[100자평] Do it! 공공데이터로 배우는 R 데이터 분석 with 샤이니

Do it! 공공데이터로 배우는 R 데이터 분석 with 샤이니 - 부동산 빅데이터 분석 전 과정 수록! ㅣ Do it! 시리즈
김철민 지음 / 이지스퍼블리싱 / 2022년 5월

아파트 실거래, 지진 발생 빈도, 커피 전문점 접근성 등 다양한 사례를 중심으로 R 데이터 분석을 공부할 수 있는 책이다. R 언어에 대한 기초적인 지식이 있는 학습자들은 이 책으로 실제 응용 케이스를 연습할 수 있다.

인공지능 천재들이 빚어낸 삼국지

AI 메이커스, 인공지능 전쟁의 최전선
케이드 메츠 지음, 노보경 옮김 / 김영사 / 2022년 4월

1. 들어가며

2016년에 열렸던 알파고와 이세돌의 대국이 우리나라를 비롯한 전 세계적인 화제를 불러일으킨 이후, 인공지능은 이제 남녀노소 누구나 입에 올리는 화두가 되었다. 

이제는 누구나 AI, 딥러닝, 머신러닝, 심지어 강화학습과 같은 인공지능 관련 전문용어를, 전혀 상관없는 분야에서도 언급할 만큼 대중은 인공지능에 대한 이야기에 익숙해졌다.

특히 구글, 페이스북, 아마존 등의 미국 IT 기업들이 인공지능을 바탕으로 한 사업영역 확대에 열을 올리면서 이러한 기업들의 일거수일투족이 실시간으로 보도되고 있는 상황이지만, 바로 이렇게 인공지능의 붐을 불러오는 데 기여한 실제 인물들에 관한 내용은 잘 알려져 있지 않다.

이 책, 'AI 메이커스 - 인공지능 전쟁의 최전선'은 바로 이렇게 인공지능이라는 하나의 기술 또는 산업영역이 탄생하고 오늘날과 같이 보편화되기에 이르기까지, 그 배경에서 활약한 주요 인물들의 활동을 중심으로 인공지능의 발전 양상을 살펴 본 책이다.

다만 앨런 튜링이나 허버트 사이먼과 같이 다소 오래 전의 인물이 아니라, 주로 1970년대 이후 현대 인공지능의 직접적 발전에 더욱 크게 기여한 학자 또는 기술기업 종사자들을 집중적으로 조명하고 있다. 

2. 다채로운 인간군상이 빚어내는 인공지능의 발전사

1) 퍼센트론 개념을 처음으로 제시한 프랭크 로젠블라트

이 책의 가장 큰 특징은 기자 출신인 저자가 주요 인물들의 활동을 마치 기사를 쓰듯이 실제 행동 중심으로 생생하게 그려내고 있다는 점이다. 

책의 본문은 1958년 당시 미국 코넬대 교수였던 프랭크 로젠블라트가 퍼셉트론(perceptron)을 처음 세상에 소개한 때로부터 시작한다. 로젠블라트는 퍼셉트론 개념에 근거해 인간의 두뇌를 모방하여  스스로 학습할 수 있는 기계의 원형을 만들어내는 데 성공한다.

그러나 오늘날 인공지능의 아버지 중 한 명으로 불리우는 마빈 민스키는 로젠블라트의 발상을 탐탁지 않게 여겼고, 인간 개발자가 제시한 특정 명령에 따라 움직이는 기계를 만들고자 했다.

후에 로젠블라트의 인공지능은 '연결주의', 민스키의 인공지능은 '기호주의'라고 불리게 되었고, 기호주의 학파의 인공지능 개념이 업계를 주도하게 된다. 

그리고 로젠블라트는 1971년, 43세의 나이에 익사 사고로 사망하면서 그의 이름은 서서히 잊혀지고 만다.

이후 이 책이 가장 집중적으로 조명하고 있는 인물이라 할 수 있는 당시 카네기멜론대학교의 교수, 제프리 힌턴이 처음으로 등장한다. 

2) 인공지능 업계의 보이지 않는 손, 제프리 힌턴

제프리 힌턴은 영국의 과학 명문가에서 태어나 인공지능에 관심을 가지고 여러 학문을 공부했던 사람이었는데, 박사학위를 취득하고 미국 샌디에이고대학교의 교수였던 데이비드 러멜하트로부터 '역전파(backpropagation)' 의 개념을 듣게 된다.

