한빛미디어

한 권으로 끝내는 딥러닝 텐서플로

알파고 이후 국내에 떠오른 딥러닝에 대한 지대한 관심 속에서 나도 예외는 아니었다.

나도 관심은 많다. 하지만..

내가 과연 딥러닝을 우리가 할 수 있을까?

학문이 깊은 분들이 주를 이루는 그 세계에서 우리가 과연 그들과 어깨를 나란히 하며, 논의할 수 있을까?

그래서 지레 나는 내가 할 수 있는 일이 아니라고 생각했다.

기술의 발전으로 사라지거나 축소되는 직업들 중 나도 물론 포함되었고, 점점 불안이 엄습해 온다.

대체 가능한 인력

월급쟁이에게 얼마나 무서운 말인가 

그러다 우연히 이야기를 나눈 개발자 동료는 내게 이런말을 했다.

우리가 java/spring을 만들지 않지만 잘 쓰고 있듯, 딥러닝도 그럴 것이다.

중요한 알고리즘, 네트워크는 우리 보다 더 깊게 공부하는 분들이 계속 연구해주실 것이고

lib를 가져다 쓰는 것처럼 딥러닝도 그런 날이 올 것이라는 이야기였다.

한 권으로 끝내는 딥러닝 텐서플로, 이 책을 옮긴 이들도 딥러닝을 해야하는 이유를 똑같이 설명하고 있다.

구글에서 개발 중이며, 범용적으로 널리 사용되는 딥러닝 프레임워크인 텐서플로에 대해 한눈에 파악할 수 있는 책이다.

IT의 발전과 함께 인공지능은 계속해서 매우 빠르게 진화하고 있다.

훌륭한 데이터를 가진 회사에서 이미 일하고 있거나 일할 기회가 있는 개발자라면 하루라도 빨리 인공지능 기술을 익혀야 한다.

혁신적인 딥러닝 알고리즘을 개발하는 경우라면 뛰어난 프로그래밍 능력과 전문 지식이 필요하겠지만, 그런 경우가 아니라면 주어진 알고리즘을 이해하고 이를 텐서플로 코드로 구현할 수만 있으면 된다. ( 장정호 & 정하나 )

많이 들어본 RNN이 이거였군

LSTM역시

책의 도입부는 딥러닝 소개로 시작되는데, 딥러닝에 대해 잘 몰라도 몇개 들어봤음 직한 내용들이(RNN, LSTM) 나와 흥미롭게 읽었다.

이후 장부터는 텐서플로에 대해 설명하고, 텐서플로 사용에 대한 내용으로 구성 된다.

수학 관련 내용에서 잠시 주춤하였지만 반드시 이해하고 가야할 분은 아니라고 생각했고, 차후 다시 보면 되기에 부담없이(?) 넘겼다.

이후 간단하지만 중요한 학습 시스템 예제를 텐서플로로 구축하는 방법도 기술하고 있다.

왜 머신러닝의 핵심이 복잡한 손실 함수의 최소점을 찾는 능력에 있는지를 알아보고, 플레이스홀더, 스코프, 옵티마이저, 텐서보드 등을 구성하고 분석하도록 구성하고 있다.

또한 선형회귀 모델과 로지스틱 회귀 모델을 학습하는 방법에 대한 사례 연구도 소개하며 더불어 시각화 예제도 제공한다. 

그리고 이미지 처리에 쓰이는 합성곱 신경망에 대한 내용도 다루고 있다. 보통 딥러닝 초기에 강아지와 고양이 이미지 판단 퀘스트를 많이 하는데 이 내용도 많은 도움이 될 것 같다.

끝으로 강화학습까지 제공하니 이 책은 철저하게 실무자를 위해 쓰인 딥러닝 책이다.

소프트웨어 시스템 설계에 익숙한 실무 개발자들이 읽으면 좋지만, 반드시 개발자가 아니어도 좋다.

학습 알고리즘을 설계할 필요는 없는 과학자나 기타 전문가에게도 유용할 것이다.