StatQuest 신경망 & AI 강의

머리에 쏙쏙 들어오는 딥러닝 그림책

조시 스타머 지음 | 김태헌 옮김

제이펍 2025년 12월 11일 출간 국내도서 : 2025년 11월 13일 출간

작품소개

책소개

챗GPT와 같은 LLM은 마치 마법 같다. 간단한 프롬프트 하나로 시를 생성하거나 코드를 작성해주는 마법은 어떻게 일어나는 걸까? 이 책은 그 배경을 이해하기 쉽도록 개념을 작게 쪼개 직관적인 예시와 명확한 그림으로 보여준다. 신경망과 AI의 기초부터 시작해 이미지 분류, 자연어 처리 등 최신 기술까지 차근차근 알려주며, 주요 개념마다 파이토치 튜토리얼이 함께 제공되어 신경망을 처음부터 코딩하는 방법을 배울 수 있다. 부록에서는 학교에서 배웠지만 지금은 잊어버린 수학 개념을 그림으로 설명한다.

목차

옮긴이 머리말 iii
베타리더 후기 iv

01 신경망과 AI의 기본 개념!!! 1
02 역전파를 활용한 가중치와 편향 최적화!!! 19
03 입력과 출력이 여러 개인 신경망!!! 69
04 ArgMax와 SoftMax로 출력값 간단하게 만들기!!! 83
05 크로스 엔트로피로 훈련 속도 높이기!!! 97
06 합성곱 신경망으로 이미지 분류하기!!! 119
07 순환 신경망으로 주가 예측하기!!! 133
08 장단기 메모리로 더 나은 주가 예측하기!!! 153
09 워드 임베딩으로 단어를 숫자로 변환하기!!! 171
10 Seq2seq와 인코더-디코더 모델로 언어 번역하기!!! 183
11 어텐션으로 더 나은 언어 번역하기!!! 199
12 트랜스포머로 더욱 강력한 언어 번역하기!!! 213
13 디코더-온리 트랜스포머로 대량의 텍스트 생성하기!!! 255
14 인코더-온리 트랜스포머로 분류와 클러스터링하기!!! 267
부록(학교에서 배웠겠지만 아마도 지금은 잊어버렸을 내용)!!! 277

감사의 글 354 / 참고 문헌 355 / 찾아보기 356

책 속으로

파이토치에서 신경망을 만들 때 가장 기본적인 요소는 텐서(Tensor)야. 텐서는 파이썬 리스트와 비슷하지만, 데이터와 가중치, 편향을 저장하는 데 사용돼. 텐서와 파이썬 리스트의 가장 큰 차이점은, 텐서에서는 모든 값이 같은 데이터 타입을 가져야 한다는 거야. 예를 들어, 정수형 텐서를 만들면 그 안의 모든 값이 정수여야 해. 또한, 텐서는 신경망에서 사용하기 최적화되어 있다는 점도 큰 차이점이야. (18쪽)

역전파는 두 단계로 이루어져 있어. 첫 번째 단계는, 각 최적화할 매개변수에 대해 미분(derivative)을 계산해. 이 미분값들의 집합을 ‘경사(gradient)’라고 불러. ‘역전파’라는 이름은 이 경사를 신경망의 출력층에서 입력층 방향으로 계산하기 때문에 붙여진 거야. / 그다음, 두 번째 단계에서는 경사 하강법(gradient descent) 또는 다른 최적화 방법을 사용해 매개변수를 조정해. 이 과정은 반복(iterative)적으로 진행되면서 최적의 값을 찾아가게 돼. 즉, 여러 작은 단계를 거쳐 점진적으로 매개변수를 개선하는 방식이야. (20쪽)

최초의 신경망은 1950년대에 만들어졌는데, 손글씨 숫자와 문자를 인식하도록 설계된 퍼셉트론이었어. 하지만 이 초기 CNN 설계는 데이터셋이 너무 작았고 컴퓨터가 너무 느려서 1990년대까지는 실제로 잘 작동하지 않았지. 그러나 운 좋게도 GPU(그래픽 처리 장치)를 연구하던 사람들이 CNN을 훨씬 빠르게 실행할 수 있다는 것을 알아냈어. GPU는 CNN 속도를 높였고, CNN은 이미지 분류를 잘하게 되었고, 우리가 현재 경험하고 있는 AI 혁명을 시작하게 된 거야. (128쪽)

최초의 인코더-디코더 모델은 LSTM을 사용했고(Sutskever et al. 2018), 입력 및 출력 시퀀스의 길이에 유연성을 허용하도록 펼쳐질 수 있었어… 그리고 숫자가 아닌 입력과 출력을
사용하여 쉽게 훈련할 수 있도록 허용하는 워드 임베딩 네트워크도 사용했지. 시퀀스-투-시퀀스 문제를 해결하기 위해 인코더-디코더 모델을 사용하는 방법을 설명할게. 그럼 같이 영어 구문을 스페인어 구문으로 번역하는 모델을 만들어보자. (184쪽)