이후 두 사람은 역전파를 기반으로 한 연구에서 크게 진척을 보지는 못 했지만 노스이스턴 대학교의 로널드 윌리엄스와 함께 셋이서 과학잡지 '네이처'에 역전파에 관한 논문을 발표한다. 이것이 이후 인공지능 역사의 새 장을 여는 논문이 된다. 

힌턴은 실력도 뛰어났지만 유쾌하고 인성도 좋은 교수여서 다양한 학자들과 교류했을 뿐만 아니라 여러 우수한 학생들이 그의 밑에서 공부했다. 이 학생들이 졸업 후이 각계 각층으로 진출하면서 인공지능업계에서 일종의 '힌턴 사단'을 이루게 된다. 그렇게 힌턴의 영향력은 갈수록 커졌다.

따라서 이 책의 분량 20~30% 정도는 힌턴을 중심으로 서술되어 있다고 해도 과언이 아니다. 대중에게는 낯선 인물이지만 힌턴이 인공지능 업계에서 그 정도로 큰 영향력을 발휘했음을 유추해 볼 수 있다.

3) 합성곱 신경망(CNN)을 개발한 얀 르쾽

힌턴 다음으로 이 책에서 중요하게 다루는 인물은 프랑스 출신의 컴퓨터과학자이자 전기공학자인 얀 르쾽이다.

그는 1980년대 당시 미국의 벨 연구소에서 역전파 논문을 기반으로 인공지능을 연구하고 있었는데 마침내 한 학회에서 힌턴을 만나게 되고, 둘은 곧 절친한 동료가 된다. 

르쾽은 신경망에 많은 관심을 가지고 알고리즘 기술을 연구할 뿐만 아니라 컴퓨터칩과 자율주행자동차까지 개발하려 하고 있었다. 요컨대 그는 신경망을 바탕으로 단순히 학문적 연구만 수행하는 것이 아니라, 실제로 인공지능이 인간의 삶에 어떻게 활용될지에 관해서도 관심을 가진 사람이었다. 

그는 신경망 연구를 거듭한 끝에, 인간 뇌의 한 부분인 시각령을 모방한 인공신경망을 개발하는데, 이를 '합성곱 신경망(convolutional neural network)'이라고 명명한다. 인공지능의 핵심 기술 중 하나인 CNN 이 바로 그것이다. 

4) 빅 테크 기업들의 인공지능 경쟁

이 책은 또한 2000년대 이후 급격히 성장한 미국의 대형 기술기업, 이른바 빅 테크 기업들이 벌인 인공지능 경쟁도 흥미롭게 다루고 있다. 천재개발자로 불리는 제프 딘을 중심으로 구글이 인공지능 업계에서 어떻게 발전을 도모했는지 나오는데, 특히 영국 출신의 천재 데미스 하사비스가 설립한 '딥마인드(알파고를 개발한 기업)'가 구글에 어떻게 인수됐는지 생생하게 그려진다.

필자가 개인적으로 가장 흥미로웠던 점은 페이스북 창업자 마크 저커버그가 펼친 인재 영입전이다. 마크 저커버그는 아주 승부욕이 강한 사람으로 유명한데, 이 책에 따르면 놀랍게도 마크 저커버그는 당시 인공지능 업계의 주요 인물 이름을 줄줄이 꿰고 있었으며, 이들을 페이스북으로 끌어들이기 위해 동분서주하며 열심히 뛰어다녔다고 한다.

흔히 기업의 CEO 또는 오너라고 하면 중후한 사무실에 앉아 부하 직원이 가져오는 서류에 싸인만 하는 이미지가 연상되는데, 마크 저커버그가 얼마나 열정적으로 일하는 경영인인지 실감하게 하는 대목이었다.

5) 그 밖의 이야기들

위의 중심적인 내용들 외에도, 이 책에서는 인공지능의 무기화를 막기 위해 업계 종사자들이 경주한 노력, 예를 들어 일론 머스크가 주도했던 OpenAI 등에 대해서도 다루고 있다. 또한 실리콘밸리의 전통적 강자였던 마이크로소프트가 인공지능 경쟁에서 구글 등의 후발주자에게 밀려난 과정, 구글이 '알파고 쇼크'를 계기로 중국에 다시 한번 진출하려 했으나 오히려 중국 정부의 경계심만 강화시킨 내용 등 흥미로운 이야기가 다수 실려 있다. 

