책 두께

읽어보고 싶은 적당한 두께^^

대상

전공자/비전공자 대상
numpy, matplotlib등 딥러닝에 필요한 파이썬 기초 함수를 알고싶은 분
딥러닝에 필요한 미분, 편미분, 체인룰등의 수학적 개념까지 알고 싶은 분
대학원에서 배우는 깊은 수학적 지식까지 알고싶은 분

동기

회사에서 간단한 통계작업을 파이썬으로 수행했던 적이 있었다. 파이썬으로 통계작업을 하면서, 파이썬보다는 엑셀로도 가능한 것들은 엑셀로 하는 게 더 빠르지 않을까? 라는 의문을 가졌지만, 엑셀을 잘 다루지 못하기에 어쩔 수 없이 파이썬으로 계속 업무를 수행했다. 그때 마침 한양대학교 인공지능융합대학원에서 함께 공부 중인 학우분들이 집필한 책을 리뷰할 수 있었고 한장 한장 읽으며 간단한 데이터들은 엑셀로도 가능할 수 있다는 정답을 얻었고 엑셀과 파이썬을 연계할 수 있는 라이브러리 들을 공부할 수 있었다. 더해서 머신러닝, 딥러닝에 대한 기초도 복습할 수 있었다.

리뷰

수학적 지식

대학원에 진학하기 전 인공지능에 관해 공부할 때 편미분이 무엇인지 까먹어서 유튜브, 블로그, 머신러닝을 위한 기초수학 책을 구매해서 공부한 적이 있다. 이 책은 내가 했던 수고를 덜어준다. 딥러닝의 기본이 되는 체인룰, 편미분, 확률적 경사 하강법 등 인공지능에 대한 기초 수학적 지식까지 포함하고 있는 훌륭한 책이다.

수학적 지식에대한 코드

일반적으로 인터넷강의, 사내 딥러닝교육을 수강하면 가장 기초적인 선형회귀를 처음 배우면서 강사님들은 단순히 아래처럼 하면 된다고 알려준다.

import numpy as np
from sklearn.linear_model import LinearRegression

# 임의의 데이터 생성
np.random.seed(0)
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

# 선형 회귀 모델 생성 및 학습
model = LinearRegression()
model.fit(X, y)

# 모델 파라미터 출력
print("모델의 기울기 (가중치):", model.coef_[0][0])
print("모델의 절편 (편향):", model.intercept_[0])

# 예측
new_X = np.array([[1.5]])  # 새로운 데이터
predicted_y = model.predict(new_X)
print("새로운 데이터에 대한 예측 결과:", predicted_y[0][0])

딥러닝을 처음 배우는 입장에서는 이 코드가 뭔데? 하는 생각이 들어 이해하기 어려울 수 있다. 저 또한 그랬습니다. 그래서 유튜브, 블로그, 그리고 “핸즈온 머신러닝” 책 등을 살펴보았다. 하지만 이 책은 위 코드들이 어떤 원리로 이루어지는지를 자세히 설명하고, 코드를 밑바닥부터 직접 작성하며 따라갈 수 있어서 제가 찾아봤던 수고를 많이 덜 수 있습니다. 또한 개인적인 생각으론 이런 방식으로 학습하면, 실전에서 해결해야 하는 Task에대해 딥러닝 모델을 응용하여 구현하는 데 큰 도움이 될 것으로 생각된다.

응용

이제 배웠던 개념들을 통해 실전 Task를 풀어볼 수 있는 Part이다.
실전 Task에 적용하기 위한 데이터 전처리 및 모델구현 부분으로 이루어져있다. 딥러닝 문제를 풀다보면 행렬 차원이 커지고 Layer가 깊어지다보면 내가 구현한 모델을 놓치는 경우가 많다.
이 책은 그런 독자들을 위해 엑셀과 딥러닝 층간의 상호작용을 이해하기 쉽게 잘 서술되어 있다.

마치며

딥러닝을 쉽게 접근하고 딥러닝을 위한 수학적 지식, 파이썬 코드까지 공부하며 딥러닝을 시작하고자 하는 분들께 강력히 추천합니다.

이 문서는 jhy156456에 의해 작성되었습니다.
마지막 수정 날짜:2023-07-30 19:00:00

파이썬과 엑셀로 시작하는 딥러닝 도서 리뷰

파이썬과 엑셀로 시작하는 딥러닝 도서 리뷰

목차

책 두께

대상

동기

리뷰

수학적 지식

수학적 지식에대한 코드

응용

마치며