추가 적립 안내

다들 어려워했던 수식들 하나하나, 딥다(Deep+多) 파고들어 설명하는 딥러닝 책

바야흐로 인공지능의 시대, 딥러닝 공부에도 왕도가 있을까? 인간이 편하자고 컴퓨터를 학습시키는 것이 딥러닝인데, 공부하는 사람들은 골머리 앓느라 편하지 않다. 이 책의 저자 역시 많은 책과 논문을 통해 딥러닝에 도전하면서 정작 힘들었던 부분은 그간의 책들에 생략되었던 수학적 지식이었다. 딥러닝 이론 자체가 어려운 게 아니라 그를 위한 수학에 아직 익숙하지 않았던 것뿐이었다.

1부는 딥러닝 실습을 맛보게 해준다. 질병을 예측하고, 자동응답 챗봇, 화재감시 시스템을 만드는가 하면, 가요도 작곡하고 심지어는 간단한 마이너리티 리포트까지 도출해본다. 2부는 딥러닝 관련 수학을 정면 돌파한다. 이론으로 파고들어가기 전에 기반을 다지는 부분이다. 각각 수식들의 전개를 생략 없이 다루며 독자들을 세심하게 안내한다. 3부는 비로소 딥러닝 이론들을 다룬다. 1부의 호기심과 재미, 2부의 수학 지식이라는 기본력을 바탕으로 딥러닝 이론을 다룬다.

딥러닝 하드 트레이닝을 표방하는 이 책은 어려워도 꼭 알아야 할 수학 지식과 딥러닝 핵심 이론들에 더해 재미있는 아이디어가 빛나는 한국형 딥러닝 실습까지 제공하는, 중급자용 딥러닝 종합교재이다. ‘딥다’는 사전에 ‘들입다’의 준말로 나오지만 여기서는 딥러닝을 만나 ‘Deep+多’라는 의미가 추가되었다.

깊고(Deep) 다(多)양하게 학습해야 할 중급자를 위한 딥러닝 하드 트레이닝

누구나 쉽게 배울 수 있다고 주장하는 책들이 수없이 많지만 이 책 『딥다 딥러닝』의 저자는 딥러닝이 결코 쉽지 않으며, 수학적인 사전 지식이 없이는 도전하기 어렵다는 것을 처음부터 강조한다. 설사 어떻게 기본은 익혔을지라도 딥러닝을 실제로 우리 환경에서 활용할지에 대해서는 더욱 난감해진다고 말한다.

과감한 상상력으로 만들어낸 딥러닝 실습을 맛보는 것으로 시작해서 기본이 되는 딥러닝 수학 지식들을 살펴본 후에 다양한 딥러닝 이론들을 학습할 수 있게 구성된 이 책은 독자들이 적어도 6개월 정도는 끈기있게 공부해야 할 하드 트레이닝 교재다. 독자들은 인터넷카페(cafe.naver.com/deepdalearning)를 통해 자료를 받거나 질의를 할 수 있다.

딥러닝 맛보기가 아니라 응용을 위한 깊이 있는 이해를 원하지만 선뜻 두려움에 공부를 시작하지 못한 독자라면 이 책이 딥러닝의 세계로 인도하는 훌륭한 길잡이가 되어줄 것이다. - 정여진 (국민대학교 데이터사이언스 및 빅데이터 경영MBA 교수)

이 책은 저자가 딥러닝의 이론과 응용을 100% 이해하고 자신의 언어로 풀어 기술한 것이다. CNN이나 RNN 이외에 RBN, GAN, Reinforcement Learning까지 다양한 모형도 다루고 있으므로 독자들에게는 보너스가 아닐까 한다. - 안성만 (국민대학교 데이터사이언스 교수)

이 책은 어느 책에서도 보지 못했던 상세한 설명을 포함하고 있습니다. 수많은 소스들을 일목요연하게 정리했다는 사실만으로도 훌륭하지만, 많은 수식을 한 줄 한 줄 설명해 나가는 저자의 인내심과 자상함이 돋보입니다. - 김기온 (SK텔레콤 Machine Learning Engineer 박사)

