"혼자 공부하는 머신러닝+ 딥러닝" 입문서를 마친후에 배운 지식을 실전에 적용할 수 있는  "혼자 만들면서 공부하는 딥러닝" 을 읽어 보게 되었습니다.

"혼자 만들면서 공부하는 딥러닝" 책은 다양한 딥러닝 모델을 구현해 볼 수 있는 책입니다. 특히 이미지 / 텍스트 분류 및 요약, 전이학습, 트랜스포머 까지 컴퓨터 비전과 언어모델 처리를 중심으로 20개의 딥러닝 모델을 직접 공부할 수 있습니다. 
각 기술은 어렵고 공부하기 어려운데 "혼자 만들면서 공부하는 딥러닝" 책은 각 내용을 기능 설명, 모델 설명, 각 소스의 핵심을 설명하면서 쉽게 기술을 익힐 수 있도록 구성되어 있습니다. 
소스도 자세하게 설명하고 있어서 기술적 핵심을 쉽게 익힐 수 있게 되어 있습니다.

책은 총 6개의 Chapter 로 구성되어 있으데 크게 구분하면  이미지 분류(컴퓨터 비전), 텍스트 처리(대규모 언어 모델) 로 구분되어 있습니다.

​이미지 분류
- Chapter 01. 합성곱 신경망 (CNN) 으로 패션 상품 이미지 분류하기
최초의 CNN 모델인 LeNet을 학습하고 합성곱 신경망 모델을 공부합니다. 
패션 상품 이미지 분류를 경험해 볼 수 있으며 딥러닝을 처음 시작하는 단계에서 핵심을 설명하고 있습니다. 
- Chapter 02. 사전 훈련된 CNN 모델로 강아지와 고양이 사진 분류하기
AlexNet , VGGNet, ResNet 모델을 학습하고 강아지와 고양이 사진을 분류하는 과정을 학습할 수 있도록 하고 있습니다.  추가적으로 GoogleNet 과 미니프로젝트를 경험할 수 있도록 되어 있습니다. 
- Chapter 03. 고급 CNN 모델과 전이 학습으로 이미지 분류하기 
DenseNet, 경량 모델인 MobileNet, EfficientNet의 이론을 배우고 전이학습으로 파스타치오 품종을 분류하는 방법을 확인할 수 있습니다. 미니 프로젝트로는 캐글 모델로 파스타치오 품종 분류하기를 경험할 수 있습니다. 
Chapter 01~03 까지는 컴퓨터 비전과 관련된 이미지 분류에 대한 것을 확인할 수 있습니다. 최근에 이미지 분류와 관련된 프로젝트나 이론에 대한 내용이 많은데 관련 기술이 어떤 방식과 모델로 되어 있는지 확인할 수 있는 부분이었습니다.

​텍스트 처리 
- Chapter 04. 트랜스포머 인코더 모델로 텍스트 감성 분류하기
영화 리뷰 텍스트의 감성을 분류하는 트랜스포머 인코더 기반 언어 모델을 학습할 수 있는 Chapter입니다.  KerasNLP, RoBERTa, DistiBERT 등을 경험할 수있고 네이버 영화 리뷰 데이터셋을 이용하여 학습을 하게 됩니다.  
- Chapter 05. 트랜스포머 디코더 모델로 텍스트 생성하기
GPT-2, Llama, Gemma 모델로 다양한 텍스트를 생성해 볼 수 있습니다.  텍스트의 대표적인 모델을 학습할 수 있습니다. 
- Chapter 06. 트랜스포머 인코더-디코더 모델로 텍스트 요약하기
BART 모델, T5 모델을 사용해 텍스트 요약하기 실습을 진행합니다. 미니프로젝트로는 T5-1.1  모델을 확인할 수있습니다. 
Chapter 04~ Chapter06 까지는 텍스트 처리에 관련된 딥러닝 모델을 확인 및 공부할 수 있습니다. 해당 부분에서 언어모델의 다양한 모델과 해당 방식이 어떻게 처리되고 어떤 소스로 구성되어 있는지 확인할 수 있었습니다. 좀 어려운 내용이지만 실습을 따라하면서 내용을 반복한다면 기본 방식은 충분히 이해할 수 있다고 생각합니다.  

"혼자 공부하는 머신러링+딥러닝" 입문서보다 더 실용적인 모델을 경험할 수 있는게 "혼자 만들면서 공부하는 딥러닝" 책이라고 할 수 있을 것 같습니다. 몇몇 모델은 실무에서도 활용한다고 하는데 직접 읽으면서 경험해 보면 좋을 것 같습니다.  
각 장의 구성은 챕터 미리보기, 기본 개념 설명, 소스설명, 마무리로 키워드와 핵심 포인트를 다시 공부할 수 있도록 구성되어 있습니다.

또한 책을 공부하면서 동영상을 통해 같이 학습을 할 수 있습니다. 
"혼자 공부하는 머신러닝+ 딥러닝" 을 공부할때도 동영상이 많은 도움이 되었는데 이번에도 저자의 동영상을 제공하고 있으니 같이 공부하면 좋을 것 같습니다.

"혼자 만들면서 공부하는 딥러닝" 책의 장점은 
1. 딥러닝 입문 후에 공부할 수 있는 좋은 실전서
2. 이미지 분류, 자연어 처리 방식을 전문적으로 공부할 수 있음
3. 이론보다는 실습 위주의 책 구성과 자세한 소스 코드 설명
으로 설명할 수 있을 것 같습니다.  딥러닝 책에서 크게 부담갖지 않고 실습 예제로 공부할 수 있는 책이라고 생각합니다.

​마지막으로 "혼자 만들면서 공부하는 딥러닝" 책은 이론서와 실용서 중간에 위치한 기본서입니다.  기존의 실용서가 어렵다면 "혼자 만들면서 공부하는 딥러닝" 책을 읽어보면 좋을 것 같습니다. 직접 만들면서 컴퓨터 비전과 대규모 언어 모델의 개념과 기본적인 소스 코딩을 진행해 볼 수 있습니다. 20개의 딥러닝 모델을 직접 확인할 수 있습니다.  코딩을 직접 따라하면서 딥러닝을 경험해 볼 수 있는 "혼자 만들면서 공부하는 딥러닝" 책을 추천합니다.  

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.

“딥러닝은 어렵다”라는 생각을 혼자 만들어 보며 없어지게 만들어 주는 책입니다. 패션 이미지 분류부터 시작해 강아지와 고양이, 영화 리뷰 감정 분석, 텍스트 생성과 요약 등을 직접 만들어 보며 하나의 흐름 안에서 CNN과 트랜스포머, LLM을 단계적으로 배울 수 있습니다. 입문자를 위한 학습 환경과 함께 모델은 단순히 ‘불러오기’가 아니라, 어떤 구조인지, 왜 쓰이는지를 친절하게 알려줍니다. 기술은 빠르게 바뀌지만, 스스로 만들고 실험해본 경험은 오래 남기에 이 책을 추천합니다. ◡̈

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

초반부는 이미지 훈련 학습 (CNN모델), 나머지 후반부는 자연어 처리 학습 및 생성/요약 (BERT모델) 관련 내용으로 구성되어 있습니다. 배경 이론 설명과 쉬운 실습을 병행하는 방식으로 구성된 교재입니다. 한 권의 책을 가지고 혼자 [립러닝] 공부할 수 있는 많은 방법을 제공하고 있어 좋았습니다. 가장 기본이 되는 이론 부분은 유튜브 강의 영상을 추가로 제공하고 강의 예제 코드들은 코랩(Colab)에 실행하면서 따라할 수 있습니다.

저는 제가 전공한 내용을 복습하기 위해 읽은 경우라 혼자 다시 풀어보고 잊어버렸던 개념을 다시 확인하는 방식으로 사용했습니다. 목차 구성이 세분화 되어있고 주요 모델들을 예제로 잘 연결하고 있기 때문에 제가 필요한 부분을 골라 보는데 전혀 문제가 없었습니다. 매일같이 쏟아지는 새로운 소식들에 다소 지치기도 하고 새로운 모델이 나오는 속도가 빨라 우왕좌왕하기도 하는데 전통적인 머신러닝, 딥러닝 공부가 어떻게 요즘 기술 시장을 주도하는 대규모 언어모델 개발로 연결될 수 있는지 연결을 잘 해주어 좋았습니다.

