이 책에서는 컴퓨터 공학에 대한 심도 있는 지식을 갖추지 못한 학부 1, 2학년생이 머신러닝과 딥러닝 기술의 기초적인 지식과 이를 코드로 구현하는 능력을 기를 수 있도록 돕는 것을 목표로 합니다. 이를 위해 다음의 내용을 다루고 있습니다.
1. 인공지능과 딥러닝의 기본 개념 정립
2. Python 언어 기본 문법 정리
3. 선형 및 로지스틱 회귀 분석
4. 다중 클래스 분류
5. 합성곱 신경망
각 장에서 학습하는 이론은 최대한 수식 없이 설명했으나, 전공으로써 학습하는 데에도 부족함이 없도록 노력했습니다. 또한, 다수의 실습 예제를 통해 학습한 내용을 코드로 구현하고 실행결과를 눈으로 확인하여 이해도를 높일 수 있도록 했습니다. 또한 이 책에서는 모든 인공신경망의 구현에서 PyTorch 프레임워크와 Google Colab 개발 환경을 이용합니다.
여러분도 알다시피, 전통적으로는 Tensorflow라는 딥러닝 프레임워크가 주된 관심을 받았습니다. Tensorflow라는 대중화된 프레임워크가 있음에도 불구하고 이 책에서 추천하는 PyTorch로 딥러닝을 시작해야 하는 이유는 무엇일까요? 그 답은 PyTorch가 가진 장점에 있습니다.
-배우기 쉽습니다-
PyTorch는 문법적으로 Numpy와 매우 유사하며, Define by Run의 구조로 인해 Python의 다른 module과 쉽게 통합이 가능하며, breakpoint를 이용하여 Tensor가 흘러가는 과정을 쉽게 디버깅할 수 있습니다.
-코드 작성이 쉽습니다-
Tensorflow에 비해 직관적인 코드 스타일을 가지기 때문에 Python 코딩에 익숙하지 않더라도 이론적으로 구현한 딥러닝 모델과 PyTorch으로 구현한 모델의 1:1 대응 관계를 쉽게 이해할 수 있습니다.
1. 딥러닝 시작하기
2. Python 복습
3. 인공신경망 기초
4. 인공신경망 심화
5. 다중 클래스 분류
6. 합성곱 신경망