이 책은 2018년, '컴퓨터 학계의 노벨상'으로 불리우는 '튜링상'을 세 명의 인물이 공동수상하는 장면으로 끝나는데, 그 세 사람은 힌턴과 르쾽, 그리고 (책에서 일부 소개되는) 요슈아 벤지오 몬트리올대 교수이다. 이 세 사람이 세간의 무관심에도 불구하고 오랜 세월에 걸쳐서 노력해 온 성과를 축하받는, 일종의 해피엔딩이라 할 수 있겠다.

3. 나오며

요컨대 'AI메이커스 - 인공지능 전쟁의 최전선'은 마치 동양 고전 삼국지를 읽듯이, 인공지능 업계의 천재들이 각자 자신이 믿는 바를 다른 이에게 이해시키고 성취를 인정받기 위해 펼쳐나간 양상을 생생이 지켜볼 수 있다. 

이렇게 다양한 인물이 등장하는 책은 사람의 이름을 일일이 기억하기 어려울 수 있는데, 친절하게도 본문 뒤에 등장인물에 대한 설명이 요약 정리되어 있고, 인공지능 발전사의 주요 연표까지 제시되어 있어 독자의 이해를 돕는다.

인공지능에 대한 기본적 지식이 있는 분이라면, 그 지식을 시간의 흐름에 따라 연결하는 데 도움을 줄 수 있는 책이다. 또한 기본적 지식이 없더라도 2016년의 '알파고 쇼크' 이후 휘몰아친 인공지능 열풍과 관련하여, 기초적인 내용을 습득할 수 있게 해 주는 책이기도 하다. 

이 서평은 출판사의 이벤트에 당첨되어 제공된 서적을 읽고 쓴 것입니다.

입문자를 데이터 분석 사례까지 안내하는 책

나성호의 R 데이터 분석 입문 - 자료구조가 핵심이다! 기초부터 탄탄히 익히는 R 데이터 분석 입문의 정석 ㅣ Must Have
나성호 지음 / 골든래빗(주) / 2021년 10월

본 책은 도서관에서 빌려 읽은 것입니다.

1. 골든래빗 출판사의 MUST HAVE 시리즈

최근 국내에 코딩 열풍이 불면서 그에 따라 많은 출판사들도 앞다투어 코딩 관련 서적을 내놓고 있다. 

골든래빗은 알라딘 검색 결과에 따르면 처음으로 출간한 책이 2021년 4월에 나온 'Tucker 의 Go 언어 프로그래밍'인 것으로 보인다. 이후 여러 종의 프로그래밍 관련 서적을 출간한 것으로 보아, IT 전문 신생 출판사로 판단된다.

이번에 리뷰할 '나성호의 R 데이터 분석 입문' 은 골든래빗에서 출판하고 있는 'MUST HAVE' 시리즈의 하나이다. 

필자는 이 시리즈 중에 '비전공자를 위한 첫 코딩 챌린지 - with HTML&CSS' 를 읽고 긍정적으로 평가한 바 있다. 이에 따라 이번에 R 데이터 분석 서적도 읽어보기로 했다. 

2. 나성호의 R 데이터 분석 입문

이 책의 가장 큰 특징은 그리 두텁지 않은 분량에 입문자를 위한 내용을 압축해서 다루고 있다는 점이다. 이 책은 맨 끝의 '코드 찾기' 부분까지 총 299쪽으로 구성되어 있는데, 향후 리뷰할 '실무 프로젝트로 배우는 데이터 분석 with R (박기군 지음, 위키북스 출판)'이 총 426쪽인 것과 비교하면 얇은 편이다.

즉, 이 책은 말 그대로 입문자가 R 을 이용해 데이터를 분석하는 데 필요한 최소한의 내용을 다루고 있는 셈이다.

궁극적으로는 국토교통부에서 제공하는 아파트 실거래 데이터를 공공 API로 받아서 직접 분석 활용하는 것을 목적으로 삼고 있는 책이기 때문에, 그 과정에 이르기까지 필요한 과정들을 핵심 위주로 간략하게 설명해 나간다.

따라서 이 책은 다양한 예제를 차근차근 반복하며 R 이라는 언어의 문법을 숙달하기 보다는, 빠르게 속성으로 언어를 익혀 실전에 필요한 감각을 기르려는 독자에게 가장 적절한 책이다.

