한빛미디어

파이썬 날코딩으로 알고 짜는 딥러닝

윤덕호 지음

‘코난아카데미’ 딥러닝교재

원리를 완벽하게 박살내야 내 것이 된다!

저자는 인공지능 이론적 지식을 기반으로 수년 간의 현장 경험을 체계적으로 집대성한  ‘파이썬 날코팅으로알고 짜는 딥러닝’이라는 딥러닝 개발자들에게 실전에서 겪을 수 있는 난제들을 해결하는데 필요한 원리를 파이썬 예제 풀이로쉽게 이해하도록 설명해 준 책을 집필해 주었다.

회사 직원들의 교육프로그램인‘코난아카데미’의교재로 활용하여 검증된 내용들을 딥러닝 업무에 종사하는 직장인 및 딥러닝 분야에 관심을 갖고 공부하는 학습자에게 큰 혜안을 갖도록 이끌어줄 수 있는 길잡이 역할에 충실하다. 그러나 내용이 쉽지 않다는 점을 알고 천천히 딥러닝 전문가로서의능력을 키우기 위해 집중하여 노력할 필요가 있다고 본다.

이 책의 목표는 독자가 딥러닝 알고리즘의 원리를 깊이 있게 이해하여 활용 능력을 갖추도록 돕는 데 있다. 각 장은 이론을 제시한 후에 파이썬으로 예제 프로그램을 구현하고 실험을 수행하는 과정을 차근차근 소개한다.

케라스나 텐서플로 같은 프레임워크를 이용하지 않고 파이썬 날코딩만으로 딥러닝의 모든 문제를 풀어내는  예제가 이 책의 큰 특징이다. 이들 예제 프로그램을 꼼꼼하게 설명한다. 또한 실험 과정을 재현하고변형해 활용하기 쉽게 구성했다. 예제 프로그램을 살펴보면서 그동안 편리한 프레임워크에 가려져 이해하지못한 채 지나쳤던 딥러닝의 동작 원리를 확실하게 알게 된다. 이렇게 길러진 이해를 토대로 프레임워크없이도 직접 딥러닝 신경망을 개발하는 능력을 갖추게 될 것이다. 동시에 역설적으로 숨은 동작 원리를간파하게 됨으로써 프레임워크를 더 잘 이용하게 된다.

예제에서 다루는 다양한 데이터셋은 이 책의 또 하나의 매력이다. 각종인공지능 챌린지 대회가 펼쳐지는 캐글 플랫폼에서 수집한 실전 데이터셋은 딥러닝 모델의 활용 범위에 대한 상상의 지평을 넓혀줄 것이다. 전복 나이 추정, 천체 펄서 여부 판정, 철판 불량 상태 분류, 꽃 사진 이미지나 도시 소음의 분류 등의문제를 캐글 데이터셋을 이용해 다룬다. 이 밖에도 사무용품 이미지들로 구성된 오피스31 데이터셋, 필기체 문자 이미지를 모은 엠니스트(MNIST) 데이터셋을 비롯해 영화 동영상 파일, 회화 이미지 파일, 오토마타 문법 등 다양한 종류의 데이터셋을 예제 프로그램에서 사용한다.

여러분이 자신만의 새로운 딥러닝 신경망을 개발하고, 딥러닝을 넘어서는인공지능의 또 다른 지평을 향해 나아가는 첫걸음에 이 책이 도움이 되기를 기대해본다.

이 책의 대상 독자

이 책의 대상 독자는 크게 두 부류다. 첫 번째는 텐서플로 같은 프레임워크를사용해 딥러닝에 입문했지만 여전히 딥러닝 알고리즘의 동작 원리를 제대로 이해할 수 없어 답답함을 느끼는 기존 딥러닝 개발자다. 두 번째는 딥러닝을 새로 배워보려 하지만 기왕이면 수박 겉 핥기식 공부보다는 딥러닝 알고리즘을 제대로 이해하는공부를 하고 싶은 딥러닝 입문자다.

