이세돌을 꺽은 것이 딥러닝이었습니다. 2016년니까 벌써 5년이나 되었습니다. 그 당시 알파고를 구성하는 파이썬과 텐서플로가 한국 기술계에 충격을 주었습니다. 그리고 인공지능 머신러닝 딥러닝은 컴퓨터공학하시는 분들을 넘어 일반인들 취업시장에도 화두입니다. 하지만 수식을 근간으로 하는 딥러닝 쉽지 않죠. 그점을 극복하고자 ＜쉬운 딥러닝＞이 딥러닝의 사용예부터 코딩구조 설명까지 최대한 수식없이 쉽게 설명합니다. 딥러닝을 조금 맞보다가 이해가 잘안되는 분, 딥러닝 책 몇페이지 둘추다가 닫으신 분들에게 꼭 맞는 책일듯합니다.

저자는 KAIST 바이오 뇌공학과 출신으로 딥러닝을 독학하여 관련프로그램을 개발하여 석사과정을 조기졸업한 천재시네요. 이 책의 전작은 공익때 업무자동화프로그램을 개발하여 공익신분이지만 청와대까지 불려가서 강연과 기술자문을 한 인재입니다. 그 결과물이 ＜6개월치 업무를 하루만에 끝내는업무자동화＞로 출간되었습니다. 현재는 안동에 위치하는 식물생명공학업체 '상상텃밭'의 CTO입니다.

＜쉬운 딥러닝＞은 파이썬은 아나콘다로 깔고 에디터툴은 파이참을 씁니다. 저는 주로 주피터노트북을 쓰는데 오랜만에 파이참을 대하니까 어색했지만 에디어툴 몇가지는 사용하는데 어려움이 없어야 개발자의 덕목아닌가합니다. 가속작업은 nvidia의 cuda툴킷을 사용합니다. 저는 그래픽카드가 폭망이어서 코랩을 사용할생각도 있었지만 이 책에서 제시되는 예제 정도 돌리는데는 폭망노트북의 그래픽카드로는 큰 퍼포먼스는 없었기에 무리없이 구동가능합니다.

이 책에서는 딥러닝의 기본인 FNN과 CNN, LSTN을 다룹니다. 우선 FNN은 딥러닝책을 약간 봐서는 처음보는 용어입니다. 퍼셉트론을 이용하는 전체적인 개념입니다. 퍼셉트론은 입력층과 히든층 출력층이 있는 다층퍼셉트론을 설명하면서 분류와 회귀를 적용법을 알려줍니다. 소위 활성화함수인 시그모이드, 렐루의 그래프모양정도는 암기해야합니다. 사례코딩에서 인공신경망코드가 유사함을 알수있습니다. 어떻게 반복되는것만 알아도 다른 사례에 복사붙여넣기가 당연히 가능함을 파악해야 합니다.

CNN은 합성곱신경망으로 불리죠. FNN이 해결못한 이미지분류문제를 퍼셉트론이 아니라 필터로 해결한 방식입니다. 다만 CNN은 2차원데이터이므로 출력은 FNN으로 마무리를 합니다. 학습의 진전을 위해서 배치노멀라이즈와 폴링레이어는 꼭 암기해야 딥러닝을 실제 사용할 수있는 다른 기회가 옵니다. 그리고 텐서플로허브를 이용해서 고흐의 화풍을 일반사진에 적용해 보는 실험은 인공지능에 대한 흥미를 더해줍니다. 핸드폰앱으로 얼굴을 변해주는 앱들의 방법이 모두 이런 방식임을 알게 됩니다. 이미지 인공지능하면 최근에 GAN 적대적신경망이 많이 이야기되죠. 가짜를 만드는 위조 인공지능입니다.