그렇다고 해서 중요한 내용을 놓치고 있지는 않다. 자료구조, 조건문, 반복문, 사용자 정의 함수 등 R 사용에 필요한 기본적 사항부터 시작해서 오픈 API를 이용한 공공데이터 수집과 처리, 데이터프레임 전처리, 기술통계 분석, 데이터 시각화까지 웬만한 R 학습 서적에 있는 내용은 전부 담고 있다.

R 언어에 어느 정도 익숙한 독자는 이 책을 리마인드 용으로 활용할 수도 있을 것으로 보인다. 즉, 이 책을 빠르게 훑으면서 본인이 알고 있던 것과 모르는 것을 체크하고, 모르는 것에 대해서는 새롭게 학습하는 기회로 삼으면 좋을 것이다.

3. 총평

분량이 많지 않아 초보자도 부담없이 읽을 수 있는 반면, 설명이 압축적으로 되어 있고 최종 목표인 아파트 실거래 데이터 분석을 위해 직진으로 달려가는 구성으로 짜여져 있기 때문에 독자에 따라서는 일부 내용의 설명이 좀 더 추가되었으면 좋겠다고 느낄 수도 있는 책이다.

따라서 입문자는 이 책을 통해 기본적인 R 언어 사용법을 빠르게 익히고 아파트 실거래 데이터 분석을 통해 실제 R 언어 활용의 맛을 본 뒤, 좀 더 종합적인 내용을 담고 있는 책을 통해 더 알고 싶은 부분을 보완하시는 것을 추천한다.

* 이 리뷰는 아래 블로그에서도 볼 수 있습니다.

https://thereader.tistory.com/4

많은 내용을 알차게 다룬 학습서

코딩은 처음이라 with 딥러닝 ㅣ 코딩은 처음이라
이종환 지음 / 영진.com(영진닷컴) / 2022년 4월

* 본 서평은 출판사의 이벤트에 당첨되어 책을 증정받고 작성하는 것입니다.

1. 들어가며

'코딩은 처음이라 with 딥러닝' 책은 다양한 IT 관련 서적을 출판해 온 영진닷컴에서 이번에 새롭게 출간한 딥러닝 입문서이다. 저자 이종환 씨는 인공지능 교육과 연구 개발을 하는 아리스트 주식회사의 대표로서, 응용수학 박사라고 한다. 그래서인지, 아래에서 자세히 서술하겠지만 이 책은 수학적 내용을 꽤 담고 있다.

사실 인공지능 등의 과학기술은 수학을 기반으로 하고 있는 만큼, 딥러닝 학습서에서도 수학을 다루는 것은 당연한 일일 것이다. 단순히 인공지능 기술을 소개하는 수준에 그치는 교양서적이라면 수학적 내용을 전혀 담지 않고도 설명이 가능할 것이나, 이 책은 딥러닝 학습을 위한 코딩 서적이므로 입문서임에도 불구하고 수학적 내용을 포함하고 있다.

문제는 예상 독자의 수준에 맞추어 수학을 어느 정도까지 다룰 것이냐인데, 이 책은 시중의 다른 입문서와 비교했을 때 좀 더 많은 수학적 내용을 담고 있으며, 부족할 수 있는 설명을 보완하기 위해 유튜브에서 저자의 인터넷 강의를 제공한다.

다소 거칠게 비유하자면, 인공지능 전문가들이 보유한 수학적 지식을 100 이라고 하고 시중의 다른 입문서에 담긴 내용은 1~2 정도라고 했을 때, 이 책의 내용은 3~4 정도에 해당한다. 즉 일반 독자들도 읽고 이해할 수 있는 수준이므로, 이 소개글을 읽고 겁 먹으실 필요는 없다고 말씀드리고 싶다 (참고로 필자도 문과 출신 평범한 행정직 직장인이다). 다만 기초 교양서가 아니므로 집중해서 읽으실 것을 권한다. 

2. 책의 구성과 내용

총 8개 장(part)으로 나뉘어 있다. 제1장 '인공지능이란'으로부터 시작해 '딥러닝 흐름잡기'와 '기본 흐름 파악하기', '선형 모델', '신경망 모델', '이미지 분류', '자연어처리'를 거쳐 마지막 제8장인 실제 프로젝트 실습까지 간다. 