커뮤니티도 상당히 활성화 되어 있습니다. 이미 앞서 공부한 분들이 남긴 질문들만 여러 페이지가 넘어갈 만큼 쌓여있는 점이 인상깊었고 스터디 그룹도 종종 확인하였습니다. 공부를 처음 시작하는 분이라면, 예를 들어 허깅 페이스 라이브러리 설치와 같은 부분부터 막힐 때 도움을 요청하고 받을 수 있는 Q&A 공간이 잘 되어 있어 유용하게 느꼈습니다. 감사합니다.

#️⃣ 믿고 보는 '혼공'스타일 구성

이 책의 가장 큰 강점은 공부할 때 계획을 세우지 않아도 된다는 점(?)이다. '혼자 만든다'는 이름처럼 단순히 설명을 읽는 데 그치지 않고, 직접 코드를 구현해보면서 자연스럽게 개념과 구조를 익히는 핸즈온 중심의 흐름이 매우 잘 짜여있어서 어떤 파트를 어떻게 공부하지 같은 고민은 하지 않아도 된다.

각 장은

이번에 만들 모델 소개

구현 목표와 결과 미리 보기

핵심 이론 정리

실전 코드 작성

위와 같은 순서로 이루어지기 때문에 파트별로 공부하고 또 전체 책의 맥락이 하나로 이어져 있기 때문에 높은 몰입감도 준다.

특히 딥러닝 모델 구조를 시각화된 그림으로 설명해주는 방식이 정말 큰 도움이 된다. 수학 공식보다는 직관적인 이해를 중시하는 학습자, 특히 비전공자 입장에서 이 부분은 꽤 치명적인 장점이라 생각한다. 이론과 실습이 따로 노는 기존 입문서와는 분명한 차별점이 있고, 처음 딥러닝을 배우며 느꼈던 막막함이 훨씬 줄어든다.

#️⃣ 최신 딥러닝 모델까지 직접 만들어 볼 수 있는

이 책이 단순한 입문서를 넘어서는 이유는 ‘지금 현업에서 쓰이는 모델’을 직접 만들어볼 수 있다는 점이다. 내용을 크게 두 파트로 나눠보면,

이미지 처리 (CNN 기반 분류기 등)

자연어 처리 (Transformer 기반 모델 등)

초반부에서는 CNN으로 이미지 분류 모델을 만들면서 딥러닝의 실전 감각을 익히고, 후반부에서는 요즘 가장 주목받는 Transformer 계열 모델들을 다룬다.

감정 분석 (IMDB 데이터셋 기반)

텍스트 생성 (GPT, LLaMA 스타일)

문서 요약 (BART, T5 등)

단순히 코드를 따라치는 데 그치지 않고, 모델이 어떻게 동작하는지 직접 실험하면서 감을 잡을 수 있게 설계되어 있다. 즉, 책 한 권으로 '공부'에서 '경험' 단계로 자연스럽게 넘어갈 수 있다.

#️⃣ 직접 해보고 또 어려우면 '혼공학습단'까지 활용해보자.

이 책을 제대로 활용하려면 한 가지는 반드시 지켜야 한다

“절대 눈으로만 보지 말 것.”

대게 모든 프로그래밍이나 데이터 분석이 마찬가지겠지만 책에 나온 코드를 직접 타이핑하고, Colab 같은 실습 환경에서 실행해보면서 결과를 체감해야 진짜 실력이 된다. 프로젝트별로 단계적으로 코드를 쌓아가는 방식이기 때문에, 단순 복붙이 아니라 코드가 왜 이렇게 구성됐는지 하나씩 따라가보는 게 중요하다.

그런데 의지가 조금 약하다면 '혼공학습단'을 해보는 것도 추천한다.

나는 앞서 두 번이나 했고 이 책으로도 다시 혼공학습단을 신청할 예정이다.

동기부여도 되고 커뮤니티로 혼자 공부하지만 같이 공부하는 느낌을 낼 수 있다는게 가장 큰 장점이다.

추천독자

『혼자 공부하는 머신러닝+딥러닝』을 끝낸 뒤 실전 경험이 필요한 분

딥러닝 개념은 들었지만 실제 모델 구현은 해본 적 없는 분

이론보다는 코드를 중심으로 학습하고 싶은 분

데이터 분석이나 AI 관련 커리어를 준비 중인 비전공자

 ? 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

인공지능을 생각하면 떠오르는 두 가지가 있습니다

하나는 머신러닝, 하나는 딥러닝이죠

머신러닝과 딥러닝에 대해 간단히 소개해 드릴게요
머신러닝(Machine Learning)이란?

머신러닝은 컴퓨터가 명시적인 프로그래밍 없이도 데이터에서 패턴을 스스로 학습하고, 이를 바탕으로 예측이나 분류 등의 작업을 수행하는 인공지능의 한 분야로

머신러닝은 크게 세 가지 방식으로 나뉩니다.

• 입력 데이터와 정답(라벨)을 함께 제공해 학습하는 지도학습(Supervised Learning)
• 정답 없이 데이터의 패턴이나 구조를 스스로 찾는 비지도학습(Unsupervised Learning)
• 보상과 벌점을 통해 최적의 행동을 학습하는 강화학습(Reinforcement Learning)

그렇다면 오늘의 주인공, 딥러닝(Deep Learning)이란 무엇일까요?

많은 분들이 머신러닝과 딥러닝을 완전히 별개의 기술로 생각하시지만, 사실 딥러닝은 머신러닝의 한 분야입니다

인간의 뇌 구조를 모방한 인공 신경망(Artificial Neural Network)을 여러 층(Layer)으로 쌓아 올린 ‘심층 신경망(Deep Neural Network, DNN)’을 사용합니다.

딥러닝의 가장 큰 특징은 복잡한 데이터(이미지, 음성, 자연어 등)에서 중요한 특징을 사람이 직접 설계하지 않아도, 신경망이 스스로 학습하고 추출한다는 점입니다.

예를 들어, 고양이 사진을 분류하는 문제에서 딥러닝 모델은 수많은 이미지를 보면서 저절로 귀 모양, 수염, 털 패턴 등 중요한 특징을 자동으로 파악하는데, 이러한 능력 덕분에 딥러닝은 이미지 인식, 음성 인식, 자연어 처리, 자율주행 등 복잡하고 방대한 데이터를 다루는 분야에서 뛰어난 성능을 발휘합니다.

딥러닝으로 이렇게 할 수 있는 게 많아서 딥러닝을 공부하고 싶은데 어디서부터 공부해야 할지 막막해서

인터넷으로 이것저것 찾아보셨겠지만 자료는 많아도 정작 ‘딥러닝의 원리’를 직접 체험하며 배우고 싶은 사람에게 적합한 책은 드뭅니다.

그래서 오늘 소개하는 책이 그런 욕구를 충족시켜줄

한빛미디어의 '혼자 만들면서 공부하는 딥러닝'입니다

이 책의 가장 큰 특징은 혼자서, 설정부터 직접 만들어보며 딥러닝의 다룰 수 있다는 점인데요
단순히 유명 프레임워크의 사용법을 익히는 것이 아니라, 딥러닝의 핵심이 되는 퍼셉트론, 신경망, 역전파 알고리즘 등을 파이썬으로 직접 구현해 보게 하고 이 과정에서 ‘왜 이렇게 동작하는지’, ‘수식이 실제 코드로 어떻게 바뀌는지’를 자연스럽게 이해하게 됩니다.

책을 따라가다 보면, 추상적인 개념이 구체적인 코드와 연결돼서 좋아요

책은 각 장마다 핵심 이론을 간결하게 설명하고, 곧바로 파이썬 코드로 구현해 보는 실습을 제공하는데요

예를 들어, 합성 신경망 CNN의 원리를 배웠다면, 바로 손코딩으로 합성곱층을 구현해 보는 식입니다. 
이런 과정을 통해 단순히 이론을 읽는 데 그치지 않고, 직접 손으로 구현하면서 지식을 체득하게 됩니다.

활성화 함수, 손실 함수, 경사 하강법 등 딥러닝의 핵심 알고리즘을 직접 만들어보는 경험은, 단순히 라이브러리를 호출하는 것과는 차원이 다릅니다. 내부 동작 원리를 코드로 체험할 수 있다는 점이 이 책의 큰 매력입니다.