마지막 부분은 자연어학습부분인 LSTM입니다. 이 방식은 FNN의 방법을 개선하여 순환신경망(RNN)이 만들어졌고 RNN으로 인해 과거기록을 활용할 수있게 되었지만 더 오래된 기억을 활용할 수없는 한계를 보였지만 장단기기억인 LSTM이 개발되면서 학습성능을 높였습니다. 기상예측과 주가예측 활용예도 흥미롭네요. 딥러닝은 책한두권으로 이해도 활용도 쉽지않을겁니다. 그만큼 범위도 넓고 이해를 해야 할 영역도 많습니다. 다만 기초이해가 떨어진다면 단계를 넘는 것이 힘들어집니다. 그럴때는 기초를 자세히 설명한 책이 필요할 때가 있죠.

딥러닝을 공부할 때 연구자의 초점이 아니라 기술 활용자의 초점으로 지식을 전달해줄 필요가 있음을 밝히며 ＜쉬운 딥러닝＞ 책이 나왔습니다.

딥러닝의 작동 원리나 수학적 배경, 그리고 통계학 없이 #딥러닝사용자 눈높이에 맞추어 설계된 책입니다!

딥러닝 지식이 실무에 필요한 기회자나 경영인, 첨단 기술의 활용 방법을 체험해 보고 싶은 비전공자, 그리고 딥러닝을 빠르게 익히고 체험해 보고 싶은 학생들에게 도움이 되기 위해 쓰여진 책입니다.

＜쉬운 딥러닝＞ 책 구성 및 설명, 그리고 예제를 따라해본 결과 저자의 의도에 공감할 수 있었습니다.

실습}인간의 뇌세포를 흉내낸 인공지능 #FNN 다층퍼셉트론

"입력부가 외부로부터 받은 자극이 역치(threshold) 이상이면 전기적 신호를 만들어 출력부로 전달합니다. .. 입력받은 자극이 지나치게 작다면 뉴런은 그 신호를 무시합니다.", "활성화 함수 또한 유사한 형태입니다. 작은 숫자를 입력받으면 0에 가까운 숫자를 출력하고, 어느 정도 큰 숫자를 입력받으면 1에 가까운 숫자를 출력합니다." 수학 공식 유도 없이 개념을 쉽게 설명한 점에서 ＜쉬운 딥러닝＞에 걸맞은 설명이라는 생각이 들었습니다!

"그렇다면 Variance(분산)가 놓고 Bias(편향)가 낮은 모델은 항상 뛰어난 성능을 보여줄까요? ...어떠한 점도 통과하고 있지 않지만, 비교적 데이터의 경향성을 따라 움직이고 있으므로 이 경우 Variance가 낮은 모델이 훨씬 더 뛰어난 모델이라 할 수 있겠습니다. 무작정 Variance가 높은 모델을 활용한다고 항상 머신러닝의 성능이 높아지지는 않습니다. 하지만 만약..데이터의 점 개수가 10만 개로 늘어난다면 어떻게 될까요? Variance가 높은 모델은 10만 개의 점이 보여주는 경향성을 모두 따라가려 할 것이고, 그래프의 모양이 Variance가 낮은 모델과 유사한 형태로 변화할 것입니다. 이게 바로 빅데이터의 힘입니다. Variance가 높은 모델은 데이터의 양이 늘어나면 늘어날수록 정교하게 작동합니다." 현대 인공지능 기술이 Variance가 높은 모델과 빅데이터를 활용하는 방향으로 발전하는 이유를 단 두 개의 그래프만으로 쉽게 설명했습니다! 왜 빅데이터, 빅데이터 하는지, 그 이유를 단박에 이해할 수 있을 것입니다.

이는 "모델의 variance(분산)에 비해 데이터의 규모가 작을수록 오버피팅이 쉽게 발생합니다"로 바꿔 표현할 수 있으며, 또다른 그래프를 가지고 설명해주고 있습니다. 즉, "딥러닝에서는 빅데이터를 확보하는 것이 가장 중요한 문제 중 하나입니다".

- 분류 #Classfication

첫번째 예제는 ＜키＞와 ＜몸무게＞라는 '체격' 데이터를 통해 초,중,고등학생을 구분해내는 것입니다. 신경망 구조는 '3층짜리 FNN'으로, 입력과 출력 종류와 같은 크기로 입력층 크기 3이고 출력층 크기 3이며 그 사이 2층은 128개의 퍼셉트론으로 구성된 층으로, 대층 구조라는 설명만으로 구조가 연상될 수 있었습니다.

