딥러닝은 기계학습의 한 분야로써 1960년 프랭크 로젠블라트가 '퍼셉트론' 이론을 발표한 이후,  '합성곱신경망 (CNN)', 'RNN', 'GAN' 등 최신의 기계학습에 있어서도 그 중심에 서있으며,  초기의 기계학습보다 더 진보되고 구조화된 오픈소스 프레임워크 (Pytorch, Tensorflow, Keras)를 이용하여 쉽게 구현할 수 있다.

 하지만 내부적 알고리즘과 구조적인 메커니즘을 이해하지 못하고 사용한다면 모델의 성능향상을 도모할 수 없으므로, 여기서는 실무적 코드의 성능 향상을 목적으로 구현하기보다는 그 알고리즘 내부의 동작 방식과 원리 이해에 집중하였다.

 어려운 수학적 개념을 그림과 수식을 통해 이해를 높였으며,  그 처리 과정을 엑셀로 보여주기 때문에 독자는 방향을 잃지 않고 끝까지 잘 따라갈 수 있다.

  많은 데이터와 정답을 알려주면 컴퓨터는 데이터의 특징(Feature)을 스스로 학습해 나가는데, 이러한 머신러닝 방법 중 사람의 뇌(뉴런)를 모방하여 학습하게 만든 방법이 '딥러닝'이다.

 데이터를 모은다고 가정할 때, 그 데이터들에는 모두 오차가 있을 것이다. 이러한 데이터를 설명할 수 있는 최적의 파라미터를 찾는 과정이 딥러닝을 학습하는 과정이하 할 수 있다.

 이 책은 정확한 숫자를 예측하는 '회귀 문제'와  클래스라고 불리는 라벨 맞추는 '분류 문제'를,  당뇨병 예측, 체력 검사, 붓꽃, 손글씨 예제를 통해 개념을 확실히 잡아주고 있으며,    CNN, RNN과 관련해서도 자세히 설명하고 있다.

 책 후반부 부록으로, 구글 코랩과 구글 스프레드시트를 연동하여 사용하는 방법과  텐서플로(Tensorflow)의 사용법에 대해서도 설명되어 있어서  복잡하게 프로그램을 설치할 필요없이  쉽게 테스트하여 볼 수 있다.

 비전공자도 쉽게 이해할 수 있도록 엑셀로 각 단계별 값의 변화를 시각화할 수 있는 코드도 추가하여 이해를 돕고 있지만,  기본적으로 딥러닝에 적용되는 수학이 난이도가 높고 딥러닝의 개념도 쉽지 않으므로  비전공자라면 이 책과 함께 다른 이론서와 관련 수학책을 병행하여 학습하기를 바란다.

※  이 글은  정보문화사 출판사로부터 도서를 제공받아 작성하였습니다.