한빛미디어

<나는 리뷰어다> 11월 이벤트 당첨으로 작성한 리뷰 입니다.

[한줄평]

이론 보다는 코드로 직접 입력해가면서 배우는걸 좋아하는 분들에게 적합한 교재입니다.

[목차구성]

CHAPTER 1 딥러닝과 파이토치

CHAPTER 2 파이토치 시작하기

CHAPTER 3 파이토치로 전체 코드 구현하는 ANN

CHAPTER 4 패션 아이템을 구분하는 DNN

CHAPTER 5 이미지 처리 능력이 탁월한 CNN

CHAPTER 6 사람의 지도 없이 학습하는 오토인코더

CHAPTER 7 순차적인 데이터를 처리하는 RNN

CHAPTER 8 딥러닝을 해킹하는 적대적 공격

CHAPTER 9 경쟁하며 학습하는 GAN

CHAPTER 10 주어진 환경과 상호작용하며 학습하는 DQN

[대상 독자]

파이썬을 사용할 줄 아는 독자

최소한의 머신러닝 지식을 가지고 있는 독자

[주요 내용]

1장 딥러닝과 파이토치 - 딥러닝의 기본 지식을 쌓고, 여러 머신러닝 방식에 대해 배웁니다. 파이토치가 무엇이고 왜 필요한지, 텐서플로와 케라스 같은 라이브러리와 무엇이 다른지를 알아봅니다.

2장 파이토치 시작하기 - 파이토치 환경 설정과 사용법을 익혀봅니다. 파이토치 외에도 책을 진행하면서 필요한 주변 도구를 설치합니다.

3장 파이토치로 구현하는 ANN - 파이토치를 이용하여 가장 기본적인 인공 신경망을 구현하고 모델을 저장, 재사용하는 방법까지 배웁니다.

4장 패션 아이템을 구분하는 DNN - 앞서 배운 인공 신경망을 이용하여 Fashion MNIST 데이터셋 안의 패션 아이템을 구분해봅니다.

5장 이미지 처리 능력이 탁월한 CNN - 영상 인식에 탁월한 성능을 자랑하는 CNN을 알아봅니다. 여기에 그치지 않고 CNN을 더 쌓아 올려 성능을 올린 ResNet을 알아보고 구현합니다.

6장 사람의 지도 없이 학습하는 오토인코더 - 정답이 없는 상태에서 특징을 추출하는 비지도학습을 알아보고 대표적인 비지도학습 모델인 오토인코더를 이해하고 구현하는 방법을 익힙니다.

7장 순차적인 데이터를 처리하는 RNN - 문자열, 음성, 시계열 데이터에 높은 성능을 보이는 RNN을 활용하여 영화 리뷰 감정 분석을 해보고 간단한 기계 번역기를 만들어봅니다.

8장 딥러닝을 해킹하는 적대적 공격 - 딥러닝 모델을 의도적으로 헷갈리게 하는 적대적 예제를 알아보고 적대적 예제를 생성하는 방법인 적재적 공격을 알아봅니다.

9장 경쟁하며 학습하는 GAN - 두 모델의 경쟁을 통해 최적화하는 특이한 학습 구조를 가진 GAN에 대해 알아봅니다. GAN은 데이터셋에 존재하지 않는 새로운 이미지를 생성할 수 있습니다. 예제로 Fashion MNIST 데이터셋을 학습하여 새로운 패션 아이템을 만듭니다.

10장 주어진 환경과 상호작용하며 학습하는 DQN - 간단한 게임 환경에서 스스로 성장하는 DQN을 알아보고 간단한 게임을 마스터하는 인공지능을 구현해봅니다.

[서평]

이 책의 특징은 어려운 딥러닝을 가장 쉽게 학습 할수 있는 방법으로 어려운 수학과 딥러닝 알고리즘 설명을 최대한 줄이고 직접 코드를 입력해가면서 익히게 해 쉽고 재밌게 배울수 있습니다. 다양한 딥러닝 모델의 개념을 익히는 것으로 이론은 최대한 간략하게 소개합니다. 하지만 딥러닝을 본격적으로 사용하려면 이론도 탄탄하게 익히는 것이 좋습니다. 이책으로 빠르게 딥러닝을 학습하고 이론과 딥러닝 수학에 대해서 공부하는걸 추천 합니다.