최근 4차 산업혁명 시대를 맞이하여 소프트웨어에 대한 중요성이 점점 더 높아지고 있다. 그 중에서도 특히 소프트웨어를 이용한 인공지능(AI) 분야에 대한 적용 및 활용 기술의 개발이 활발하게 이루어지고 있다. 따라서 인공지능, 기계 학습, 심층 학습, 강화 학습 분야의 기술 개발을 위해 파이썬 등과 같은 다양한 프로그램 언어들이 개발되어 사용되고 있는데, 그 중에서 파이토치(PyTorch)에 대한 관심이 높아지고 있다. 이 책은 최근에 파이토치에 대해 출간된 책 중에서 국내 인공지능 분야 개발자들에게 도움이 될 좋은 책이라 생각되어 번역하게 되었다.

파치토치는 기계 학습 및 심층 학습 개발자들과 연구자들에게 개발에 대한 접근성과 효율성으로 인해 사용자가 늘어가고 있는 추세이다. 이 책의 내용을 차례로 이해하고 주어진 예제들을 하나씩 실행해 되면 파이토치에서 심층 학습을 지원하는 다양한 기본 구성 요소들을 배우게 될 뿐만 아니라 합성곱 신경망(CNN), 순환 신경망(RNN), 장단기 메모리(LSTM) 네트워크를 이용하여 실제 문제를 해결하는 방법을 배울 수 있게 된다. 아울러 ResNet, DenseNet, Inception과 같은 다양한 최신 심층 학습 아키텍처의 개념을 이해할 수 있을 것이다. 그리고 컴퓨터 비전, 자연어 처리(NLP)와 같은 다양한 영역에 신경망을 적용하는 방법도 익힐 수 있다.

또한 파이토치로 모델을 구축하고, 학습하고, 확장하는 방법을 배우게 될 것이며 텍스트와 이미지를 생성하기 위해 생성적 네트워크 및 오토인코더와 같은 복잡한 신경망들을 이해할 수 있게 될 것이다. 그리고, GPU 컴퓨팅과 복잡한 계산을 수행하기 위해 GPU를 이용하는 방법과 전이 학습(transfer learning)과 강화 학습(reinforcement learning) 문제를 위해 심층 학습 기반의 아키텍처를 이용하여 작업하는 방법을 익히게 될 것이다.

그러다 보면, 파이토치를 이용하여 개발자가 개발하고 싶은 심층 학습 어플리케이션을 구현할 수 있게 될 것으로 생각된다. 나름 전문 용어들을 표준에 맞추어 번역하려고 노력하였지만 부족한 점이 많으리라 생각된다. 혹 미흡한 부분을 지적해 주시면 다음 기회에 더 좋은 내용이 되도록 노력하겠다. 이 책을 통하여 기계 학습 및 심층 학습 알고리즘 개발에 조금이나마 도움이 되었으면 한다.


[출판사 서평]

예상을 넘어 알파고가 승리한지 4년이 지난 현재 구글을 필두로 하는 기업들은 4차 산업혁명 시대의 주도권을 선점하기 위하여 AI(인공지능) 기술 연구에 총력을 기울이고 있다.

인간의 지각, 학습 및 추론 능력을 모방한 AI 논문들이 수없이 발표되며, 물체인식 분야는 이미 인간의 인식능력을 뛰어넘었다. 인터넷 사용자의 검색 패턴으로 연령대, 성향, 능력등을 분석하여 맞춤형 검색 서비스가 익숙해졌고, 챗봇은 특정인의 목소리를 학습하고 흉내 내어 현실과 가상의 경계가 모호해 지고 있다. AI의 미래 가능성은 전문가들조차도 가늠하기 어려우며 이에 따라 AI 소프트웨어 역량의 강화가 요구되고 있다. 우리나라도 소프트웨어적 사고와 AI 인재 양성을 위해 소프트웨어 교육을 강화하고 있다. 이 싯점에서 인공지능의 기초와 실습이 포함된 실용적인 “Practical Deep Learning for Cloud, Mobile, and Edge”를 번역하여 국내 독자들에게 보급하게 되어 기쁘다.

이 책은 먼저 AI와 딥러닝에 대한 지식이 없어도 쉽게 따라할 수 있도록 간단한 이미지 및 객체 분류기의 구현으로 시작한다. 순차적으로 내용이 강화되어 초보자뿐만 아니라 AI를 연구하고 있는 개발자들에게도 실질적인 도움을 제공하고 있다. 값비싼 하드웨어없이 텐서플로우나 케라스로 구현된 소스 코드들을 클라우드와 모바일 및 에지 처리장치를 기반으로 실험을 할 수 있고 앱을 구현하여 배포할 수 있는 방법까지 설명하고 있다. 또한 에지 처리장치(라즈베리파이, 구글의 Coral, 인텔의 Movidius) 를 이용하여 창의적인 로봇 제작에 대한 방법을 제시하고 있다. AI 역량이 필요한 독자들이 이 책의 사례들을 차례대로 학습, 구현 및 분석하면서 각자의 실력을 향상시키기를 희망한다.


