한빛미디어

즘 업계의 화두는 AI,빅데이터와 더불어 기계학습과딥러닝이라고 해도 과언이 아닙니다. 오래전부터 딥러닝에 관심을 가져왔었고 대학원에서 기계학습과 머신러닝이라는 제목으로 수업을 듣고 있는데 이번 한빛 미디어에서 진행하는 이벤트로 좋은 책을 리뷰할수 있는 기회가 생겨 밑바닥부터 시작하는 딥러닝2라는 책을 리뷰할려고 합니다.

이책은 [밑바닥부터 시작하는 딥러닝]의 속편으로, 딥러닝의 가능성을 한층 더 깊게 설명하였습니다. 전편과 마찬가지로, 라이브러리나 프레임워크 등 기존 제품을 사용하지 않고 '밑바닥부터'만드는데 촛점을 뒀습니다.

먼저 1장에서는 전편의 복습에서부터 시작합니다. 수학과 파이썬 그리고 신경망에 대한 복습으로 전편에서의 내용을 토대로 다시한번 짚고 넘어가는 장입니다.

신경망에서는 백터와 행렬이 있는데, 먼저 이 용어들에 대해 정리하여 이 책을 읽는데 도움이 될수 있도록 하였습니다.

저같이 수포자들에게는 벡터와 행렬이라는 이름만 들어도 선뜻 다가서기가 어려웠는데 기본적인 개념과 예를 제시하여 신경망에서 있어 사용하는데 도움이 될수 있도록 하였습니다. 처음에는 읽기가 어려웠는데 몇번 읽다보니 어느정도는 이해가 되었습니다.

2장은 자연어 처리의 대해서 소개합니다. 컴퓨터에게 '단어의 의미'를 이해시키는 주제로 먼저 시소러스를 이용한 기법을 설명하고, 이어서 통계 기반 기법으로

설명을 하였습니다. 이장에서도 수학적인 용어가 나와서 이해하기가 어려웠는데 오히려 파이썬 코드를 타이핑하면서 결과값을 확인하니 그나마 좀 알수 있었습니다.

그리고 5장,6장,7장에서는 순환신경망(RNN)에 대해서 다루고 있습니다. RNN은 데이터를 순환시킴으로써 과거,현재,미래로의 데이터를 계속해서 순환해서 흘려보냅니다. RNN은 순환 경로를 포함하며 과거의 정보를 기억 할 수 있었습니다. 구조가 단순하여 구현도 쉽게 할수 있지만 성능이 좋지 못합니다.

요즘에는 단순한 RNN 대신 LSTM이나 GRU라는 계층이 많이 쓰입니다. 6장과 7장에서 LSTM의 구조를 살펴보고 LSTM 을 사용해 언어 모델을 만들어 실제로 데이터를 학습하는 방법도 설명해 줍니다.

"밑바닥부터 시작하는 딥러닝"에서 다루지 못했던 순환 신경망(RNN)을 자연어 처리와 시계열 데이터 처리에 사용하는 딥러닝 기술에 초점을 맞춰 설명을 하였습니다.

전편에서 배운 내용을 토대로 신경망과 파이썬지식을 어느 정도 갖췄다면 전편을 읽지 않아도 무리 없어 따라 올수 있을것 같습니다.