서두르지 말고 천천히 차근차근 딥러닝

노기섭 지음

북팟 2021년 09월 06일 출간

작품소개

책소개

인공지능을 공부하다 보면 강사님 또는 선생님들이 제공하는 딥러닝 소스코드를 그대로 실행해도 안 되는 경우도 많다.

인터넷에서 찾은 공개 소스코드를 내려받아서 내 용도에 맞게 수정해서 사용하려고 하면 어떻게 해야 할지 난감한 경우도 많다.

온/오프라인 강의를 들어도 무슨 말인지 여전히 알쏭달쏭 경우도 많다.

이 책은 저자가 딥러닝 관련 강의를 하면서 부딪쳤던 다양한 경험을 바탕으로, 처음 딥러닝에 입문하는 사람들이 가장 아리송해하는 것들을 풀어쓴 해설서이다.

인공지능을 처음 시작하려는 사람들에게 이야기하듯 들려주고 싶은 말을 투박한 필체로 표현한 대화집이라고 할 수 있다.

우리의 아이들과 학생들에게, 그리고 수학, 통계를 구성하는 복잡한 이론들을 모르는 일반인들에게 천천히 따라가면 이해할 수 있도록 썼다.

목차

Part 01. 딥러닝으로의 첫발

STEP 01 | 딥러닝 이해하기
첫눈에 반한 사람
왜 딥러닝에 열광하는가?
죽기보다 싫었던 수학이라뇨!
착각하지마! 누구나 할 수 있는 딥러닝?
딥러닝은 왜 뛰어날까?

STEP 02 | 딥러닝 발전 과정
인공지능의 개념과 정의
데이터와 파라미터
인공신경망
Universal Approximation Theorem
딥러닝의 역사

STEP 03 | 병렬처리와 딥러닝
일반적인 컴퓨터 구조
CPU와 GPU
병렬처리의 강력함

STEP 04 | 이 책의 가정사항들


Part 02. 딥러닝 개발과정

STEP 01 | 딥러닝 개발 프로세스
딥러닝에도 순서가 있다
문제 정의
데이터수집
데이터 전처리
딥러닝 알고리즘 적용
딥러닝 성능평가
배포 및 유지보수
한 걸음씩 어떻게 정상에 오르는가?

STEP 02 | 딥러닝 기초 수학
미분
확률
지수와 로그
선형대수
기타 유용한 수학

STEP 04 | 딥러닝 개발환경
프로젝트, 라이브러리, 프레임워크
가짜 환경이 필요하다?
개발 언어 Python
딥러닝 프레임워크
유용한 도구(argparse)


Part 03. 인공신경망 내부 구조와 딥러닝 학습원리

STEP 01 | 인공신경망의 정체
인간의 신경세포를 흉내 낸 퍼셉트론
선형계층(Linear Layer)
얕은 신경망의 한계와 극복

STEP 02 | 텐서와 미니배치
텐서란 무엇일까?
파이토치로 살펴보는 텐서

STEP 03 | 딥러닝의 학습 방법
손실함수, 얼마나 정확히 학습하는가?
편미분과 그래디언트(Gradient)
경사하강법(Griadient Descent)
확률적 경사하강법과 미니배치


Part 04. 딥러닝 회귀(Regression)

STEP 01 | 선형 회귀
회귀 그리고 선형 회귀란?
얕은신경망을 이용한 선형회귀
수식으로 정리하는 선형 회귀

STEP 02 | 딥러닝 회귀
선형회귀에서 비선형회귀로!
심층신경망 구축 ？ 비선형 해결!
역전파(Back Propagation) 학습
기울기 소실과 활성함수
기울기 소실을 완화하는 함수
기울기 소실을 완화하는 파라미터 초기화

STEP 03 | 추론(Inference)
학습 마쳤으면 실전으로!

STEP 04 | 회귀 실습


Part 05. 딥러닝 분류(Classification)
STEP 01 | 로지스틱 회귀
회귀와 분류
이진 분류와 엔트로피
단일 클래스 손실함수 BCE Loss
다수 클래스 손실함수 CE Loss

STEP 02 | 딥러닝 분류
단일에서 멀티 클래스로 확장
소프트맥스(Softmax) 함수
Cross Entropy Loss와 NLL Loss

STEP 03 | 추론(Inference)
학습 마쳤으면 실전으로!

STEP 04 | 성능 측정
Precision과 Recall
Confusion Matrix
판단 기준에 대한 의문, F1 Score, AUROC

STEP 05 | 분류 실습


Part 06. 딥러닝 성능개선

STEP 01 | Optimizer
똑똑한 Optimizer의 필요성
모멘텀(Momentum)
Adaptive LR(AdaGrad)
Adam

STEP 02 | 데이터셋 구성
오버피팅이란?
훈련, 검증, 테스트 데이터

STEP 03 | 정규화(Regularization)
Regularization 개념 및 방법
Norm 이해하기
Weight Decay (Penalty)
Data Augmentaion
Drop-out
Batch Normalization


Part 07. 딥러닝 학습을 마치며
STEP 01 | 마침내 정상을 향하여
STEP 02 | 더 배워야 할 것들


참고문헌

작가정보

저자(글) 노기섭

공군사관학교를 졸업하고 공군의 항공무기SW 정비를 시작으로 SW와 인연을 맺기 시작하여, 방위사업청 공군무기체계SW 사업관리 업무를 담당하면서 전사적 SW관리의 필요성을 인식하였다.다양한 분야에서 SW가 핵심 역할을 담당할 것이라는 확신하게 되어 인공지능, 빅데이터 관련 공부에 집중하게 된다.박사학위 취득 이후 공군사관학교 전산정보학 교수를 거쳐 현재는 청주대학교 인공지능SW전공 교수로 재직하고 있다.강의와 연구를 진행하던 중 의외로 많은 사람이 인공지능에 대해 알쏭달쏭 한다는 사실을 깨닫고,여러 가지 아리송함을 쉽게 풀어주고자 이 책을 집필하게 되었다. 필자는 현재도 인공지능에 관심 있는 사람과 더 많이 소통하기를 원하며 여러분들을 기다리고 있다.