알파고의 등장으로 요즘 시대에 '인공지능', '머신러닝'이라는 말을 들어보지 못한 분은 없을 겁니다. 왜냐하면 저도 알고 있는 단어니까요.^^;;; 그러나 말만 들었지 그게 뭔지는 몰랐어요. 이 책을 읽기 전까지는. 머신러닝? 기계가 학습한다고? 매일매일 백과사전을 한권씩 읽는 건가? 수학문제를 읽고 식도 혼자 만들어내는 거야? 저같은 초짜들 혹은 시작하는 분들을 위한 입문서로 '3분 딥러닝 텐서플로맛'을 추천합니다

뭔가 SNL의 '3분 ***'이 생각나는 제목부터, 300페이지를 넘지 않는 적당한 분량. 책을 좋아하지 않는 분들도 너끈히 읽을 수 있겠다는 자신감을 불러일으킵니다. 이 책에서 가장 좋았던 점은 설명이 길지 않아도 무슨 뜻이 이해할 수 있도록 잘 설명되었다는 점입니다. 고등학교 졸업 후에는 수학과 담 쌓고 살아온 문과생들을 위해 행렬 곱셈식까지 꼼꼼하게 설명해 주는 센스! 컴퓨터가 어떻게 학습하는지, 어떻게 인식하고 데이터를 처리해서 정답에 가까워지는지 과정과 원리에 대해 알 수 있어서 좋았습니다. 충격적이었던 것은 지금 사용하는 알고리즘('역전파'였던 것 같아요)이 이미 한참 과거에 나온 것인데 당시에는 데이터가 부족하고 계산속도가 느려서 방대한 계산량을 감당하지 못했다고... 세상에는 천재들이 참 많네요.^_ㅜ

그러나 천재가 아니어도 인공지능에 도전할 수 있도록 텐서플로라는 라이브러리가 있다는 사실! 파이썬을 이용한 텐서플로 사용법과 예제 코드에 대한 설명이 한줄 한줄 상세하게 되어 있어서 따라하는 데에 어려움이 없습니다. 대개 IT 책은 공무원시험 문제집만큼 두꺼웠는데 이 책은 두께는 얇지만 한장에 담긴 내용의 충실감이 꽤 묵직하네요.

이 책 한 권으로 딥러닝을 모두 알았다고 할 수는 없지만 맛보기는 충분히 될 것 같습니다.

dae***l2017-11-29

[리뷰] 딥러닝 입문을 위한

어떤 토픽에 대해서 새롭게 공부 하고자 할때 나름대로 정해놓은 기준이 있다. 현재 내가 하고 있는 업무와 관련이 있는지 여부이다. 단순히 책을 읽거나, 강의를 듣는 것은 input의 영역일 뿐, input으로 받아 들인 지식들을 프로덕션 레벨에서 사용할 때 비로소 output의 영역으로 들어 갈 수 있다고 생각하기 때문이다. 더불어 다양한 상황 속에 노출될 때 하게되는 고민들이 비로소 나의 자산이 된다고 믿고 있다.

그럼에도 불구하고 <골빈해커의 3분 딥러닝 텐서플로맛>을 읽게된 이유는, 최근에 관심을 갖고 있는 팟캐스트를 좀 더 잘 이해하고 싶었기 때문이다. 딥러닝에 관한 주제로 하나의 에피소드가 진행이 되었는데, 개발자의 영역과 완전 다른 영역의 용어들이 난무하는 가운데 우리말을 듣고 있지만 전혀 이해가 되지 않는 신기한 상황과 마주하고 있었다. 하이퍼파라미터를 튜닝하고, 손실 함수를 구현하는 등의 이야기를 하는데, 단순히 느낌적인 느낌은 '아, 이것들은 딥러닝을 이야기 할때 기본적으로 숙지하고 있어야 하는 것이구나' 이었다. 용어들의 의미를 전혀 알지 못하니 해당 에피소드의 내용을 전혀 이해할 수 없었다.

하이퍼파라미터는 학습을 진행하는 과정에서 영향을 주는 변수를 나타낸다고 한다. 이 값에 따라서 학습 속도나 신경망 성능이 크게 달라질 수 있다고 설명하고 있다. 머신러닝에서는 이 하이퍼파라미터를 잘 튜닝하는 것이 큰 과제란다.

