복잡한 건 파이토치에게 맡기고
모델에 집중하세요!

딥러닝 분야의 네임드인 안드레이 카파시는 이런 말을 했습니다. “파이토치를 몇 달 써봤는데 이보다 더 좋을 수 없다. 에너지가 넘치고, 피부도 밝아졌으며, 시력도 좋아졌다.” 파이토치는 텐서플로와 비교하면 그래프 정의와 실행부가 분리되어 있지 않아 직관적입니다. 코드가 짧은 것도 강점 중 하나입니다. 새로운 딥러닝 연구 결과가 매일 쏟아지고 구현 복잡도 역시 증가함에 따라 구현 측면에서 ‘파이써닉’하고 편리한 파이토치가 떠오르고 있습니다.
다년간 딥러닝을 공부하고 강의한 저자는 파이토치로 딥러닝의 진입 장벽을 낮출 목적으로 이 책을 썼습니다. 파이토치 실습은 어떻게 시작하는 게 좋을까요? 이 책처럼 코랩을 사용하면 설치할 게 하나도 없습니다. 선형회귀분석, 역전파, CNN, RNN, 학습 시 문제점 해결 등 이제는 익숙한 주제를 배우고, 스타일 트랜스퍼, 오토인코더, GAN 등 주요한 논문 연구 결과도 살펴봅니다. 같은 어려움을 겪었던 개발자의 마음으로 이론과 구현을 균형 있게 구성하여 개발자들이 최대한 쉽게 읽을 수 있게 집필했습니다.
최근에는 딥러닝 입문자들이 활용할 수 있는 자료가 많아졌습니다. 수학 공식을 몰라도 배울 수 있다는 주장은 더는 통하지 않습니다. 수학이 어려워도 알아야 할 것은 알아야 수박 겉핥기 수준에서 벗어날 수 있습니다. 코랩 파이토치 실습으로 까다로운 구현은 덜어내고 딥러닝 개념 원리에 집중한 이 책이 딥러닝 정복을 향한 진정한 첫걸음을 딛게 해줄 것입니다.


※ 주요 내용

· 아나콘다 CUDA cuDNN 설치(그냥 코랩 쓰면 마음이 편합니다)
· 선형회귀분석을 살펴보며 손실 함수, 경사하강법 이해하기
· 연쇄법칙, 전파, 역전파 등 인공 신경망의 기초
· 친절한 그림으로 CNN을 익히고, VGGNet, GoogLeNet, ResNet 살펴보기
· RNN의 원리부터 LSTM, GRU, 임베딩, word2vec까지
· 오버피팅과 언더피팅 해결, 드롭아웃, 정형화, 초기화, 정규화 등 학습 성능 향상법
· 스타일 트랜스퍼, 전이학습, L-BFGS
· 오토인코더와 시맨틱 세그멘테이션
· GAN과 친구들(DCGAN, SRGAN, Pix2Pix, CycleGAN, DiscoGAN)