모두의 딥러닝

누구나 쉽게 이해하는 딥러닝

조태호 저자(글)

길벗 · 2022년 03월 31일

책 소개

누구나 쉽게 이해할 수 있는 실용적인 딥러닝 입문서

비전공자 출신으로 오랜 기간 딥러닝 연구를 해온 저자는 자신이 겪어온 오류들을 겪지 않고, 가장 빠른 길로 딥러닝을 접할 수 있도록 하는 데 중점을 두고 이 책을 집필했다. 누구나 이해할 수 있는 쉽고 편안한 설명을 바탕으로, 딥러닝 이론뿐만 아니라 실제 응용이 가능한 라이브러리 중심으로 설명한다. 특히 현업과 연구에 바로 적용 가능한 최신 모델까지 다룬다는 점이 이 책의 특징이다. 이 외에도 딥러닝을 학습하는 데 필요한 최소한의 수학, 캐글, 역전파와 신경망 심화 학습도 빠트리지 않고 설명한다.

3판에서는 설치 없이 실습이 가능한 코랩을 기준으로 코드를 최신 버전으로 수정했고, 좀 더 쉽게 설명할 수 있는 방법이 있다면 설명 방식을 과감히 바꾸는 등 많은 내용을 수정하고 추가했다. 또한, XAI(설명 가능한 딥러닝), 어텐션, 캐글 등 최신 경향을 반영했고, 바로 보고 바로 써먹을 수 있는 '가장 많이 사용하는 머신 러닝 알고리즘 TOP 10'과 '데이터 분석을 위한 판다스 92개 치트키'를 얇은 책 한 권 분량의 별책 부록으로 제공한다. 마지막으로 혼자 학습하기 어려운 독자분들을 위해 책 전체에 대한 무료 동영상 강의도 제공한다. 딥러닝을 학습하다가 좌절했거나 이제 막 딥러닝 학습을 시작하려 한다면 이 책으로 시작해 보자.

· 유튜브 강의: https://bit.ly/taehojo
· 예제 실행하기: https://github.com/taehojo/deeplearning

작가정보

저자(글) 조태호

머신 러닝, 딥러닝을 이용해 알츠하이머 질병을 연구하며 틈틈이 책을 쓰고 번역하는 학자이자 작가이다. 일본 도쿄의과치과대학에서 단백질 구조 예측으로 박사학위를 받았고, 미국으로 이주해 단백질 구조 예측에 딥러닝을 도입하는 연구를 했다. 2018년부터 미국 인디애나 대학교 의과대학에 재직하며 딥러닝을 이용한 알츠하이머 진단(2019), 딥러닝을 이용한 알츠하이머 원인 단백질 추적(2020), 딥러닝을 이용한 유전자 변이 예측(2021) 등을 연구하고 진행했다. 저서로는 제7회 브런치북 대상 수상작 『당신의 이유는 무엇입니까』, 역서로는 『딥러닝 워크북』, 『쉽게 시작하는 캐글 데이터 분석』, 『그림으로 이해하는 인지과학』 등이 있다. · 유튜브 강의: https://bit.ly/taehojo· 깃 페이지: https://taehojo.github.io · 조태호 브런치 brunch.co.kr/@tjo

목차

• 첫째 마당 딥러닝 시작을 위한 준비 운동
  1장. 해 보자! 딥러닝
  1 | 인공지능? 머신 러닝? 딥러닝?
  2 | 딥러닝 실행을 위해 필요한 세 가지
  3 | 구글 코랩 실행하기
  
  2장. 딥러닝의 핵심 미리 보기
  1 | 미지의 일을 예측하는 원리
  2 | 딥러닝 코드 실행해 보기
  3 | 딥러닝 개괄하기
  4 | 이제부터가 진짜 딥러닝?
  