손실 함수는 한 쌍(x,y)의 데이터에 대한 손실값을 계산하는 함수이고, 손실값은 실제값과 모델로 예측한 값이 얼마나 차이가 나는 가를 나타내는 값이다. 즉, 손실값이 작을수록 그 모델이 X와 Y의 관계를 잘 성명하고 있다는 뜻이며, 주어진 X값에 대한 Y값을 정확하게 예측할 수 있다는 뜻이라고 한다.

어떤 주제에 대해서 학습하는데 있어서, 기본적인 용어에 대한 이해는 반드시 필요하다. 위에 나온 용어의 정의는 3장 텐서플로 프로그래밍 101에 나오는 내용인데, 입문자 혹은 초보가 입장에서 이해하기에 적절한 수준으로 설명해주고 있다. 물론 심도 있는 내용을 다루지 않고 있기 때문에 깊게 이해하고자 한다면 다른 책이나 강의 등을 보는 것도 좋을 것 같다. 저자이신 김진중 님이 서문에서 밝혔듯, 이 책은 다양한 딥러닝 모델의 개념을 익히는 것을 목표 삼고 있으며, 이론은 최대한 간단하게 소개하고 있다. 딥러닝을 본격적으로 사용하려면 이론도 함께 익히는 게 좋을 것 같다. 함께 공부하면 좋을 사료들에 대해서도 가이드 해주고 있다. 딥러닝 초보가 스스로 학습 로드맵을 그려 볼 수 있도록 안내하는 부분이 꽤나 마음에 든다.

설명 흐름에 맞춰 필요한 소스 코드에 대해서 설명해주고 마지막에는 각 챕터에서 설명하고자 했던 전체 코드를 제공하고 있는데, 챕터 별로 실행 가능한 하나의 완전한 코드를 제공한다는 사실이 개발자로서 가장 마음에 드는 부분이다.

비록 입문자를 위해서 쉽게 쓰여졌다고는 하나, 처음 접하는 주제인 만큼 한장 한장 넘어가는데 속도가 잘 나지는 않는다. 챕터 별로 가볍게 1회독 한 후에, 전체 코드를 쳐보면서 나름대로의 동작에 대해서 유추해보고, 책에서 제공하는 부분 코드와 상세 설명을 보면서 정리하고 난 다음에, 다시 한번 책터의 내용을 쭉 훑어보면서 정리를 해보니, 아 이런게 대충 이런 느낌이구나 정도의 느낌을 받을 수 있었다. 물론 ... 더 상세한 내용들은 따로 공부를 해야 겠지만 말이다.

수식은 최대한 배재하고 그림을 통해서 쉽게 개념을 설명하고 있는데, 김진중님의 배려가 돋보이는 부분이다. 텐서플로를 이용해서 딥러닝이란 것을 해보고 싶은데, 어디에서 부터 시작해야 할지 잘 모르는 분들에게 안성맞춤이다.

다만 딥러닝이나 텐서플로나 결국 문제를 풀기위한 하나에 도구에 불과하기 때문에, 책을 읽는 과정에서 각자가 해결하고자 하는 문제에 어떻게 적용하면 좋을지 충분히 생각하는 시간을 갖는 것도 도움이 되지 않을까 싶다. 단순히 기술 습득 차원이 아니라 활용에 대한 방안도 같이 고민해보면 좋을 것 같다.

kcsgood***l2017-11-27

내가 공부하는 딥러닝 알고리즘은 무슨 맛일까?

딱 처음 책을 접했을 때는 뭐랄까... 그림책 같았다. 거기다가 책제목부터 다른 책과 차별성이 있는 듯했다. 일반적으로 "... 첫걸음", "Introduction to ..." 와 같이 정형화된 제목을 갖추고 있었는데, 이 책은 짧은 시간임을 강조한 "3분" 이라는 단어를 제목에 포함해 쉽고 짧은 시간안에 책을 설명하고 있다는 느낌을 주고 있었다. 뭔가 이런 부분에서는 다른 출판사에서 나오는 딥러닝 관련 서적과는 다른 나름대로의 특징을 보여줬다.