분류 인공지능의 학습은 '출력층이 추론한 확률이 최대한 잘 들어맞도록 노력하는 과정'이고, 분류 결과는 '인공지능이 가장 높은 확률을 출력한 카테고리'라는 것임을 이해할 수 있습니다.

오탈자:

※p.86, 콜백 정의(코드 라인 28번)에서 keras.callback 이 아니라 keras.callbacks 입니다. 's'가 빠져있습니다.

＞ early_stop = keras.callbacks.EarlyStopping(monitor="val_loss", patience=10)

첫 번째 딥러닝 예제를 성공적으로 마무리 되었습니다! 이후 5장 두번째 분류 예제 및 12장까지의 실습들은 어떠할까 궁금해지죠~

( https://blog.naver.com/yeon3710/222423051038 에 계속 업데이트 할 예정입니다.. )

완벽하게 '가벼운 마음으로 공부를 진행'하기에는 갖가지 이슈 사항들을 만날 수는 있습니다. 이미 아나콘다 설치한 경우라든지, 쥬피터노트북 사용자라든지, 실행 중 에러 발생으로 당황스러운 분이라든지..

https://blog.naver.com/yeon3710/222423051038 참고해서 실습을 성공적으로 마무리하기를 바랍니다. 

수학, 통계를 몰라도 이해할 수 있는 딥러닝을 쉽게 이해할 수 있습니다. Keras.Sequential 함수로 인공신경망을 간단하게 제작할 수 있음을 배웁니다. 컴파일하고, 학습 개시하고, 학습 결과 출력하는 것만으로 딥러닝이 마무리되는 예제들을 통해 #쉬운딥러닝 을 체험하게 될 것입니다.

[출판사로부터 도서를 협찬받았으나, 주관적인 견해에 의하여 작성하였습니다]

요즘 과학적으로 핫한 키워드 중 하나인 ‘딥러닝’

실제로 딥러닝은 실생활에서도 많이 쓰이고 있는데요.

카메라 어플로 사진을 찍으면 닮은꼴을 찾아준다던가, 예상 나이 혹은 감정의 분포를 예상하는 등 흥밋거리에서 부터

구글을 사용하다 보면 만나게 되는, ‘로봇이 아닙니다’와 검색어에 맞는 그림 고르기.

(이것은 생각해보면 사용자가 ‘로봇’이 아니라는 것을 ‘로봇’에게 증명한다는 점에서 약간 아이러니하기도 한데요….)

그리고, 언젠가 기사에서 읽은 내용인데, 사람의 손글씨를 읽는 딥러닝 데이터 확보를 위해

이처럼 본인인증, 로봇이 아님을 확인할 때 손글씨 그림을 넣고 이를 읽어내는 데이터를 확보한다고도 합니다.

이처럼 현재 시대에 빠질 수 없는 부분이 딥러닝이라고 볼 수 있을 것 같습니다.

하지만 이렇게 접하기만 했지, 실제로 딥러닝을 하고자 생각하면 막막하기만 한데요.

프로그래밍언어를 배우고, 코딩을 해야하는 복잡한 과정을 거쳐야만 가능하기 때문입니다.

이러한 딥러닝을 쉽게 접하고 싶은 (저 같은) 독자에게 유용한 책이 바로,

‘수학, 통계를 몰라도 이해할 수 있는 쉬운 딥러닝’ 입니다.

딥러닝을 위한 프로그램 설치부터 하나하나 설명하며 서문을 여는데요.

(프로그램 언어를 배울 때 항상 첫 예제로 나오는 ‘Hello world’ 출력문도 접할 수 있습니다 J)

딥러닝에 사용되는 프로그램 언어는 ‘함수’와 같다고 하며 이해하기 쉬운 그림도 포함하고 있습니다.

이처럼 내용 자체가 정말 초보자도 쉽게 이해할 수 있도록 다양한 방법을 이용하여 구현하고 있습니다.