특히, 이 책은 '따라 하며 배우는 코딩' 과  '코드 분석'을 통해 독자가 스스로 문제를 해결하고, 구현한 코드를 변형해 보며 응용력을 키울 수 있도록 유도하는데 각 장의 실습을 하다 보면, 어느새 딥러닝의 원리와 구현 능력이 자연스레 상승되는 걸 느끼실 거예요

이러한 다양한 실습을 통해 앞서 배운 이론과 구현 경험이 실제 문제 해결로 이어질 수 있도록 책은 돕고 있습니다

이 책을 읽어야 하는 이유는 명확합니다.

딥러닝을 ‘이해’와 ‘실전’ 두 마리 토끼를 모두 잡을 수 있기 때문인데요

이론에만 머물지 않고 직접 구현해 보는 과정을 통해 딥러닝의 핵심 원리와 구조가 머릿속에 들어오게 됩니다

입문자뿐 아니라, 프레임워크의 ‘블랙박스’에 답답함을 느꼈던 개발자에게도 이 책은 딥러닝의 속살을 들여다볼 수 있는 소중한 기회를 제공합니다.

그렇다면 이 책을 어떻게 읽어야 할까요? 공부 방법은 단순합니다.

1. 단계별 접근법

처음부터 끝까지 순서대로 따라 하는 것을 강력히 추천합니다. 각 장이 이전 내용을 바탕으로 구성되어 있기 때문에, 건너뛰면 이해하기 어려워질 수 있어요. 특히 코딩 경험이 많지 않다면 더욱 그렇습니다.

2. 실습 중심 학습

이론을 읽고 바로 코드를 작성해 보세요. 구글 코랩을 활용하면 별도의 설치 없이 바로 실습할 수 있어요. 코드를 그대로 복사하는 것보다는 직접 타이핑하면서 각 줄이 어떤 역할을 하는지 생각해 보는 것이 중요합니다. 시간이 너무 없어서 코드를 직접 타이핑하기 어려우시다면 실습 코드를 제공하기 때문에 제공된 코드를 보면서 공부하는 방법도 좋습니다

3. 강의 병행

책만으로는 이해가 어려운 부분들이 있을 텐데, 이때 저자의 강의를 참고하면 큰 도움이 됩니다. 특히 시각적으로 이해하기 어려운 신경망의 동작 과정을 영상으로 보면 훨씬 이해하기 쉬우실 거예요

4. 반복 학습과 응용
한 번 읽고 끝내지 말고, 핵심 개념들은 반복해서 연습해 보세요. 특히 각 장의 연습문제들을 꼼꼼히 풀어보고, 제시된 코드를 변형해서 다른 결과를 만들어보는 것도 좋은 학습법입니다.

책의 흐름을 따라가며, 각 장의 코드를 직접 입력하고, 실습 문제를 풀어보세요.

‘직접 해보기’와 ‘코드 분석’ 코너를 놓치지 마시고, 자신만의 방식으로 코드를 변형해 보는 것도 공부하는 하나의 방법입니다

이 과정을 반복하다 보면, 어느새 딥러닝의 원리와 구현 능력이 자연스럽게 내 것으로 만들 수 있을 거예요

이 책은 딥러닝을 처음 접하는 입문자뿐만 아니라, 이미 기본적인 지식을 갖춘 개발자들에게도 큰 도움이 되리라 생각됩니다

단순히 이론을 나열하는 데 그치지 않고, 직접 코드를 작성하며 딥러닝의 원리를 체득할 수 있도록 구성되어 있기 때문인데요

다양한 딥러닝 기법들을 단계별로 차근차근 설명하고 있어, 학습자가 스스로 문제를 해결하는 능력을 키울 수 있습니다.

또한, 다양한 실습과 함께 코드 분석, 그리고 프로젝트가 포함되어 있어, 학습한 내용을 바로 적용해 보고, 자신의 이해도를 점검할 수 있습니다. 

파이썬을 활용한 예제는 초보자도 쉽게 따라 할 수 있도록 친절하게 설명되어 있어, 프로그래밍 경험이 적은 사람도 부담 없이 시작할 수 있습니다.

‘혼자 만들면서 공부하는 딥러닝’은 최신 딥러닝 트렌드와 기술 동향도 함께 다루고 있어, 현재 AI 분야의 흐름을 이해하고, 다양한 시각을 가질 수 있어서 좋아요

이 책을 통해 딥러닝의 기본기를 탄탄히 다지고, 실제 프로젝트에서 바로 써먹을 수 있는 진짜 실력을 갖추게 될 거예요.

‘혼자 만들면서 공부하는 딥러닝’과 함께 무궁무진한 딥러닝의 세계로 첫 발을 내딛어보시길 추천합니다!

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다

혼자 만들면서 공부하는 딥러닝

“혼자 만들면서 배우는 딥러닝”이라는 재밌는 책이 한빛미디어에서 발간 됐습니다. 저자가 무려 박해선 님입니다. 이미 여러 책을 집필과 번역을 하셨기에 믿고 볼 수 있습니다. 

이 책은 딥러닝의 역사를 아우릅니다. 딥러닝의 아주 기본적인 내용부터 시작해서 트랜스포머를 거쳐 최신 기술까지 망라하고 있는데요. 책 제목처럼 “만들면서 배우는” 책이기 때문에 코드가 상당히 많이 포함되어 있습니다. 타이핑이 어려우신 분들은 GitHub 레포를 제공하니 그걸 활용하셔도 좋습니다. 하지만 보통 이런 부류의 책은 직접 타이핑해야 기억에 오래 남습니다.

책은 총 6개의 챕터로 구성되어 있으며, 딥러닝의 기초부터 최신 트랜스포머 모델까지 다양한 내용을 다루고 있습니다. 첫 세 챕터는 CNN을 이용한 이미지 분류에 관한 내용이고, 뒤의 세 챕터는 트랜스포머 기반 모델을 활용한 자연어 처리 작업을 설명합니다. 특히 GPT, Llama, Gemma와 같은 최신 생성형 AI 모델의 원리와 구현 방법까지 배울 수 있어 매우 유익합니다.

책의 가장 큰 장점은 이론과 실습이 균형을 이루고 있다는 점입니다. 각 챕터마다 개념 설명 후에는 반드시 코드 구현이 따라오며, 이를 통해 추상적인 개념이 실제로 어떻게 동작하는지 이해할 수 있습니다. 특히 트랜스포머 모델의 어텐션 메커니즘이나 토큰화 과정을 직접 코드로 구현해 보는 부분은 많은 독자들에게 도움이 될 것입니다.

직접 예제를 구현하고 원리를 설명하기 때문에 쉬운 책은 아닙니다만, 이 책 한 권이면 어느 자리를 가던 딥러닝 주제의 대화에 낄 수 있을 겁니다. 만약, 당장 당장 실습이 여의치 않다면 글만 먼저 읽어도 도움이 될 테니 일독을 권합니다.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

『혼자 만들면서 공부하는 딥러닝』은 단순히 딥러닝 모델을 사용하는 방법을 알려주는 것을 넘어서, 모델이 '왜 이렇게 동작하는가?'에 대한 근본적인 이해를 추구합니다. 특히 TensorFlow나 PyTorch 같은 고급 프레임워크에 의존하지 않고 NumPy만으로 신경망을 구현해보면서, 딥러닝의 작동 원리를 제대로 이해할 수 있도록 구성되어 있습니다.

이 책의 가장 큰 강점은 컴퓨터 비전과 자연어 처리라는 딥러닝의 두 주요 분야를 모두 아우르면서, 총 20개의 실용적인 프로젝트를 직접 구현하며 학습할 수 있다는 점입니다. 패션 상품 이미지 분류를 위한 최초의 합성곱 신경망(CNN) 모델부터 시작해서, 강아지와 고양이 사진을 분류하는 사전 훈련된 CNN 모델, 영화 리뷰 텍스트의 감성 분석을 위한 트랜스포머 인코더 모델, 그리고 GPT, Llama, Gemma 같은 최신 대규모 언어 모델까지 단계적으로 학습할 수 있습니다. 이런 구성은 딥러닝의 역사적 발전 과정을 자연스럽게 따라가면서, 각 모델이 등장한 배경과 기술적 혁신을 체감할 수 있게 해줍니다.

