[한빛미디어] <혼자 만들면서 공부하는 딥러닝> 리뷰

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."

 

총평

- 책의 난이도  : ★★★★☆
- 추천 별점     : ★★★★★
- 추천 독자     : 딥러닝을 공부하고자 하는 모든 독자
- 지은이         : 박해선 지음
- 출판사         : 한빛미디어
 

---

 
이번에도 나온 한빛미디어 최고의 입문서 <<혼자만들면서 공부하는 시리즈>>가 돌아왔습니다!
이번주제는 딥러닝이고요. 혼공시리즈 치고 가장 난이도 높다고 생각해서 난이도 별점이 4점입니다.
 
책을읽어봤는데 딥러닝을 모르고 읽었다가는 이해하기가 좀 어렵다고 생각됩니다(솔직히)
다만 딥러닝을 공부하는 사람이라면 차근차근 따라가는데 무리가 없다가 정확한것 같습니다.

책의 특징

기본적으로 직접 만들면서 하기 때문에 실습을 기반으로 합니다. 그래서 처음에는 그대로 따라하고, 반드시 2-3회독하시기 바랍니다.
 
책에서는 설치 없이 코랩으로 실습할 수 있습니다. 그렇기 때문에 그냥 인터넷만 되는 노트북이 있으면 됩니다.
코랩의 큰 장점은 서버 자원자체도 클라우드를 사용하기 때문에 내 컴퓨터 사양이 크게 중요하지 않습니다.
 
그리고 저자가 직접 오픈채팅에서 질문도 받고, 유튜브 강의도 하고 있으니 적극적으로 매체를 활용해서 공부하기 좋습니다.
블로그 글의 맨 마지막에 학습자료 링크를 모두 남기니 여기서 확인하시면됩니다.
 
 

책의 구성

챕터 1에서는 합성곱 신경망(CNN)으로 패션 상품 이미지 분류하기 입니다.
보면 챕터 1 ~ 3까지 모두 CNN 모델인데요. CNN 모델이 무엇인지 부터 알아야 겠죠. 딥러닝 책이다보니 딥러닝의 개요가 바로 들어가게 됩니다. 그렇기 때문에 쉬운 예제로 알려주시는게 도움이 많이되었어요.
 
원래 딥러닝은 인공지능 > 머신러닝 > 딥러닝 순으로 고도화 되기 때문에 충분히 전문화된 영역이라는 걸 감안하고 시작하셔야해요.

CNN은 합성곱 신경망으로 LeNet이라는 모델을 시작으로 필기 숫자 인식을 위해서 설계되었다고 해요. (이미지 분석모델입니다) 이를 통해 우편번호를 인식하는 문제를 해결했다고 하는데요. 이는 두개의 합성곱층과 세 개의 밀집층으로 구성되어 있다고 합니다.

 
그래서 이제 1-3에서는 LeNet 모델을 만들고 훈련을 시켜 패션 상품 분류 실습을 해봅니다.

 
챕터 2에서는 사전 훈련된 CNN모델로 강아지와 고양이 사진 분류하기 입니다.
챕터 1에서는 초기 이미지 모델에 대해서 학습했고 이제 이미지넷 대회에서 우승한 최초의 CNN 모델인 AlexNet이라는 발전된 모델을 통해서 다양한 분류를 진행해봅니다. 또한 VGGNet 모델도 학습해보면서 각각 내용을 비교해봅니다.
그리고 배운 내용을 토대로 강아지와 고양이 사진 분류하는 실습을 진행합니다. 또한 ResNet까지 학습해봅니다.
 
챕터 3에서는 고급 CNN 모델과 전이 학습으로 이미지 분류하기 입니다.
챕터 2에서 다룬 ResNet보다 더 발전된 모델이 DenseNet입니다. 이 둘은 정보를 전달하는 방식에 차이가 있다고하는데요. 어떤 부분에 차이가 있는지 모델을 직접 만들어보면서 학습할 수 있습니다. DesNet의 모델은 파라미터 수가 많고 용량이 매우 크기 때문에 이를 보완하여 깊이별 합성곱층이라는 방식으로 용량을 줄인 MobileNet도 같이 학습합니다.
 