  3장. 딥러닝을 위한 기초 수학
  1 | 일차 함수, 기울기와 y 절편
  2 | 이차 함수와 최솟값
  3 | 미분, 순간 변화율과 기울기
  4 | 편미분
  5 | 지수와 지수 함수
  6 | 시그모이드 함수
  7 | 로그와 로그 함수
  
  둘째 마당 예측 모델의 기본 원리
  4장. 가장 훌륭한 예측선
  1 | 선형 회귀의 정의
  2 | 가장 훌륭한 예측선이란?
  3 | 최소 제곱법
  4 | 파이썬 코딩으로 확인하는 최소 제곱
  5 | 평균 제곱 오차
  6 | 파이썬 코딩으로 확인하는 평균 제곱 오차
  
  5장. 선형 회귀 모델: 먼저 긋고 수정하기
  1 | 경사 하강법의 개요
  2 | 파이썬 코딩으로 확인하는 선형 회귀
  3 | 다중 선형 회귀의 개요
  4 | 파이썬 코딩으로 확인하는 다중 선형 회귀
  5 | 텐서플로에서 실행하는 선형 회귀, 다중 선형 회귀 모델
  
  6장. 로지스틱 회귀 모델: 참 거짓 판단하기
  1 | 로지스틱 회귀의 정의
  2 | 시그모이드 함수
  3 | 오차 공식
  4 | 로그 함수
  5 | 텐서플로에서 실행하는 로지스틱 회귀 모델
  
  셋째 마당 딥러닝의 시작, 신경망
  7장. 퍼셉트론과 인공지능의 시작
  1 | 인공지능의 시작을 알린 퍼셉트론
  2 | 퍼셉트론의 과제
  3 | XOR 문제
  
  8장. 다층 퍼셉트론
  1 | 다층 퍼셉트론의 등장
  2 | 다층 퍼셉트론의 설계
  3 | XOR 문제의 해결
  4 | 코딩으로 XOR 문제 해결하기
  
  9장. 오차 역전파에서 딥러닝으로
  1 | 딥러닝의 태동, 오차 역전파
  2 | 활성화 함수와 고급 경사 하강법
  3 | 속도와 정확도 문제를 해결하는 고급 경사 하강법
  
  넷째 마당 딥러닝 기본기 다지기
  10장. 딥러닝 모델 설계하기
  1 | 모델의 정의
  2 | 입력층, 은닉층, 출력층
  3 | 모델 컴파일
  4 | 모델 실행하기
  
  11장. 데이터 다루기
  1 | 딥러닝과 데이터
  2 | 피마 인디언 데이터 분석하기
  3 | 판다스를 활용한 데이터 조사
  4 | 중요한 데이터 추출하기
  5 | 피마 인디언의 당뇨병 예측 실행
  
  12장. 다중 분류 문제 해결하기
  1 | 다중 분류 문제
  2 | 상관도 그래프
  3 | 원‐핫 인코딩
  4 | 소프트맥스
  5 | 아이리스 품종 예측의 실행
  
  13장. 모델 성능 검증하기
  1 | 데이터의 확인과 예측 실행
  2 | 과적합 이해하기
  3 | 학습셋과 테스트셋
  4 | 모델 저장과 재사용
  5 | k겹 교차 검증
  
  14장. 모델 성능 향상시키기
  1 | 데이터의 확인과 검증셋
  2 | 모델 업데이트하기
  3 | 그래프로 과적합 확인하기
  4 | 학습의 자동 중단
  
  15장. 실제 데이터로 만들어 보는 모델
  1 | 데이터 파악하기
  2 | 결측치, 카테고리 변수 처리하기
  3 | 속성별 관련도 추출하기
  4 | 주택 가격 예측 모델
  
  다섯째 마당 딥러닝 활용하기
  16장. 이미지 인식의 꽃, 컨볼루션 신경망(CNN)
  1 | 이미지를 인식하는 원리
  2 | 딥러닝 기본 프레임 만들기
  3 | 컨볼루션 신경망(CNN)
  4 | 맥스 풀링, 드롭아웃, 플래튼
  5 | 컨볼루션 신경망 실행하기
  
  17장. 딥러닝을 이용한 자연어 처리
  1 | 텍스트의 토큰화
  2 | 단어의 원‐핫 인코딩
  3 | 단어 임베딩
  4 | 텍스트를 읽고 긍정, 부정 예측하기
  
