먼저, 책프협 골라 받는 서평 이벤트를 통해 받은 도서의 서평임을 밝힙니다.
[본문]
주관적인 의견으로,
수포자(?)에 가까운 상태에서 이 책을 봤을 때, 한 번에 쭈~욱 읽히는 책이 아니었습니다.
읽다가 막혔다가, 검색해보고, 어떤 부분에서는 술술 읽히기도 하는 책이었습니다.
달리기로 비유하자면,
달리기하다가, 멈칫하면서 옆길을 찾아서 둘러갔다가, 걷기도 하는 것과 같은 느낌이었습니다.
아무래도 모르는 부분이 많기 때문이겠지요.
이 책은 수학 개념들과 파이썬 코드를 이어주는 책입니다.
어떤 책은 번역 때문에 읽던 책을 내려놓게 되는 경우도 있지만, 반대로 이 책은 역자분이 고민한 흔적이 느껴지는 책입니다.
Chapter 1. 딥러닝을 배우기 전 알아 둬야 할 머신러닝과 신경망 이야기
기온에 따라 에어컨을 켠 날과 끈 날을 바탕으로 언제 에어컨으로 켜면 좋을지에 대한 이야기로 시작합니다.
여기에서 지도 학습, 비지도 학습, 강화 학습 이야기와 신경망 이야기가 나옵니다.
62페이지에 소수에 대한 주석(30)이 누락되어 있습니다.
책의 제목처럼, 파이썬이 나오기는 하지만, 깊이 있게 다뤄지지 않습니다.
Chapter 2. 수열, 통계, 확률 근거에 따라 결정하는 방법
학교에서 배운 수열, 집합, 평균과 분산 등이 나옵니다.
그리고 짤막한 파이썬의 코드들과 좀 더 간단한 넘파이 소스도 나옵니다.
큰 데이터의 모집단에서 데이터 일부를 표본으로 선별해서, 모집단을 추측한다는 이야기도 있습니다.
이 챕터에서 간혹, "~는 식 n-00로 계산할 수 있습니다."라고 나온 다음에 추가적인 설명이 없어서 당황스러운 적도 있었습니다.
Chapter 3. 벡터와 행렬 - 다양한 입출력을 한꺼번에 처리
신경망에서 사용되는 벡터와 행렬에 관한 내용이 나옵니다.
이 챕터에서는 수학 시간에서 봤었던 다양한 그래프와 설명이 있습니다.
137페이지 하단에 "a1b2 + a2b2" -숫자는 아래 첨자-가 나오는데, "a1b1 + a2b2" -숫자는 아래 첨자-처럼 하는 것이 맞지 않는가? 하는 생각이 들었습니다.
이는 뒤 페이지에서 사용되는 공식이라서, 137페이지에 나오는 공식의 오타는 아쉽게 다가왔습니다.
개인적으로 챕터 3은 나름 재밌게 보면서 낙서(?)를 많이 했네요~^^ 가볍게 읽히는 챕터였습니다.
Chapter 4. 함수와 미분 - 최적값에 수렴하는 방법
여기에서도 평면 그래프와 수식을 만날 수 있습니다.
접선의 기울기도 나옵니다.
Chapter 5. 예측과 최적화 - 학습으로 결과 도출
오차와 예측이 나오고, 로지스틱 회귀에서는 챕터1의 온도에 따라 에어컨을 켜거나 끌지 예상하는 것으로 시작합니다.
여기에서 조금 난해한 수식들도 나옵니다.
역전파의 개념을 댐에 비유한 그림으로 쉽게 와 닿도록 설명이 되어 있습니다. 이를 신경망에 대입해서 설명되어 있습니다.
학습 데이터와 테스트 데이터의 정확도에 관한 이야기도 나옵니다.
Chapter 6. 신경망과 딥러닝 - 정확도 향상과 이미지 인식 등의 응용
이 챕터는 과거 신경망의 문제점과 오토 인코더(입력값과 출력값이 같도록 파라미터를 조정한 신경망) 이야기로 시작합니다.
이미지 처리에 관련된 이야기와 대푯값과 관련된 풀링이 나옵니다.
그리고 간단하게 설명된 개념들도 나옵니다.
Chapter 7. 강화 학습 - 스스로 학습하는 인공지능 구축
강화 학습과 심층 강화 학습에 관한 내용이 나옵니다.
개인적으로 이 챕터를 보면서 아직 배워야 할 것이 많다는 생각이 들었습니다.
[마치면서]
책에서는 나름 쉽게 설명하고자 하는 흔적들이 보이지만, 수학 개념을 다시 찾아보거나, 처음 보는 용어를 찾아보는 경우도 생겼습니다.
제게는 수학의 전체 범위 중에서 딥러닝에서 사용되는 수학의 범위를 알려준 책이었습니다.
여담으로 각각의 챕터에서 파이썬 소스가 나올 때마다,
개인적으로 '소스를 읽어보고, output을 보고 내 생각이 맞았구나...'라고 판단했는데,
일반 개발 책처럼, '다른 분들을 위해 소스에 대한 설명이 있으면 어떨까?' 하는 생각이 들었습니다.
이상, 저의 긴 서평을 읽어주신 분들께 감사드리며,
서평 기회를 주신 분들께도 감사드립니다.