한빛미디어

기본적인 수학 지식과 파이썬 지식이 필요하다.

저는 머신러닝과 딥러닝을 학습하면서 다양한 모델을 학습했지만, GAN이 가장 이해하기 어려우면서도, 학습 결과물을 보면 가장 매력적이었던 모델이었던 것 같습니다. 수학적으로 파고 들면, 이해하기 힘든 부분도 있었는데, 다행히 이 책은 복잡한 수학 공식과 구조만 덩그러니 던져주고 끝나는 것이 아니고 그것에만 초점을 맞춘 것이 아닙니다. GAN이 어떤 구조로 되어 있으며 학습이 어떻게 진행되는지 차근차근 진행하기 때문에 입문자에게도 나쁘지 않은 책이라고 생각합니다. 여기에 파이썬을 이용해 머신러닝과 딥러닝을 사용해본 경험까지 갖추고 있다면 큰 도움이 될 것이라 생각합니다.

다양한 프로젝트를 볼 수 있다.

사실 GAN 하나만으로도 책의 반을 차지할 수 있고, 이런저런 내용들에 대해 집어넣으면 프로젝트를 많아야 두 개정도 맛볼 수 잇는데, 이 책은 그렇게 하지 않고 중후반부부터는 모든 것을 프로젝트를 통해 경험하도록 구성되어 있습니다. 생성 모델이기 때문에 정말 많은 분야에 적용하는 편인데, 예시 프로젝트를 다양하게 접할 수 있다는 건 이 책이 가지고 가는 강점이라고 생각됩니다. 이 책에서는 주로 멀티미디어인 그림, 글쓰기, 음성, 게임에 적용한 프로젝트들에 대해서 다루기 때문에 고리타분한 주제도 아니라 즐기듯이 공부할 수 있습니다. 이 책 적혀진 프로젝트 외에도 정말 많은 프로젝트들이 있다는 것을 인터넷을 찾아보면 알 수 있으니, 학습하면서 참고하시면 될 것 같습니다.

책의 흐름

책에서는 일단 딥러닝에 대한 설명으로 시작해서 초반부에서 중반부까지는 딥러닝, 그 중에서도 생성 모델링을 위한 딥러닝에 대해서 다루고 본격적으로 그 이후부터는 GAN과 GAN을 이용한 파생 프로젝트들에 대해서 세세히 파고 드는 방식으로 접근합니다. 따라서, 이 책 하나면 GAN을 사용한 모든 프로젝트를 학습할 수 있는 건 아니어도 굵직굵직한 개념들을 이해하는데 전혀 무리가 없을 것이라고 생각합니다.

결론

GAN에 대해 자세히 공부하고 싶다면, 논문을 직접 파고들면서 직접 다 구현해보고 응용 결과물을 내는 것이 최종관문이겠지만, 그 전에 GAN이 무엇이고 어떻게 쓰이는지 입문하는 사람들에게는 이 책이 더 적합하다고 생각됩니다. 이 책을 통해서 GAN을 활용하는 방법에 대해 이해하고 무엇인지에 대해 충분히 학습하고, 논문을 접하고 GitHub에 올라와 있는 관련 프로젝트들을 직접 돌려보면서 구조를 뜯어보면 더 깊이 있는 공부가 될 수 있지 않을까 싶습니다.