  18장. 시퀀스 배열로 다루는 순환 신경망(RNN)
  1 | LSTM을 이용한 로이터 뉴스 카테고리 분류하기
  2 | LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기
  3 | 어텐션을 사용한 신경망
  
  19장. 세상에 없는 얼굴 GAN, 오토인코더
  1 | 가짜 제조 공장, 생성자
  2 | 진위를 가려내는 장치, 판별자
  3 | 적대적 신경망 실행하기
  4 | 이미지의 특징을 추출하는 오토인코더
  
  20장. 전이 학습을 통해 딥러닝의 성능 극대화하기
  1 | 소규모 데이터셋으로 만드는 강력한 학습 모델
  2 | 전이 학습으로 모델 성능 극대화하기
  
  21장. 설명 가능한 딥러닝 모델 만들기
  1 | 딥러닝의 결과를 설명하는 방법
  2 | 설명 가능한 딥러닝의 실행
  
  22장. 캐글로 시작하는 새로운 도전
  1 | 캐글 가입 및 대회 선택하기
  2 | 데이터 획득하기
  3 | 학습하기
  4 | 결과 제출하기
  5 | 최종 예측 값 제출하기
  
  심화 학습 1. 오차 역전파의 계산법
  1 | 출력층의 오차 업데이트
  2 | 오차 공식
  3 | 체인 룰
  4 | 체인 룰 계산하기
  5 | 가중치 수정하기
  6 | 은닉층의 오차 수정하기
  7 | 은닉층의 오차 계산법
  8 | 델타식
  
  심화 학습 2. 파이썬 코딩으로 짜 보는 신경망
  1 | 환경 변수 설정하기
  2 | 파이썬 코드로 실행하는 신경망
  
  부록 A 내 컴퓨터에서 아나콘다로 딥러닝 실행하기
  
  별책 부록
  1장. 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10
  1 | 세상의 거의 모든 머신 러닝 알고리즘
  2 | 실습을 위한 준비 사항
  3 | 결정 트리
  4 | 랜덤 포레스트
  5 | 가우시안 나이브 베이즈
  6 | k‐최근접 이웃
  7 | 에이다 부스트
  8 | 이차 판별 분석
  9 | 서포트 벡터 머신
  10 | 서포트 벡터 머신 ‐ RBF 커널
  11 | 보팅
  12 | 배깅
  13 | 여러 알고리즘의 성능을 한눈에 비교하기
  