이후에는 딥러닝을 활용할 수 있는 다양한 범위를 소개 해 주고 있습니다.

(이 내용을 보면 한시라도 빨리 딥러닝 전문가가 되어 여러가지를 구현 해 보고 싶습니다. 책의 내용에 몰입할 수 있도록 도와주는 구성인 것 같아요ㅎㅎ)

이처럼 본 도서는 딥러닝은 어떤 것이며, 어떤 프로그램을 이용하여, 딥러닝을 학습하면 어떤 것을 구축할 수 있는지 쉽게 설명하고 있어, 딥러닝 생초보에게 매우 도움이 될 것 같습니다:D

#쉬운딥러닝 #생능출판 #반병현 #컬처블룸 #컬처블룸서평단

파이썬을 잘 모르지만 주변에서 많이 들어본 적 있다. 파이썬 아니고.. 말할 때는 파이thㅓㄴ으로..

어렴풋이 프로그래밍 언어- 라고만 알고 그 이상은 잘 몰랐는데, 이번 책을 통해서 조금이나마 알게 됐다.

몇년 전부터 프로그래밍 언어에 대한 중요성이 대두되어 왔다. 그 정확한 의미를 검색해보니 파이썬은 머신러닝, 그래픽, 웹 개발 등 여러가지 산업분야에서 선호하는 언어로 성장하고 있다고 한다. 파이썬의 개발자는 네덜란드 사람인데, 기존 프로그래밍 언어의 단점을 보완하기 위해 취미로(?) 새로운 언어를 개발했다고 한다. (나도 이런 취미 좀....) 공교롭게도 파이썬은 그리스 신화에 나오는 뱀 이름인데, 딱히 그리스 신화에서 따온 것은 아니고 짧고 특별하고 미스터리한 느낌의 단어를 찾다가 보니 개발자가 선택한 이름이라고 한다. 뭔가 세련된 이미지를 주는 느낌이다.

＜재미로 찾아본 프로그래밍 언어 인기 순위＞

2016년 프로그래밍 인기 순위 1위로 파이썬이 꼽혔다. ＜출처: 코드이벨 블로그(blog.codeeval.com)＞

파이썬은 그 구조가 간결하고 인간의 사고 체계와 닮아 있다고 한다.

최대한 수학을 배제하고 딥러닝에 대해서 친절하고 자세하게 서술되어 있다. 프로그래밍 언어를 공부할 때 수학을 빼놓고 논할 수는 없다고 생각했는데, 그런 독자들의 걱정을 미리 캐치했는지 저자가 친절히 코멘트를 달아 주었다. 통계학을 공부하면 좋지만 파이썬 코딩 실력을 쌓는 것이 더 유리하다고 한다.

회사를 다니다보니 이런저런 시대의 흐름에 따라 좇아가게 된다. 파이썬도 이런 변화의 흐름중에 하나라고 생각한다. 엑셀에서 파이썬으로 넘어가는 날이 곧 머지 않을 것 같은데.... 또 하나 이렇게 배워간다. 사실 파이썬? 딥러닝? 하면 '그거 되게 어려운 거 아냐?' 걱정이 앞서는 게 사실이다. 하지만 이 책은 관심있는 비전공자들이 입문서로 보기에 정말 괜찮은 책이다. 우리 주변에서 AI, 딥러닝이 어떻게 활용되는지 그리고 파이썬은 무슨 역할을 하는지 나아가 이걸 어떻게 한번 응용해 볼 수 있는지 생각해 볼 기회를 준다.

[출판사에서 도서를 제공받아 본인의 주관적인 견해에 의하여 리뷰를 작성했습니다]

인간과 컴퓨터의 차이는 인지능력이라고 생각했는데

화장빨 조명빨, 그리고 갖가지 표정의 얼굴인식에서 컴퓨터가 근소한 차이로 우세하다고??

그럼, 컴퓨터는 사진만으로 개와 고양이를 구별한다는 건가?