사실 이전 책 리뷰를 할때도 언급했던 부분이긴 하지만, 난 이렇게 경량화된 책이 좋다. 휴대성 부분에서나 필요할 때 언제든 들고 볼 수 있는 사이즈이기에 회사 출근할 때나 짬짬히 여유시간이 있을 때 꺼내보기가 좋기 때문이다. 물론 자세한 설명과 완벽한 예제가 "많이" 담겨있는 것을 원하는 사람도 있겠지만, 적어도 뭔가 "맛"이라도 봐야 입문자도 처음 접근하기 쉬울 여지를 주지 않을까... 저 얇은 책안에 딥러닝을 설명하는 것 자체가 넌센스일지라도 말이다.

이 책에서 핵심적으로 다루고 있는 Tensorflow는 2015년 Google Brain 팀에서 만든 Data handling을 위한 SW Library이다. 아마 딥러닝 소식을 많이 접한사람이라면 Tensorflow 이외에도 Caffe나 Theano, Keras 같은 library들도 들어봤을텐데, 시중에도 찾아보면 각 Library를 대상으로 한 책들도 굉장히 많다. 이 책도 그런 맥락에서 Tensorflow package 사용법(tensorflow에서 제공하는 API나 Tensorboard 에 대한 내용)을 다룬다. 그리고 그 사용법을 이용해 MNIST, CNN, AutoEncoder 같은 것을 실제로 다뤄보는 것을 주 내용으로 삼고 있다.

이 책은 무슨 맛일까?

음식이 인기를 끌기 위해서는 다름 음식과 차별화시킬 수 있는 "맛"이 있어야 한다. 제목에서도 언급되어 있는 것처럼 Tensorflow를 설명하는 책이라고 하는데, 단순히 그 맛만으로는 누군가를 자극시키기엔 부족할 듯하다. 그래서 나름 책을 읽어보면서 추려본 맛을 소개해보고자 한다.

1. 수식과 복잡한 설명이 없다.

책의 서두에서도 밝힌 내용이지만, 수식과 그 수식을 증명하기 위한 복잡한 설명이 없다. 의례상 딥러닝을 설명하기 위해서는 필수적으로 나오는 수식이 미분과 적분일텐데, 이책에서는 그런 수식적 이해가 Tensorflow에서 커버한다고 가정한 상태에서 딥러닝 알고리즘의 동작 원리 설명에 치중했다.

가령 CNN을 설명할 때도 반드시 나와야 할 내용이 Convolution 연산이고, 이를 증명하기 위한 공식이 쭉 많지만 실제로 그 알고리즘을 이해하고 개선하기에는 너무 많은 시간이 든다. 이를 고려한듯 단순히 Convolution 연산이 어떤건지 그림과 코드로 설명하고 실제로 Tensorflow로 구현하기 위해서 어떤 API가 사용되어야 하는지를 설명하는 형식으로 글이 진행되고 있다. 계속 얘기한 부분이지만, 단순히 글을 읽고 알고리즘을 간단히 이용하는 데 좋은 요소이지만, 좀더 깊이있는 학습을 위해서는 분명 이를 자세히 다루는 참고 서적이 꼭 필요하다.

2. 핫한 알고리즘들이 담겨있다.

이책에서 설명하고 있는 딥러닝 알고리즘은 아주 기본적인 Neural Network부터 시작해서 Deep mind에서 개발한 Deep Q-Network(DQN)까지 최신 trend의 경향을 포함하고자 노력했다. 물론 딥러닝 trend의 발전이 무척 빠르기에 이것도 어쩌면 구식의 기술이 되었을 수도 있겠지만, 적어도 몇년간 핫했던 알고리즘을 실제로 구현해볼 수 있는 기회를 제공한다.

사실 나도 내가 제일 관심을 가지는 알고리즘이 Generative Adversarial Network(GAN) 이라는 알고리즘이었다. 간단히 설명하면, 학습을 유도시키는 모듈과 학습된 결과물을 구별하는 모듈간에 경쟁을 시킴으로써 최대한 실제와 유사한 결과물을 내게끔 만들어주는 알고리즘인데, 아마 인터넷 게시판 돌아다니다보면 기계가 만들어낸 멋있는 이미지라던가 노래같은게 GAN을 거친 결과물이라고 보면 될거 같다. 아무튼 이런 결과가 시각적으로 나오게 된다면 뭔가 흥미를 유발할 수 있는 여지가 주어지는 것 같다. 이런데에서 흥미를 느끼면 이 책이 추구하는 목표에 도달할 수 있지 않을까 하는 생각이 든다.