  2장. 데이터 분석을 위한 판다스: 92개의 예제 모음
  A | 데이터 만들기
  __1. 판다스 라이브러리 불러오기
  __2. 데이터 프레임 만들기
  __3. 데이터 프레임 출력하기
  __4. 데이터의 열 이름을 따로 지정해서 만들기
  __5. 인덱스가 두 개인 데이터 프레임 만들기
  B | 데이터 정렬하기
  __6. 특정 열 값을 기준으로 정렬하기
  __7. 열 이름 변경하기
  __8. 인덱스 값 초기화하기
  __9. 인덱스 순서대로 정렬하기
  __10. 특정 열 제거하기
  C | 행 추출하기
  __11. 맨 위의 행 출력하기
  __12. 맨 아래 행 출력하기
  __13. 특정 열의 값을 추출하기
  __14. 특정 열에 특정 값이 있을 경우 추출하기
  __15. 특정 열에 특정 값이 없을 경우 추출하기
  __16. 특정 열에 특정 숫자가 있는지 확인하기
  __17. 특정 비율로 데이터 샘플링하기
  __18. 특정 개수만큼 데이터 샘플링하기
  __19. 특정 열에서 큰 순서대로 불러오기
  __20. 특정 열에서 작은 순서대로 불러오기
  D | 열 추출하기
  __21. 인덱스의 범위로 불러오기
  __22. 첫 인덱스를 지정해 불러오기
  __23. 마지막 인덱스를 지정해 불러오기
  __24. 모든 인덱스 불러오기
  __25. 특정 열을 지정해 가져오기
  __26. 조건을 만족하는 열 가져오기
  __27. 특정 문자가 포함되지 않는 열 가져오기
  E | 행과 열 추출하기
  __28. 특정 행과 열을 지정해 가져오기
  __29. 인덱스로 특정 행과 열 가져오기
  __30. 특정 열에서 조건을 만족하는 행과 열 가져오기
  __31. 인덱스를 이용해 특정 조건을 만족하는 값 불러오기
  F | 중복 데이터 다루기
  __32. 특정 열에 어떤 값이 몇 개 들어 있는지 알아보기
  __33. 데이터 프레임의 행이 몇 개인지 세어 보기
  __34. 데이터 프레임의 행과 열이 몇 개인지 세어 보기
  __35. 특정 열에 유니크한 값이 몇 개인지 세어 보기
  __36. 데이터 프레임의 형태 한눈에 보기
  __37. 중복된 값 제거하기
  G | 데이터 파악하기
  __38. 각 열의 합 보기
  __39. 각 열의 값이 모두 몇 개인지 보기
  __40. 각 열의 중간 값 보기
  __41. 특정 열의 평균값 보기
  __42. 각 열의 25%, 75%에 해당하는 수 보기
  __43. 각 열의 최솟값 보기
  __44. 각 열의 최댓값 보기
  __45. 각 열의 표준편차 보기
  __46. 데이터 프레임 각 값에 일괄 함수 적용하기
  H | 결측치 다루기
  __47. null 값인지 확인하기
  __48. null 값이 아닌지 확인하기
  __49. null 값이 있는 행 삭제하기
  __50. null 값을 특정 값으로 대체하기
  __51. null 값을 특정 계산 결과로 대체하기
  I | 새로운 열 만들기
  __52. 조건에 맞는 새 열 만들기
  __53. assign( )을 이용해 조건에 맞는 새 열 만들기
  __54. 숫자형 데이터를 구간으로 나누기
  __55. 기준 값 이하와 이상을 모두 통일시키기
  __56. 최댓값 불러오기
  __57. 최솟값 불러오기
  J | 행과 열 변환하기
  __58. 모든 열을 행으로 변환하기
  __59. 하나의 열만 행으로 이동시키기
  __60. 여러 개의 열을 행으로 이동시키기
  __61. 특정 열의 값을 기준으로 새로운 열 만들기
  __62. 원래 데이터 형태로 되돌리기
  K | 시리즈 데이터 연결하기
  __63. 시리즈 데이터 합치기
  __64. 데이터를 병합할 때 새로운 인덱스 만들기
  __65. 계층적 인덱스를 추가하고 열 이름 지정하기
  L | 데이터 프레임 연결하기
  __66. 데이터 프레임 합치기
  __67. 열의 수가 다른 두 데이터 프레임 합치기
  __68. 함께 공유하는 열만 합치기
  __69. 열 이름이 서로 다른 데이터 합치기
  M | 데이터 병합하기
  __70. 왼쪽 열을 축으로 병합하기
  __71. 오른쪽 열을 축으로 병합하기
  __72. 공통 값만 병합하기
  __73. 모든 값을 병합하기
  __74. 특정한 열을 비교해서 공통 값이 존재하는 경우만 가져오기
  __75. 공통 값이 존재하는 경우 해당 값을 제외하고 병합하기
  __76. 공통 값이 있는 것만 병합하기
  __77. 모두 병합하기
  __78. 어디서 병합되었는지 표시하기
  __79. 원하는 병합만 남기기
  __80. merge 칼럼 없애기
  N | 데이터 가공하기
  __81. 행 전체를 한 칸 아래로 이동하기
  __82. 행 전체를 한 칸 위로 이동하기
  __83. 첫 행부터 누적해서 더하기
  __84. 새 행과 이전 행을 비교하면서 최댓값 출력하기
  __85. 새 행과 이전 행을 비교하면서 최솟값 출력하기
  __86. 첫 행부터 누적해서 곱하기
  O | 그룹별로 집계하기
  __87. 그룹 지정 및 그룹별 데이터 수 표시
  __88. 그룹 지정 후 원하는 칼럼 표시하기
  __89. 밀집도 기준으로 순위 부여하기
  __90. 최젓값을 기준으로 순위 부여하기
  __91. 순위를 비율로 표시하기
  __92. 동일 순위에 대한 처리 방법 정하기