많은 데이터를 컴퓨터에 입력하고 비슷한 것끼리 분류하도록 하는 딥러닝으로

인공지능을 개발하고 다룬다는 데 아이가 파이썬 기초를 익히면서

기초적인 딥러닝 기법을 체험해 보고 직접 몇 가지 인공지능을 제작해 보고 싶어해서

가장 쉽다는 딥러닝 입문서를 읽어보았어요.

수학·통계를 몰라도 이해할 수 있는 쉬운 딥러닝이라는 문구에 혹해 책 페이지를 펼치면서

비전공자라도 역시 수학 기초는 있어야 하지 않을까 의심했는데

딥러닝도 역시 코딩인 듯, 수학개념도 물론 중요하지만

코딩을 알고 있으면 인공지능을 제작하는 데 어렵지 않네요.

딥러닝은 머신러닝의 하위분류이고 선형대수와 통계학 분야를 알아야 하지만

만약 복잡한 수식이나 어려운 작동 원리를 배제하고 책에서 소개한 방법대로

코드를 실행하면 내 컴퓨터에서 인공지능이 만들어지니 신기할 따름입니다.

＜수학, 통계를 몰라도 이해할 수 있는 쉬운 딥러닝＞ 반병현, 생능출판

요즘 유행하고 있고 많은 분야에 적용하고 있는 인공지능 기술 중에서 주목받고 있는 기술이 딥러닝 기술이다.

인공지능 기술은 사실 수학 그중에서도 통계라는 분야가 가장 핵심적인 영향을 미치는 분야라고 할 수 있다. 그런데 수학이나 통계를 몰라도 딥러닝을 이용해 인공지능 기술을 구현할 수 있다니 궁금해진다.

이 책은 기본적으로 파이썬이라는 프로그래밍언어를 사용해 딥러닝 학습모델을 만들어내는 방법을 알려준다. 초보자를 위한 딥러닝 입문서이기 때문에 파이썬이라는 프로그래밍 언어를 익히는 방법부터 소개하고 있다.

그리고 파이썬으로 인공지능 기술을 익히는데 필요한 판다스나 케라스 라이브러리를 설치하기 위한 아나콘다 패키지를 설치하고 활용하는 방법부터 프로그램밍 기초를 위한 기본 문법까지 기본적인 설명을 위한 내용을 초반에 할애하였다.

그리고 아무리 수학을 몰라도 된다고 했지만 인공지능 기술을 사용하기 위해 필요한 기초적인 수학적 개념을 설명하지 않을 수는 없으니 인공지능과 통계학의 관계가 어떤 관계인지 설명하고 신경세포인 뉴런을 모델로 만들어진 퍼셉트론 구조에 대해서도 개념적인 설명을 하고 있다.

사실 책의 제목만큼 쉽다고 느껴지진 않지만 그래도 다른 인공지능 기술을 소개하며 실습에 대해 설명하는 책 중에서는 지금까지 접했던 책 중에서 가장 쉽고 직설적으로 설명하고 있다고 느껴진다.

인공지능과 딥러닝 기술이 활성화 되면서 많은 딥러닝 모델이 개발되고 발표되면서 너무도 많은 정보에 오히려 혼란스러운 상황인데 이 책에서는 가장 기초적인 알고리즘을 통해 실제 학습모델을 어떻게 만드는 것인지 데이터 분류(FNN), 이미지 인식과 분류(CNN), 그리고 요즘 유행하는 인공지능을 통한 창조(GAN), 그리고 인간의 언어를 인식하기 위해 구문을 분석하고 다루는 연속적인 데이터를 다루는 기법(LSTM)까지 가장 잘 알려지고 많이 사용되는 학습모델을 실제 코드로 하나하나 실습하기 편하게 보여주고 있다.

※ 이 글은 협찬받은 도서를 읽고 주관적으로 작성한 것입니다.

이 책을 접하기 전 3권의 ML 서적을 접했습니다.

새로운 개발을 접근 할때면, 우리는 “Hello, ***“를 제일 먼저 만납니다.

단순한 단어 몇개 이지만, 이 단어 몇개를 화면에 표시 하기위해 해야할 기본적인 구조와 실행 과정을 알수 있게 됩니다.