그림이 너무 귀여운데요. 각 챕터별로 모델이 계속해서 단점을 보완하고 훌륭한 모델이 나오고 있어서 이렇게 모델간의 비교가 중요하겠습니다. 책에서는 이런 부분을 아주 잘 초점 맞춰서 설명해주고 있습니다.

 
챕터 4에서는 트랜스포머 인코더 모델로 텍스트 감성 분류하기 입니다.
이제 챕터 4부터는 트랜스포머 모델로 자연어처리 모델입니다. 특히 문장이나 소리 등 순서가 있는 데이터에서 중요한 부분을 자동으로 찾아내 데이터를 처리하는 딥러닝 모델을 말합니다. 특히 병렬로 처리하는 방식이라 속도가 매우 빠르고, 데이터를 이해하는 단계인 인코더와 인코더가 이해한 내용을 바탕으로 결과를 생성하는 디코더 구조로 이뤄져있습니다.
그리고 또 어텐션이라는 개념이 매우 중요한데 입력된 데이터의 모든 단어들 중 특정 단어와 관련이 높은 단어에 집중해 데이터를 처리하는 기법입니다. 이게 매우 핵심이라 어텐션 매커니즘을 이해하는데 초점을 많이 두시는게 좋겠습니다.
 
이러한 여러 인코더 모델을 통해서 글을 이해하고 학습시키도록 하는게 중요한 챕터라고 할 수 있겠습니다.
 
챕터 5에서는 트랜스포머 디코더 모델로 텍스트 생성하기 입니다.
이를 기반으로 디코더 모델이 나오게 되는데, 우리가 가장 잘 알고있는 GPT, Llama가 바로 여기에서 나오게 됩니다.
사용자가 입력한 값을 인코더로 분석한 후 디코더를 통해서 출력하는 형식입니다.
 
챕터 6에서는 트랜스포머 인코더-디코더 모델로 텍스트 요약하기 입니다.
BART라는 메타에서 공개한 트랜스포머 기반 인코더-디코더 모델과 T5라는 구글이 공개한 인코더-디코더 구조의 대규모 언어모델을 사용해서 텍스트 투 텍스트 요약을 하는 실습을 통해서 마무리 합니다.
 

총평

솔직히 이 책을 처음 읽고서는 내용의 30%정도만 이해한 듯합니다. 그래서 처음 읽으시는 분들은 각 모델별로 특징과 차이점을 중심으로 읽으시고, 반드시 용어정리를 먼저하시기를 추천드립니다. 용어를 먼저 이해해야 구조와 내용이 전부 이해됩니다. 따라서 반드시 용어를 중심으로 정리하세요. 그리고 각 모델별로 특징을 표로 정리해서 비교하세요.
 
그리고 나서 2회독 할때 이제 구현 코드를 실제로 구동하면서 실습하는 것을 추천드립니다. 처음부터 모든 내용을 이해하려고하면 오히려 학습 속도가 늦을 뿐더러 한번에 이해가 어렵다고 생각됩니다.
 
딥러닝이라는 분야는 지금 엄청 화두가 되는 분야입니다. 이 부분은 원래 논문을 읽으면서 공부해야하는 것을 저자는 아주 쉽게 풀이해서 책을 내줬다는 점에서 매우 감사합니다. 다만 내용 자체가 아무리 쉽게 풀었다고 해도 전문적인 내용이기 때문에 이 부분에 대해서는 여러번 회독을 해서 읽으시길 추천드립니다.

학습자료 

블로그 정보

https://tensorflow.blog

텐서 플로우 블로그 (Tensor ≈ Blog)

 
 

오픈채팅정보

오픈채팅은 여기에서 진행해주세요.
http://bit.ly/tensor-chat

텐서 ~ 스터디 (참여코드는 텐서플로 블로그에 문의)

 
 

디스코드 정보

https://discord.gg/fD3KzsZzJS

텐서 ≈ 커뮤니티 Discord 서버에 가입하세요!

 

깃허브 정보

https://github.com/rickiepark/hm-dl

GitHub - rickiepark/hm-dl: <혼자 만들면서 공부하는 딥러닝>(한빛미디어, 2025)의 코드 저장소

 
 
이상으로 리뷰 마칩니다.