엑셀과 파이썬을 둘 다 할 줄 아는데, 딥러닝에 대해 구조적인 메커니즘 이해가 부족하신 분들에게 추천드립니다.

우선 책의 방향성과 같이 엑셀로 설명하니 구조적인 이해가 훨씬 쉬웠습니다. 특히 numpy 부분 배열을 공부할 때 파이썬으로 봐도 형태의 이해가 되긴 하나, 엑셀로 보는 게 훨씬 쉬웠습니다. 

데이터를 다루시는데 익숙하지 않은 분들에게는 엑셀로 보는 게 훨씬 쉽습니다. 

저자의 말처럼 딥러닝 학습에 있어서 내부의 알고리즘과 구조적인 메커니즘을 이해하지 못한 채로 코드를 베껴쓴다면 성능향상을 기대할 수 없습니다. 또한, 학습에 있어 이해가 선행되야 기억도 오래가는데 그렇지 못할 경우 쉽게 휘발됩니다 

책의 경우, xlwings라는 라이브러리로 엑셀을 사용합니다. 처음에는 openpyxl을 쓰지않고, xlwings를 쓰는 이유가 의아했는데, VBA 대신 xlwings를 쓸 수 있을만큼 엑셀과 잘맞고, 결과물을 바로바로 확인할 수 있었습니다. 이 책의 의도와 맞게 엑셀은 딥러닝을 이해하는 용도로만 사용합니다. 

딥러닝, 회귀, 분류, CNN, RNN 등을 다루는데, 기존에 글로만 읽었던 것보다 실제 코드를 입력하며 엑셀로 확인하니 매커니즘에 대한 이해가 조금 더 쉬웠습니다.

엑셀과 파이썬은 어느 정도 하는데, 원리가 궁금하신 분들에게 추천드립니다. 

[YES24 리뷰어클럽 서평단 자격으로 작성한 리뷰입니다]

패턴인식, 데이터마이닝, 머신러닝, 통계학  이런 분야에서는 수학적 이론으로 결과를 도출하는 분야로 생각되며 학문적 이론적이다.
이책에서는 파이쎤과 엑실로 딥러닝을 실무적으로 풀어 설명하고 있으며 이론적인 수학은 감추어서 설명한다.
그러지만 처음 딥러닝을 접하는 분에게 도움이 된다. 패턴인식, 데이터마닝 할때  수학이 어려워스 다 보지 못했던 독자로서 이 책에서 실무적 감탄을 감출 수 없다. 
데이터마이닝 처음 접할때 어려운 R 명령어 , 어려운 라이브러리 .등등  이책에서는 초보자(실무자) 막 적용하는 분야에서 막쓰면 된다. 장점이며서 단점으로 깊이(설명을 삭제한것으로 보여진다.)가 없다. 그래서 접근하기 쉬운 책으로 만들어서 대단하다고 생각된다.  
파트0. 개발환경 구축
파트1. 너파이
파트2. 팁러닝 개요
파트3. 회귀 예제
파트4. 분류 개요
파트5. 분류 예제
파트6. CNN
파트7. RNN
이중 파트6. 7은 이해하기 힘들었다.
전체적으로 딥러닝의 기술의 보여준다.
가장 공감하는 문구는  이 책은 딥러닝 학습의 끝이 아닌 시작에 불과합니다. 구절이다.

본 포스팅은 리뷰어스클럽, 정보문화사 에서 무상제공받아 솔직하게 작성한 리뷰입니다.

  저는 입문, 중급자의 입장에서 이 책을 봤네요. 저와 비슷한 수준의 입장이라면 이 책을 정말 강추합니다.
이 책은 아래 세 가지 특징이 있어 독자에게 큰 도움이 될 거에요.
=======================================================================================================================
1. 딥러닝을 직접 구현
  이 책은 딥러닝을 명확한 수식과 더불어 자세하게 구현했습니다.(그렇다고 코드가 복잡하지는 않네요)
코드뿐만 아니라, 수식 설명과 수식을 쉽게 이해할 수 있는 시각화 자료가 함께 있습니다.
딥러닝을 자세하게 이해하고 싶다면, 딥러니을 자세하게 구현한 이 책을 기본서로 삼아도 좋을만큼 추천한다.