딥러닝 입문자를 위한 이론 설명부터 다른 책에서는 볼 수 없었던 다양한 현실적인 활용 사례들을 보면서 저자가 얼마나 고민과 노력을 했는지가 느껴집니다. 이 책은 아주 좋은 도전과 길잡이가 될 것이라고 확신하며 적극 추천합니다. - 서진수 (R라뷰, 오라클 SQL과 PL/SQL 등 저자)

처음에는 실습으로 시작하여 딥러닝을 어떻게 활용하는지 제대로 보여주고 이론에서부터는 조심스레 딥러닝의 원리를 풀어나갔다. 딥러닝 기술이 당장 필요한 개발자뿐만 아니라, 서비스 기획자나 딥러닝 및 인공지능에 관심있는 모든 사람에게 이 책을 추천하고 싶다. - 장형석 (숙명여자대학교 빅데이터센터 연구소장, 교수)

스마트팩토리 구축에 관심을 가지고 있는 리더는 물론이고 현장에서 문제를 해결하고자 하는 실무자까지 쉽게 이해하고 적용하기 용이하게 친절한 길잡이를 할 것이라고 판단합니다. 깊게 일독하시기를 권합니다. - 한광희 (도레이케미칼 IT부문 팀장)

딥러닝은 높은 인기만큼 낯선 내용과 어려운 수식으로 인해 접근하기 까다로운 분야이고 이해하기엔 다소 어려운 것도 사실이다. 읽고 고민해보고 생각해봐야 진정으로 내 실력과 내 것이 되는 참 맛을 느낄 수 있는 책이라고 생각한다. - 김용석 (NS홈쇼핑 데이터분석 담당)

이 책은 딥러닝의 전반적인 내용을 이론과 실습을 통해 체계적으로 정리해 볼 수 있는 딥러닝 학습자의 바이블처럼 느껴졌습니다. 딥러닝에 대한 이론적 기초를 튼실하게 다질 수 있을 뿐만 아니라 전체적인 마인드 맵을 그려볼 수도 있다는 점에서 딥러닝 학습자들에게 이 책을 적극 추천합니다. - 김복주 (우리에프아이에스 선임검사역 IT/정보보안 감사, 정보관리기술사, 정보시스템감리사)

지금까지 나온 딥러닝 관련 서적에 회의감을 느끼는 사람들에게 학습 욕구를 채워주는 역할을 하는 이 책은 딥러닝에 대한 단순한 개념 소개가 아닌 다양한 예제와 함께 이론적으로 체계적인 과정을 다룬다. 특히 딥러닝 입문자로서 딥러닝 알고리즘 셀프 튜닝을 목표로 하는 독자에게 <딥다 딥러닝>을 더더욱 추천한다. - 부현경 (아반소프트 전략기획팀 빅데이터 연구원)

초기에 딥러닝을 공부를 하고자 하는 사람에게 실질적이고 구체적으로 도움이 되는 책입니다. 딥러닝의 기초 이론과 개념을 공부하고자 하는 사람들에게 추천합니다. - 전종식 (Big Leader Institute 대표)

딥러닝을 공부할 때 전반적인 개념 이해 후에 더 나은 공부를 위해 꼭 필요한 부분이 수리적 연산에 대한 이해입니다. 이 책은 비주얼한 개념, 수리적 설명, 코딩 실습으로 딥러닝이라는 큰 영역을 탐험하는 좋은 내비게이션 역할을 해주고 있습니다. - 홍창수 (NICE P&I 금융공학연구소 실장)

실습에만 그치지 않고 딥러닝 모델에 대한 수학적 이론을 바탕으로 공부할 수 있는 책입니다. 모델의 바탕이 되는 이론을 학습하는 것은 쉬운 일이 아니지만 체계적으로 깊이 익히고자 하는 분들에게는 분명 도움이 될 것이라고 생각합니다. - 김미혜 (쿠팡 비즈니스 애널리스트)

4차산업혁명의 주요 기술 중 하나인 딥러닝을 깊이 다룬 이 책을 강력히 추천한다. - 김한상 (건강보험심사평가원 심사평가연구소 연구원)