개발자 입장에서 특히 인상적인 부분은 수학적 개념을 코드와 함께 설명하여 이론과 실습이 자연스럽게 연결되는 방식입니다. 많은 딥러닝 책들이 수학 공식만 나열하거나 반대로 코드만 제시하는 경우가 많은데, 이 책은 두 영역을 효과적으로 연결시켜 줍니다. 예를 들어, 역전파 알고리즘을 설명할 때도 단순히 공식을 제시하는 것이 아니라, NumPy로 직접 구현해보면서 각 단계에서 일어나는 계산 과정을 명확하게 이해할 수 있도록 합니다.

이 책은 매우 독특합니다. 이론서는 모델의 작동 원리를 이해하는 데 초점을 맞추고, 활용서는 실전 문제를 해결하는 데 중점을 두고 있어 딥러닝 모델이 어떻게 구성되어 있는지 쉽게 감이 잡히지 않는 경우가 많습니다. 하지만 『혼자 만들면서 공부하는 딥러닝』은 이론서와 활용서 사이 어딘가에 놓여 있어, 이론에서 출발하여 활용까지 가는 길을 안내하면서 실제 모델이 어떻게 구성되는지 직접 만들어볼 수 있게 해줍니다.

특히 기본 개념은 익혔지만 딥러닝 모델을 어떻게 다뤄야 할지 막막했던 분들에게 좋은 출발점이 되어줄 수 있습니다. 고급 딥러닝 주제를 다룬 심도 있는 학습으로 건너가기 전에 꼭 거쳐야 할 단계라고 할 수 있습니다.

실습 환경 구성도 매우 편리합니다. 모든 예제는 구글 코랩을 기반으로 하여 별도의 복잡한 환경 설정 없이 바로 실습할 수 있으며, 깃허브에 공개된 주피터 노트북을 통해 실행 결과를 확인해볼 수 있습니다. 직접 타이핑하지 않아도 코드의 실행 과정과 결과를 따라갈 수 있어, 시간이 부족한 개발자들도 효율적으로 학습할 수 있습니다.

또한 저자의 학습 지원 시스템이 매우 잘 구축되어 있습니다. 한빛미디어 유튜브 채널과 저자 개인 유튜브 채널에서 동영상 강의를 제공하며, 카카오톡 오픈채팅과 디스코드, 구글 그룹스를 통해 언제든지 질문하고 소통할 수 있는 환경이 마련되어 있습니다. 혼자 공부하다가 막히는 부분이 있어도 빠르게 해결할 수 있는 안전망이 잘 갖춰져 있는 셈입니다.

최신 기술 트렌드에 대한 반영도 뛰어납니다. BART와 T5 같은 인코더-디코더 모델을 직접 구현해보고, 허깅페이스 transformers 라이브러리를 사용하여 텍스트 요약 작업을 수행하며, 미세 튜닝된 KoBART까지 실습할 수 있습니다. 이런 최신 모델들을 단순히 사용하는 것이 아니라 구조를 이해하고 직접 구현해보는 경험은, 앞으로 나올 새로운 모델들의 변화를 쫓아가는 데에도 큰 도움이 될 것입니다.

이책의 주요 특징

1. 실습 중심의 구성과 다양한 예제

- 강아지 사진 분류, 영화 리뷰 감성 분석, GPT 모델 만들기 등 실생활과 밀접한 다양한 딥러닝 프로젝트를 직접 구현해볼 수 있습니다.

- 컴퓨터 비전의 초창기 모델부터 최신 대규모 언어 모델(GPT, Llama, Gemma 등)까지 폭넓게 다루며, 인공지능의 발전 과정을 자연스럽게 체험할 수 있습니다.

- 각 장마다 ‘문법 체크’, ‘따라 하며 배우는 코딩’, ‘미니 프로젝트’ 등 단계별 학습 요소가 체계적으로 배치되어 있어, 독자가 혼자서도 끝까지 완주할 수 있도록 설계되었습니다.

2. 온라인 실습 환경과 학습 지원

- 모든 예제는 구글 코랩(Colab) 환경에서 실습할 수 있어, 별도의 복잡한 설치 없이 바로 실습이 가능합니다.

- 책의 깃허브 저장소에 모든 코드와 주피터 노트북이 공개되어 있어, 코드 실행 결과를 쉽게 확인하고 수정해볼 수 있습니다.

- 저자 직강 유튜브 강의와 카카오톡 오픈채팅, 학습 사이트 Q&A 등 풍부한 학습 지원이 제공되어, 혼자 공부하다 막히는 부분도 빠르게 해결할 수 있습니다.

3. 입문 이후 실전으로 넘어가는 징검다리

- 딥러닝 입문서를 마친 후, “딥러닝 모델로 무엇을 할 수 있을까?”라는 궁금증을 가진 학습자에게 실질적인 구현 경험을 제공합니다.

- 단순히 모델을 따라 만드는 데 그치지 않고, 해당 모델이 발전해온 기술적 맥락과 최신 트렌드까지 짚어주어, 실제 업무나 연구에 적용할 수 있는 실전 감각을 키울 수 있습니다.

이 책의 장점

- 직접 구현하며 배우는 실습형 구성: 추상적인 이론이 아니라, 실제로 코드를 작성하고 결과를 확인하며 학습할 수 있어 이해도가 높아집니다.

- 최신 딥러닝 트렌드 반영: GPT, Llama, Gemma 등 최신 대규모 언어 모델까지 다루어, 현업에서 쓰이는 기술 흐름을 놓치지 않습니다.

- 학습 지원 시스템: 유튜브 강의, 오픈채팅, Q&A 등 다양한 지원으로 독학자의 한계를 보완합니다.

- 온라인 실습 환경: 구글 코랩 기반 실습으로 설치 스트레스 없이 바로 실습이 가능합니다.

이 책의 아쉬운 점

- 딥러닝 완전 초심자에게는 다소 진입 장벽: 파이썬 기본 문법과 numpy, pandas 등 기초 라이브러리 사용법은 미리 익혀야 원활하게 따라갈 수 있습니다.

- 심화 내용은 부족할 수 있음: 강화학습, 시계열 분석, RNN·LSTM 등 고급 주제는 다루지 않으므로, 더 깊은 학습을 원한다면 추가 학습이 필요합니다.

- PyTorch 미지원: 대부분의 예제가 TensorFlow와 Keras로 구현되어 있어, PyTorch로 딥러닝을 배우고 싶은 독자라면 별도의 자료가 필요합니다.

추천 대상

- 딥러닝 입문서를 완독한 후, 직접 모델을 구현해보고 싶은 초급 개발자

- “딥러닝을 배워서 실제로 무엇을 할 수 있을까?”에 대한 답을 찾고 싶은 실습형 학습자

- 구글 코랩 등 온라인 실습 환경에서 빠르게 딥러닝 경험을 쌓고 싶은 독학자

- 최신 인공지능 트렌드(GPT, LLM 등)에 관심 있는 현업 개발자 및 학생

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

이번에 리뷰할 서적은 한빛미디어에서 출판된 『혼자 만들면서 공부하는 딥러닝』입니다.
딥러닝에 대한 실질적인 이해와 구현 능력을 키우고자 하는 독자를 위한 이 책은 단순히 이론을 나열하는 것을 넘어, 
구글 코랩(Colab)을 활용하여 직접 코드를 작성하고 모델을 훈련하며 결과를 확인하는 핸즈온(Hands-on) 방식에 중점을 둡니다.

Chapter 1. 합성곱 신경망(CNN)으로 패션 상품 이미지 분류하기
딥러닝 실습의 출발점으로 CNN을 다루며, 구글 코랩 환경 설정부터 LeNet 모델 구현까지 친절하게 이끕니다. 
`Conv2D`, `Pooling`, `Dense` 등 CNN의 기본 구조를 손에 익힐 수 있습니다. 이 장은 딥러닝을 완전히 처음 시작하는 독자에게 매우 적합합니다.

Chapter 2. 사전 훈련된 CNN 모델로 강아지와 고양이 사진 분류하기
딥러닝의 중요한 개념인 전이 학습(transfer learning)을 다루며, VGGNet부터 ResNet, GoogLeNet까지 다양한 CNN 모델을 실습합니다. 
직접 모델을 불러와 성능 개선을 해보며 실제 모델 사용 감각을 기를 수 있는 좋은 훈련 과정입니다. 미니 프로젝트로 실전 감각을 높인 점도 인상적입니다.

