복잡한 수학공식을 몰라도 딥러닝을 이해할 수 있는 책, "그로킹딥러닝"

"기계가 (인간처럼) 생각할 수 있을까(Can Machine Think)?"라는 앨런 튜링의 논문 가설에서 시작한

인공지능의 개념은 21세기에 들어 딥러닝, 강화학습 등으로 더욱더 강력해지면서 

4차 산업혁명시대에 거의 모든 분야에 융합 접목하여 그야말로 핫!핫!핫한 키워드가 되었습니다.

 

그런데 막상 인공지능, 특히 딥러닝을 제대로 공부하려들면

관련 책과 논문, 강의에 쏟아지는 온갖 수학공식들과 섞인 개념들 때문에 이해하는 것을

포기하고 손을 놔버리곤 합니다.

(일단 제가 그랬습니다...)

 

집에 소장 중인 인공지능 책 (수학공식의 압박)

(이건 집에 소장 중인 인공지능 책. 물론 좋은 책이나, 수학공식들이 난무하여

수포자 초심자가 입문서로 접하기엔 적절하지 않습니다...)

 

그래서 이 "그로킹 딥러닝" 이라는 책이 더 필요했는지도 모릅니다.

왜냐하면 이 책에는 수학공식이 없거든요.

단지, 구현 코드와 그림, 설명이 있을 뿐입니다.

그래도 원리와 개념을 이해하는 데에 무리가 없습니다.

그로킹(Grokking)은 구글 검색해보면 공감하다 라는 뜻으로 쓰인다고 합니다.

공감하는 딥러닝? 이해가 쉬운 딥러닝? 대략 그런 의미로 쓰인 제목인 것 같습니다.

 

수포자에게 추천하는 인공지능 입문서라고 합니다 

책에서는

1. 딥러닝에 필요한 것이 무엇인지

2. 머신러닝의 기본 개념이 무엇인지

3. 예측, 비교, 학습 패러다임

4. 기초 신경망의 구현

5. 예측 평가와 에러 식별

6. 학습 과정

7. 심층 신경망 실습

8. 오버피팅

9. 드롭아웃

10. 경사하강법

11. 활성화함수

12. 확률 모델링

13. 합성곱 신경망

14. 자연어 처리

15. 순환신경망

16. 언어모델링

17. 데이터 프라이버시

 

를 다루고 있습니다. 

딥러닝을 처음 접하면 "에러", "경사하강법", "활성화함수" 와 같은 개념이

정말 와닿지 않는데, 이 책에서는 정말 이해가 쉽게 서술되어 있었습니다.

 

이 책은 신경망의 원리를 그림으로 도식화하면서도 수학공식을 깔끔하게 빼서 

어렵지 않게 이해할 수 있도록 하였습니다.

 

또한, 초심자가 가질 수 있는 기초적인 질문(혹은 당연하게 가질 수 있는 궁금증)과, 답을 실어서

책을 읽다가 궁금한 부분에 대한 답 또한 책에서 얻을 수 있는 "올인원" 인공지능 기초가이드북이라고 할 수 있습니다.

 

나아가 파이썬 딥러닝 코드들을 예시로 나열하여, 

numpy 라는 파이썬 라이브러리만을 사용하여 기본적인 딥러닝 알고리즘의 원리를

코드로 서술하여 원리를 자세하게 이해할 수 있도록 하였습니다.

또한 딥러닝 알고리즘의 종류인 CNN, RNN 등도 다룹니다.

 

고급 라이브러리(파이토치, 텐서플로 등)를 사용하여 함수 한 줄로 구현이 가능하지만

처음 접할 때는 신경망의 알고리즘을 세세하게 구현해보는 것이 기초를 정확히 다질 수 있어

논문을 읽을 때도 많이 도움이 될 것입니다.

 

책의 막바지, 마지막 챕터에는 친절하게

이 기본서 이후의 학습 방향에 대해서도 안내를 해줍니다.

 

정말 실용적인 안내여서 읽으면서 눈이 더 반짝였던 부분입니다.

 

이 책이 하나하나 구현한 알고리즘을 쉽게 쓸 수 있는 딥러닝 프레임워크인 파이토치 등을 배우는 것,

다른 딥러닝 수업을 듣는 것,

수학적으로 접근(수학공식)하는 딥러닝 교재를 공부할 것,

블로그로 딥러닝 포스팅을 하는 것,

트위터 정보를 접할 것,

논문을 보고 구현해보는 것,

딥러닝 학습을 위한 컴퓨팅 자원인 GPU를 사용할 수 있는 환경을 확보하여 

인공지능 관련 일을 해보는 것,

오픈소스 프로젝트에 참여하는 것,

지역 커뮤니티에 참여, 발전시켜나가는 것

 

앞으로 책에 나와있는 코드들을 하나씩 구현해나가면서

딥러닝의 기초를 다진 후에 집에 짱박혀있는 수학공식이 가득한 딥러닝 책과 논문들을 정복해나가야겠습니다.