|
이번 학기에 인공지능개론과 자연어처리 수업을 듣게 되면서 수업 내용을 미리 익혀보고 싶어 읽게 된 책이다. 전공 수업을 듣기 전 머신러닝과 딥러닝의 전체적인 흐름을 한 번 정리하고 싶었는데, 예습용으로 활용하기에 구성이 잘 되어 있다는 생각이 들었다. 이 책의 가장 큰 장점은 머신러닝의 기초부터 딥러닝, 트랜스포머, 강화학습까지 한 권에서 폭넓게 다룬다는 점이다. 선형 회귀와 로지스틱 회귀 같은 기본적인 모델에서 시작해 인공 신경망, CNN, RNN을 거쳐 문장 생성과 트랜스포머, ViT, DQN, PPO까지 순차적으로 이어진다. 처음부터 어려운 모델을 설명하기보다는 기초 개념을 쌓은 뒤 점차 최근 AI 모델로 넘어가는 구성이라 인공지능을 처음 공부하는 대학생이 전체적인 흐름을 잡기에 좋았다. 또 단순히 이론을 설명하는 데 그치지 않고 설명 → 그림 → 코드 실습 → 결과 확인으로 이어지는 방식이 마음에 들었다. 특히 회귀 모델을 학습한 뒤 실제 예측값을 확인하고 MSE와 R²로 성능을 평가한 다음, 입력 변수를 추가해 모델을 개선하는 과정까지 직접 따라가 볼 수 있었다. 모델의 종류를 외우는 것보다 데이터를 이용해 모델을 만들고 평가하고 개선하는 전체 과정을 이해하는 데 도움이 됐다. 자연어처리 수업을 준비하면서는 트랜스포머를 다룬 15장이 가장 인상 깊었다. 처음 접하면 어렵게 느껴질 수 있는 셀프 어텐션과 Q-K-V 구조를 벡터와 그림을 이용해 단계적으로 설명하고, 멀티헤드 어텐션과 피드포워드 네트워크까지 연결해서 보여준다. 덕분에 수식과 용어만 보는 것보다 각 요소가 어떻게 연결되는지 파악하기 쉬웠고, 수업 전에 트랜스포머의 전체 구조를 익혀두는 데 도움이 되었다. AI나 데이터 분야로 취업을 준비하는 학생에게도 기초를 다지는 첫 책으로 괜찮다고 생각한다. 여러 종류의 모델을 직접 접해볼 수 있기 때문에 머신러닝, 이미지 처리, 자연어처리, 강화학습 중 어떤 분야에 관심이 있는지 알아가는 데도 도움이 될 것 같다. 코랩을 이용해 바로 실습할 수 있고 학습 계획과 되새김 문제도 있어 혼자 공부하기에도 비교적 부담이 적다. 다만 다루는 범위가 넓은 만큼 특정 모델의 수학적 원리나 실무 활용법을 깊이 있게 파고드는 책이라기보다는 AI 공부의 전체 지도를 먼저 그려주는 입문서에 가깝다. 취업 준비를 위해서는 이 책으로 기본기를 익힌 뒤 관심 분야의 프로젝트나 심화 학습으로 이어가는 것이 좋을 것 같다. 개인적으로는 실제 전공 수업을 앞두고 읽어서 더 유용했다. 인공지능개론과 자연어처리에서 접하게 될 용어와 모델을 미리 살펴보니 수업 내용을 처음 마주하는 부담을 줄일 수 있었다. 인공지능을 공부하기 시작한 대학생이나 AI·데이터 분야 취업을 준비하면서 머신러닝과 딥러닝의 기초부터 차근차근 정리하고 싶은 사람에게 잘 맞는 책이라고 생각한다. |