책 속으로

생각해 보면, 아주 단순하고도 막연한 이유였던 것 같습니다. 이 책을 처음에 쓰게 된 이유 말입니다. 남들보다 일찍 딥러닝을 만나 현업 연구에 적용해 오던 사람으로서, 비전공자인 제가 겪었던 오류들을 겪지 않고 가장 빠른 길로 딥러닝을 접할 수 있게끔 간단히 안내해 주자는 목표가 이 책의 초판을 쓰게 했습니다.
그런데 지난 5년간, 그 막연함이 사명감으로 바뀌었습니다. 다수의 교육 현장에서 교재로 채택되었다는 소식을 듣고, 이 책으로 AI를 처음 배우거나 새로운 커리어로의 도전을 꿈꾸는 많은 분의 피드백을 받으며, 이 책을 집어 든 모든 분께 정말로 도움이 되게끔 저자로서 최선을 다하자는 사명감이 단단해지기 시작한 것입니다.
머신 러닝까지 범위를 확장한 『모두의 딥러닝, 개정 3판』은 이러한 사명감을 배경으로 출발했습니다. 기존에 했던 설명보다 더 나은 방향의 설명이 있다면 주저 없이 수정했고, 지금 현업에서 사용되는 최신 알고리즘을 직접 다루는 책이 되게끔 노력했습니다. 그 결과, 구글 알파폴드의 핵심 중 하나인 어텐션 편이 더해졌고, 딥러닝의 예측 결과를 설명해 주는 설명 가능한 딥러닝 편과, 이렇게 다져진 실력을 캐글 대회를 통해 확인하고 세계로 실력을 뻗어 나가게 돕는 캐글로의 도전 편이 더해지게 되었습니다. 또 복잡한 초기 설치가 필요 없게끔 개편되었고, 컴퓨터 성능의 한계가 실행에 방해되지 않도록 구글 코랩 중심으로 모든 코드와 내용이 전면 수정되었습니다.
가장 큰 변화는 딥러닝 이외의 머신 러닝을 모아 가장 많이 사용하는 머신 러닝 TOP 10을 선정하고, 데이터를 다루는 데 필수적인 판다스의 기능을 한눈에 파악하게 해 주는 내용을 새롭게 편성해서 이들을 별책 부록으로 만들었다는 것입니다. 이로써 현업에서 많이 쓰이는 머신 러닝, 딥러닝의 핵심을 두루 소개하며, 각 요소마다 적절한 코드를 통해 실제로 해당 알고리즘을 다루게 해 주는 내실 있는 구성으로 재탄생되었다고 생각합니다.
초판부터 이어지는 이 책의 주목적, 즉 컴퓨터나 프로그래밍의 길을 접해 보지 않은 사람도 충분히 이해가 되게끔 설명하자는 것은 이번에도 여전히 최우선 목표였습니다. 고등학교 수준의 수학, 기본 파이썬을 아는 정도의 프로그래밍 실력만으로 딥러닝을 막힘없이 해내게끔 가이드하기 위해 최선의 노력을 기울였습니다.
인터넷의 발달이 일방적 정보 전달의 시대를 끝냈듯, 구글 코랩 같은 최적의 시스템들이 내가 직접 AI를 만들고 배포하는 시대를 열어 주었습니다. 이러한 시대의 첨단에 선 여러분이 새로운 인공지능의 시대로 나아가는 데 이 책이 기여하길 바랍니다.

-지은이의 말 중에서-

출판사 서평

누구나 딥러닝을 이해하고,
나만의 모델을 구현할 수 있다!

준비 | 딥러닝을 이해하고, 학습을 위한 준비하기
딥러닝 실행 환경을 갖추고, 기초 수학을 배우며 학습에 들어갈 준비를 합니다. 또한, 딥러닝의 기본 동작 원리인 선형 회귀와 로지스틱 회귀도 배웁니다.

기본 | 딥러닝 기본 다지기
딥러닝을 설계할 때 꼭 필요한 신경망과 역전파의 개념을 배우고, 여섯 개의 프로젝트를 실습하며 딥러닝 이론이 실제 프로젝트에 어떻게 적용되는지 확인합니다. 각 프로젝트는 딥러닝에서 꼭 필요한 기술을 하나씩 담고 있습니다.

