R에서 사용 가능한 딥러닝 패키지 MXNet, 텐서플로, H2O를 소개하고, 이를 사용해 딥러닝 모델을 구현해본다. 주피터와 도커를 이용해 R 딥러닝 패키지를 설정하고 로지스틱 회귀, MLP 등 기초 개념을 이해한다. 데이터를 다운로드한 후 CNN, 오토인코더, 생성 모델, RNN, 강화 학습을 실제 예를 들어 설명하고, 직접 실습한다. 또한 사례연구로 텍스트 마이닝과 신호 처리에 적용해본다. 마지막으로 이전 학습 방법과 GPU 사용법도 다룬다.
머신 러닝 연구를 통해 인간의 사고 과정에 대한 이해를 넓히려 하는 연구자다. 현재 서울대 컴퓨터공학과 시각 학습 연구실에서 연구원으로 근무 중이며, 머신 QA와 자연어 처리에 관심을 두고 연구 중이다. 연세대학교에서 컴퓨터과학과를 이중 전공했으며, 영어영문학을 부전공했다.
PKS 프라카시 (지은이)의 말
딥러닝은 머신 러닝에서 가장 자주 논의되는 분야 중 하나다. 딥러닝을 사용해 복잡한 함수를 모델링하고 횡단면 데이터, 순차 데이터, 이미지, 텍스트, 오디오, 영상을 포함한 다양한 데이터 소스와 구조를 이용해서 모델을 학습할 수 있다. 또한 R은 데이터 과학 커뮤니티에서 가장 인기 있는 언어 중 하나다. 딥러닝의 발전에 따라 딥러닝과 R 사이의 관계도 엄청나게 발전하고 있다. 이 책의 목적은 다양한 딥러닝 모델 개발 방법을 집중 훈련하는 것이다. 구조가 있는 데이터, 구조가 없는 데이터, 이미지 오디오 사례 연구를 통해 딥러닝을 적용한다. 또한 이전 학습(Transfer Learning)과 그래픽 처리장치(GPU, Graphics Processing Unit)의 성능을 이용해 딥러닝 모델의 계산 효율을 높이는 방법도 다룬다.
정지완 (옮긴이)의 말
지난 7년간의 딥러닝 연구 발전 속도는 정말 놀랍습니다. 기계가 사진에서 사람, 동물, 물건을 확인하고 이름을 찾아주며, 일상적인 대화를 이해하고 외국어를 어느 정도 자연스럽게 번역하는 등 이전에는 미처 상상하지 못했던 일들을 해내고 있습니다. 아직은 보편적 인공지능을 달성하려면 갈 길이 까마득하지만 현재 가능한 기술로도 얼마든지 우리의 일상과 업무 환경을 바꿀 수 있습니다. 이 책은 이름에 걸맞게 구현된 코드 예시를 제공해주고 실습 후 코드에 담긴 이론을 설명해줍니다. 또한 책의 간결성 때문에 설명이 부족할 때는 담지 못한 개념을 어느 곳에서 더 알아봐야 할지도 알려줍니다.
이 책은 R 통계 언어를 사용하므로 프로그래밍 언어가 익숙하지 않은 사람도 쉽게 접근할 수 있습니다. 또한 다양한 R 패키지의 설치법과 사용법을 다루므로 딥러닝 패키지에 대한 전반적 지식을 얻게 도와줍니다. 현재 폭넓게 사용하는 CNN, 오토인코더, RNN, 전이 학습 등의 개념을 다루고 있기에 좋은 입문서가 될 것으로 생각합니다. 딥러닝을 만나는 즐거운 첫걸음이 되기를 기대합니다.
미리보기 
(0)
최근작 :