|
머신러닝과 딥러닝을 처음 하는 사람도 부담 없이 읽을 수 있는 책입니다!! AI 공부를 어디서부터 시작해야 할지 막막한 분들에게 괜찮은 입문서라고 생각합니다. + 본 후기는 출판사로부터 도서를 제공받아 읽고 작성한 솔직한 후기입니다. |
|
머신러닝과 딥러닝...전공자가 아니면 첫발을 떼기가 굉장히 어렵고 두렵다. 하지만, 이 책은 제목 그대로 쉽게 풀어서 작성되었다. 수많은 영어와 어렵게 느껴지는 수학적 수식이 최대한 간략하고 이해하기 쉬운 단어들로 작성되어 있어 누구나 머신러닝과 딥러닝에 도전할 수 있도록 만들어진 책이라고 생각한다. |
|
AI를 단순 활용하는 단계를 넘어 원리와 과학적 본질을 다질 수 있는 책입니다. 고등학교 수준의 쉬운 수학과 파이썬 코드를 시작으로 기초 회귀 모델부터 CNN, RNN, 그리고 최신 트랜스 포머와 강화학습까지 체계적으로 학습할 수 있습니다. 단순 라이브러리 사용법에 그치지 않고 직접 AI 모델을 구현해 보면서 데이터를 이해하고 오류를 수정해 나가는 전 과정을 경험해 볼 수 있는 실습들을 담고 있습니다. |
|
"이지스퍼블리싱 서평단 활동을 위해서 책을 협찬 받아 작성된 서평입니다." 
전반적인 소감 및 마음에 드는 부분2026년 9월 현재까지 머신러닝 학습에 필요한 내용들을 잘 압축시켜 놓았다. 추가로 머신러닝 뿐만 아니라 강화학습 내용까지 들어있어서 더욱 좋았다. 책 주제가 머신러닝인데 쓸데없이 파이썬 기초 프로그래밍 설명이 30페이지나 있는 부분은 마음에 들지 않았다. 머신러닝 학습 책들은 언제나 이미지나 결과물이 중요하다고 생각한다. 눈에 보이지 않으니 컴퓨터가 데이터를 어떻게 처리했는지 이해하기 어려운데 시각화 자료가 많이 들어있어서 이해하기 편했다.
대상 독자 및 책 난이도한창 인기있는 chatGPT, claude code 와 같은 LLM 을 비롯해서 머신러닝의 기본적인 원리를 알고 싶은 사람이 대상 독자이다. 다만 고등학생 수준의 수학적 지식은 있어야 한다. 미분과 행렬이 어떤 것인지 대략적으로 알고 있어야 하며 약간의 통계 지식이 있으면 충분하다. 책에서는 기본적인 원리를 가볍게 알려주기 때문에 굉장히 쉽지만, 더욱 자세하게 알고 싶다면 따로 논문을 보던가 다른 참고서를 찾아보아야 한다. 그러나 기본 원리만 학습하고 싶다면 이 책으로도 충분하다.
다루는 내용과 범위크게 4파트로 구성되어 있다.
책 추천사에서 말하듯이 이 책은 실행-이해-검증을 반복하며 학습할 수 있는 실습서다. 강화학습 예제는 어떻게 알려주는지 궁금했는데 코랩에서 gymnasium 라이브러리를 사용하여 GIF 형태로 출력되는 것을 이용한다. 기본 원리를 학습하는 것이기 때문에 이것만 이용하더라도 충분하다고 느꼈다. 