각 장은 본문 설명과 '이번 장의 마무리(내용 요약)', '연습 문제', '실습 예제', 그리고 '심화 문제'로 구성되어 있다. 연습 문제는 단답형 수준의 문제로서 책 맨 뒤에 정답이 제시되어 있다. 실습 예제는 코드 설명이 수록되어 있고, 심화 문제는 영진닷컴 IT 채널의 유튜브 강의에서 해설한다.

영진닷컴IT 채널 : https://www.youtube.com/channel/UCi7L8rROh6lUePhwrWcCR8A/featured 

본문의 내용을 일부 제시하면 다음과 같다. 아래 사진은 빼곡한 설명이 담긴 부분이다.

다음은 비교적 서론에 가까운 설명을 다루고 있는 부분이다.

다음은 각 장의 마무리 요약과 연습문제 부분이다 (연습문제 해답은 책 후반부에 실려 있다).

본문의 가장 큰 특징은 많은 내용을 압축해서 다루고 있다는 점이다. 이 책은 맨 끝의 '찾아보기'까지 총 250페이지이다. 요즘 코딩 관련 서적들이 300 페이지 또는 400 페이지를 넘어가는 경우도 많다는 점을 생각하면 두터운 분량이 아니다. 딥러닝에 대해 불필요한 사설 등은 일체 생략하고 오로지 핵심적인 내용을 압축적인 서술로 전개하고 있다.

또한 문체의 경우에도, 일부 딥러닝 입문 서적이 '하십시오체' (~~입니다)를 사용하고 있는 반면, 이 책은 '해라체'(~~이다)를 사용하고 있어 서술이 더욱 압축적으로 느껴진다. 만약에 상세한 설명을 덧붙여서 출간했으면 300 페이지를 충분히 넘겼을 것으로 생각한다.

다만 이러한 서술은 호불호가 갈릴 수 있는데, 책이 가볍고 진도를 빠르게 뺄 수 있어서 선호하는 의견도 있을 수 있는 반면에 설명을 다소 어렵게 느껴서 불호하는 의견도 있을 수 있다 (가타부타 잡설을 싫어하는 필자는 전자에 가깝다).

그래서 필자가 추천하는 것은, 꼭 저자의 유튜브 강의를 들으라는 것이다. 다소 생소할 수 있는 내용을 저자가 설명하고 있기 때문에 도움이 된다.

특히 다른 딥러닝 입문서적을 이미 읽은 적이 있어 기초 지식을 보유하고 있는 분들께서는, 이 책을 그 다음 단계로 읽어보시는 것을 권한다. 시너지 효과를 배가할 수 있을 것이다.

이 책의 또 하나의 장점은 책의 마지막 장에서 실제 프로젝트 실습을 4가지 제공한다는 것이다. 일부 코딩 서적들이 코딩에 대한 설명만 줄줄 늘어놓고서는 정작 본문의 코드 내용들이 어떤 프로젝트에서 구체적으로 어떻게 활용되는지 보여주지 않고 끝나는데, 이는 비유하자면 발차기, 팔 젓기 등 수영 기술은 가르쳐 놓고 정작 수영 실습은 안 하는 것이다. 반면에 이 책은 이미지 분류와 자연어 분류에 대한 프로젝트 실습을 담고 있어 배운 내용을 종합하여 확인할 수 있다. 

3. 개선점

딥러닝 책의 특성상 많은 전문 용어들이 등장하는데, 필자의 개인적인 생각으로는 다음 개정판에서는 각주 표시 등을 통해 전문 용어의 설명을 더 다양하게 덧붙이면 더욱 좋은 책이 될 것으로 보인다.

4. 나오며

그리 두텁지 않은 분량에 꽤 수준 높은 내용까지 알차게 다루고 있어 만족스러운 책이다. 다만 앞서 서술한 바와 같이, 다른 입문서에 비해 더 많은 내용을 압축적으로 서술하고 있으므로 독자들은 유튜브 강의를 들으며 정독하실 것을 권유한다. 화려한 책 제목을 달고서는 정작 내용은 수박 겉핥기식에 그치는 일부 딥러닝 입문서에 비해 많은 지식을 얻을 수 있을 것이다.

