★ 이 책에서 다루는 내용 ★

■ 딥러닝 모델 학습을 위한 R 패키지 H2O 설정 방법
■ 딥러닝 모델의 핵심 개념 이해
■ 오토인코더로 이상 데이터와 이상치의 탐지 방법
■ 심층 신경망을 이용한 자동 데이터 예측/판별 방법
■ 과적합 방지를 위해 정규화를 사용한 일반화된 모델 구성 방법


★ 이 책의 대상 독자 ★

R을 사용한 머신 러닝 사용에 익숙하며, R 패키지를 통해 딥러닝 패러다임에 대해 알고 싶은 독자를 대상으로 한다. 기본적인 R 문법 및 통계적인 알고리즘, 그리고 머신 러닝에 대해 익숙해야 한다. 하지만 딥러닝 개념에 대해서 잘 알 필요는 없다.


★ 이 책의 구성 ★

1장, '딥러닝 시작'에서는 컴퓨터나 서버에 R의 H2O패키지를 설치하고 환경을 설정하는 방법을 다루며, 딥러닝과 관련된 기본적인 개념을 다룬다.
2장, '예측 모델 학습'에서는 간단한 비지도 신경망 예측 모델을 구축하는 방법을 다룬다.
3장, '과적합 방지'에서는 비지도 데이터에서 정규화라고 불리는 일반화 가능성을 개선하기 위해 데이터 과적합을 방지하는 모델을 사용할 수 있는 다양한 방법을 다룬다.
4장, '이상 데이터 식별'에서는 비지도 딥러닝을 활용해 사기 행위나 이상치를 식별하는 방법을 다룬다.
5장, 심층 예측 모델 학습'에서는 심층 신경망을 학습시키는 방법과 이미지 인식 같은 예측 및 판별 문제를 해결하는 방법을 다룬다.
6장, '모델 튜닝과 최적화'에서는 모델 튜닝 매개변수를 통해 딥러닝 모델의 성능과 정확도를 향상시키고 최적화하는 방법을 다룬다.


★ 지은이의 말 ★

이 책은 딥러닝 모델 및 심층 신경망을 R언어와 환경에서 학습하는 방법을 다룬다. 이론에 관한 내용은 깊게 다루지 않지만, 심층 신경망에 대한 기본적인 지식과 배경, 그리고 결과를 이해할 수 있도록 돕는다. 또한 심층 신경망의 학습, 초매개변수(hyperparameter)의 최적화, 모델의 사용 및 예측을 할 수 있는 R 패키지들을 소개한다. 딥러닝의 핵심 부분을 설명하고 실제 데이터 및 예제로 독자들이 쉽게 이해할 수 있게 썼다.

★ 옮긴이의 말★

머신 러닝, 딥러닝이라는 단어가 하루에도 여러 번 신문기사 및 뉴스에 나온다. 과거 특정 연구원 이외에는 사용되지 않았던 용어가 이렇게 대중적인 단어가 됐다는 데 대해 세상이 정말 변화하고 있음을 느낀다. 하지만 아직 딥러닝을 여러 사람이 사용하기에는 전산 및 이론이라는 장벽이 존재한다. 이 책은 통계 언어로 알려진 R을 통해 딥러닝 이론을 좀 더 쉽게 이해할 수 있게 설명해준다. 이미 개발된 여러 신경망 및 딥러닝 R 패키지의 사용법을 통해 전산이라는 장벽을 극복할 수 있게 도와준다.
기본 신경망 이론부터 오토인코더(Auto-encoder), 심층 신경망까지 딥러닝에서 사용되는 기본적인 모델들을 다루고 있기에, 딥러닝을 처음 접하는 독자들에게도 좋은 입문서가 될 수 있을 것이라 확신한다.
이론 이해와 모델 구현을 통해 그동안 발견하지 못했던 데이터들의 가치를 찾기를 기대해본다.