Chapter 3. 고급 CNN 모델과 전이 학습으로 이미지 분류하기
MobileNet, EfficientNet 등 모바일이나 경량 환경에서의 모델 적용까지 폭넓게 다룹니다. 
텐서플로 허브, 허깅페이스 모델을 직접 활용하여 피스타치오 이미지 분류를 수행하는 등, 실제 응용에 가까운 흐름이 구성되어 있습니다. 전이 학습의 실전 감각을 익히기에 딱 좋은 장입니다.

Chapter 4. 트랜스포머 인코더 모델로 영화 리뷰 텍스트의 감성 분류하기
이미지에서 텍스트로 영역을 넓히며 트랜스포머와 BERT를 중심으로 감성 분석을 진행합니다. 
어텐션 메커니즘, 포지셔널 인코딩 등 복잡한 내용을 코드로 실습하며 자연스럽게 체화할 수 있게 구성되어 있습니다. DistilBERT, RoBERTa 등 모델 비교도 흥미롭습니다.

Chapter 5. 트랜스포머 디코더 모델로 텍스트 생성하기
GPT-2, LLaMA, Gemma 등 텍스트 생성계의 대표 모델들을 실제로 구현하거나 불러와 다양한 텍스트를 생성해봅니다. 
특히 KerasNLP를 적극 활용하여 복잡한 구현을 단순화한 것이 실용적입니다. Gemma, Llama 같은 최신 모델까지 다룬다는 점에서 동시대 흐름을 잘 반영한 구성입니다.

Chapter 6. 트랜스포머 인코더-디코더 모델로 텍스트 요약하기
BART와 T5를 사용해 텍스트 요약 모델의 작동 원리를 실습합니다. 
특히 T5-1.1 모델은 사전 지식이 있다면 더 깊게 탐색할 수 있으며, 미니 프로젝트로 이어지는 구성 덕분에 단순 학습에서 벗어나 실제 적용의 감각까지 익힐 수 있습니다.

#총평
"혼자 만들면서 공부하는 딥러닝"은 딥러닝 입문자에게 매우 적합한 책입니다. 
이론적인 깊이보다는 실전적인 구현 능력에 초점을 맞추고 있으며, 코랩을 활용한 편리한 실습 환경은 독자가 딥러닝 학습에 대한 진입 장벽을 낮추는 데 크게 기여합니다. 
CNN과 트랜스포머라는 딥러닝의 양대 산맥을 모두 다루면서 이미지와 텍스트 분야의 핵심 모델들을 직접 구현하고 경험할 수 있다는 점에서 이 책은 딥러닝 학습 여정의 훌륭한 길잡이가 될 것입니다.

#이 책이 특히 좋은 이유
* 구글 코랩 환경으로 진입 장벽을 최소화
* 전통적 CNN부터 최신 트랜스포머 모델까지 고루 다룸
* 단순 이론 설명이 아니라 손으로 실습하며 구조를 익히는 흐름
* 모델 구조, 사용법, 성능 비교까지 자연스럽게 이어지는 구성

#아쉬운 점 (개선 가능성)
* 일부 심화된 개념에 대해서는 추가적인 참고 자료나 심층적인 설명이 미비함
* 오류 처리나 디버깅에 대한 팁이 좀 더 있었다면 초보 학습자에게 더 큰 도움이 되었을 것임

#이런 독자에게 추천
* 딥러닝을 "직접 실습하면서" 배우고 싶은 분
* CNN과 트랜스포머, 전이 학습을 전반적으로 경험하고 싶은 초중급자
* 이미지 분류, 감성 분석, 텍스트 생성 등 주요 태스크를 실전 감각으로 익히고 싶은 분
 

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬받아 작성된 서평입니다."

딥러닝이라는 게 도대체 뭐고, 이걸 배워서 어디에 쓸 수 있을까 궁금한 적 있나요? '딥러닝'이라는 말은 조금 낯설 수도 있지만, 쉽게 말해서 컴퓨터가 눈으로 세상을 보고(컴퓨터 비전), 글을 읽고 말하는 법(자연어 처리)을 배우게 하는 걸 말해요.

이 책에서는 딥러닝에서 가장 많이 쓰이는 두 가지 분야, 바로 컴퓨터 비전과 언어 모델을 다루고 있어요. 컴퓨터 비전은 사람처럼 이미지를 인식하는 기술인데요, 초창기 모델부터 요즘 자주 쓰이는 최신 모델까지 직접 만들어 보면서 그 발전 과정을 하나하나 따라가 볼 수 있어요. 그러면서 “왜 이런 모델이 생겨났지?”, “뭐가 좋아졌지?” 하는 식으로 흐름을 이해할 수 있죠.

그리고 또 하나 중요한 게 대규모 언어 모델이에요. 요즘 ChatGPT 같은 게 다 여기에 속하거든요. 이 책에서는 인코더, 디코더 같은 개념을 직접 구현해보면서, 컴퓨터가 언어를 어떻게 이해하고 처리하는지도 배울 수 있어요. 자연어 처리에 쓰이는 다양한 파이썬 라이브러리들도 하나씩 익혀볼 수 있고요.

이 책이 특별한 이유는, 그냥 “이론만 설명하고 끝”도 아니고, “코드만 쭉 나열하고 끝”도 아니라는 거예요. 보통 딥러닝 책은 너무 어려운 이론만 잔뜩 설명하거나, 반대로 그냥 따라 치는 실습만 있는 경우가 많아서 배우다가 질리기 쉽죠. 그런데 이 책은 그 중간쯤에 있어요. 개념도 알려주고, 직접 만들어 보게도 해줘서 "아, 이게 이런 식으로 작동하는구나!" 하고 속 시원하게 이해할 수 있어요.

이 책은 특히, “혼자 공부하는 머신러닝+딥러닝” 책을 읽어봤던 사람에게 더 잘 맞을 수 있어요. 그 책이 머신러닝과 딥러닝의 기초를 알려주는 책이라면, 이번 책은 “딥러닝에서 어떤 모델이 중요했는지, 그 모델들은 어떻게 발전해왔는지”를 배우게 해주는 책이거든요.

이 책을 읽다 보면 단순히 모델 하나 돌려보는 데서 끝나지 않고, 딥러닝 기술이 지금까지 어떻게 발전해왔는지 큰 그림을 그릴 수 있어요. 그래서 나중에 새로운 기술이 나와도 금방 이해하고 따라갈 수 있는 실력을 갖추게 될 거예요.

정리하자면, 딥러닝에 관심이 생겼고, 지금까지 기초만 좀 익혀봤다면, 이 책으로 한 단계 더 나아가 보는 걸 추천해요. 재미있는 설명과 그림도 많아서, 어려운 내용도 그렇게 어렵게 느껴지지 않을 거예요. 딥러닝이라는 게 좀 더 친숙하게 느껴지고, 나도 해볼 수 있겠다는 자신감이 생길 거예요.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

총평

- 책의 난이도  : ★★★★☆

- 추천 별점     : ★★★★★

- 추천 독자     : 딥러닝을 공부하고자 하는 모든 독자

- 지은이         : 박해선 지음

- 출판사         : 한빛미디어

이번에도 나온 한빛미디어 최고의 입문서 <<혼자만들면서 공부하는 시리즈>>가 돌아왔습니다!

이번주제는 딥러닝이고요. 혼공시리즈 치고 가장 난이도 높다고 생각해서 난이도 별점이 4점입니다.

책을읽어봤는데 딥러닝을 모르고 읽었다가는 이해하기가 좀 어렵다고 생각됩니다(솔직히)

다만 딥러닝을 공부하는 사람이라면 차근차근 따라가는데 무리가 없다가 정확한것 같습니다.

책의 특징

기본적으로 직접 만들면서 하기 때문에 실습을 기반으로 합니다. 그래서 처음에는 그대로 따라하고, 반드시 2-3회독하시기 바랍니다.

책에서는 설치 없이 코랩으로 실습할 수 있습니다. 그렇기 때문에 그냥 인터넷만 되는 노트북이 있으면 됩니다.

코랩의 큰 장점은 서버 자원자체도 클라우드를 사용하기 때문에 내 컴퓨터 사양이 크게 중요하지 않습니다.

그리고 저자가 직접 오픈채팅에서 질문도 받고, 유튜브 강의도 하고 있으니 적극적으로 매체를 활용해서 공부하기 좋습니다.

