[서평] 딥러닝 텐서플로 교과서(서지영 저/길벗)

안녕하십니까, 간토끼입니다.

오늘은 길벗 출판사에서 제공 받은 딥러닝 텐서플로 교과서에 대한 서평을 작성해보도록 하겠습니다.

---

Q. 이 책은 어떤 책인가요?
이 책은 딥러닝의 기초 이론부터 CNN, RNN, 시계열 분석, 성능 최적화, 자연어 처리, 강화 학습, 생성 모델까지 딥러닝의 다양한 영역을 텐서플로(Tensorflow)로 이용해 직접 구현해보며 이해할 수 있도록 도와주는 책입니다.
흥미로운 점은 텐서플로에 강조하여 책을 집필하였습니다. 사용한 코드의 대부분이 텐서플로로 기반되어 작성되었다는 것이죠.그렇다고 다 텐서플로는 아니고, 앞쪽 머신러닝 파트를 다룰 땐 사이킷런도 나오긴 합니다.

아무튼 이 책은 딥러닝과 텐서플로를 알고 싶은 입문자를 위한 책입니다.
이 책의 저자는 다음과 같은 분들이 보면 좋을 것이라고 합니다.
- 딥러닝과 텐서플로를 처음 접하는 분
- 딥러닝에 대한 기본적 지식은 있으나 텐서플로를 이용한 구현 경험이 없는 분
- 텐서플로를 다룰 수는 있지만 딥러닝에 대한 지식이 없는 분

이 책의 구성에 대해서 소개하자면 다음과 같습니다.
1~4장은 머신러닝과 딥러닝에 대한 기본적인 내용, 그리고 텐서플로 사용을 위한 세팅을 배웁니다.
5~11장은 딥러닝의 핵심적인 신경망에 대해 배우고, 합성곱 신경망(CNN), 순환 신경망(RNN) 등 주류 신경망에 대해 다루고 있습니다. 또한 모델의 성능 향상을 위한 최적화도 다루고 있습니다.
12~13장은 강화 학습과 생성 모델(GAN)을 배웁니다.

보시다시피 책 안에 굉장히 많은 내용이 담겨 있습니다.
이러한 점이 장점이 될 수도 있겠고, 단점이 될 수도 있겠는데요.
누가 읽냐에 따라 장단점이 나뉜다고 생각합니다.

우선 구성이 구성인 만큼 시중 딥러닝 책에서 접하기 힘든(?) 내용이 많습니다.

순환 신경망을 다루면 자연스럽게 시계열 데이터(Time Series), 혹은 시퀀스 데이터(Sequence Data)에 대해 다루게 되는데, 이에 대한 배경지식을 위해 전통적 시계열 분석 기법인 AR, MA, ARMA, ARIMA를 소개하고 있습니다.

이런 점에선 굉장히 친절하고 내용이 알차다고 볼 수 있죠.
물론 그렇다고 깊은 내용은 또 아닙니다.전공자 입장에선 오? 이런 것도 알려주네! 싶으면서도 내용이 깊지 않기 때문에 오히려 입문자들은 "그래서 이게 뭔데?" 싶을 수도 있거든요.

참 이런 부분이 애매합니다.

그래서 구색은 갖췄지만 막상 크게 의미가 없을 수 있는? 내용 삽입이 있긴 합니다.
그래도 좋은 시도라고 생각해요.

---

Q. 그럼 누구에게 추천하는 책인가요?
학부생 입장에서 정확히 짚어드리자면 "학교에서 인공지능 / 머신러닝 / 딥러닝 / 데이터마이닝 등으로 불리는 수업의 개론을 들은 학부생"이 읽으면 딱 좋습니다.
약간 수업의 구성도 그렇고 깊이가 딱 학교 개론 수업 느낌이에요.
많은 내용을 훑으면서도 또 깊지는 않습니다.

장점은 제한된 시간 안에 많은 내용을 훑을 수 있다는 거죠.단점은 수업에 몰입하지 않으면 "그래서 뭘 배운 건데?" 싶을 수 있다는 겁니다.

아 ~ 이게 참 저도 읽으면서도 아쉬웠던 부분이었어요.

그래도 텐서플로를 잘 모르거나 낯설어하는 분들에겐 굉장히 친절한 책입니다.
아무래도 입문용 서적의 대부분이 이론의 깊이보단 코드 구현에 초점을 잡은 만큼,실습이 용이하도록 코드가 친절하게 해설되어 있습니다.

---

Q. 이 책의 장점은 무엇인가요?
제한된 시간 안에 많은 내용을 훑고 싶은 "학부생"에게 추천합니다.

딥러닝을 시작해보곤 싶은데 시중에 서적은 많고.. 또 관련. 이론은 막 복잡해보이고 싶은 분들 많을 겁니다.

그런 분들이 이 책을 읽는다면 이 책은 그분들을 위한 하나의 로드맵이 될 수 있습니다.

내용이 되게 알차거든요.

강화학습은 저도 안 배워본 파트라 잘은 모르지만, 그래도 개론에 필요한 개념들이 충실히 담겨있다고 느꼈습니다.

근데 또 웃긴 건 배경이 되는 내용은 많이 생략이 됐어요.
우선 딥러닝에 초점을 잡은 만큼 '머신러닝'이라 불리는 파트는 개념 정도로만 소개가 됩니다.
그리고 사실 입문용 서적이면 퍼셉트론부터 뉴럴넷의 원리를 다루는 파트가 깊게 소개될 법도 한데,
과감히 내용을 많이 줄이고 CNN, RNN 등 뒷내용을 더욱 담았습니다.

전공자 입장에서야 맨날 보는 내용 안 봐서 좋은데, 입문자 분들은 어떻게 생각하실진 모르겠습니다.
저는 개인적으로 나쁘지 않다곤 생각해요.
이러한 측면 때문에 "개론 수업"을 수강한 학부생이 들으면 좋겠다고 판단했습니다.

딱 학기 종강하고 방학 때 읽으면 좋거든요.
읽으면서 이미지 처리나 자연어 처리 프로젝트도 한번 해보면 좋고요.

정리하자면 이 책은 주어진 시간 안에 딥러닝의 많은 내용을 알아가고 싶은 "개론 수업 정도 수강한" 분들에게 추천하는 책입니다.

감사합니다.

---

- 간토끼(DataLabbit)
- University of Seoul
- Economics & Data Science

.