친절한 실전 딥러닝 수업

현업 문제 해결을 위한 트랜스퍼 러닝에서 AutoML까지

김찬란 지음

비제이퍼블릭 2020년 03월 28일 출간 종이책 : 2020년 03월 31일 출간

작품소개

책소개

기초 딥러닝 모델을 기반으로 배우는 트랜스퍼 러닝,
한 권으로 끝내자

딥러닝의 학습 과정은 엄청난 규모의 데이터와 컴퓨팅 파워(돈과 시간)가 필요하다. 그래서 아무리 열심히 해도 세계 최고를 이기기는 힘들다. 하지만, 이것은 기초가 되는 모델에 대한 이야기이다. 세계 최고의 기업과 연구소에서 학습한 기초 모델(Base Model)을 기반으로 트랜스퍼 러닝(Transfer Learning)을 한다면, 누구나 그보다 뛰어난 결과를 낼 수 있다.

쉽게 말해, 구글이 학습한 모델을 '더' 학습하여 구글보다 똑똑한 인공지능을 만들 수 있다. 왜냐하면, 기본 모델은 범용적인 모델이기 때문이다. 특정한 문제를 풀기 위해서는 이 기본 모델에서 한 걸음 더 나아가야 하는데, 그 방법이 바로 트랜스퍼 러닝이다. 이 책에서는 기본적인 케라스 프레임워크와 딥러닝 이론으로 시작하여 트랜스퍼 러닝에 대해 집중해서 다루고자 한다.

목차

Chapter 1. 시작하는 이들을 위한 잔소리
1.1 딥러닝의 아버지
1.2 뭐가 딥하고, 뭐가 힙한지?
1.3 학회부터 깃허브까지
1.4 이 책의 I/O

Chapter 2. 현대적인 개발환경 구축하기
2.1 윈도우 환경
2.2 리눅스 환경
2.3 기타 라이브러리 및 개발환경

Chapter 3. 케라스로 시작하는 딥러닝 기초
3.1 인공신경망의 구성요소
3.2 범죄율로 집값 예측하기 (기초 회귀 문제)
3.3 간단한 과일 분류 문제 비틀기 (이미지 분류 기초 문제)
3.4 뉴스 기사(문서) 분류하기
3.5 학습을 더 쉽고, 빠르고, 정확하게!

Chapter 4. 계속 연구되고 있는 고급 딥러닝
4.1 트랜스퍼 러닝
4.2 자기지도학습과 준지도학습 (Self-supervised Learning and Semi-supervised Learning)
4.3 당신에게 필요한 건 집중!

Chapter 5. 실전 딥러닝
5.1 딥러닝이 푼 첫 문제 이미지 분류
5.2 사람도 찾고, 강아지도 찾는 객체 검출
5.3 모든 것을 답해주는 자비스를 기대하며
5.4 딥러닝과 마이크로 서비스
5.5 인공지능을 위한 인공지능

출판사 서평

이 책의 특징
- 케라스 프레임워크를 통한 기초 딥러닝 모델 구현 및 문제를 해결한다.
- 수학적인 이론 및 증명보다는 설명과 예제에 집중한다.
- 제한된 자원 속에서 실전 개발 및 연구 문제 해결을 위한 트랜스퍼 러닝 활용한다.

이 책이 필요한 독자
- 머신러닝/딥러닝을 실제로 구현하고 실전 문제에 적용시켜보고 싶은 분들
- 기술적 트렌드에 뒤쳐지는 것이 싫은, 빠르게 현대 기술의 시작점에 서고 싶은 분들
- 수학적 증명보다는 친절한 설명이 필요한 분들

독자대상
초중급

이 책은 딥러닝을 실전에 활용할 수 있도록 실습 위주의 내용으로 구성하였다. ‘딥러닝을 지금 시작하기에는 너무 늦었다’라는 말을 할 수도 있겠지만 이 책은 어려운 수학을 설명하는 데에 내용을 할애하는 것이 아닌 실전으로 영상과 텍스트에서 각각 어떻게 적용되는지에 대해 흥미롭게 설명하므로 포기하지 않고 따라갈 수 있을 것이다. 영상과 자연어 처리, 음성 처리 등 다양한 분야에서 딥러닝이 활용되고 있는데 이 책을 끝내면 딥러닝에 대해 한 걸음 더 나아가는 자기 자신을 발견할 것이다.

소스코드 다운로드
https://github.com/bjpublic/TMI-Deeplearning

작가정보

저자(글) 김찬란

세종대학교에서 컴퓨터공학, 물리학을 전공하여 학사 졸업을 하고, 한양대학교에서 컴퓨터소프트웨어학과 전공으로 혼합현실(증강현실/가상현실) 연구실에서 공부하여 석사 졸업을 하였다. 현재 기업 부설 연구소에서 검색 및 인공지능 연구를 하고 있다. 케라스, 프로핏 등의 깃허브에 커밋을 하는 등 오픈소스 개발에도 기여하고 있다.
짧은 2년의 석사 기간 동안 SCI 논문을 포함한 20여 편의 논문과 특허를 발표하였으며, 국방과학연구소, 정보통신기획평가원, 한국전자통신연구원, 한국콘텐츠진흥원, 한국과학기술원 등의 연구 과제를 수행하였다. 기반이 되는 기술이나 소스 코드를 갖고 후속 연구를 진행하기보다는 새로운 분야를 개척하는 연구 및 개발을 하여 성과를 낸 다수의 경험이 있다. 현재는 특히 트랜스퍼 러닝, 하이브리드 모델, 준지도학습에 관심을 갖고 연구 및 개발을 하고 있다. 세계 인공지능 대회가 다수 열리는 케글에서도 활발히 활동하고 있다. 케글 커널(Kernels) 부문에서 종합 순위(최고 기록) 세계 79위(상위 0.1%)를 기록했다.