3. Line-By-Line 코드 설명과 전체 맥락 분석

각 파트별로 내용 진행은 크게 다음과 같이 구성된다.

1) 원리 설명
2) 코드 구현시 설명이 필요한 부분에 대한 부연 설명
3) 결과 출력과 설명
4) 전체 코드

그렇기 때문에 코드를 직접 처보면서도 다시 전체 코드를 보기 위해서 계속 앞뒤로 이동해야 할 불편함이 없다. 또한 독자가 궁금해할 부분에 대해서 중간중간 Note 형식으로 주석을 달아놨기 때문에 책에 집중할 수 있다는 장점이 있다. 다만 그 내용이 그렇게 자세하지는 않다. 분명 더 알고 싶은 사람이라면 좀 갈증을 야기할 수도 있을 법한 내용들이 종종 들어있다. (예를 들어 선택한 부분에 대한 "why" 같은 부분...)

결론은?

아무래도 책 제목에 맛이라는 단어가 들어있으니 책을 읽은 소감도 음식으로 표현해볼까 한다. 내가 읽은 소감을 표현하자면, 마치 이 책은 "새콤달콤"과 같다는 느낌이 든다. 언제든 들고다니기에도 편하고 언제든 입에 넣고 맛을 볼 수 있다. 그 맛이 길게 유지되지는 못하지만, 적어도 씹는 동안에는 그 맛을 느끼고, 뭔가에 집중할 수 있게끔 해준다. 독자의 스타일마다 다른 부분이고, 명백히 말하는 내용이지만 이 책은 main dish 성격의 책은 절대 아니다. 그래도 읽다보면 딥러닝에 대한 호기심과 그 입맛을 부여하는 데는 나름 그 목적성을 다할 수 있는 책이라고 생각한다. 예상 독자층이라면.. 아마 딥러닝이 뭔지는 알고 싶고, 실제로 구현도 해보고 싶은데, 뭐가 뭔지 몰라서 시작조차 할 수 없던 사람들한테는 최적의 책이 되지 않을까 싶다. 참고로 나는 새콤달콤 진짜 좋아한다 :)
(이 책의 후속편으로 keras 편도 추후에 출시되는 것 같다. 나도 사실 듣던 강의가 keras로 진행되는게 많아서 그게 더 익숙했는데, 출간후 한번 읽어볼 것을 계획하고 있다.)

- 이책의 repository도 공개되어 있으니 코드만 참고하고 싶은 분께서는 아래 링크를 참고하시기 바랍니다.
: https://github.com/golbin/TensorFlow-Tutorials

출처: http://talkingaboutme.tistory.com/862?category=488131 [자신에 대한 고찰]

aim***l2017-11-24

골빈해커의 3분 딥러닝, 텐서플로맛 리뷰

골빈해커의 3분 딥러닝 텐서플로맛

작가: 김진중
출판: 한빛미디어
발매: 2017.09.25.

리뷰보기

딥러닝은 공부해야겠다는 생각은 들지만 쉽게 손이 가질 않는다. 이론이 어렵게 느껴지는 건 둘째치고 실무라든지 어떤 문제에 있어서 어떻게 적용을 해야 할지 대단히 막연한 느낌이 든다. 회사에서 오전에 짬을 내서 딥러닝 동영상 강의로 스터디도 잠깐 했고 책도 쉬운 걸로 몇 권 봤지만 용어나 개념에 약간 익숙해진 것 말고는 여전히 어렵다.

3분 딥러닝은 텐서플로로 딥러닝을 설명해주는 책이다. 대부분 딥러닝에 관련된 책이 파이썬과 텐서플로로 설명을 하는 것 같다. 마침 파이썬도 이전에 다른 책을 리뷰하면서 조금이나마 맛을 봤었기 때문에 이해하는데 도움이 되었던 것 같다. 3분이라고 해서 인스턴트처럼 쉽게 이해할 수 있는 책은 아니다.