특히 매번 딥러닝 얘기만 나오면 본론보다 서론(이제는 거의 모든 한국인이 다 알고 있다 해도 과언이 아닌 이세돌이 어쩌고 알파고가 어쩌고....)에 더 힘을 주는 책에 질린 분들에게 추천한다. 

딥러닝 입문자를 위한 한 권의 책

모두의 딥러닝 - 누구나 쉽게 이해하는 딥러닝 [별책(책속의 책/84쪽), 동영상 강의], 개정3판 ㅣ 모두의 시리즈
조태호 지음 / 길벗 / 2022년 3월

본 리뷰는 출판사의 서평 이벤트에 당첨되어 증정받은 책으로 작성하는 것입니다.

1. 길벗의 '모두의' 시리즈

(주)도서출판 길벗은 과거 컴퓨터 서적 출판사로서 '무작정 따라하기' 시리즈로 명성을 드높인 뒤 어학 분야로 출판물을 확장하였고, 현재는 다수의 실용서 분야에서 다양한 책을 내놓고 있다. 

특히 최근의 IT 트렌드에 걸맞는 출판물을 속속 펴내고 있는데, 그 중에서 '모두의' 시리즈는 각 분야의 왕초보 입문자들을 위한 기획물로서, 지금까지 R, 파이썬, SQL 등 다양한 분야를 대상으로 출간되었다.

필자는 이미 '모두의 데이터 분석 with 파이썬'과 '모두의 안드로이드'를 통해 해당 시리즈물을 잘 알고 있었고, 이번에 '모두의 딥러닝'을 리뷰함으로써 총 세 번째 '모두의' 시리즈 책을 접하게 되었다. 

'모두의' 시리즈의 장점은 현재 시중 IT 분야에서 출간되는 입문자용 서적 중 가장 친절한 수준의 설명을 제공한다는 점이다. 난생 처음 공부하는 왕초보도 쉽게 읽어내려갈 수 있을 정도로 쉽고 상세하게 내용을 다루고 있어, 필자는 IT 분야의 공부를 원하는 이에게 '모두의' 시리즈 책을 먼저 읽어 볼 것을 항상 권유한다.

2. 모두의 딥러닝

이번에 리뷰하게 된 '모두의 딥러닝' 책 저자는 조태호 씨이다. 그는 머신러닝, 딥러닝을 이용해 알츠하이머 질병을 연구하며 틈틈이 책을 쓰고 번역하는 학자이자 작가라고 한다. 특히 저자의 약력에서 '브런치북 수상'이 이채로운데, 카카오의 글쓰기 플랫폼으로 최근 독자층을 넓혀가고 있는 브런치에서 그만큼 주목을 받았다는 것은 저자의 글쓰기가 대중성을 확보했다는 뜻으로 해석해도 과언이 아닐 것이다.

이 책의 본책은 총 22장과 심화학습 2편으로 나뉘어 있다. 코랩 실습을 기반으로 하기 때문에 딥러닝의 소개와 더불어 코랩 실행 방법으로부터 시작해 딥러닝을 위한 기초 수학, 예측 모델의 기본 원리, 신경망, 딥러닝 모델 설계, 컨볼루션 신경망(CNN) 등 다양한 내용을 다루고 있다.

또한 심화학습 편에서는 오차 역전파의 계산법과 파이썬 코드로 실행하는 신경망을 설명한다.

본책과 함께 제공되는 별책부록에서는 머신러닝 알고리즘 탑10과 판다스 예제 92개를 담고 있다. 

본책만 해도 총 388 페이지로 입문자용 서적치고는 상당히 두터운 분량에 많은 내용을 다루고 있는데, 기초부터 심화에 이르기까지 탄탄한 구조로 짜여져 있어 그다지 어렵지 않게 하나 하나 코드를 실습해 가며 따라갈 수 있다.

본문은 위와 같이 각 주제의 설명과 함께 직접 따라해 볼 수 있는 실습용 코드가 제공된다.

다양한 딥러닝 관련 주제를 다루고 있지만 단순히 코드를 해설하는 수준에 그치지 않고 딥러닝의 역사적 발전에 따른 각 주제의 배경 및 연원 등도 함께 설명하고 있어 내용의 체계적 이해를 돕는다.

