온디바이스 AI

모바일 개발자를 위한 머신러닝 기초부터 모바일용 컴퓨터 비전, 텍스트 처리까지

로런스 모로니 지음 | 곽도영 , 박찬성 옮김

한빛미디어 2022년 11월 07일 출간 국내도서 : 2022년 11월 01일 출간

작품소개

책소개

모바일 기기가 주요 컴퓨팅 기기가 된 오늘날, 모바일 개발자들에게 머신러닝은 선택이 아닌 필수입니다. 이 책은 여러 프레임워크로 모바일 머신러닝 개발을 빠르게 시작할 수 있는 방법을 설명하는 데 초점이 맞춰져 있습니다. 구글 핵심 개발자인 저자의 친절한 설명으로 개념을 빠르게 익힌 다음, 직접 ML Kit, Core ML, TFLite와 같은 도구를 활용해 모바일용 컴퓨터 비전 및 텍스트 처리 모델을 iOS와 안드로이드 버전 모두 제작해 보며 실무 지식까지 쌓을 수 있습니다. 이 책을 통해 새로운 모바일 개발 패러다임을 이끄는 변화에 동참하세요!

목차

CHAPTER 1 인공지능과 머신러닝 소개
_1.1 인공지능이란?
_1.2 머신러닝이란?
__1.2.1 전통적인 프로그래밍에서 머신러닝으로 넘어가기
__1.2.2 컴퓨터가 어떻게 학습할 수 있을까요?
__1.2.3 전통적인 프로그래밍과 머신러닝의 차이점
_1.3 모바일 모델 제작하기
_1.4 마치며

CHAPTER 2 컴퓨터 비전 소개
_2.1 비전을 위한 뉴런 사용하기
__2.1.1 첫 분류기: 의류 구별하기
__2.1.2 데이터: 패션 MNIST
__2.1.3 패션 MNIST 모델 아키텍처
__2.1.4 패션 MNIST 모델 코딩
_2.2 컴퓨터 비전을 위한 전이 학습
_2.3 마치며

CHAPTER 3 ML Kit 소개
_3.1 안드로이드 얼굴 탐지 애플리케이션
__1단계 안드로이드 스튜디오로 프로젝트 생성하기
__2단계 ML Kit 라이브러리 추가 및 설정하기
__3단계 사용자 인터페이스 만들기
__4단계 assets 폴더 생성 후 이미지 추가하기
__5단계 기본 이미지를 UI에 불러오기
__6단계 얼굴 탐지기 호출하기
__7단계 바운딩 박스 그리기
_3.2 iOS 얼굴 탐지 애플리케이션
__1단계 Xcode 프로젝트 생성하기
__2단계 CocoaPods과 Podfiles 사용하기
__3단계 사용자 인터페이스 만들기
__4단계 애플리케이션 로직
_3.3 마치며

CHAPTER 4 안드로이드에서 ML Kit로 컴퓨터 비전 애플리케이션 만들기
_4.1 이미지 분류 및 레이블 찾기
__1단계 애플리케이션 생성 및 ML Kit 설정하기
__2단계 사용자 인터페이스 만들기
__3단계 assets 폴더 생성 후 이미지 추가하기
__4단계 이미지뷰에 이미지를 불러오기
__5단계 버튼 핸들러 코드 작성하기
__추가 단계
_4.2 객체 탐지
__1단계 애플리케이션 생성 및 ML Kit 불러오기
__2단계 액티비티 레이아웃 XML 생성하기
__3단계 이미지뷰에 이미지를 불러오기
__4단계 객체 탐지기의 옵션 설정하기
__5단계 버튼과의 상호작용
__6단계 바운딩 박스 그리기
__7단계 객체 레이블링
_4.3 영상에서 객체 탐지와 객체 추적하기
__4.3.1 레이아웃 확인하기
__4.3.2 GraphicOverlay 클래스
__4.3.3 카메라로 얻은 영상 화면 출력하기
__4.3.4 ObjectAnalyzer 클래스
__4.3.5 ObjectGraphic 클래스
__4.3.6 마무리
_4.4 마치며