이 책도 4장 정도까진 대부분의 딥러닝 서적에서 볼 수 있는 신경망으로 선형회귀 모델을 구현하는 것부터 시작한다. 이전에 참고했던 딥러닝 책에서는 이 부분만 거의 책의 절반을 할애하기도 했다. 딥러닝을 처음 보는 사람은 이해하기가 어려울 것 같기도 하다. 딥러닝을 공부하다 보면 개념이나 용어가 꽤나 중요하다는 생각이 드는데 많이 접해보지 않은 사람 입장에서는 꽤나 익숙해지기가 어렵기 때문이다. 그런데 기본적인 내용이 100페이지 정도에 들어있다 보니 좀 더 깊이 있는 이해를 하기에는 어렵겠다 싶다. 70페이지 정도까지 심층 신경망에 대한 설명이 끝난다!

중후반부에는 이미지 인식, 문자 인식 등에 관한 내용이 나온다. 필기체 숫자 인식 같은 경우에는 여러 서적이나 인터넷에서도 필수로 가르쳐주는 내용이기도 하다. 얼마 전에 어떤 세미나에 참석했었는데 구글이나 아마존 인텔 등등의 딥러닝 현황을 살짝 듣는 기회가 있었다. 사진을 보여주면 사람이든 물체든 모든 내용의 태그를 다는 것부터 해서 그림을 AI로 그리거나 음악을 작곡하는 학습도 볼 수 있었다. 이런 것들을 구현해보는 것에 도움 되는 오토 인코더, GAN과 같은 학습법에 대해서도 설명해준다. 초반에 나오는 기본적인 개념을 충분히 이해하지 않는다면 뒷부분에 나오는 학습법은 이해하기가 꽤나 어려울 것이라는 생각이 든다.

마지막에는 게임을 학습하는 예제를 설명해주는데 이 부분이 참 마음에 들었다. 알파고에 대해 다들 알겠지만 이와 비슷하게 스스로 점수를 평가해가며 실력을 늘려 가는 머신 러닝을 쉽게 예제로 실습해볼 수 있어서 이해하는데 많은 도움이 된 것 같다. 게임에 있어서 인공지능이라는 의미가 예전과는 조금 다르게 느껴지는 부분이 있다. 스타크래프트의 경우만 해도 컴까기라고 할 정도로 인공지능이 센 경우가 드물었는데 이제 컴퓨터가 스스로 학습을 하는 데다 컴퓨터의 연산속도가 곧 컨트롤인데 사람이 이길 수 있겠냐는 것이다. 물론 큰 인식 전환의 계기가 된 것은 알파고였을 거라고 생각해본다.

책을 다 읽고 난 후에 여러 학습법에 대한 개념은 어느 정도 이해를 했지만 역시 실무에 적용할 수 있을까 하는 의문점은 해소가 잘 되지 않는다. 필기체, 식물 특징 등등 입력 값이 명확한 대상에 대해 출력값을 조정하는 것은 이해가 간다. 하지만 다른 경우 입력 값과 출력값에 대한 모델을 어떻게 정해야 할지가 여전히 막연하다. 스팸메일을 분류하는 모델을 만든다고 하면 어떤 학습법을 사용해야 하고 어떤 입력값을 가지고 학습을 시켜야 할까? 메일 제목? IP? 본문 내용? 첨부파일? 부딪치지 않고 머릿속으로만 생각하기에는 한계가 있는 것 같다.

이 책에서 알려주는 머신 러닝에 대한 내용을 크게 기초지식과 응용 지식으로 나누어볼 때 기초지식에 대한 부분은 조금 부족하다고 느껴진다. 대신 여러 가지 응용 지식을 알려주기 때문에 다양한 내용에 대한 메타지식을 쌓을 수 있는 부분에 있어서는 추천할만하다.

골빈해커의 3분 딥러닝

이 책은 무슨 맛일까?

1. 수식과 복잡한 설명이 없다.

2. 핫한 알고리즘들이 담겨있다.

3. Line-By-Line 코드 설명과 전체 맥락 분석

결론은?

자료 다운로드시 유의사항

▶ 부록/자료 관련 FAQ