활용 | 주요 딥러닝 모델을 이해하고 구현해 보기
지금까지 배운 내용을 바탕으로 CNN, RNN, 자연어 처리, GAN, 전이 학습, 설명 가능한 딥러닝, 캐글 도전 등을 익히고 실습과 함께 다뤄 봅니다.

심화 학습 | 역전파와 신경망 깊이 있게 알아보기

별책 | 1) 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10
2) 데이터 분석을 위한 판다스 예제 92개

[베타테스터 후기]

이 책은 딥러닝에 입문하려는 이들에게 이론과 실습을 통해 기본기를 탄탄하게 잡아 주는 책입니다. 딥러닝 기초 수학으로 개념을 잡고, 텐서플로 2를 이용해 직접 모델을 돌려 보도록 구성되어 있습니다. GPU가 없어도 코랩에서 바로 실습이 가능하도록 코드가 잘 되어 있기에, 비전공자들도 실습 환경 고민 없이 쉽게 공부할 수 있습니다. 코드 주석, 도식화, 눈에 잘 들어오는 편집 등 책의 완성도가 굉장히 높습니다. 딥러닝 입문을 희망하는 이들이 있다면, 이 책을 꼭 추천하고 싶습니다.
장대혁_NLP 엔지니어(실습 환경: 코랩)

이 책은 딥러닝에 대한 사전 지식이 없는 사람들도 쉽게 이해할 수 있도록 여러 비유와 예시를 들어 딥러닝의 개념을 설명하고 있습니다. 주제별로 코드를 한 줄씩 자세하게 설명해 딥러닝을 처음 접하는 사람들도 딥러닝의 개념을 확실하게 이해할 수 있도록 도와줍니다. 간단한 로지스틱 회귀부터 CNN, 자연어 처리뿐만 아니라 GAN, XAI 등 최신 동향도 설명하고 있어 최신 기술까지 습득할 수 있도록 도와 주는 유용한 책입니다. 또한, 마지막의 캐글을 활용한 분석의 경우도 캐글에 입문하고자 하는 사람들에게 도움이 될 것 같습니다. 딥러닝 개념을 쉽게 이해할 수 있는 책을 찾고 있는 분들에게 추천합니다.
이혜민_LG 디스플레이 데이터 분석가(실습 환경: 코랩)

이번 개정 3판의 의미가 큰 것 같습니다. 그동안 충분히 좋은 책으로 인정을 받아왔는데, 이번 3판에서 실습 환경이 코랩으로 제공되어 학습 편의성이 한층 향상되었습니다. 책을 읽으면서, 저자분의 친절함을 많은 곳에서 느낄 수 있었습니다. 특히 딥러닝에서 사용되는 수학적인 이론을 정의하고 그 이론을 바탕으로 실제 딥러닝 코드에 적용되는 설명이 매우 인상 깊었습니다. “어…… 들어는 보았는데……, 사용해 보았는데…….” 왜 쓰는지 잘 기억이 나지 않는 경우가 있었는데, 멀리 흩어져 있는 지식들이 정리되었고, 책장에 한 권은 비치해 놓고 봐야 하는 책이라는 생각이 들었습니다. 친절한 해설, 그 안에 구체화된 그림으로 전체적인 딥러닝 뷰를 볼 수 있고 사용되는 이론과 동작 원리가 설명되어 있어서 많은 도움이 됩니다. 편집이 깔끔하고 컬러로 구성되어 학습하는 데 가독성이 높아 내용을 한눈에 파악할 수 있었습니다. 『모두의 딥러닝』으로 새롭게 딥러닝을 시작하는 독자분에게는 좋은 기준을 세워 줄 수 있고 기존에 조금 알고 계신 독자분께서는 조금 더 깊게 내공을 다질 수 있는 책이라고 생각됩니다.
박찬웅_SW 개발자(실습 환경: 코랩)