CHAPTER 5 안드로이드에서 ML Kit로 텍스트 처리 애플리케이션 만들기
_5.1 개체명 추출
__1단계 애플리케이션 생성하기
__2단계 액티비티용 레이아웃 생성하기
__3단계 개체명 추출용 코드 작성하기
__4단계 마무리
_5.2 손글씨 인식 모델
__1단계 애플리케이션 생성하기
__2단계 손글씨를 쓸 서피스 생성하기
__3단계 ML Kit로 Ink 파싱하기
_5.3 스마트 인공지능 답변 모델
__1단계 애플리케이션 생성하기
__2단계 가상 대화 구성하기
__3단계 스마트 답변 생성하기
_5.4 마치며

CHAPTER 6 iOS에서 ML Kit로 컴퓨터 비전 애플리케이션 만들기
_6.1 이미지 분류 및 레이블 찾기
__1단계 Xcode에서 애플리케이션 프로젝트 생성하기
__2단계 Podfile 생성하기
__3단계 스토리보드 설정하기
__4단계 ML Kit를 사용하여 View Controller 코드 수정하기
_6.2 iOS에서 ML Kit로 객체 탐지
__1단계 시작하기
__2단계 스토리보드에서 UI 만들기
__3단계 바운딩 박스를 그리기 위한 서브뷰 만들기
__4단계 객체 탐지 실행하기
__5단계 콜백 처리하기
__추가 단계 객체 탐지와 이미지 분류 합치기
__추가 단계 영상에서 객체 탐지와 객체 추적하기
_6.3 마치며

CHAPTER 7 iOS에서 ML Kit로 텍스트 처리 애플리케이션 만들기
_7.1 개체명 추출
__1단계 새 프로젝트 생성 및 ML Kit pods 추가하기
__2단계 스토리보드를 만들고 액션과 아웃렛 추가하기
__3단계 뷰컨트롤러에서 텍스트뷰 입력받기
__4단계 모델 초기화하기
__5단계 텍스트에서 개체명 추출하기
_7.2 손글씨 인식
__1단계 애플리케이션을 생성하고 ML Kit pods 추가하기
__2단계 스토리보드와 액션, 아웃렛 생성하기
__3단계 Stroke, Point, Ink
__4단계 사용자 터치 입력받기
__5단계 모델 초기화하기
__6단계 Ink 인식하기
_7.3 스마트 답변하기
__1단계 애플리케이션 프로젝트를 생성하고 ML Kit 불러오기
__2단계 스토리보드, 아웃렛, 액션 생성하기
__3단계 대화 만들기
__4단계 스마트 답변 받기
_7.4 마치며

CHAPTER 8 TFLite 더 깊게 이해하기
_8.1 TFLite가 무엇인가요?
_8.2 TFLite 시작하기
__8.2.1 모델 저장하기
__8.2.2 모델 변환하기
__8.2.3 독립 실행형 인터프리터로 모델 테스트하기
_8.3 TFLite를 사용하는 안드로이드 애플리케이션 만들기
_8.4 TFLite 파일 불러오기
_8.5 모델 추론을 위해 코틀린 코드 작성하기
_8.6 심화 내용
_8.7 TFLite를 사용하는 iOS 애플리케이션 만들기
__1단계 기본 iOS 애플리케이션 생성하기
__2단계 프로젝트에 TFLite 라이브러리 추가하기
__3단계 사용자 인터페이스 만들기
__4단계 모델 추론 클래스 만들고 초기화하기
__5단계 추론하기
__6단계 애플리케이션에 모델 추가하기
__7단계 UI 로직 추가하기
_8.8 ‘Hello World’를 넘어: 이미지 처리하기
_8.9 모델 최적화 살펴보기
__8.9.1 양자화
__8.9.2 대표 데이터 사용하기
_8.10 마치며

CHAPTER 9 커스텀 모델 만들기
_9.1 TFLite 모델메이커로 모델 만들기
_9.2 클라우드 AutoML로 모델 만들기
__9.2.1 AutoML 비전 엣지 사용하기
_9.3 텐서플로와 전이 학습으로 모델 만들기
_9.4 언어 모델 만들기
__9.4.1 모델메이커로 언어 모델 만들기
_9.5 마치며