블로그 글의 맨 마지막에 학습자료 링크를 모두 남기니 여기서 확인하시면됩니다.

책의 구성

챕터 1에서는 합성곱 신경망(CNN)으로 패션 상품 이미지 분류하기 입니다.

보면 챕터 1 ~ 3까지 모두 CNN 모델인데요. CNN 모델이 무엇인지 부터 알아야 겠죠. 딥러닝 책이다보니 딥러닝의 개요가 바로 들어가게 됩니다. 그렇기 때문에 쉬운 예제로 알려주시는게 도움이 많이되었어요.

원래 딥러닝은 인공지능 > 머신러닝 > 딥러닝 순으로 고도화 되기 때문에 충분히 전문화된 영역이라는 걸 감안하고 시작하셔야해요.

CNN은 합성곱 신경망으로 LeNet이라는 모델을 시작으로 필기 숫자 인식을 위해서 설계되었다고 해요. (이미지 분석모델입니다) 이를 통해 우편번호를 인식하는 문제를 해결했다고 하는데요. 이는 두개의 합성곱층과 세 개의 밀집층으로 구성되어 있다고 합니다.

그래서 이제 1-3에서는 LeNet 모델을 만들고 훈련을 시켜 패션 상품 분류 실습을 해봅니다.

챕터 2에서는 사전 훈련된 CNN모델로 강아지와 고양이 사진 분류하기 입니다.

챕터 1에서는 초기 이미지 모델에 대해서 학습했고 이제 이미지넷 대회에서 우승한 최초의 CNN 모델인 AlexNet이라는 발전된 모델을 통해서 다양한 분류를 진행해봅니다. 또한 VGGNet 모델도 학습해보면서 각각 내용을 비교해봅니다.

그리고 배운 내용을 토대로 강아지와 고양이 사진 분류하는 실습을 진행합니다. 또한 ResNet까지 학습해봅니다.

챕터 3에서는 고급 CNN 모델과 전이 학습으로 이미지 분류하기 입니다.

챕터 2에서 다룬 ResNet보다 더 발전된 모델이 DenseNet입니다. 이 둘은 정보를 전달하는 방식에 차이가 있다고하는데요. 어떤 부분에 차이가 있는지 모델을 직접 만들어보면서 학습할 수 있습니다. DesNet의 모델은 파라미터 수가 많고 용량이 매우 크기 때문에 이를 보완하여 깊이별 합성곱층이라는 방식으로 용량을 줄인 MobileNet도 같이 학습합니다.

그림이 너무 귀여운데요. 각 챕터별로 모델이 계속해서 단점을 보완하고 훌륭한 모델이 나오고 있어서 이렇게 모델간의 비교가 중요하겠습니다. 책에서는 이런 부분을 아주 잘 초점 맞춰서 설명해주고 있습니다.

챕터 4에서는 트랜스포머 인코더 모델로 텍스트 감성 분류하기 입니다.

이제 챕터 4부터는 트랜스포머 모델로 자연어처리 모델입니다. 특히 문장이나 소리 등 순서가 있는 데이터에서 중요한 부분을 자동으로 찾아내 데이터를 처리하는 딥러닝 모델을 말합니다. 특히 병렬로 처리하는 방식이라 속도가 매우 빠르고, 데이터를 이해하는 단계인 인코더와 인코더가 이해한 내용을 바탕으로 결과를 생성하는 디코더 구조로 이뤄져있습니다.

그리고 또 어텐션이라는 개념이 매우 중요한데 입력된 데이터의 모든 단어들 중 특정 단어와 관련이 높은 단어에 집중해 데이터를 처리하는 기법입니다. 이게 매우 핵심이라 어텐션 매커니즘을 이해하는데 초점을 많이 두시는게 좋겠습니다.

이러한 여러 인코더 모델을 통해서 글을 이해하고 학습시키도록 하는게 중요한 챕터라고 할 수 있겠습니다.

챕터 5에서는 트랜스포머 디코더 모델로 텍스트 생성하기 입니다.

이를 기반으로 디코더 모델이 나오게 되는데, 우리가 가장 잘 알고있는 GPT, Llama가 바로 여기에서 나오게 됩니다.

사용자가 입력한 값을 인코더로 분석한 후 디코더를 통해서 출력하는 형식입니다.

챕터 6에서는 트랜스포머 인코더-디코더 모델로 텍스트 요약하기 입니다.

BART라는 메타에서 공개한 트랜스포머 기반 인코더-디코더 모델과 T5라는 구글이 공개한 인코더-디코더 구조의 대규모 언어모델을 사용해서 텍스트 투 텍스트 요약을 하는 실습을 통해서 마무리 합니다.

총평

솔직히 이 책을 처음 읽고서는 내용의 30%정도만 이해한 듯합니다. 그래서 처음 읽으시는 분들은 각 모델별로 특징과 차이점을 중심으로 읽으시고, 반드시 용어정리를 먼저하시기를 추천드립니다. 용어를 먼저 이해해야 구조와 내용이 전부 이해됩니다. 따라서 반드시 용어를 중심으로 정리하세요. 그리고 각 모델별로 특징을 표로 정리해서 비교하세요.

그리고 나서 2회독 할때 이제 구현 코드를 실제로 구동하면서 실습하는 것을 추천드립니다. 처음부터 모든 내용을 이해하려고하면 오히려 학습 속도가 늦을 뿐더러 한번에 이해가 어렵다고 생각됩니다.

딥러닝이라는 분야는 지금 엄청 화두가 되는 분야입니다. 이 부분은 원래 논문을 읽으면서 공부해야하는 것을 저자는 아주 쉽게 풀이해서 책을 내줬다는 점에서 매우 감사합니다. 다만 내용 자체가 아무리 쉽게 풀었다고 해도 전문적인 내용이기 때문에 이 부분에 대해서는 여러번 회독을 해서 읽으시길 추천드립니다.

학습자료 

블로그 정보

https://tensorflow.blog

오픈채팅정보

오픈채팅은 여기에서 진행해주세요.

http://bit.ly/tensor-chat

디스코드 정보

https://discord.gg/fD3KzsZzJS

깃허브 정보

https://github.com/rickiepark/hm-dl

이상으로 리뷰 마칩니다.

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

개발자라면 누구나 알고 있을 "혼공" 시리즈.

혼자서도 공부할 수 있도록 잘 만들어진 책일 뿐만 아니라,

동영상 강의도 제공해주고 샘플 코드도 제공해주는 정말 혜자와 같은 교과서들이다.

그런데, 이제는 "혼공"이 아니라 "혼만" 시리즈가 나오고 있다.

"혼자 만들면서" 시리즈 !!!

그것도, "딥러닝" !!!

거기다가, "박해선"님 !!!

5월에 출간한 따끈따끈한 책이다.

딥러닝은 CNN 부터 시작하는 것이 국롤이기에,

이 책 역시 '합성곱 신경망(CNN)'으로 Chapter 01 시작이다.

최근 트렌드는 LLM,

트랜스포머의 디코더 기반으로 만들어진 GPT 모델도 Chapter 05에서 알려주고 있다.

트랜스포머의 인코더와 디코더를 모두 사용하는 모델인

BART와 T5까지 마지막 챕터에서 언급해주고 있다.

이론이 아니라 직접 만들어 보면서 공부할 수 있는 책이라서 정말 마음에 들었다.

그렇다고 이론적인 내용이 없는 것도 아니다. 충분히 친절하게 이론에 대한 설명도 해주고 있다.

더더욱 이 책이 마음에 드는 것은 컬러 인쇄이다!!!

눈이 안아프게 빛 반사도 적은 종이 재질이다!!!

이와같은 "혼공/혼만" 시리즈 책을 정말 제대로 공부하기 위해서는

"혼공학습단"에 지원해서 맛있는 간식을 먹으며 많은 사람들과 함께 공부하는 것이다.

이번 14기 참여 기회를 놓쳤다면.... 다음 15기에 지원하면 된다 ^^

종종 있으니 꼭 기억했다가 참여하길 바란다.

"혼공/혼만" 시리즈 책들은 많이 있으니 관심있는 다른 책도 구매해서~~~ ^^

혼공학습단 활동을 열심히 하면 많은 것들이 생긴다 !!!

혼자 공부할 수 있는 책이지만,

혼자 하다 보면 의욕이 떨어지거나 작심삼일이 되기 쉬운 분들은

이런 활동을 통해서 동기부여를 받으면 좋지 않을까 한다.