이제 인코더-디코더 모델의 세부 사항을 알았으니, 각각 2개의 LSTM을 가진 2개의 레이어를 코딩해보자. 4개의 토큰 각각에 대해 2개의 워드 임베딩값을 생성하는 일은 nn.Embedding()으로 할 수 있어. 우리는 nn.LSTM()으로 LSTM 유닛의 스택과 레이어를 생성할 수 있어. input_size를 2로 설정하면 워드 임베딩값을 입력으로 모두 사용할 수 있고… 동일한 입력값을 받는 hidden_size를 2로 설정하고 LSTM 유닛의 스택 2개를 생성해. num_layers를 2로 설정해서 LSTM 유닛의 스택 2개를 생성하고… 마지막으로, nn.Linear()로 완전 연결 레이어를 생성할 수 있어. (198쪽)

단어 순서를 추적하는 것의 중요성을 이해하기 위해, 노말사우르스가 다음과 같이 말했다고 상상해보자… ‘스콰치가 피자를 먹는다.’ 이 경우, 스콰치는 아마 이렇게 말할 거야… “냠!!!” 반대로 노말사우르스가 이렇게 말했다고 상상해보자… ‘피자가 스콰치를 먹는다.’ 이 경우, 스콰치는 아마 이렇게 말할 거야 … “으악!!!” 이 두 문장은 정확히 동일한 단어를 사용하지만, 의미는 매우 달라. 따라서 단어 순서를 추적하는 것은 매우 중요해. 트랜스포머가 위치 인코딩으로 단어 순서를 어떻게 학습하는지 알아보자! (216쪽)

출판사 서평

마법 같은 인공지능을 그림으로 풀어내는 가장 친절한 입문서
복잡하고 추상적으로만 느껴지던 신경망과 인공지능의 개념을 눈앞에 그림처럼 펼쳐 보이는 책이 나왔다. StatQuest 시리즈로 전 세계 데이터 과학자와 학생들에게 사랑받아온 조시 스타머가 이번에는 신경망과 인공지능을 주제로 쉽고 직관적인 해설을 선보인다.

이 책의 가장 큰 매력은 ‘단순화가 아닌 명료화’다. 방정식과 기호를 그대로 쓰되, 그것이 어떻게 작동하는지를 그림과 비유로 풀어내 독자가 직접 눈으로 개념을 이해하게 한다. 텐서, 역전파, SoftMax, 크로스 엔트로피처럼 교과서에서는 어렵게만 보였던 개념이 차근차근 연결되면서 CNN, RNN, LSTM, 트랜스포머까지 자연스럽게 이어진다.
또한 각 장에는 파이토치(PyTorch) 튜토리얼이 포함되어 있어 단순히 이해에 그치지 않고 직접 신경망을 만들어보며 손으로 체득할 수 있다. 학교에서 배웠지만 잊어버린 수학 개념도 부록에서 그림으로 다시 짚어주어 초심자부터 실무자까지 탄탄한 기반을 다지도록 했다.
이 책은 신경망을 더 이상 ‘마법 같은 블랙박스’가 아니라 ‘눈으로 보고 손으로 만질 수 있는 도구’로 바꿔준다. 챗GPT를 비롯한 최신 AI 모델의 핵심 원리를 궁금해하는 독자에게 이 책은 직관과 이해의 즐거움을 동시에 선사할 것이다.
‘데이터계의 밥 로스’라고 불리는 조시 스타머 특유의 유머와 따뜻한 설명은 어려운 개념 앞에서 주눅 들었던 독자에게 용기를 줄 것이다. 이 책과 함께 인공지능이라는 거대한 숲을 두려움 없이 탐험해보자.

주요 내용신경망과 AI의 기본 개념가중치와 편향 최적화하기: 역전파ArgMax와 SoftMax로 출력 정리하기크로스 엔트로피로 학습 속도 높이기합성곱 신경망(CNN)으로 이미지 분류하기순환 신경망(RNN)으로 주식 예측하기장기 단기 메모리(LSTM)로 더 나은 주식 예측하기워드 임베딩으로 단어를 숫자로 변환하기Seq2seq와 인코더-디코더 모델로 언어 번역하기어텐션, 트랜스포머로 더 나은 언어 번역하기

인물정보

저자(글) 조시 스타머

《그림으로 배우는 StatQuest 머신러닝 강의》(제이펍, 2023)의 저자이자, 세계에서 가장 인기 있는 머신러닝 유튜브 채널 ‘StatQuest with Josh Starmer’의 운영자다. 2016년부터 통계, 데이터 과학, 머신러닝 개념, 알고리즘을 혁신적이고 독특한 그림을 통해 설명해왔다. StatQuest는 전 세계의 사람들이 데이터 과학 대회에서 우승하고, 시험에 합격하고, 학교를 졸업하고, 직업을 얻고 승진하는 데 도움을 주고 있다.

번역 김태헌

《Financial AI in Practice》(Manning, 2026 출간 예정), 《금융 AI의 이해》(제이펍, 2024), 《AI 소사이어티》(미래의창, 2022)(2022년 세종도서 교양부문 선정) 등 금융과 AI를 주제로 한 다수의 저서를 집필했다. 베이징 대학을 졸업한 후 캘리포니아 대학교 샌디에이고(UCSD)에서 국제경제 석사 학위를 받았으며, 현재 이커머스 기업의 핀테크 조직에서 수석 데이터 과학자 겸 머신러닝 알고리즘 엔지니어로 근무하고 있다. 아주대학교 인공지능대학원 겸임교수이자 세계 최대 데이터 과학 커뮤니티 캐글(Kaggle)의 그랜드 마스터로서 실무와 연구를 잇는 활동을 이어가고 있다.