서문 _ 딥러닝은 사실 쉽지 않습니다

1부 _ 딥러닝을 써먹는 방법
--질병 패턴의 예측 : 패턴의 생성과 예측
--Word2Vec과 미술관 옆 동물원 : 단어 사이의 거리개념 표현하기
--상담 데이터 분류 ; 분류를 어떻게 접근할까?
--자동응답 챗봇 만들기 : 어떤 대답을 하도록 만들까?
--화재감지 시스템 : 온도를 어떻게 정의하지?
--백화점 매출 예측 : 매출을 꼭 숫자로만 표현해야 하나?
--가요 작곡가의 탄생 : 음표를 자동으로 생성하는 방법은?
--추천 시스템 유사도 함수 : 어떤 고객과 상품들이 서로 가까울까?
--마이너리티 리포트 : 미래를 예언한다는 것

2부 _ 딥러닝 수학 정면돌파
--경사하강법(Gradient Descent)
---기울기
---경사하강법

__오류 역전파(Error Back Propagation)
____오류 역전파
____행렬 편미분, 텐서, 야코비안
____데이터 구조와 시스템 구현의 문제

__MCMC와 미니배치
____SGD, batch, mini-batch
____MCMC(마르코프 연쇄 몬테카를로)

__활성화 함수와 교차 엔트로피
____활성화 함수
____소프트맥스와 교차 엔트로피

__오버피팅 개선
____가중치 감쇠
____드롭아웃

__학습효과 향상
____학습 데이터의 확장
____가중치 초기화
____하이퍼 파라미터 설정
____헤세 테크닉과 모멘텀
____네스테로프 모멘텀과 학습속도 조절

__자기부호화기(Auto Encoder)
____자기부호화기와 화장실 거울
____백색화
____사전훈련
____희소 자기부호화기
____디노이징 자기부호화기
____올리비아 핫세의 사진
____데이터 압축과 복구 그리고 주성분 분석과 비교
____SDA(Stacked Denoising Autoencoder) 만들기

3부 _ 딥러닝 이론 딥다 파기
__FNN(Feed forward Neural Network)
____개념의 시작
____우편번호 인식

__CNN(Convolutional Neural Network)
____신경세포
____콘볼루션
____CNN에서 역전파
____필기체 인식
____컬러 이미지

__RBM(Restricted Boltzmann Machine)
____데이터의 확률분포 모델
____RBM에서 θ구하기
____RBM 학습
____간단한 실험

__RNN(Recurrent Neural Network)
____노래 가사
____BPTT - 직관적인 설명
____BPTT - 수학적인 이해
____RNN 코딩의 구현
____문장의 자동생성

__LSTM과 GRU
____더 인간에 가깝게
____구체적인 그림
____LSTM에서의 역전파
____그러니까 GRU
____구현과 실행
____Adaptive learning rate method - Adagrad, RMSprop, Adam
____소스분석

__DBN(Deep Belief Network)
____딥 빌리프 네트워크의 이해
____생성 모델과 판별 모델
____SBN 로그우도의 lower bound
____DBN에서의 로그우도의 lower bound
____Fine Tuning

__Class-RBM
____논문으로 만나는 Class-RBM
____Class-RBM에서의 로그우도
____Discriminative RBM

__Deep RL
____강화학습 개요
____마르코프 의사결정 프로세스(MDP)
____벨만 기대방정식과 Q함수
____동적 프로그래밍
____몬테카를로 방법
____시간차 예측방법(TD)
____살사(SARSA)와 Q러닝
____Deep SARSA
____몬테카를로 정책 그래디언트
____DQN
____A2C(Advantage Actor-Critic)
____A3C(Asynchronous Advantage Actor-Critic)
____볼츠만 선택

__GAN
____Generative Adversarial Nets
____GAN의 기본적인 공식
____Entropy와 JSD
____GAN의 최적화 방법
____최적해의 컨버전스 가능성

맺음말 _ 미래는 딥러닝에서 시작된다