이토록쉬운 딥러닝을 위한 기초수학

이토록 쉬운 딥러닝을 위한 기초 수학 with 파이썬
마스이 도시카츠 지음, 이중민 옮김 / 루비페이퍼 / 2019년 8월

이 도서 <이토록쉬운 딥러닝을 위한 기초수학>을 보자마자 AI라고 불리우는 컴퓨터의 인공지능이 얼마나 발전을 했는지 시험해보는 체스 게임이나 바둑으로 사람과 두는 모습을 크게 광고를 하면서 흥분과 도전의 기운을 전해주던 이벤트들이 기억이 났습니다. 결국 사람과의 대결에서 체스와 바둑에서 모두 이기면서 사람의 두뇌를 뛰어넘어선 인공지능의 현재 수준에 대해서 알 수 있었습니다. 이러한 인공지능이 발전 할 수 있었던 계기도 IT종사 중에서도 프로그래밍에 관심이 가게 된 것은 사실입니다. 이러한 프로그래밍을 하기 위해서는 코딩을 하기에 앞서 수학이라는 논리적인 연산들에 대해 학습을 하는 것이 우선시 되어야 하는데 이렇게 딥러닝을 위한 코딩을 할 수 있는 밑바탕을 쌓아주는데 도움을 주는 이 도서를 보자마자 꼭 읽어보고 싶은 마음에 읽기 시작했습니다.

"​다변수 함수를 회귀분석하는 것을 '다중회귀분석'이라고 합니다. 변수 개수가 늘어도 대응할 수 있도록 벡터를 사용해 함수를 정의합니다."

이렇게 딥러닝인 뉴럴네트워크 구조에서 흔히 사용되는 정의 중 하나인 회귀분석이 무엇인지에 대한 정의와 회귀분석 중에서도 어떤 것들이 있는지에 대한 종류들이 잘 분석이 되어 딥러닝에 있어서 어떻게 쓰이는지 전반적인 이해를 돕고 있습니다. 직접적으로 수학적인 코딩을 하기에 앞서 그 코딩에 필요한 고유한 능력을 키워주는 정의를 통해 딥러닝을 설계하는대 있어서 어려움이 없도록 기초를 튼튼히 해주고 있음을 알 수 있습니다.

순서대로 필요한 딥러닝 기반의 뉴럴네트워크에 있어서 논리적인 사고력을 키워주고 있는 수학적인 개념학습을 통해 필수적으로 필요하겠다는 것을 알수 있습니다. 그 만큼 딥러닝 구조를 설계하는데 있어서 많은 논리적인 수학적 사고가 필요함을 알게 됩니다. 먼저 생각한 순서에 앞서 뭔가 다시 추가를 해야한다면 코딩에 앞서서 먼저 끼워넣고 흐름을 전체적으로 잡고 나서 코딩을 해나간다면 꼬일 필요없이 다시 작성해야하는 수고를 덜 수 있도록 큰 그림을 그려주기에 많은 도움을 줄 수 있다는 것을 알게 됩니다.

이렇게 수학적, 통계적 베이스가 얼마나 뉴럴네트워크 구조를 설계하는데 앞서서 많은 도움을 주는지 제대로 기초부터 차근차근 설명해주고 있는 <이토록쉬운 딥러닝을 위한 기초수학>이었습니다. 딥러닝을 시작하고자하는 분들이 이 책 <이토록쉬운 딥러닝을 위한 기초수학>을 접한다면 정말로 뉴럴네트워크를 설계하는 방법에대해 배우기 앞서 정말로 많은 도움을 받을 수 있겠다고 느꼈습니다.