한빛미디어

총평: 

이 책의 각 챕터의 구조는 매우 유기적인 방식으로 연결되고 있으며,

이를 통해 책의 저자는 본인이 전달하고자 하는 내용을 정확한 흐름을 통해 잘 기술하고 있다.

각 장에서 다루는 내용은 다음과 같다.

2장에서는

텐서플로의 세션, 변수 등과 관련 내부구조가 도입되고, 

3장에서는 

선형 회귀 및 로지스틱 회귀가 소개를 통해 텐서플로를 이용한 학습 시스템을 구축하는 방법이 소개된다. 특히 이 장에서 소개된 학습 시스템과 기본 구축 개념은 이후 장에서도 기본적인 학습 원리로 이용이 된다.

4장은 

DeepChem 데이터를 이용하여 완전연결 딥 네트워크를 구축하는 방법을 배울 수 있다. 특히 이 장에서 조기중단과 손실곡선을 언급하는 것도 이 책의 장점중의 하나이다.

5장은 

4장에서 구축한 DeepChem 데이터에 대해 하이퍼파라미터 최적화를 수행하는 과정을 배울 수 있다. 일반 기본개념에서 잘 다루지 않는 하이퍼파라미터 최적화가 소개된 것만으로도 이 책을 학습할 가치가 있다고 본다.

6장은 

합성곱 네트워크의 기본 개념과 디자인 방법을 소개한다. 합성곱 계층, 폴링 계층 등에 대해 배울 수 있으며, 실습으로 MNIST 손글씨 데이터셋을 통해 합성곱 네트워크를 구축한다.

7장은 

순환 신경망을 펜 트리뱅크 데이터셋을 이용하여 학습하는 방법을 볼 수 있다. 이 장에서는 순환 신경망에서 사용되는 개념인 LSTM, GRU 등의 이론적인 주제도 같이 살펴 볼 수 있다.

8장은 

최근의 강화학습 이론들을 살 펴 볼 수 있다. 틱택토 게임에 강화 학습을 적용하기 위해 객체지향 기법을 통해 강화학습 시스템을 구축하는 방법을 살펴 볼 수 있다.A3C 알고리즘을 구현하고 있으므로 이 알고리즘이 소개된 논문을 살펴 본 다면 논문을 구현하는 예시로도 사용할 수 있다.

9장은 

대규모 딥 네트워크 학습을 위해 다중 CPU/GPU를 이용하기 위한 데이터와 모델의 병렬처리에 대하여 소개하고 있다.