CHAPTER 10 안드로이드에서 커스텀 모델 사용하기
_10.1 모델을 안드로이드로 탑재하기
_10.2 모델메이커로 얻은 모델로 이미지 분류 애플리케이션 만들기
_10.3 모델메이커로 얻은 모델과 ML Kit를 함께 사용하기
_10.4 언어 모델 사용하기
_10.5 언어 분류용 안드로이드 애플리케이션 만들기
__10.5.1 레이아웃 파일 생성하기
__10.5.2 액티비티 코드 작성하기
_10.6 마치며

CHAPTER 11 iOS에서 커스텀 모델 사용하기
_11.1 iOS에 모델 연결하기
_11.2 커스텀 이미지 분류기 모델
__1단계 애플리케이션 생성 및 TFLite Pod 추가하기
__2단계 UI와 이미지 에셋 만들기
__3단계 이미지 에셋을 불러오고 탐색하기
__4단계 모델 불러오기
__5단계 이미지를 입력 텐서로 변환하기
__6단계 텐서로 추론하기
_11.3 ML Kit로 커스텀 모델 사용하기
_11.4 스위프트로 자연어 처리 애플리케이션 만들기
__1단계 보캡 불러오기
__2단계 문장을 시퀀스로 만들기
__3단계 언세이프 데이터 처리를 위한 배열 익스텐션 구현하기
__4단계 배열을 데이터 버퍼로 복사하기
__5단계 데이터를 추론하고 결과 처리하기
_11.5 마치며

CHAPTER 12 파이어베이스로 애플리케이션 제품화하기
_12.1 왜 파이어베이스의 커스텀 모델 호스팅을 사용해야 할까요?
_12.2 여러 버전의 모델 만들기
_12.3 파이어베이스 모델 호스팅 사용하기
__1단계 파이어베이스 프로젝트 생성하기
__2단계 커스텀 모델 호스팅 사용하기
__3단계 안드로이드 기본 애플리케이션 생성하기
__4단계 애플리케이션에 파이어베이스 추가하기
__5단계 파이어베이스 모델 호스팅에서 모델 가져오기
__6단계 원격 설정 사용하기
__7단계 애플리케이션에서 원격 설정 읽어오기
__추가 단계
_12.4 마치며

CHAPTER 13 간단한 iOS 애플리케이션을 위한 create ML과 core ML
_13.1 Create ML로 Core ML 이미지 분류기 만들기
__13.1.1 Create ML 모델로 만든 Core ML 애플리케이션 만들기
__13.1.2 MLModel 파일 추가하기
__13.1.3 추론 실행하기
_13.2 Create ML로 텍스트 분류기 만들기
_13.3 애플리케이션에서 언어 모델 사용하기
_13.4 마치며

CHAPTER 14 모바일 애플리케이션으로 클라우드 모델에 접근하기
_14.1 텐서플로 서빙 설치하기
__14.1.1 도커로 설치하기
__14.1.2 리눅스에 직접 설치하기
_14.2 모델을 구축하고 서빙하기
_14.3 안드로이드로 서버 모델에 접근하기
_14.4 iOS로 서버 모델에 접근하기
_14.5 마치며

CHAPTER 15 모바일 애플리케이션의 윤리, 공정성, 개인정보보호
_15.1 책임감 있는 인공지능을 통한 윤리, 공정성, 개인정보보호
__15.1.1 책임감 있게 문제 정의하기
__15.1.2 데이터의 편향을 방지하기
__15.1.3 모델을 만들고 학습시키기
__15.1.4 모델 평가하기
_15.2 구글 인공지능 원칙
_15.3 마치며

출판사 서평

구글러들의 ‘연예인’, 로런스 모로니가 소개하는 모바일 개발자를 위한 맞춤 머신러닝

머신러닝은 이미 우리의 일상에 녹아들어 있습니다. 물론 우리가 매일 사용하는 모바일 기기에도 말이죠. ‘온디바이스 AI’는 이름에서도 알 수 있듯이 기기 내에서 자체적으로 정보를 수집하고 연산을 하는 하드웨어 컴퓨팅을 말합니다. 온디바이스 AI는 사용자의 민감한 정보가 서버를 거치지 않아 보안에 강점을 보이고, 네트워크 지연시간도 줄일 수 있는 큰 장점을 가진 기술입니다. 우리의 일상 속 모바일 기기의 역할이 점점 더 중요해져 가는 만큼 온디바이스 AI는 앞으로 머신러닝 기술의 새로운 길이 될 것입니다.