화이팅!!!



"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서

책을 협찬 받아 작성된 서평입니다."



혼자 만들면서 공부하는 딥러닝 

- 딥러닝 기본을 공부하고 실력을 향상하고 싶은 이를 위한 길잡이 -



안녕하세요. 오늘은 『혼자 만들면서 공부하는 딥러닝』이라는 도서를 소개합니다. 이 책은 AI와 딥러닝의 기본 개념을 학습한 이후, 실제로 이를 어떻게 활용할 수 있을지에 대한 실질적인 방향을 제시합니다. 『혼자 공부하는 머신러닝+딥러닝』 등의 입문서를 마친 독자들에게 적합하며, 딥러닝의 이론에서 실제 적용으로 넘어가고자 하는 분들에게 유익한 자료가 될 수 있습니다.

이 책을 통해 배우는 내용

『혼자 만들면서 공부하는 딥러닝』의 가장 큰 특징은 컴퓨터 비전과 자연어 처리라는 두 주요 분야를 중심으로, 총 20개의 실용적인 프로젝트를 직접 구현하며 학습할 수 있다는 점입니다. 단순한 기능 설명에 그치지 않고, 각 기술의 등장 배경과 발전 과정을 자연스럽게 이해할 수 있도록 구성되어 있습니다.

Part 1. 컴퓨터 비전의 핵심 개념 학습 (Chapter 1~3)

Chapter 1. CNN으로 패션 이미지 분류

LeNet을 기반으로 패션 아이템 이미지를 분류하는 모델을 구현하며, 합성곱 신경망(CNN)의 기본 구조와 작동 원리를 실습을 통해 익힙니다.

Chapter 2. 사전 훈련된 모델로 강아지/고양이 분류

AlexNet, VGGNet, ResNet 등의 사전 훈련된 모델을 적용하여, 고양이와 강아지 이미지를 분류하는 프로젝트를 진행합니다. 사전 학습 모델의 개념과 전이 학습의 기본을 이해할 수 있습니다.

Chapter 3. 고급 CNN 및 전이 학습 실습

DenseNet, MobileNet, EfficientNet 등 고성능·경량화된 모델을 활용하여, 피스타치오 품종 분류 등의 프로젝트를 수행하며 실무에서의 활용 감각을 익힙니다.

Part 2. 트랜스포머 기반 자연어 처리 (Chapter 4~6)

Chapter 4. 인코더 기반 감성 분석

BERT, RoBERTa, DistilBERT와 같은 인코더 모델을 활용하여 영화 리뷰 텍스트의 감성(긍·부정)을 분류합니다.

Chapter 5. 디코더 기반 텍스트 생성

GPT-2, Llama 3, Gemma 2 등을 활용해 AI가 문장을 생성하는 과정을 학습합니다. 최신 대규모 언어 모델을 실습할 수 있는 기회를 제공합니다.

Chapter 6. 인코더-디코더 모델을 이용한 텍스트 요약

BART, T5 등의 모델을 사용하여 긴 문장을 요약하는 프로젝트를 진행합니다. 문장 이해와 생성의 통합적 구조를 경험할 수 있습니다.

최신 LLM 실습: Llama 3 예제

이 책에서는 Llama 3와 같은 최신 LLM을 KerasNLP 라이브러리를 통해 간편하게 실습할 수 있도록 구성되어 있습니다.

llama = keras_nlp.models.CausalLM.from_preset("llama3_8b_en")
llama.generate("I am a...", max_length=30)
llama.fit(my_dataset)

이처럼 사전 학습된 모델을 손쉽게 불러오고, 성능을 확인하며, 나만의 데이터로 미세 튜닝하는 일련의 과정을 실습할 수 있습니다.

실습 중심의 접근과 친절한 지원

이 책의 또 다른 특징은 다음과 같습니다:

KerasNLP 기반 간결한 구현: 복잡한 설정 없이 최신 모델을 몇 줄의 코드로 불러오고 실습할 수 있습니다.

구글 코랩 기반 실습: 별도 설치 없이 웹 브라우저에서 바로 실습이 가능합니다.

학습 지원 커뮤니티 제공: 저자가 운영하는 유튜브 강의와 커뮤니티를 통해 학습 중 생기는 질문에 대한 지원을 받을 수 있습니다.

이런 독자에게 권장합니다

딥러닝 입문을 마치고 실무형 프로젝트 경험을 쌓고자 하는 분

GPT, Llama 등 최신 언어 모델을 직접 실습하고자 하는 분

이론보다는 실습 중심으로 빠르게 실력을 향상시키고자 하는 분

결론

『혼자 만들면서 공부하는 딥러닝』은 딥러닝 기술의 흐름을 따라가며 실용적인 프로젝트를 통해 학습할 수 있도록 구성된 도서입니다. 이 책은 단순히 모델을 사용하는 데서 그치지 않고, 학습자가 실제로 모델을 구현하고, 응용하며, 나아가 독자적인 프로젝트를 설계할 수 있도록 안내합니다. 딥러닝에 대한 이해를 심화하고 실습 경험을 쌓고자 하는 독자에게 적합한 학습 자료로 평가할 수 있습니다.



"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

■ 결론 부터..

“혼자 만들면서 공부하는 딥러닝”은 이론만 하면 지루하기도 하고 이해도 잘 안될꺼 같은데 딥러닝 입문자에게 딱 맞는 핸즈온 실습형 교재라는 생각이 들었습니다. 저처럼 “혼자 공부하는 머신러닝+딥러닝”을 읽고 좀 더 딥러닝을 알아보고 싶어서 다음 단계로 넘어가기에 정말 좋은 책인것 같습니다.

음. 제 본인 기준에서는 처음 보기엔 적합하지 않다? 가 결론 입니다. 기초적인 지식과 내용을 갖추셨다면.. 아니시라면 “혼자 공부하는 머신러닝+딥러닝”부터 읽고 다음 단계로 추천 드려 봅니다.

​

-핸즈온 실습형 교재 : 직접 손으로 해보는 방식. 이론만 설명하는게 아니라 실제로 따라 해보는 실습 중심.

​

​

■ 한줄 평

“혼자 만들면서 공부하는 딥러닝”은 딥러닝 실력을 확실히 한 단계 업그레이드하고 싶은 분께 정말 추천드립니다.

​

​

■ 이 책의 구성.

사실 용어가 주는 압박감이 사실 장난이 아닙니다. 저도 첨엔..

하지만 천천히 단계별 설명과 실습으로 이해가.... 음.. 암튼 구성은 이렇습니다. ^^

​

간단히 말하면, CNN부터 최첨단 LLM까지 실제 모델을 직접 구현하며 배우는 구성.

내부 구성을 자세히 보면, LeNet, AlexNet, VGGNet, ResNet, DenseNet, MobileNet, EfficientNet 같은 컴퓨터 비전 분야의 대표 CNN 모델과, BERT · RoBERTa · DistilBERT 등 트랜스포머 인코더 기반 모델, GPT‑2, Llama‑2/3, Gemma‑2 등 디코더 기반 언어 모델, BART, T5 같은 인코더‑디코더 요약 모델까지 다루고 있습니다.

전체 실습은 Google Colab 환경에서 진행되며, 코드도 깃허브에 공개되어 있어 바로 실습이 가능합니다

​

■ 이 책이 좋은 이유.

1. 실전 프로젝트 중심 구성이라서.. (칼라라 맘에 듭니다. ㅋㅋ)

2. 패션 이미지 분류, 강아지/고양이 사진 분류, 영화 리뷰 감성 분석부터 GPT‑계열 생성과 텍스트 요약까지. 다양한 과제를 직접 구현해보면서 “이론이 실제 어떻게 적용되는지” 감을 잡을 수 있어서..

3. “문법 체크 → 코드 따라 하기 → 미니 프로젝트 → 핵심 키워드 정리” 딱 혼공하도록 구성이 되어 있어서..

4. 최신 모델(20개의 모델) 경험해 볼수 있어서...

GPT, Llama, Gemma 등 최근 주목받는 언어 생성 모델을 직접 만져볼 수 있다는 점이 참 매력적이라서...

5. 저자 직강 유튜브 강의, 오픈채팅 Q&A, 깃허브 코드 제공 등 학습 도우미가 풍부합니다.