2. 모델 개선 과정
  시중에 출판되는 많은 책들은 라이브러리를 불러와 단 몇 줄의 코드로 딥러닝을 구현하는데, 입문자에게는 이러한 코드가 별 도움이 안됩니다.
그 샘플 코드로 내가 하고 싶은 것을 구현하면 처음엔 성능이 많이 떨어지지고 이것을 개선해야 할 상황이 생길텐데,
하지만 수박 겉핥기 식으로 (코드 몇 줄로) 이해한 딥러닝 지식으로는 할 수 있는 여지가 별로 없습니다.
  하지만 이 책은 단순히 완성된 모델만 소개하지 않아요. 성능이 떨어지는 모델부터, 성능 저하의 원인을 찾아 개선한 모델까지 모든 과정을 보여줍니다.
예를 들어, FCN 부터 시작해 이미지를 분류하고 CNN, 데이터 증강을 통해 더욱 성능을 개선하는 과정을 자세히 보여줍니다.
본인이 직접 딥러닝을 구현하고, 성능 개선 포인트를 찾아 직접 모델을 개선하는 등 적극적인 자세로 딥러닝 공부를 할 수 있는 거죠.

2. 엑셀 시각화
  많은 사람들이 엑셀에 친숙해져 있잖아요. 이 책은 학습 결과를 엑셀에 연동하여 시각화하고 저장할 수 있게 되어있습니다.
시각화한 자료를 우리에게 친숙한 엑셀에서 바로 보고 쉽게 정리가 가능하네요.
=======================================================================================================================

 보고 또 봐도 공부하기 정말 좋은 책이네요!! 강추!!!

인터넷 강의 위주로 딥러닝 공부를 했었는데

아무래도 복습이나 필요한 내용을 찾아 보기에는

책이 더 좋은 것 같아요.

게다가 파이썬과 엑셀을 이용하는 책이라 더 관심이 가네요.

『파이썬과 엑셀로 시작하는 딥러닝』

개발 환경을 구축하는 방법부터 설명하고 있습니다.

이책에서는 xlwings, 사이킷런, OpenCV 및 Numpy, Matplotlib 라이브러리를 사용 합니다.

파이썬과 엑셀을 연동하는 부분은 엑셀VBA와 비슷한 것 같은데

파이썬에서 다루는 데이터를 엑셀로 표현해 내는 것이라 확장성이 높아 보입니다.

OpenCV 라이브러리와 엑셀 조건부 서식을 이용해서

웹캠 이미지를 엑셀로 출력하는 예제는 재밌기도 했지만

이미지를 숫자로 표현한다는 것을 잘 알 수 있었습니다.

넘파이 라이브러리를 이용해 다차원 배열을 다룹니다.

엑셀 시트로 값을 출력하고 다시 엑셀 시트에 있는 값을 가지고 오는 코드 입니다.

딥러닝에 대한 이론을 설명하고 공식을 설명합니다.

쉬운 수식부터 확장해 가는 방식으로 설명하고 있네요.

딥러닝에 대해 설명하고 차근차근 실행하게 되어 있는데요.

엑셀과 연동해서 실습했을때

장점은 쥬피터나 파이썬 콘솔에 출력했을 때보다

가독성이 좋다는 점입니다.

이론적으로만 공부했던 부분이 많은데

실습을 해가면서 익히니 이해가 잘될 것 같습니다.

YES24 리뷰어클럽 서평단 자격으로 작성한 리뷰입니다.

파이썬과 엑셀로 시작하는 딥러닝, 이라는 타이틀의 따뜻한 신간이 나왔네요. IT분야에서 많은책을 발간하는 정보문화사에서 나왔구요.  홍재권, 윤동현, 이승준 이렇게 세명의 작가가 공동저자로 나와 있습니다. 현재 딥러닝을 연구하고 있는 실무자들이라고 보면 될것 같습니다. 해서 내용도 디테일있는 내용, 딥한 내용이 많을 것으로 생각됩니다.

