심층 학습을 위한 완벽한 참고서이자 바이블!

오래전부터 발명가들은 생각하는 기계를 꿈꾸었다. 그러한 열망은 적어도 고대 그리스까지 거슬러 올라간다. 신화 속 인물 피그말리온, 다이달로스, 헤파이스토스는 모두 전설적인 발명가라고 할 수 있으며, 갈라테아나 탈로스, 판도라는 인공생명으로 간주할 수 있다.

이 책은 그런 좀 더 직관적인 문제에 대한 하나의 해결책을 다룬다. 그 해결책이란, 컴퓨터가 개념들의 계통구조(hierarchy of concepts; 간단히 개념 계통구조)를 이용해서 경험으로부터 배우고 세상을 이해하게 만든다는 것이다. 개념 계통구조에서 각 개념은 자신보다 더 간단한 개념들과의 관계를 통해서 정의된다. 이러한 접근 방식에서는 경험으로부터 지식을 수집하기 때문에, 컴퓨터에 필요한 모든 지식을 인간 운영자가 형식적으로 일일이 지정할 필요가 없다. 개념 계통구조 덕분에 컴퓨터는 간단한 개념들을 조합해서 좀 더 복잡한 개념을 배우게 된다. 그러한 개념들의 연결 관계를 그래프구조로 표현한다면, 여러 층(layer)으로 이루어진 ‘깊은’ 그래프가 나올 것이다. 이 때문에 이러한 인공지능 접근 방식을 심층 학습(deep learning)이라고 부른다.

이 책은 우선 심층 학습과 관련된 선형대수, 확률론, 정보 이론, 수치 계산, 기계 학습의 여러 주요 개념을 소개한다. 그런 다음에는 심층 순방향 신경망, 정칙화, 최적화 알고리즘, 합성곱 신경망, 순차열 모형화 등등 업계 실무자들이 사용하는 여러 심층 학습 기법들을 설명하고, 현실적인 심층 학습 실천 방법론도 소개한다. 또한 자연어 처리, 음성 인식, 컴퓨터 시각, 온라인 추천 시스템, 생물정보학, 비디오 게임을 위해 심층 학습을 응용하는 방법들도 개괄한다. 마지막으로는 연구의 관점에서 심층 학습을 살펴보는데, 이를테면 선형 인자 모형, 자동부호기, 표현 학습, 구조적 확률 모형, 몬테카를로 방법 같은 이론 연구 주제들을 소개한다.

독자가 이 책을 읽는 데 필요한 수학적, 개념적 토대를 마련할 수 있도록, 이 책은 우선 심층 학습과 관련된 선형대수, 확률론, 정보 이론, 수치 계산, 기계 학습의 여러 주요 개념을 소개한다.

그런 다음에는 심층 순방향 신경망, 정칙화, 최적화 알고리즘, 합성곱 신경망, 순차열 모형화 등등 업계 실무자들이 사용하는 여러 심층 학습 기법들을 설명하고, 현실적인 심층 학습 실천 방법론도 소개한다. 또한 자연어 처리, 음성 인식, 컴퓨터 시각, 온라인 추천 시스템, 생물정보학, 비디오 게임을 위해 심층 학습을 응용하는 방법들도 개괄한다. 마지막으로는 연구의 관점에서 심층 학습을 살펴보는데, 이를테면 선형 인자 모형, 자동부호기, 표현 학습, 구조적 확률 모형, 몬테카를로 방법 같은 이론 연구 주제들을 소개한다.

"심층 학습"은 업계 또는 학계에서 연구자로서의 경력을 준비하는 학부생이나 대학원생은 물론이고 자신의 제품이나 플랫폼에서 심층 학습을 사용하고자 하는 소프트웨어 기술자들을 위한 책이다.심층 학습에서는 컴퓨터가 경험에서 지식을 수집하므로,컴퓨터에 필요한 모든 지식을 사람(컴퓨터 운영자)이 일일이 지정할 필요가 없다.

"심층학습"
이안 굿펠로, 요슈아 벤지오, 에런 쿠빌 지음 | 류광 옮김 | 908쪽 |42,000원
제이펍 펴냄