한빛미디어

『딥러닝의 정석』(니틴 부두마·니킬 부두마·조 파파 지음, 최재훈·차성재 번역, 성태응·맹윤호 감수)은 딥러닝의 기본 원리와 실전이라는 두 마리 토끼를 모두 잡은 책으로, 2판에서는 딥러닝의 최신 동향까지 깊이 있게 다룹니다.

책은 딥러닝의 기반이 되는 선형대수학·확률·신경망의 기초를 직관적으로 설명하며, 파이토치를 통한 신경망을 구현해 봅니다. 이후에는 자연어 처리뿐만 아니라 다양한 기술 응용 분야 활용되는 시퀀스 분석 모델, GAN(생성적 적대 신경망)· VAE(변이형 오토 인코더)로 이해하는 생성 모델, 모델의 결정 과정을 얼마나 잘 설명할 수 있는지를 나타내는 해석 가능성 방법론, 메모리 증강 신경 아키텍처인 NTM(뉴럴 튜링 머신)과 DNC(미분 가능 신경망 컴퓨터)를 통해 최신의 딥러닝 동향을 이해하고, 강화 학습을 자세히 소개하며 마무리합니다.

『딥러닝의 정석』은 이론적인 내용과 함께 실습을 제공함으로써, 딥러닝을 체계적으로 배울 수 있었습니다. 2판에서는 최신 딥러닝 기술을 반영하여, 딥러닝 분야의 최전선에서 일어나고 있는 트렌드를 파악할 수 있게 도와줍니다.

딥러닝을 처음 접하는 사람들에게는 친절한 안내서가 되어줄 것이며, 이미 경험이 있는 전문가들에게는 지식을 한층 더 심화시킬 수 있는 훌륭한 가이드가 될 것입니다.

​2판으로 돌아온 『딥러닝의 정석』은 많은 장점을 가지고 있던 책이었습니다.

​

✅ 복잡한 수학적 개념과 알고리즘을 직관적으로 설명하여, 독자가 딥러닝의 기본 원리를 쉽게 이해할 수 있도록 돕습니다.

✅ 이론적 지식뿐만 아니라, 딥러닝 프레임워크(파이토치)를 사용한 실습 예제와 프로젝트를 통해 문제 해결 능력을 향상시킬 수 있습니다.

✅ 복잡한 딥러닝 모델을 해석하고 이해하는 다양한 방법을 소개하여, 모델의 결정 과정을 더 잘 이해할 수 있도록 합니다.

✅ 최신 연구와 기술을 반영하여, 딥러닝 업계·학계에서 일어나고 있는 변화를 파악하는 데 유용합니다.

​

책은 딥러닝의  깊이 있는 지식을 소개하여 심화 학습을 원하는 사람들에게 특히 도움이 될 것 같습니다. 딥러닝을 다루는 서적들과 비교했을 때, 수식 하나하나까지 세세하게 다루는 설명이 일품이었습니다.

『딥러닝의 정석』은 딥러닝의 기본부터 심화 내용까지 담고 있는 책으로, 선형대수학과 확률에 대한 이해와 신경망의 기본 원리를 배우고자 하는 사람, 최신 동향을 반영한 시퀀스 분석 모델·생성 모델·해석 가능성 방법론 등 각 분야에서 딥러닝을 어떻게 적용하는지 배우고자 하는 사람에게 추천하고 싶습니다.

특히 『혼자 공부하는 머신러닝+딥러닝』 정도의 책을 읽고, 딥러닝과 머신러닝에 대해 일정 수준의 지식을 가진 독자들에게 더욱 유용할 것으로 보입니다. 비전공자나 완전 초보자보다는 딥러닝에 대한 기본적인 이해가 있는 사람들이 더 잘 활용할 수 있을 것입니다.

​
추천하는 책으로는 『개발자를 위한 머신러닝&딥러닝』(로런스 모로니 지음, 박해 옮김, 한빛미디어, 2022)입니다. 날씨·노래·패션 등 다양한 데이터 셋을 활용하여 모델을 구축하고 활용하는 데 장점을 가졌던 책입니다. 『딥러닝의 정석』이 이론과 활용이 7:3 정도라면, 『개발자를 위한 머신러닝&딥러닝』은 3:7 정도의 비율을 가졌던 책으로 딥러닝을 효율적인 코드로 작성하는 것에 중점을 둡니다.

일반적으로 머신러닝 내에서도 딥러닝이라고 불리는 연구 분야는

본질적으로 컴퓨터 비전 및 자연어 처리 문제를 해결하는 데 눈부신 성공을 이끌어내고 있다.

​

이 알고리즘은 다른 종류의 머신러닝 알고리즘을 훨씬 능가할 뿐만 아니라

인간이 달성한 정확도 또한 능가하는 경우도 다양하게 나타나고 있으니 말이다.

 

<딥러닝의 정석>, 70p

책에서 인상적인 부분으로는 신경망의 기본 원리와 순방향 신경망의 구조, 그리고 파이토치 실습 코드를 통한 구현 방법을 상세하게 다루는 점이었습니다. 또한, 경사하강법, 최적화, 합성곱 신경망, 이미지 처리, 변이형 오토 인코더를 실습하면서, 실무 레벨에서는 딥러닝을 이렇게 구현하는구나 알 수 있어 좋았습니다.

책의 후반부에서는 시퀀스 분석 모델, 생성 모델, 해석 가능성 방법론 등 최신 동향을 반영하여 각 분야에 딥러닝을 어떻게 적용하는지 설명하는 부분도 어려웠지만 딥러닝을 더 넓은 시각으로 이해하는 데 도움이 되었습니다.

​

책의 아쉬웠던 점으로는 딥러닝의 수학적 개념과 배경이 자세히 나와있어, 수학이 두려운 저 같은 입문자에게 어려웠습니다. 그리고 프로젝트가 영어가 아닌 한글로 구성한 프로젝트가 있었으면 좋겠다는 생각이 들었습니다.

​

책은 2판을 맞아 딥러닝 모델의 해석 방법과 차원 축소, 시퀀스 분석, 강화 학습 등의 심화 주제를 다뤄, 자신의 딥러닝 수준을 한 단계 레벨 업할 수 있게 도와줍니다. 딥러닝의 기본 원리와 수학적 개념을 배우고자 하는 하는 사람에게 큰 도움이 될 것이며, 딥러닝에 대한 두려움을 극복하고자 하는 모든 사람들에게 추천하고 싶습니다.

​

​

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."