파이썬으로 딥러닝을 한다고 나와있는데요. 파이썬이라는 언어자체가 비전공자도 배우기 쉬운 스크립트 언어인데다가 자체적으로 딥러닝에도 강점이 있는 언어로 일단 입문자들에게도 추천할만한 책으로 보여집니다. 파이썬이 느리고 여러 단점들이 있지만 개선이 많이 되고 있고 강력한 커뮤니티 등으로 앞으로도 기대가 많이 되는 언어입니다.

약 320페이지 분량으로 적당하게 많은 편이지만 책사이즈, 두께도 작은편이 아니라 휴대성은 없어보입니다. 집이나 사무실에 놓고 참고할때마다 꺼내보는 참고용으로 적당하다고 보여집니다. 실제 책내용도 그런 용도가 적당하다고 생각되네요. 

크게 파트0부터 6까지 총 7개의 파트로 나누어져 있고 두개의 추가 부록으로 구성되어 있습니다.

파트0에서는 윈도우와 맥등 운영체제에서 파이썬 프로그램 세팅

파트1에서는 넘파이와 파이썬을 이용한 엑셀 사용법

파트2에서는 전반적인 딥러닝과 머신러닝의 내용과 주요목표, 간단한 회귀예측

파트3에서 오픈소스로 공개된 당뇨병 데이터를 이용해 간단한 딥러닝 모델학습

파트4에서  다중 분류 문제학습, 소프트맥스 활성화 함수학습

파트5에서 붓꽃데이터를 사용하여 실제 데이터를 이용한 분류 문제를 실습, 원핫인코딩 등

파트6에서 CNN을 이용하여 이미지 데이터에 특화된 딥러닝 모델 실습

파트7에서 시계열 데이터에 특화된 RNN에 대해 이해 및 실습

부록01에서 구글 스프레드시트 사용

부록02에서 텐서플로우 사용

올칼라에 넉넉한 편집으로 가독성이 나쁘지 않습니다. 기초 파이썬 및 딥러닝의 이해를 돕는 기초입문서로 딥러닝 입문자들에게 추천할만한 책으로 보여집니다.

“YES24 리뷰어클럽 서평단 자격으로 작성한 리뷰입니다.”

파이썬을 공부하다보니 AI, 머신러닝, 딥러닝에 대한 관심도 점점 증가하고 있다. 아주 단순한 코드로 쉽게 자동화를 하는 것을 경험하고 나니 이런 기술을 더 많이 업무에 사용하고 싶다는 생각이 든다. 아직 파이썬도 제대로 사용하지 못하는데 머신 러닝이나 딥러닝까지 하려니 선뜻 손에 잡히지 않는다. 

이 책은 나같은 초보자를 위해서 우리가 쉽게 접하는 엑셀을 활용하여 딥러닝에 대한 원리와 알고리즘을 공부할 수 있어 전체적으로 시스템이 돌아가는 방법을 이해하는데 좋은 책이다. 

첫번째 챕터는 엑셀을 설정하고 여러 수식을 엑셀로 출력할 수 있다. 항상 엑셀로부터 데이터를 불러와서 여러 분석을 해보았지만 실시간으로 이런분석을 엑셀을 통해 출력해볼 생각은 해보지 못했다. 엑셀을 보면서 출력값을 비교해보니 너무 신기했다. 

이렇게 엑셀 활용법을 어느정도 익힌 다음에는 딥러닝에 개요에 대한 설명이 나온다. 데이터를 읽어들이고, 엑셀을 통해 함수를 설정해본다. 그리고 이 함수를 파이썬 코드로도 변경해서 소개한다. 무엇보다 좋은 점은 각 함수에 대한 설명과 수학적인 설명이 함께 되어 있어서 통계적인 이해가 없는 초보자도 왜 이런 함수를 쓰고 이를 통해 어떤 분석을 해볼 수 있을지 이해할 수 있다. 엑셀로 함수에 대한 이해를 어느정도 하고 나면 파이썬 코드를 통해 모델을 구현한다. 소개된 예제를 그대로 따라하면 쉽게 동일한 결과를 얻을 수 있지만 혼자 한다고 생각하면 정말 어려울 것 같다. 