결론AI가 모든 것을 다 해주니 이제 개발자들은 컴퓨터공학이라던가 코딩 공부를 안해도 된다는 얘기가 나오고 있다. 그러나 틀린 말이다. 가장 최신 연구(Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency를 보면 AI를 사용해서 코딩할 때, 원하는 프로그램의 내부 동작을 잘 알고 있는 상태에서 AI에게 정확하게 요구하는 사람이 더 잘 쓴다고 한다. 다시 말해서 컴퓨터공학 지식이 많을수록 AI를 더 잘 쓴다는 의미다. 단순히 AI에게 명령을 잘 내리는 사람 혹은 글을 잘 쓰는 사람보다는 무엇을 만들어야 하는지 정확하게 정의하는 능력이 중요하다. 그러려면 글 쓰는 능력 뿐만 아니라 업계(분야)의 기본 지식 모두 도움이 된다는 얘기다. 이런 관점에서 머신러닝 기본 원리나 모델을 공부하는 것은 의미가 있다. 머신러닝을 더욱 잘 사용할 수 있는 발판이 되기 때문이다. 머신러닝 기초 학습 책에서 트랜스포머까지 다룬 책이 종종 나오고 있지만 이렇게 강화학습까지 들어있는 책은 없었는데 정말 고마웠으며 도움이 많이 되었다. |
|
|
Do it! 시리즈의 점프투 파이썬을 학부 시절 교양 수업 교재로 접하고 구성이 좋아 기억하고 있었어요. 이번에 보건통계학과 응용 융합 데이터 사이언스 석사 과정 학습에 머신러닝 딥러닝 학습이 필요하여 이 책을 기반으로 기초적인걸 학습해보게 되었습니다. 학부는 코딩과는 거리가 먼 비전공자라 머신러닝 딥러닝 막막했는데 설명이 쉽고 기본부터 알려줘서 따라가기 수월한 책이고 구성이었습니다. 막막했던게 좀 풀리는 느낌이네요 |
|
[쉽게 배우는 머신러닝+딥러닝] AI 모델의 원리를 이해하고 직접 만드는 힘을 기른다! 경제학을 전공한 저자는 ＜엑셀로 배우는 마케팅 애널리틱스＞ 책을 출간한 이력이 있습니다. 본 도서는 AI 모델의 원리를 기초 지식과 구체적인 예시를 통해 쉽게 설명해주는 서적으로, MLP & CNN & RNN & 트랜스포머 등 핵심 모델을 두루 다룹니다. 비전공자의 입장에서 챗GPT가 이미지를 뚝딱 만들어내는 모습을 보면 굉장히 신기하지만, AI의 핵심은 데이터를 바탕으로 학습된 머신러닝 모델입니다. 이는 수학적 원리를 토대로 주어진 데이터에서 최적의 예측과 판단을 가능케하는 정보를 추출하는 코드 묶음을 지칭하는데, 대학에서 빅데이터와 머신러닝을 강의하는 전문가가 집필한 도서답게 가독성이 뛰어납니다. 머신러닝과 딥러닝 지식을 쌓고 싶은 人에게 추천합니다. * 출판사 측으로부터 책을 제공받아 작성한 서평입니다. |
|
▍들어가며 이지스퍼블리싱에서 도서를 제공받아 읽고 쓰는 후기입니다. 머신러닝과 딥러닝을 공부하면서 실습이나 이론을 좀 더 정확히 알고 싶어서 자료를 찾아보고 있었습니다. 이 책은 선형 회귀에서 시작해 강화학습의 PPO까지 8마당 23장으로 이어지고, 실습은 전부 코랩 기준입니다. 주제별로 흩어진 자료를 따라가는 대신 한 권으로 범위를 먼저 훑어 보려고 이 책을 봤습니다. 저자는 아주대학교 경영대학 교수로 마케팅 애널리틱스와 빅데이터 분석을 가르칩니다. UCLA에서 경제학 박사를 받았고, 감수는 연세대학교 전기전자공학부 교수가 맡았습니다. ▍책 정보 제 목 Do it! 