사실, 딥러닝 이미지 분야 쪽에서 일한 지 3년 차입니다. 옛날에는 논문을 보고 배우며 실습해야 했고, 혼자서 하기에는 많은 어려움이 있었습니다. 하지만 이 책을 보고 나서, 처음 딥러닝을 배우는 사람에게 너무 친숙하게 책을 만들었다는 생각이 들었습니다. 기초적인 수학부터 시작해서 논문으로 이해해야만 하는 역전파, 그리고 쉽지 않은 RNN이나 최신의 Vision Transformer 같은 개념들을 그림과 함께 제대로 잘 설명하고 있으며, 이 책을 쓰기 위해 많은 노력을 했다는 것을 느낄 수 있었습니다. 매우 친숙한 문제들로 실습하는 것이 정말 좋았고, 코드도 깔끔하게 잘 짜여 있습니다.
장승호_소프트웨어 엔지니어(실습 환경: 코랩)

금융, 공공기관 개발과 프로젝트를 하던 중 디지털 금융에 관심이 생기면서 머신 러닝에도 관심을 가지게 되었습니다. 처음에는 유튜브나 동영상 강의 그리고 강좌를 듣는 것이 좋다고 하여 무조건 많이 들었는데, 기본이 부족해서 이해하는 데 많은 어려움을 겪었습니다. 그러던 중 베타테스트 기회를 얻게 되었고, 책 한 권에 딥러닝의 전반적인 내용이 다 포함되어 있는 것과 핵심적인 부분만 이해하기 쉽도록 설명되어 있는 부분이 좋았습니다. 그래서 전에 제가 기본 없이 의욕만 가지고 접한 동영상의 내용들도 같이 이해되는 플러스 효과를 얻게 되었습니다. 딥러닝을 입문하는 데 전혀 부족함이 없는 책이라고 생각하며, 강력 추천합니다.
안종식_PM/PL/개발자(아이티아이즈 수석)(실습 환경: 코랩)

몇 년 전 딥러닝 프로젝트를 처음 맡았을 때, 가진 지식이 전무함에도 어울리지 않게 중급서를 구매해서 보았는데 지식 습득까지는 이어지지 못한 적이 있었습니다. 어떤 도서가 입문서인지, 중급서인지 판단도 안 되던 시기였죠. 『모두의 딥러닝』은 기초 입문서로, 머신 러닝을 처음 배우고 기초 지식이 전무한 사람에게 첫 입문서로 더할 나위 없이 좋은 책입니다. 이를 기반으로 지식을 더해 가고 중급 개발자로 성장하길 바라겠습니다.
이진_IoT 플랫폼 개발(실습 환경: 코랩)

기본정보

ISBN	9791165219246
발행(출시)일자	2022년 03월 31일
쪽수	472쪽
크기	183 * 234 * 32 mm / 1071 g
총권수	1권
시리즈명	모두의 시리즈

Klover 리뷰 (24)

[po********]

쉽게 잘 읽힙니다. 추천합니다.

[pl***]

딥러닝 책 여러개 사서 봤지만 이 책만큼 쉽게 설명해주면서 기반 이론까지 잘 설명해준 책은 본 적 없는 것 같습니다.

[ds*****]

누구나 쉽게 이해하는 딥러닝

[kh*****]

AI학습시에 딥러닝에 대해 어려운 부분이 있었는데 이 책으로 내용이 잘 정리가 됩니다.

[ee***]

읽어본 딥러닝 책중에는 군계일학이다. 일부의 책은 저자의 딥러닝에 대한 이해도에 갸우뚱하는 것들도 있다. 그러나 이 책의 저자는 딥러닝에서 꼭 알아야 하고, 일을 시작하기 위한 매우 적절한 예제와 방법론을 알려 준다. 이미 아는 내용을 다시 보는데도 절로 줄을 긋게 되고, 감탄사가 나온다.

[jw*****]

AI시대, AI 첫걸음 때기 가장 좋은 교과서

[by*****]

잘볼게용 ㅎㅎ
공부하려고 샀어용

[bi******]

수행평가를위해구입합니다

[bi******]

3판이라서 좋네요 새책와서좋아요

[xe********]

딥러닝에 대해 학교에서 배우고 있는데 강의시간에서 궁금했던 부분이 교재안에 다 있고 설명도 친절해서 좋습니다