예전에도 일차방적식을 만들고 통계적 해석은 여러번 해보았으나 이를 예측할 수 있는 문제를 푸는 건 처음이다. 방정식이 결국 행렬이지만 이렇게 수학적인 접근을 보니 그동안 그냥 무턱대고 외워서 적용했던 걸 다시한번 깨닫게 된다. 

이러한 방식으로 회귀와 분류예제들이 나온다. 코드를 사용하는 것보다 수학적인 이해를 하는게 더 어렵다. 오랜만에 본 로그함수나 설명들이 코드보다 더 외계어처럼 느껴진다. 파이썬 기초를 배울 때 다뤘던 붓꽃 예제도 여기서 설명을 보니 새롭게 다가온다. 같은 예제를 어떻게 분석하느냐에 따라 구현할 수 있는 방법들이 매우 다양한것 같다. 

마지막은 CNN 딥러닝 기술인데 아직 여기까지 세부적으로 보지는 못했다. 딥러닝은 개념만 이해했을 뿐 직접 코드를 경험해보진 못해서 내겐 다소 어렵게 느껴진다.

전체적으로 이 책은 단순 코드만 제시하는게 아니라 수학적인 개념과 알고리즘 구조를 이해할 수 있게 해주는 책이라 어느 정도 코드에 대한 이해와 분석을 시도해 본 사람이 본다면 지식을 확장시키는데 도움이 될 것 같다. 

"YES24 리뷰어클럽 서평단 자격으로 작성한 리뷰입니다"

나름 파이썬, 인공지능 교육 받고 있는데 정말 ㅠ0ㅠㅋㅋ어렵네요.

이번엔 파이썬과 엑셀 조합이라니 !! 배움에는 끝이 없는 것 같아요 ㅠㅠ

강의도 듣곤 하지만 ㅠ0ㅠ듣고나서 까먹기도하고 따로 독학 책이 필요할 것 같아서 이 책을 골라봤어요. 지난번에는 파이썬 책도 만족스러웠는데요.

머신러닝,딥러닝 많이 들어보셨을텐데, 아무튼 엑셀데이터 준비한 것을 바탕으로 갑을 입력해보면서 따라해볼 수있어요.

사진과 함께 공식이나 방법들이 디테일하게 잘 담겨져 있고요.

사이킷런에서 제공하는 예제 데이터로 학습을 진행해봤는데요. 어려워서 더디게 진행 했었네요. 아무튼 엑셀에 불러온 데이터 열을 확인해서 타켓 값, 행정보 보면서 모델학습 해봤네요.

이번 여름방학때 파이썬과 엑셀데이터 딥러닝 원리 파악하고싶다면 이 책 한권이면 충분할 것 같아요 반복학습도 하고 열심히 컴퓨터 공부 좀 해야겠네요.

* 본 리뷰는 업체에서 무상으로 제공받아 작성된 후기 입니다.

파이썬과 엑셀로 딥러닝을 이해하자

책을 선택한 이유

인공지능의 발전 속도가 무섭다.

인공지능의 가공한 위력은 인간의 설 곳을 사라지게 한다.

인공지능에 대해 막연한 두려움보다 인공지능이 무엇인지

제대로 이해해야 위기를 극복할 수 있다.

딥러닝 알고리즘의 개념을 이해하기 위해

"파이썬과 엑셀로 시작하는 딥러닝"을 선택한다.

"파이썬과 엑셀로 시작하는 딥러닝" 은

PART 0 개발 환경 구축

PART 1 넘파이(Numpy)

PART 2 딥러닝 개요

PART 3 회귀 예제

PART 4 분류 개요

PART 5 분류 예제

PART 6 CNN

PART 7 RNN

로 구성되었다.