쉽게 배우는 머신러닝 + 딥러닝 저 자 이홍재, 감수 김성륜 출 판 이지스퍼블리싱 출간일 2026년 8월 20일 쪽 수 488쪽 읽은 기간 2026-08-27 ~ 2026-09-04 별 점 ★★★☆☆ ▍책 구성 8마당 23장입니다. 첫째마당과 둘째마당에서 코랩 사용법과 선형 회귀, 로지스틱 회귀를 익히고, 셋째마당부터 다섯째마당까지 인공 신경망과 합성곱 신경망, 순환 신경망과 자연어 처리로 이어집니다. 여섯째마당이 트랜스포머, 일곱째마당이 의사결정 트리와 앙상블, 여덟째마당이 Q-러닝과 DQN, PPO입니다. 신경망 계열을 끊지 않고 이어서 보게 하려고 고전 머신러닝의 트리 계열을 뒤로 뺀 배치입니다. 책의 디자인은 전반적으로 깔끔합니다. 다만 내부 사진이 대부분 회색이라 생동감이 느껴지지 않는 점은 있습니다. ▍각 장의 구성 각 장별로 개념을 설명하고, 코드로 구현하는 과정으로 나아갑니다. 개념 전체에서 수식이나 왜 이것이 성립하는지에 대해서는 언급이 없습니다. 19장 결정 트리 모델도 같은 모양입니다. 모델의 작동 원리에 대해서는 잘 다루고 있고, 실습 자체도 따라하기 좋습니다. 실습 파일과 데이터, 복습 문제 정답은 저자 깃허브와 이지스퍼블리싱 자료실에서 받습니다. 16일 계획표와 30일 계획표도 함께 제공합니다. ▍좋았던 점 - 기본 개념에 맞게 최대한 쉽게 설명하고 있습니다: 기본서다 보니 수학적인 내용이 없고, 단순한 실행 원리 정도가 적혀 있습니다. - 실습이 전부 코랩 기준입니다: 파이썬 라이브러리 충돌 문제 등 실행 환경 문제로부터 자유롭습니다. - 장마다 복습 문제가 있고 정답이 공개되어 있습니다: 실습 코드가 많아 따라 실행하기 좋습니다. ▍아쉬운 점 - 다루는 내용이 전반적으로 얕습니다: 중요한 내용을 가볍게 다룹니다. 선형 회귀 정도는 수학적으로 설명해도 좋지 않았을까 합니다. - 실습 프레임워크가 케라스와 텐서플로입니다: 케라스와 텐서플로는 점점 안 쓰는 추세로 가고 있습니다. 그런 의미에서는 파이토치로 실습하는 것이 더 좋아 보입니다. ▍총평 ★★★☆☆ 범위가 넓고 얕습니다. 또 각 장이 기본에서 멈춰서 책 대목마다 추가로 찾아보면서 공부하게 됐습니다. 넓게 훑는 첫 책으로는 쓸 만할 수도 있지만 이 책 한 권으로 머신러닝과 딥러닝을 공부했다고 말하긴 힘듭니다. ▍누구에게 권하나 머신러닝과 코딩을 처음 시작하고, 수학을 두려워하는 사람에게 맞습니다. 설치할 것이 없고, 개념 설명 다음에 바로 실행할 코드가 나오기 때문에 연습하기 좋습니다. 파이토치로 코드를 쌓아 온 사람에게는 맞지 않습니다. 예제가 케라스와 텐서플로라서 그대로 옮겨 쓸 수 없습니다. 수식으로 원리를 따라가려는 사람에게도 맞지 않습니다. ▍앞으로의 활용 계획 1회독으로 전체 범위를 훑었습니다. 2회독은 강화학습 세 장(21장에서 23장)만 다시 보면서 Q-러닝과 DQN, PPO를 직접 구현해 볼 계획입니다. 케라스로 된 예제는 파이토치로 옮겨 쓰면서 학습 루프를 확인하려고 합니다. [광고] 본 게시글은 업체로부터 도서를 제공받아 사용 후 작성한 솔직한 후기입니다. #머신러닝 #딥러닝 #머신러닝입문 #딥러닝입문 #강화학습 #트랜스포머 #코랩 #이지스퍼블리싱 #머신러닝책추천 #두잇시리즈 |