이 책의 저자이자 구글러들의 연예인인, 로런스 모로니는 모바일 개발자들이 쉽게 모바일 애플리케이션에 머신러닝을 적용해 볼 수 있도록 다양한 샘플 코드를 통해 설명합니다. 특히, 하나의 예시를 안드로이드와 iOS 각각 단계별로 샘플 코드와 함께 소개해 더더욱 모바일 개발자들에게 큰 도움이 될 것입니다. 구글에서 모바일 머신러닝을 이끄는 저자와 역자가 소개하는 모바일 인공지능의 세계로 떠날 준비가 되셨나요? 지금 출발하세요!
주요 내용
● iOS 및 안드로이드 머신러닝 모델 구현
● iOS 및 안드로이드용 ML Kit와 Core ML, TFLite를 활용한 모바일 애플리케이션 구축
● 클라우드 추론과 온디바이스 추론의 차이 설명 및 관련 기술과 도구 소개
● 고수준 API와 저수준 API를 사용할 때 활용할 수 있는 기술과 도구 소개
● 모바일 머신러닝에 대한 개인정보보호 및 윤리 모범 사례 소개

작가정보

저자(글) 로런스 모로니

로런스 모로니는 구글에서 AI Advocacy를 리딩하고 있습니다. 그의 목표는 세계에 있는 소프트웨어 개발자들에게 머신러닝으로 인공지능 시스템 구축 방법을 알리고 가르쳐주는 것입니다. 그는 텐서플로 유튜브 채널에 종종 기고하고 있으며, 저명한 키노트 연설자이고, 여러 베스트셀러 공상 과학 소설과 시나리오를 저술했습니다. 그는 워싱턴 주에 거주하며, 커피를 아주 많이 마십니다. 트위터의 @lmoroney나 링크드인으로 연락할 수 있습니다.

번역 곽도영

구글에서 머신러닝 모델 최적화 업무를 담당하고 있습니다. 온디바이스 머신러닝에 관심이 있고, 머신러닝이 실제 애플리케이션에 적용되어 사용자에게 도움이 되는 일을 좋아합니다. 애플리케이션 개발을 취미로 가진 지 10년 정도 되었으며, 필요한 간단한 iOS, macOS 애플리케이션이 있으면 직접 만들어 사용하곤 합니다. 다양한 방식으로 기술을 접해 보고, 경험해 보고, 이해해 보는 것을 좋아합니다. 지난 몇 년간 모바일 개발자들의 온디바이스 머신러닝 활용을 돕기 위해 여러 가지 데모 오픈소스를 깃허브에 공개하고 관리해 온 경험이 있습니다.

번역 박찬성

컴퓨터로 할 수 있는 모든 일에 관심이 있습니다. 한국전자통신연구원에서 10년간 광역, 가입자 네트워크 인프라 플랫폼을 연구 및 개발해 왔습니다. 그리고 머신러닝 분야의 구글 Developers Expert로서 머신러닝 응용, 머신러닝 운용에 대한 커뮤니티 활동도 병행하고 있습니다. 작업한 저/역서로는 『나만의 스마트워크 환경 만들기』(비제이퍼블릭, 2020), 『실전 시계열 분석』(한빛미디어, 2021), 『주머니 속의 머신러닝』(제이펍, 2021), 『fastai와 파이토치가 만나 꽃피운 딥러닝』(한빛미디어, 2021), 『딥러닝을 이용한 정형 데이터 분석』(책만, 2022)이 있습니다.