-
-
fastai와 파이토치가 만나 꽃피운 딥러닝 - 박사 학위 없이 AI를 폼나게 구현하는 법
제러미 하워드.실뱅 거거 지음, 박찬성.김지은 옮김 / 한빛미디어 / 2021년 8월
평점 :
머신러닝, 딥러닝을 수학적으로 잘 풀어준 교육, 교재는 많다. 아무래도 수학이 장벽으로 느껴지곤 하니 아예 딥러닝 관련 수학을 알려주는 교육과정과 책도 꽤 있다. 그런데 좀 색다른 책이 나왔다.
딥러닝 교재의 기본 스타일은 Coursera의 Deep learning specialization 과정이다. (https://www.coursera.org/specializations/deep-learning) 어지간한 인공지능 이론/실습 과정은 선구적인 이 교육과정의 영향을 받았다고 해도 과언이 아닐 것이다.
그래서 책 안내를 접하고 기대 반 걱정 반이었다. 일단 딥러닝의 원리를 수학 공식을 들먹이지 않고 설명하는 것에 감탄했고 컬러 인쇄를 해서 뭔가 더 다가가기 쉬웠으나, TensorFlow나 PyTorch가 아닌 fast.ai를 통해 배우면 결국 실전에 돌입할 때에는 머신러닝 프레임워크를 새로 배워야 하지 않는가 하는 걱정이었다. 더구나 다른 입문서는 책이 얇은 편인데 700쪽이 넘는 두꺼운 책이라 분량이 도리어 장벽이 되지 않을까 우려가 되기도 했다.
드롭아웃이 12장이나 되어야 나올 정도로 딥러닝 원리를 풀어 나가면서도, 이미지와 자연어를 막론하여 다양한 데이터를 찬찬히 다루어 나갔다. 700쪽이 넘는 이유는 설명이 다방면에 걸친 데이터를 상세하게 다루었기 때문이었다. 에포크와 배치를 늘이고 줄이는 노하우도 눈에 들었다. 다방면으로 원리를 충분히 배우니 프레임워크를 바꾸더라도 어렵지 않게 적응할 수 있겠다는 생각이 들기도 했다.
2021년 기준으로 이 책이 다루지 않는 인공지능 주제는 없다시피하다. 실제 현장에서는 모델을 경량화하곤 하는데, 그런 주제만 다루지 않는 편이다. 파이썬 문법에 어려움을 겪지 않는 수준이라면, 검색 좀 섞어서 이런 저런 프로그래밍 예제를 풀 수 있는 사람이라면 이 책으로 인공지능을 시작해도 괜찮다고 본다. 아니면 개념 검증 차원에서만 계속 fast.ai를 사용하고, 본사업은 전문업체에 맡겨서 진행해도 좋겠다. 강인공지능이 나오기 전까지는, 한 번 보고 꽂아놓고 잊어버릴 게 아니라 현안을 새로 만날 때마다 다시 열어 볼 만한 책이다.