PART 0 개발 환경 구축 에서는

파이썬과 패키지 프로그램 주피터 노트북,

xlwings, 사이킷런, OpenCV, Numpy,

Matplotlib를 설치하는 방법,

파이썬에서 엑셀을 컨트롤하는 법을 실습한다.

PART 1 넘파이(Numpy) 에서는

배열(ndarray)은 넘파이 다차원 배열에서 매우 중요하다.

arange 함수, reshape 함수로 배열 만들기,

array indexing으로 배열 추출하기,

행렬의 사칙연산과 행렬곱, eye 함수,

전치 행렬(Transpose), flip 함수, pad 함수 등 연산,

함수의 기울기, 미분 프로그래밍 에 대해 설명한다.

PART 2 딥러닝 개요 에서는

컴퓨터는 머신러닝으로 스스로 학습을 한다.

딥러닝은 데이터를 설명할 수 있는 최적의 파라미터를 찾는다.

딥러닝의 원리가 되는 y = wx 학습,

예측과 실제의 차이를 정의하는 손실 함수(Loss),

경사 하강법(Gradient Descent)을 활용한 예측값 업데이트,

여측 변수 발생하게 되는 y = wx + b 학습,

손실 함수를 각각 변수에 대해 미분하는 편미분,

확률적 경사 하강법(Stochastic Gradient Descent)과

딥러닝의 한계,

여러 파라미터가 필요한 y = w1 × 1 + w2 × 2 + b 학습,

많은 피처를 효율적 학습하기 위한 행렬 연산,

딥러닝(Deep Learning),

손실 함수 파라미터 기울기 체인룰(CHAIN RULE),

데이터로 Y갑과 Loss를 구하는 순전파(Forward Propagation),

Loss,로 파라미터의 미분값을 전달하는 역전파(Back Propagation),

활성화 함수(Activation Function)에 대해 알아본다.

PART 3 회귀 예제 에서는

데이터를 전처리하고 모델의 일반화 성능을 높여야 한다.

당뇨병 예측 데이터는 당뇨병 발병 1년 후

당뇨병이 얼마나 악화되었는지를 추적한다.

데이터 확인 및 모델 만들기, 데이터 정규화,

하이퍼 파라미터(Hyper Parameter) 설정,

과소/과대 적합 방지에 대해 설명한다.

체력 검사 데이터는 세 가지 체력 요소와 ,

세 가지 운동에 대한 측정치를 포함한 데이터로

여러 출력값이 발생하는 모델이다.

데이터 확인, 다중 출력 모델 설계,

다중 출력 모델의 역전파에 대해 알아본다.

PART 4 분류 개요 에서는

이진 분류 는 둘 중 하나를 맞추는 문제다.

확률값을 만들기 위한 시그모이드(Sigmoid) 함수,

분류의 역전파, 시그모이드의 사용이 제한되는 이유를 설명한다.

다중 분류 는 선택지가 2개보다 큰 경우다.

다중 분류 문제를 예측하는 소프트맥스(Softmax),

원핫 백터를 만드는 카테고리컬 크로스 엔트로피

(Categorical Cross Entropy)를 소개한다.

PART 5 분류 예제 에서는

붓꽃 데이터는 샘플 수가 적고 레이블이 명확하다.

데이터 확인, 원핫인코딩(One-hot Encoding),

벡터 형태로 변환하여 학습에 사용하는 딥러닝으로

다중 분류 문제를 학습한다.

손글씨 데이터를 분류해 본다.

데이터를 이미지로 시각화, 데이터 전처리 ,

신경망 모델에 대해 알아본다.

모델 검증 및 한계에 대해 이야기 한다.

PART 6 CNN 에서는

영상 분석에서 물체의 외곽선은 중요하다.

CANNY 알고리즘은 이미지의 그래디언트를 활용한다.

필터와 합성곱(Convolution) 연산,

합성곱의 역전파에 대해 알아본다.