예를 들어, 인공신경망을 다루는 장에서는 인공지능에 대한 발상의 출발점인 인간의 두뇌와 시냅스로부터 시작하여 맥컬럭-월터 피츠(McCulloch-Walter Pitts)의 1943년 논문, 프랑크 로젠블랫(Frank Rosebaltt)의 1957년 퍼셉트론 발명, 아달라인(Adaline)의 알고리즘 등 사전적인 기초 지식을 하나 하나 설명하고 있어 딥러닝에 대한 큰 그림을 그림과 동시에 세세한 내용을 채워가는 데 큰 도움이 된다.

또한 이 책은 어렵게 느껴질 수 있는 용어에 대해 두루뭉술하게 넘어가지 않고 알기 쉽게 정의를 서술하고 있다. 예를 들어 '순환 신경망(p.258)'은 "여러 개의 데이터가 순서대로 입력되었을 대 앞서 입력받은 데이터를 잠시 기억해 놓는 방법"으로 정의하며, '경사 하강법(p.83)'은 "오차의 변화에 따라 이차 함수 그래프를 만들고 적절한 학습률을 설정해 미분 값이 0 인 지점을 구하는 것"이라고 정의한다.

지금도 여러 IT 분야의 서적들은 입문자의 고충을 고려하지 않고 "이 정도는 다 알고 있겠지?" 하는 식으로 건너 뛰는 서술을 하는 경우가 많다. 이로 인해 용어나 배경을 정확히 이해하기 위해 가끔씩 구글 검색을 동원해야 할 때가 있는데, '모두의 딥러닝'은 그럴 필요가 없이 책 한 권에서 지식이 완결되는 형식으로 서술되어 있다. 따라서 한 줄 한 줄 주의깊게 본문을 읽어 나가면 지식이 체계적으로 정리되는 느낌을 받을 수 있다.

이 책의 또 하나의 특징은 저자가 본인의 유튜브 채널에서 관련 강의를 제공한다는 점이다.

모두의 딥러닝 강의 : https://www.youtube.com/channel/UC_LvgzB44dGRvOcQqMzdT4g/videos 

요즘 다수의 실용서적들이 유튜브 플랫폼을 활용해 저자 직강을 제공하는데, 이 책 역시 이러한 흐름에 동참하여 자칫 책으로만 공부를 할 경우 놓치기 쉬운 흐름을 강의를 들으면서 다잡을 수 있도록 한다.

위 사진은 별책부록에 담겨 있는 판다스 예제이다.

참고로, 시중에 출판된 딥러닝/머신러닝 입문자용 서적 중에는 학습자가 직접 풀어볼 수 있는 연습문제를 싣고 있는 책들도 있다. 그러나 '모두의 딥러닝'은 최대한 많은 분량을 예제 실습과 설명에 할애하고 있어 연습문제를 제공하지는 않는다. 

따라서 직접 문제를 푸는 맛을 느끼고 싶으신 분들께서는 이 책을 보신 다음에 연습문제를 싣고 있는 책을 별도로 추가해서 보시는 것을 추천한다.

3. 건의사항

필자는 사실 이 책의 초판을 2020년에 훑어본 적이 있다. 이번 제 3판을 보면서 느낀 점은 그 사이에 상당히 많은 내용이 추가되고 책이 두꺼워 졌다는 점이다.

여기에서 저자 혹은 출판사 측에 '모두의' 시리즈와 비슷한 서술 방식으로 '중급자용 딥러닝 책'을 출간할 것을 건의드린다. 

현재 시중에는 중급자용 딥러닝 책이 여럿 출간되어 있으나 영미권에서 출간된 책을 직역한 탓에 어색한 번역투가 난무하거나, 내용이 상당히 불친절하여 대학교에서 공부하는 연구자가 아닌, 일반인이 실습을 따라하기가 쉽지 않은 책이 많다.

따라서 '모두의 딥러닝' 에서 다룬 내용을 한층 더 심화 발전시켜 국내 일반인들도 읽고 실습할 수 있는 수준의 책을 출판해 주셨으면 하는 건의를 드린다. 

4. 총평

딥러닝 입문자가 공부하기에 가장 적합한 책 중의 하나이다. 실습환경 구성에서부터 캐글 가입 및 도전에 이르기까지 웬만한 입문 수준에서 공부할 수 있는 내용을 책 한 권으로 전부 다루고 있어 이 책 한 권만 잘 떼어도 딥러닝에 대해 교양 수준의 이해를 뛰어넘는 지식을 쌓을 수 있을 것이다.