[이 책의 특징]

파이토치는 접근성, 효율성 및 파이썬 개발 방식에 더 가깝다는 사실로 인해 심층 학습 연구자들과 데이터 과학 전문가들의 관심을 끌고 있다. 이 책은 최신의 심층 학습 라이브러리 중 하나인 파이토치를 시작하고 실행할 수 있도록 해줄 것이다.

이 두 번째 판에서, 파이토치 1.x 라이브러리가 새롭게 제공해 주는 것들과 새로운 기능들을 이용하여 최신 심층 학습을 지원하는 다양한 기본 구성 요소들에 대해 배우게 될 것이다. 합성곱 신경망(convolutional neural networks, CNNs), 순환 신경망(recurrent neural networks, RNNs) 및 장단기 메모리(long short-term memory, LSTM) 네트워크를 이용하여 실제 문제들을 해결하는 방법에 대해
학습하게 될 것이다. 그리고 나서, ResNet, DenseNet 및 Inception과 같은 다양한 최신 심층 학습 아키텍처들의 개념을 이해하게 될 것이다. 컴퓨터 비전, 자연어 처리(natural language processing, NLP) 등과 같은 다양한 영역에 신경망을 적용하는 방법에 대해 배우게 될 것이다.

파이토치로 모델을 구축하고, 훈련하고, 확장하는 방법을 알게 될 것이며 텍스트와 이미지들을 생성하기 위해 생성적 네트워크 및 오토인코더와 같은 복잡한 신경망 속으로 들어가 볼 것이다. 또한, GPU 컴퓨팅과 복잡한 계산을 수행하기위해 GPU를 이용하는 방법에 대해 배우게 될 것이다. 마지막으로, 전이 학습(transfer learning)과 강화 학습(reinforcement learning) 문제들을 위해 심층 학습 기반의 아키텍처들로 작업하는 방법을 배우게 될 것이다. 책을 다 공부하면, 파이토치로 쉽게 심층 학습 어플리케이션을 구현할 수 있게 될 것이다.


| 이 책이 다루는 내용 |

1장. 파이토치로 심층 학습 시작하기에서는 심층 학습, 기계 학습 및 AI의 역사를 소개한다.
이와 같은 것들이 신경 과학 및 다른 과학 영역들(통계학, 정보 이론, 확률, 선형 대수)과 어떻게 관련되어 있는지 알아본다.

2장. 신경망의 구성요소에서는 파이토치를 이용하여 신경망을 이해하고 통찰력을 가지는데
필요한 다양한 수학 개념들을 다룬다.

3장. 신경망 더 깊이 알아보기에서는 다양한 실제 사례에 신경망을 적용하는 방법을 보여준다.

4장. 컴퓨터 비전을 위한 심층 학습에서는 최신 CNN 아키텍처들의 다양한 구성 요소들을
다룬다.
5장. 순차 데이터를 이용한 자연어 처리에서는 순차 데이터, 특히 텍스트 데이터를 다루는
방법을 보여주고 네트워크 모델을 생성하는 방법을 알려준다.

6장. 오토인코더 구현하기에서는 오토인코더의 소개를 통해 준 지도 학습 알고리즘들의 개
념을 소개한다.

7장. 생성적 적대 신경망에서는 텍스트와 이미지들을 생성할 수 있는 생성 모델을 구축하는 방법에 대해 보여준다.

8장. 최신 아키텍처로 전이학습 수행하기에서는 ResNet, Inception, DenseNet 및 Seq2Seq와 같은 최신 아키텍처들을 다루고, 또한 전이 학습을 위해 사전 학습된 가중치들을 사용하는 방법에 대해서도 보여줄 것이다.

9장. 심층 강화 학습에서는 에이전트, 상태, 보상 및 정책을 다루는 것을 포함하여 강화 학
습에 대한 기본 소개로 시작한다. 또한, Deep Q network, 정책 경사 방법 및 actorcritic
모델과 같은 강화 학습 문제들을 위한 심층 학습 기반 아키텍처들의 실습 코드도
포함되어 있다.

10장. 그 다음은?에서는 업계의 최신 발전 사항들을 매일 파악할 수 있는 방법에 대한 정보와 함께 책에서 다룬 내용에 대해 간략하게 정리한다.