모델을 만들기 위해 추가적 CNN 구성을 위한

행렬로 표현, Stride, 패딩(Padding),

풀링(Pooling), 채널을 설명한다.

PART 7 RNN 에서는

조건에 따라 다른 조건을 예측해야 하는 경우

이전 상태 정보를 확인하는 순환 뉴런이 필요하다.

순환 신경망 RNN 은 시계열 데이터, 자연어 처리,

단어, 알파벳 예측 등에 적합하다.

순전파와 역전파 연산에 대해 할아본다.

"파이썬과 엑셀로 시작하는 딥러닝" 은

파이썬과 관련 소프트웨어 설치,

넘파이(Numpy), 딥러닝 개요,

회귀, 분류, CNN, RNN 에 대해 다룬다.

파이썬과 패키지 프로그램을 설치하고

파이썬을 엑셀에 연동시킨다.

넘파이 연산, 딥러닝 기초 개념을 소개한다.

딥러닝의 원리가 되는 y = wx 학습부터

여러 파라미터가 필요한 y = w1 × 1 + w2 × 2 + b 학습,

까지 살펴보면서 딥러닝과 순전파의 개념에 대해 학습한다.

당뇨병 예측 데이터, 체력 검사 데이터를 통해

데이터를 전처리하고 모델의 일반화 성능을 높이는

회귀 예제를 실습해 본다.

둘 중 하나를 맞추는 이진분류,

선택지가 2개보다 큰 다중분류의 개념을 소개한다.

붓꽃 데이터로 다중 분류 문제 학습,

손글씨 데이터로 모델을 검증해 본다.

컴퓨터가 이미지를 학습하는 CNN은

합성곱 역전파를 구현하면서 모델을 만든다.

순환 신경망 RNN 은 순환 뉴런을 통해

시계열 데이터, 자연어 처리, 단어,

알파벳 예측 등에 적합하다.

"파이썬과 엑셀로 시작하는 딥러닝" 은

회귀와 분류 예측 모델을 실습하면서

딥러닝에 대해 이해하고,

CNN, RNN 이론을 모델로 구현해 보면서

인공지능의 이론을 이해하도록 한다.

기본적 이론을 소개하고, 예제를 통해 개념을 소개하며,

"파이썬과 엑셀로 시작하는 딥러닝"은

딥러닝의 기본 원리를 엑셀로 구성하여

쉽게 이해할 수 있도록 안내하며,

파이썬과 엑셀을 효과적으로 사용하면서

모델을 구현할 수 있도록 한다.

"파이썬과 엑셀로 시작하는 딥러닝"은

딥러닝 알고리즘의 원리부터 파악하면서

미분값, 역전파, 순전파 등을 계산하고,

가중치, 편항값이 업데이트 되는 과정을

엑셀로 풀어보면서 시각화 시킨다.

"파이썬과 엑셀로 시작하는 딥러닝"은

넘파이와 엑셀로 코드를 작성하면서

딥러닝 기초 이론과 알고리즘을 이해하도록 한다.

딥러닝 알고리즘의 원리를 이해하면서

모델로 구현하는 방법을 통해

딥러닝에 대해 제대로 이해하게 된다.

"파이썬과 엑셀로 시작하는 딥러닝"은

infopub.co.kr 에서 예제 소스를 제공하고 있으며,

문의 사항에 대한 학습 지원을 제공하므로

학습에 유용하게 활용할 수 있다.

"파이썬과 엑셀로 시작하는 딥러닝"은

딥러닝을 통해 엑셀 학습을 실행하는

유용한 지침을 제공한다.

정보문화사 와 리뷰어스 클럽 서평단 에서

"파이썬과 엑셀로 시작하는 딥러닝"을 증정해 주셨다.

감사드린다.

#딥러닝 #파이썬과엑셀로시작하는딥러닝

#리뷰어스클럽

#서평단모집

#네이버독서카페

#리뷰어스클럽서평단

#정보문화사

#파이썬과엑셀로시작하는딥러닝

#홍재권