딥 러닝의 원리를 제대로 배운다

최근 인공지능 관련 서적이 많이 출간되고 있습니다. 저희가 3년 전에 펴낸 《머신러닝 인 액션》을 비롯하여 머신 러닝(machine learning, 기계학습) 서적만 10여 종이 출간되었고, 최근에 핫한 영역으로 떠오른 딥 러닝(deep learning, 심층학습) 서적도 3-4종이 출간되었네요. 인공지능 기술이 산업 전 영역에 걸쳐 빠르게 응용될 것으로 예상되어 이 분야를 학습하려는 독자들이 더 늘어날 것으로 예상됩니다. 

오늘 소개할 책은 일본 최고의 출판사 중 하나인 고단샤(講談社)에서 야심 차게 준비한 '기계학습 전문가 시리즈' 중의 하나입니다. 이 시리즈는 총 29종의 도서로 기획되었는데, 그중 독자들로부터 가장 많은 인기와 호평을 받고 있는 《深層学習》(ISBN: 9784061529021)의 번역본입니다. 출간 후 아마존 재팬에서 1년 반 가까이 베스트셀러로 판매되고 있는 책이기도 합니다. 

이 책은 파이썬이나 기타 언어로 딥 러닝을 구현해 보는 일반적인 서적이 아닙니다. 또한, 텐서플로우(TensorFlow)나 카페(Caffe)와 같은 라이브러리를 이용하여 딥러닝의 동작 방법을 알려주는 책도 아닙니다. 딥 러닝에 대한 핵심 이론을 컴팩트하게 설명하고, 이어 딥 러닝의 주요 알고리즘의 동작 원리를 수학 공식으로 보여주는 책입니다. 따라서 딥 러닝의 기본 이론과 원리를 이해시켜 주는 '딥 러닝 교과서'의 역할을 할 것으로 생각합니다. 

이 책의 주요 내용은 다음과 같습니다.

• 1장: 신경망 연구의 간략한 역사와 이 책의 구성을 다룬다.
• 2장: 앞먹임 신경망을 다룬다. 이는 입력에서 출력까지 정해진 한 방향으로만 정보가 전달되는 신경망으로, 가장 기본적이자 널리 응용되는 신경망이다. 
• 3장: 앞먹임 신경망의 학습 방법을 설명한다. 특히, 딥 뉴럴넷에서 기본적인 학습 방법으로 활용되는 확률적 경사 하강법에 초점을 맞추고 기초 이론과 방법을 설명한다. 
• 4장: 오차 기울기를 구하기 위한 방법으로 역전파법을 설명한다. 
• 5장: 자기부호화기(autoencoder)를 다룬다. 이는 비지도 학습을 하는 신경망으로, 주로 데이터를 잘 나타내는 자질을 학습하고 데이터에 대한 좋은 표현을 얻는 것을 목적으로 한다. 열쇠가 되는 희소 규제화나 데이터 백색화에 대해서도 설명한다. 또, 자기부호화기를 이용한 딥 뉴럴넷의 사전훈련 방법도 다룰 것이다.
• 6장: 이미지에 대한 응용에서 빼놓을 수 없는 합성곱 신경망을 다룬다. 합성곱층과 풀링층 등 특수한 구조를 갖는 층에 대해서 자세히 설명하고 구체적인 응용 예를 소개한다. 
• 7장: 재귀 신경망을 다룬다. 재귀 신경망을 위한 기본적인 구성과 학습 방법을 설명하고, 음성 인식, 필기 인식 등의 성공적으로 응용되고 있는 장·단기 기억과 입력 연속열과 길이가 다른 연속열을 추정할 수 있는 커넥셔니스트 시계열 분석법 등을 설명한다.
• 8장: 볼츠만 머신을 다룬다. 다른 장에서 다룬 신경망과 달리, 유닛 간에 양방향성 결합을 가지며 그 거동이 확률적으로 기술되는 것이 특징이다. 

그리고 하나 더 덧붙여 말씀드리자면, 저희 제이펍에서는 향후 다양한 인공지능 서적을 준비하고 있습니다. 인공지능 분야에 관심 있는 많은 분의 격려와 응원, 그리고 채찍질을 부탁드립니다. 

출간 전까지 기다리기 지루하지 않도록 아래에 샘플 PDF를 제공해드리니 미리 살펴보시는 것도 좋을 것 같습니다. ^^; 출간은 10월 10일입니다. 

■ 샘플 PDF(차례, 옮긴이 머리말, 머리말, 베타리더 후기, 1장 시작하며)

딥러닝제대로시작하기_sample.pdf

■ 도서구매 사이트(가나다순)

[강컴]   [교보문고]   [도서11번가]   [반디앤루니스]   [알라딘]   [예스이십사]   [인터파크]