였다.
"구글 코랩으로 배우는 인공지능 기술"은
1장 인공지능, 딥러닝의 개요
2장 개발 환경
3장 Python의 기초
4장 간단한 딥러닝
5장 딥러닝의 이론
6장 다양한 머신러닝 방법
7장 합성곱 신경망CNN
8장 순환 신경망RNN
9장 변분 오토 인코더VAE
10장 적대적 생성망GAN
11장 강화 학습
12장 전이 학습
으로 구성되었다.
1장 인공지능, 딥러닝의 개요 에서는
인공지능 개요 와 머신러닝과 딥러닝 개념,
인공지능의 활용 사례, 인공지능의 역사를
소개한다.
2장 개발 환경 에서는
Google Colaboratory 는 구글이 제공하는
파이썬 실행 환경이다.
구글 코랩은 무료로 머신러닝 코드를
시험할 수 있다.
코랩의 기본 사용법, 세션과 인스턴스,
CPU와 GPU, 코랩의 여러가지 기능을
소개한다.
3장 Python의 기초 에서는
인공지능에 많이 쓰이는 파이썬을 소개한다.
Python의 기초, 파이썬 확장모듈 Numpy의 기초,
데이터 시각화 외부모듈 matplotlib의 기초,
데이터 분석 라이브러리 pandas의 기초 문법을
소개하고 코드 작성을 연습해 본다.
4장 간단한 딥러닝 에서는
딥러닝의 개요를 소개하고,
Keras를 사용해 딥러닝을 구현한다.
다양한 신경망 종류를 알아보고,
Keras를 활용한 Iris 분류를 실습해 본다.
5장 딥러닝의 이론 에서는
딥러닝을 위한 기초 수학 개념을 설명하고,
단일 뉴런의 계산, 활성화 함수, 순전파와 역전파,
행렬과 행렬곱, 전결합층 간 순전파 수식화,
미분, 손실 함수, 경사 하강법,
중간층 과 출력층의 경사 도출,
에포크와 배치, 최적화 알고리즘을 설명하고,
출력층에서 가중치와 바이어스의
경사를 계산해 본다.
6장 다양한 머신러닝 방법 에서는
지도학습인 단순 회귀와 다중 회귀,
서포트 벡터 머신
비지도 학습인 k 평균법을 설명하고
머신러닝을 사용한 진단 모델 구축을 실습한다.
7장 합성곱 신경망CNN 에서는
합성곱 신경망은 시각 이미지 분야에
널리 사용되고 있다.
합성곱 신경망의 개요, CNN,
합성곱과 풀링,
im2col과 col2im 알고리즘, 합성곱의 구현,
풀링의 구현, CNN의 구현, 데이터 확장을
설명하고,
CNN 모델 구축을 실습한다.
8장 순환 신경망RNN 에서는
순환 신경망 RNN은 문맥을 읽고
판단하는데 적합하다.
RNN 개요, RNN으로 시계열 데이터 학습,
LSTM의 개요, LSTM 모델 구현,
간단한 구조의 GRU의 개요 소개,
GRU 모델 구현,
RNN 문장 자동 생성, 자연언어 처리 개요를
설명하고,
RNN 모델로 문장 생성을 실습한다.
9장 변분 오토 인코더VAE 에서는
VAE는 확률 분포를 이용해 연속적으로
변화하는 이미지를 생성한다.
VAE의 개요, VAE의 구조,
오토인코더의 구현, VAE의 구현을 설명하고
VAE를 실습해 본다.
10장 적대적 생성망GAN 에서는
GAN은 2개의 신경망을 경쟁시켜
이미지 등의 데이터를 생성한다.
GAN의 개요, GAN의 구조,
GAN의 구현을 설명하고,
배치 정규화 도입을 실습해 본다.
11장 강화 학습 에서는
강화 학습은 보상을 최대화하도록 학습하여
인공지능이 최적 행동을 선택하도록 한다.
강화학습의 개요, 강화 학습의 알고리즘,
심층 강화 학습의 개요, Cart Pole 문제,
DQN을 구현해보며,
딥러닝을 이용한 SARSA를 연습한다.
12장 전이 학습 에서는
전이 학습은 다른 영역에서 학습한 모델을
전용할 수 있도록 한다.
전이 학습의 개요를 소개하고,
전이 학습의 구현, 파인 튜닝의 구현을 실습한다.
"구글 코랩으로 배우는 인공지능 기술"은
인공지능 개발 기술을 소개한다.
딥러닝의 기초 개념부터 합성곱 신경망,
순환 신경망, 변분 오토인코더, 적재적 생성망,
강화 학습, 전이 학습의 개념을 소개하고
예제를 풀어 보면서 인공지능의 작동원리를
이해하도록 한다.
구글 코랩의 기초 사용법,
딥러닝 실습에 필요한 기초 수학,
파이썬 기초 문법을 설명하므로,
초보자도 어렵지 않게 인공지능을
이해하며 접근할 수 있도록 한다.
(주)AK커뮤니케이션즈 홈페이지에서
"구글 코랩으로 배우는 인공지능 기술"의
책 내용에 대한 문의사항을 답변해주므로
학습에 효과적으로 활용할 수 있다.
"구글 코랩으로 배우는 인공지능 기술"은
코랩을 활용해 인공지능을 쉽게 배울 수 있는
좋은 안내서라는 생각이 든다.
(주)AK커뮤니케이션즈에서
"구글 코랩으로 배우는 인공지능 기술"을 증정해주셨다.
감사드린다. |