유튜브 강의는 아직 3장부터는 올라오진 않았는데... 기다리고 있습니다. ^^

■ 누가 보면 좋을까?

1. “혼자 공부하는 머신러닝+딥러닝”을 읽으신 분이라면 딱 맞는 다음 단계인 분들.

2. 이론을 넘어 실습을 하고 싶은 초중급자: 머신러닝 기초는 알지만 직접 모델을 구현해보고 싶은 분, 최신 언어 모델을 직접 돌려보고 싶은 분들..

  “한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.”

이 책은 '왜 이렇게 동작하는가?'에 대한 근본적인 이해를 추구합니다. TensorFlow나 PyTorch 같은 프레임워크를 사용하지 않고 NumPy만으로 신경망을 구현해보면서, 딥러닝의 작동 원리를 제대로 이해할 수 있었습니다. 수학적 개념도 코드와 함께 설명해주어 이론과 실습이 자연스럽게 연결되는 점이 인상 깊었습니다. 딥러닝을 단순히 사용하는 것을 넘어서 진짜 이해하고 싶은 분에게 강력히 추천하는 책입니다.

[ 한빛미디어 서평단 '나는 리뷰어다' 활동을 위해서 전자책을 협찬 받아 작성된 서평입니다. ]

- 이 책의 장점은?

 책 표지에 나와 있는 것 처럼 이 책의 장점을 보자면, 크게 두가지가 있을 것 같다.

1. 설치 없이 구글 코랩으로 웹에서 실습이 가능함

2. 유튜브 직강도 있으니까 막히면 강의 보고 따라할 수 있음.

오픈채팅은 꺼려지는 사람도 있을테니까 꼭 장점이라 보기엔 애매하다.

(1대1 익명이면 몰라도 오픈채팅은 좀 부끄러워라...)

- 대상 독자는?

 책에서는 대상 독자가 '고급 딥러닝 주제를 다룬 심도있는 학습으로 건너가기 전, 징검다리로 삼을 책을 찾는' 사람, 개발자라고 한다. 이전작 '혼자 공부하는 머신러닝+딥러닝' 을 재미있게 본 독자라면 더욱 강추한다고 한다.

 '첫 독자가 전하는 말' 에는 베타리더 중 한명이 '단순 입문자부터 초급자' 부터 아우를 수 있는 책 이라고 말했지만 솔직히 이론적으로도 그렇고 코드를 직접 입력해보는것도 생각보다 어렵지 않을까 싶다.

 일단 어려운 단어가 많이 나온다. 아래 이미지처럼 일반 사람이라면(사실 개발자도 처음 보는 사람이 많겠지만) '합성곱층' 이라는 단어는 생소할 것이다.

개발을 잘 모르는 사람이 그럭저럭 이론에서 나와있는 단어들을 알게되고 실습으로 넘어갔다고 생각해보면, 아래와 같은 상황을 마주칠 수 있다.

네?

어느정도 개발을 해봤거나 에러를 읽을 줄 아는 사람들은 뭐가 문제인지 알 수 있다.

'해당 모듈에 ~~ 속성이 없음'

그런데 이걸 개발 초짜나 입문자가 바로 해결 할 수 있을까? 무리라고 생각한다.

- 실제 읽어보니?

위에 말들만 보면 리뷰 쓰라고 했는데 까고만 있는거 아닌가? 라는 생각이 들 수도 있다.

'하지만 이런 에러사항이 있을 것 같다' 정도로 가볍게 보고 실제로는 저게 하나도 문제가 되지 않는다는 말을 하고 싶었다.

위 이미지 같은 에러는 대충 공부하거나 초보 개발자들이 자주 겪는 실수에서 비롯된다고 생각한다. 보통 오타를 만들었거나 import 에러가 대부분일테니까 말이다.

나 또한 일단 이미지가 나오는 결과를 보고싶으니까 코드부터 쳐볼까? 라는 생각에서 아무생각없이 먼저 쳐보면서 발생한 에러였다.

이 책에서 처음으로 이미지가 결과로 나오는 위 코드 부분을 따라서 쳐보면 아래와 같이 나온다.

훈련 이미지를 활용해서 이미지 결과물을 출력했다.

여기서도 첫번째 코드 부분의 'import keras' 나 'import matplotlib.pyplot of plt' 부분은 해당 코드를 설명할 때 나오지 않고 아래와 같이 나온다.

선생님, import가 없어요!

앞에서부터 하나씩 따라 써봤다면 import가 되어있는 상태라서 상관 없겠지만 이부분만 따로 떼어내서 한다던가 이부분부터 실행하려고 한다면 import가 없기 때문에 에러가 발생할 것이다.

- 정리하자면...

 이 책은 위에서 이야기한 것처럼 처음부터 끝까지 '따라오세요' 하는 방향대로 따라간다면 굉장히 훌륭하고 친절한 책이 될 것이다.

일단 컴퓨터 사양이 썩 좋지 못하다고 하더라도 '코랩' 이라는 강력한 무료 툴을 사용할 수 있고, 이 코랩을 어떻게 활용해야 하는지도 첫 챕터에 정리 되어있다.

해당 챕터를 시작할 때 어떤 학습을 할 지 정리된 '학습목표'와 '미리보기'가 존재해서 시작하기전에 쓱 훑어보기에도 좋고 챕터를 끝내고 다시 봐도 좋다.

아무리 봐도 모르는게 있다면 영상 강의를 통해서 복습하거나 배울 수 있고, 정말 필요하다면 오픈채팅을 통해 정보를 얻을 수도 있다. 무엇보다 풀 컬러로 이미지가 많이 삽입 되어있어 이해하는데 조금 더 도움이 될 것 같다.

개인적으로는 '컴퓨터 비전'에 관심이 많아서 이 책을 골랐는데 운 좋게 선정되었고, 천천히 따라가기 좋았다.

무엇보다 코드로만 한페이지를 가득 채우는 다른 책들과는 다르게 이론적 설명 다음에 한 줄, 또는 몇 줄 씩 설명이 들어가 있는 부분이 너무나도 좋았다.

 몇 번 읽어보아도 어려운 부분이 분명 존재했다. 하지만 이 친절하고도 훌륭한 책을 반복하고 읽고 실습하다보면 언젠간 딥러닝 전문가에 다가가 있지 않을까 하는 생각이 든다.

딥러닝을 배우고 싶었지만 너무나도 어려울 것 같아 망설여했던 많은 개발자들에게 이 책을 추천한다!

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

믿고 보는 책 시리즈가 있다면 “혼공” 시리즈가 아닐까 싶다.
혼자 만들면서 공부하는 ~ 시리즈 말이다.
AI 관련 믿고 보는 저자가 있다면 “박해선” 님이 아닐까 싶다.
핸즈온 머신러닝부터 정말 바이블 같은 책들을 번역하신 분이다.
그 분이 직접 쓰신 “혼자 만들면서 공부하는 딥러닝”이면 그냥 말 다했다.
 

1. CNN으로 패션 상품 이미지 분류하기
2. 사전 훈련된 CNN 모델로 강아지와 고양이 사진 분류하기
3. 고급 CNN 모델과 전이 학습으로 이미지 분류하기
4. 트랜스포머 인코더 모델로 텍스트 감성 분류하기
5. 트랜스포머 디코더 모델로 텍스르 생성하기
6. 트랜스포머 인코더-디코더 모델로 텍스트 요약하기

초보자에게 쉽지않은 내용이다. CNN, 트랜스포머, 전이학습 모두 낯설다면 다른 책을 보고와야할 것 같다. 하지만 혼공 시리즈 답게 매우 친절하다. 어려운 주제지만 왠지 해낼 수 있을 것 같다라는 생각을 하게 해준다.
 

다양한 이미지를 통한 설명이 특히 좋았다. 정말 잘 아는 저자는 정말 간단하게 설명할 줄 아는 사람이라고 생각한다.
 

파이썬 코드도 많다. 그런데 설명도 많다. 왜 이 함수를 호출했는지, 어떤 목적을 갖고 작성한 코드인지를 설명해주니까 정말 혼자 공부할만큼 친절하다.

머신러닝이 어느정도 익숙한 분들 누구에게나 추천할만하다. 
혼자공부하는 책이긴하지만 스터디하고 싶어지는 책이다.

강의준비하면서 이런저런 기초책들 많이 읽어봤는데

이렇게 정리가 잘된책은 처음입니다.

정말 추천..해요