[리뷰] 딥러닝 입문자여! 나에게 오라!! '코딩셰프의 3분 딥러닝 케라스맛'

<이 책의 리뷰는 한빛미디어 '나는 리뷰어다'로 부터 책을 지원받아 작성된 글입니다.>

[ 책 소개 ]

케라스 코드로 맛보는 딥러닝 핵심 개념!

간결하고 직관적인 인공신경망 API를 제공하는 케라스는 구글 텐서플로, 마이크로소프트 CNTK, 아마존 MXNET, OpenCL PlaidML, 시애노 등의 딥러닝 엔진에서 지원하는 인기 인공지능 툴입니다. 이 책은 딥러닝 인공신경망 구현에 케라스를 사용합니다. 케라스로 주요 인공신경망인 ANN, DNN, CNN, RNN, AE, GAN, UNET을 구현하는 방법을 알아봅니다. 따라서 인공지능과 딥러닝 인공신경망의 구현에 관심이 있는 누구나 이 책의 대상 독자입니다.

* 이 책의 ‘3분’은 ‘3분 만에 배운다’는 뜻이 아닙니다. ‘3분 음식처럼 쉽고 유용하게 배운다’는 뜻입니다.

[인터넷 교보문고 제공]

자세한 정보 :  Link(한빛네트워크)

[ 목록 ]

0장. 프롤로그 
__0.1 인공지능과 인공신경망 
__0.2 케라스 소개 

1장. 케라스 시작하기 
__1.1 우분투에 케라스 설치하기 
__1.2 윈도우에 케라스 설치하기 
__1.3 케라스 사용 
__1.4 마치며 

2장. 케라스로 구현하는 ANN(인공신경망) 
__2.1 ANN 원리 
__2.2 필기체를 구분하는 분류 ANN 구현 
__2.3 시계열 데이터를 예측하는 회귀 ANN 구현 
__2.4 마치며 

3장. 케라스로 구현하는 DNN(심층신경망) 
__3.1 DNN 원리 
__3.2 필기체를 분류하는 DNN 구현 
__3.3 컬러 이미지를 분류하는 DNN 구현 
__3.4 마치며 

4장. 케라스로 구현하는 CNN(합성곱신경망) 
__4.1 CNN 원리 
__4.2 필기체를 분류하는 CNN 구현 
__4.3 컬러 이미지를 분류하는 CNN 구현 
__4.4 마치며 

5장. 케라스로 구현하는 RNN(순환신경망) 
__5.1 RNN 원리 
__5.2 문장을 판별하는 LSTM 구현 
__5.3 시계열 데이터를 예측하는 LSTM 구현 
__5.4 마치며 

6장. 케라스로 구현하는 AE(오토인코더) 
__6.1 AE의 원리 
__6.2 완전 연결 계층을 이용한 AE 구현 
__6.3 합성곱 계층을 이용한 AE 구현 
__6.4 마치며 

7장. 케라스로 구현하는 GAN(생성적 적대 신경망) 
__7.1 GAN의 원리 
__7.2 확률분포 생성을 위한 완전 연결 계층 GAN 구현 
__7.3 필기체를 생성하는 합성곱 계층 GAN 구현 
__7.4 마치며 

8장. 케라스로 구현하는 UNET(유넷) 
__8.1 UNET 원리 
__8.2 UNET을 이용한 컬러 복원 처리 
__8.3 마치며 

9장. 케라스 응용 
__9.1 이미지 데이터 수 늘리기 
__9.2 미리 학습한 모델 사용하기 
__9.3 실전에서 유용한 케라스 고급 기능들 
__9.4 전문 사용자를 위한 케라스 확장 기능 
__9.5 마치며

[예스24 제공]

[ 읽으며 ]

 이번에 리뷰를 진행할 책은 '코딩셰프의 3분 딥러닝 케라스맛' 입니다. 딥 러닝을 공부하고 있는 제가 관심있던 책이였는데 좋은 기회를 주신 한빛미디어 관계자분께 다시 한번 감사 인사를 드리고 싶을 정도로 좋은 책입니다.

책에서는 ANN, DNN, CNN, RNN, AE, GAN, UNET 의 신경망에 대해서 다루고 있습니다.

먼저케라스에 대해서 궁금하신 분들이 계실텐데 케라스는 인공지능 패키지입니다.

즉, 인공지능 코딩을 쉽게 할 수 있는 파이썬 라이브러리라고 생각하시면 됩니다.

 책에서는 GPU가 있는 개발환경에서 소스코드를 진행하지만, 저 같은 경우에는 윈도우가 아닌 가상환경에 설치된 리눅스(우분투)에서 책에 나오는 예제 소스를 실행하였기 때문에 일반 keras로 진행하였습니다.

GPU : $ conda install keras-gpu

NON-GPU : $ conda install keras

GPU를 사용해서 개발을 진행하고 싶었으나 윈도우의 경우 GUDA 를 따로 설치해줘야하며, 지원하는 그래픽카드 기종을 확인하고 설치를 진행해야 한다는 점을 가만하고 실행하시면 좋을 것 같습니다.

GPU로 연산을 해야하는 이유는 아래와 같이

GPU 연산이 아닌 경우 epoch 한번에 228초 씩 걸립니다.

10번 하면 38분이에요.

VMware로 구성된 우분투에서 주피터 노트북(Jupyter notebook)을 실행하여 예제 소스를 진행해보았습니다.

제목, 3분 딥러닝 이라는 말에 맞게 소스코드와 신경망에 대한 설명들이 굉장히 쉽게 설명되어 있었습니다.

이 책을 읽기 전, '처음 배우는 머신러닝-한빛미디어' 책으로 공부했을 때는 소스를 보면서도 중간에 생략되는 부분도 존재해서

오류를 파악하는데 한참 걸렸다면, 코딩셰프 책은 하나하나 설명이 붙어 있고 파트의 각 마지막에 소스코드가 따로 존재해서

공부를 마친 후 마무리 단계에서 코드를 치면서 공부 할 수 있는 부분이 읽는 내내 좋았습니다.

무엇보다도 ANN, DNN, CNN, RNN, AE, GAN, UNET를 간단하게 배울 수 있다는 점에서는 높은 점수를 주고 싶고,

기본 활용에 대한 내용 면에서는 낮은 점수를 주고 싶습니다.

책을 통해 신경망들에 기초적인 함수, 계산, 활용 등에서 배운 다음에는 예제를 배울 수 있는

파이썬 라이브러리를 활용한 머신러닝 - 한빛미디어

처음 배우는 머신러닝 - 한빛미디어

등을 보고 공부하시는 것도 좋을 것 같습니다.

[ 마무리 ]

python은 선행학습을 할 것!

기초적인 신경망 개념을 익히기에 좋은 책!

디자인    ★★★★☆ 심플해서 좋은것 같습니다.

내용       ★★★☆☆ 코드의 가독성이 굉장히 떨어진다.

난이도    ★☆☆☆☆ 누구나 따라할 수 있을 것 같아요.