GoogleㆍMicrosoftㆍTwitterㆍFacebookㆍAirbnb 등
글로벌 IT 기업의 핵심 데이터 과학자들이 적극 추천!

2006년 머신러닝 분야는 중요한 전환점을 맞이하였다. 캐나다 토론토대학교의 머신러닝 분야의 대가 Geoffrey Hinton 교수와 그의 학생 Ruslan Salakhutdinov는 “Science”에서 Deep Belief Networks에 관한 논문을 발표하였다.
이 논문의 발표 이후부터 현재까지 딥러닝은 급속히 발전했다.

이 책에서는 요즘 유행하는 딥러닝 모델링 플레임 워크 Keras를 사용하여 딥러닝 학습 주제를 설명한다. Keras를 사용하는 이유는 다음의 3가지 방면을 고려했기 때문이다. 첫째, Keras는 대부분의 업무 환경에 응용할 수 있는 다양한 자주 사용되는 딥러닝 모듈을 포함한다. 둘째, 원칙적으로 Keras는 고도의 추상적인 딥러닝 프로그래밍 환경으로 간단하며 배우기 쉽다. Keras의 하층은 CNTK, TensorFlow 혹은 Theano를 전용하여 계산을 진행한다. 세 번째, 응용 분야의 실무자로서 우리는 상업 혹은 공정 문제를 적절한 모델로 변환하는 방법 및 데이터를 준비하고, 모델의 장단점을 분석하고 모델의 결과를 해석하는 방법에 중점을 둬야 하며, 사용자가 구체적인 매트릭스 연산 및 미분에서 벗어나 업무 논리에 초점을 맞출 수 있도록 하는 Keras는 이러한 시나리오에 매우 적합하다.

이 책은 Keras 딥러닝 프레임워크를 사용하여 신경망 모델링을 진행하는 것을 체계적으로 설명한 실용서이다. 데이터 과학자, 머신러닝 엔지니어, 인공지능 응용 엔지니어 및 작업에서 예측 모델링 및 회귀 분석을 진행해야 하는 실무자에게 적합하다. 또한, 이 책은 딥러닝에 관심이 있는 다른 여러 배경의 실무자, 학생 및 교사들에게도 적합하다.

이 책은 10개의 챕터로 나누어져 있으며 딥러닝의 기본 지식과 Keras를 사용한 모델링 과정 및 응용을 체계적으로 설명하고 구체적인 코드를 제공하여 독자가 핵심 모델링 지식을 학습하는데 소요되는 시간을 최소화할 수 있도록 한다.
1장에서는 딥러닝 환경 구축을 소개한다. 이는 이 책의 가장 기초가 되는 부분이다.
2장에서는 웹 크롤러 기술을 사용하여 데이터를 수집하고 ElasticSearch를 사용하여 데이터를 저장하는 방법을 소개한다. 이는 많은 응용에서 독자가 직접 웹에서 데이터를 크롤링하고 처리 및 저장을 해야 하기 때문이다.
3장에서는 딥러닝 모델의 기본 개념을 소개한다. 4장에서는 딥러닝 프레임 워크 Keras의 사용법을 소개한다. 5~9장은 5개의 전형적인 딥러닝 응용이며 추천 시스템, 이미지 인식, 자연어 처리, 문자 생성 및 시계열에 대한 딥러닝의 구체적인 응용을 차례대로 소개한다.

이러한 응용을 소개하는 과정에서 각종 딥러닝 모델 및 코드를 삽입하였으며 독자들에게 이러한 모델의 원리 및 응용 시나리오에 대해 느낀 점을 공유하였다. 마지막으로 사물인터넷의 개념을 소개하였다. 우리는 사물인터넷과 딥러닝의 결합이 엄청난 에너지와 가치를 가져올 것이라고 믿는다.