이 책의 예제 소스

이 책에서 소개하는 모든 예제 프로그램은 주피터 노트북을 이용해 작성했다. 각장마다 독립된 예제를 소개하며, 각 예제를 주피터 노트북의 셀에 해당하는 두 가지 코드 블록, 즉 구현 코드와 실행 코드 단위로 자세히 설명한다. 이들 예제 프로그램들과데이터셋은 저자의 깃허브 계정과 한빛미디어 홈페이지에서 내려받을 수 있으며 각자의 개발 환경에 설치된 주피터 노트북을 이용해 손쉽게 동작을 재현하고실습할 수 있다.

• 저자 깃허브 : githhub.com/konantechnology/academy.alzza

• 한빛미디어 : www.hanbit.co.kr/src/10200

이 책은 총 5부로 구성되어 있다.

1부와 2부에서는 딥러닝신경망의 기본 구조인 단층 퍼셉트론과 다층 퍼셉트론을 소개한다.

3부와 4부에서는 이미지데이터나 시계열 데이터 처리에 특화된 고급 딥러닝 신경망 구조인 합성곱 신경망(CNN)과 순환 신경망(RNN)을 살펴본다.

마지막으로 5부에서는 딥러닝의 응용구조로서 오토인코더, 인코더-디코더, 생성적적대 신경망(GAN)의 원리와 구현 방법을 알아본다.

각 부는 3개의 장으로 구성되어 있으며, 각 장은 점차 심화되는 내용으로 긴밀하게 상호 연결되어 있지만 각각 독립적인 예제를 제공한다. 각 장은 이론적 배경을 소개하고 나서 예제 프로그램을 구현한다. 마지막절에서는 예제 프로그램 실행 결과를 검토한다.

이 책은 딥러닝 알고리즘에 기반을 둔 각종 신경망을 구현하는 방법을 소개한다.딥러닝 알고리즘의 원리와 각종 신경망의 특성을 심도 있게 다루면서도 실제 동작하는 예제들을 제시한다.

시중의 많은 책이 딥러닝을 간단히 소개하고 프레임워크 기반 예제를 보여준다. 이런책으로 공부하면 빠르게 구현해 신경망 작동을 확인할 수 있어 공부하는 맛도 난다. 그런데 막상 딥러닝알고리즘을 이용해 실제로 이용할 신경망 프로그램을 작성하다 보면 어느 순간 막히게 된다.

실전에서는 더 깊은 지식이 필요하기 때문이다.

프레임워크로 빠르게 딥러닝을 배우는 책은 이미 많다. 반면 이 책은기존 책과 다르게 프레임 워크를 버리고 파이썬 날코딩으로 딥러닝을 배운다. 다른 책이 채워주지 못하는더 깊은 이야기를 제대로 담으려면 파이썬 날코딩이어야 하기 때문이다. 그래서 이 책은 상대적으로, (어쩌면 굉장히) 어렵다.

행여 프레임워크로 배우는 책을 업신여기거나 깍아내리려는 의도로 오해하지 말자.기존 책과 이책은 상호보완적이라는 말을 하고 싶은 거다.

아무쪼록 각자의 신경망 프로젝트 구현에 필요한 구체적인 딥러닝 동작 원리와 구현 방법을 속속들이 알아 가기 바란다.

이 책에서 구현하는 예제 프로그램들은 

단층 퍼셉트론(회귀 분석 출력, 이진판단 출력, 선택 분류 출력),

다층 퍼셉트론(은닉 계층, 객체지향구조, 복합 출력 아담 알고리즘),

합성곱 신경망(합성곱 계층, 폴링계층, 정규화 기법, 거대 심층 구조),

순환 신경망(단순 순환 계층,LSTM, CNN + RNN), 

고급 응용구조(오토인코더, 인코더– 디코더, 생성적 적대 신경망) 이다.

이 책의 예제에서 이용하는 데이터셋

5장, Dataset(AbaloneDataset,PulsarDataset, PulsarSelectDataset, SteelDataset, FlowersDataset)

6장,Office31Dataset,

9장, DummyDataset,

10장,AutomataDataset

11장,UrbanSoundDataset

12장,VideoShotDataset

13장,AutoencoderDataset, MnistAutoDataset,

14장,EndecDataset(MnistAutoDataset, MnistKorDataset),

15장,GanDataset(GanMnistDataset, GanPictureDataset),