혹시, 내가 분석해보고 싶거나, 주변 누군가가 필요하면, 그 설명을 듣고, 만들어 줄수 있는 정보면 됩니다.

그러기엔 이전 3권의 책들은 실습을 해봐도 수학책 같은 느낌이 더 강했습니다.

이 책은 패키지 여행의 가이드북 같습니다. 부담없이 간단히 볼수 있는…

250쪽의 기존 소유한 책들보다 절반에 가까우며, 최초 속독에 2시간, 실습에 2시간 정도 소요 되었습니다.

내가 딥러닝을 앞으로 취급할지를 일단 이 책을 통해 먼저 접해보는걸 추천합니다.

단어, Data I/O, 개념이 생소하기에 기존 개발자들에게 적극 추천합니다.

이 책의 출간 소개중, ‘딥러닝 연구자의 초점이 아닌 딥러닝 사용자의 눈높이’ 라는 문구가 가장 정확한 표현 갔습니다.

이제 다시 수학책 보러 갑니다~~~ :)

　4차 산업혁명 시대에 딥러닝은 유망한 직종, 성장하는 분야로 언급되고 있다. 계속 들려오는 코딩, 딥러닝 등의 단어들이 관심을 불러일으키고, 관련 교육과정을 듣게 되면서 본격적으로 딥러닝, 파이썬 등에 관심을 갖기 시작했다. 교육과정을 통해 배워본 파이썬과 데이터 분석 관련 이론은 예상했던 대로 어려웠지만, 계속 배워보고 싶은 생각이 들었다. 하지만 비전공자인데다가 통계학 기반의 빅데이터 분석이 나에게는 굉장히 어렵게 다가왔기 때문에 교육이 끝나고 나서는 어떻게 혼자 공부해 나가야 할지 막막했다. 그래서 이번에 접해본 ＜수학·통계를 몰라도 이해할 수 있는 쉬운 딥러닝＞ 책은 굉장히 친절한 책이라는 생각이 들었고, 입문이지만 조금씩 관련 지식을 쌓을 수 있게 되었다.

　비전공자도 볼 수 있는 최초의 딥러닝 입문서라는 이름에 맞게 이 책은 파이썬을 설치하고 파이썬을 용이하고 풍성하게 다루기 위한 아나콘다나 파이참을 설치하는 것까지 하나하나 아주 자세하고 친절하게 설명해 준다. 파이썬 설치를 시작으로 기본적인 명령어와 함수를 학습하게 되고, 2편에서 본격적으로 딥러닝으로 들어가게 된다.

　단순히 코딩을 위한 명령어만을 설명하는 것이 아닌, 관련 기본 지식을 먼저 설명하고, 관련된 코딩을 따라 할 수 있기 때문에 차근차근 하나씩 알아가는 느낌이 들었고, 바로바로 배운 것들을 직접 코딩함으로써 더 이해가 잘 되었다. 그래서 혼자서 독학하는 데에 많은 도움을 받을 수 있었다. 이렇게 내용을 학습하면 마지막 장에는 본격적인 실습을 하는 과정으로 책이 전개되며, 실습은 의료 AI, 기상 AI 등 다양한 분야의 실무 예제가 준비되어 있다. 딥러닝이라는 것이 이러한 분야에 어떻게 쓰이는지, 그리고 직접 실습까지 할 수 있어서 굉장히 많은 도움이 되었다.

　비전공자라면 데이터 분석 관련 이론을 배우기 시작했을 때 누구나 이 분야가 어렵다는 생각을 하겠다고 느꼈다. 나 역시도 그랬기 때문에, 이론도 어렵게 느껴지는데 이와 관련된 실습은 또 어떻게 해야 할지 감이 안 잡힐 것이다. 이 책을 통해 데이터 분석 중에서도 딥러닝 분야에 대해서 친절하게 배울 수 있으며, 꼭 딥러닝이 아니더라도 코딩을 배우고자 한다면 필수로 접해볼 것을 추천한다.

출판사로부터 책을 제공받아 작성한 서평입니다.