한빛미디어

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

리액트와 자바스크립트 개발에 익숙한 저는 머신러닝(ML)과 딥러닝(DL)이 꽤 낯선 영역이었습니다. 파이썬도 간단한 스크립트 정도만 다뤄봤고, 수학 공식과 개념에도 자신이 없었죠. 그런 저에게 ‘혼자 공부하는 머신러닝 + 딥러닝’은 부담 없이 따라갈 수 있는 초보자 맞춤 가이드였습니다.

이 책의 가장 큰 장점은 초보자도 차근차근 따라올 수 있게 기본 개념부터 고급 내용까지 체계적으로 구성된 점입니다. 데이터 전처리부터 시작해 회귀, 분류 같은 기초를 다진 뒤 CNN(합성곱 신경망), 트랜스포머 같은 최신 기술로 자연스럽게 넘어갑니다. 확률적 경사 하강법을 산비탈을 내려가는 비유로 설명한 부분은 특히 이해하기 쉬웠는데, 복잡한 수학보다는 직관적 그림과 예시 중심이라 리액트에서 상태 관리 패턴을 익히는 것처럼 개념을 받아들이기 수월했습니다.

실습 예제도 인상적입니다. NumPy와 scikit-learn 라이브러리를 활용해 MNIST 이미지 분류를 직접 구현하는 과정은 프론트엔드에서 UI 컴포넌트를 만들고 데이터를 관리하는 일과 닮아 있었습니다. 특히 “손코딩”을 강조해 코드를 무조건 복사하는 대신 직접 타이핑하며 흐름과 원리를 체득하게 유도한 점이 좋았습니다. 다만, 확인 문제 중 몇몇은 생각할 거리를 많이 던져주어 반복 학습이 필요했어요.

책이 코딩과 이론 사이에서 균형을 잘 맞춘 점도 돋보입니다. 단순히 코드를 나열하거나 수학 공식을 풀기보다, 알고리즘이 탄생한 배경과 해결하려는 문제를 설명해 개념의 ‘이유’를 알게 해줍니다. 어텐션과 트랜스포머가 자연어 처리 분야에 어떤 혁신을 가져왔는지를 다룰 때는, 리액트에서 모듈화와 재사용성을 중요시하는 개발자의 시선으로 기술을 이해하는 데 도움이 됐습니다. CNN의 각 층을 색깔별로 구분한 시각적 설명은 복잡한 데이터 흐름을 컴포넌트 트리처럼 생각하게 해 친숙했죠.

다만 후반부 딥러닝 심화 내용(LSTM, 트랜스포머 등)은 익숙지 않은 개념이 많아 여러 차례 반복해서 공부해야 했습니다. 수학 용어나 개념이 가끔 등장해 부담스럽기도 했고, 리액트처럼 빠른 피드백을 기대하다 보니 모델 학습의 긴 시간 간격에는 적응이 필요했습니다.

종합하면, 이 책은 프론트엔드 개발자 등 비전공자나 AI 입문자에게 적합한 입문서입니다. 단기간에 훑고 끝낼 책이 아니라, 실습과 복습을 반복하며 천천히 내 것으로 만들어야 합니다. Jupyter Notebook과 GitHub를 활용해 공부하면 마치 리액트 프로젝트를 관리하듯 효율적으로 학습할 수 있습니다. AI 기술을 웹과 연결하는 미래를 준비하는 분들께 좋은 첫걸음이 될 것입니다.

Github 

https://github.com/rickiepark/hg-mldl