모두의 딥러닝(개정판 4판)(반양장)

누구나 딥러닝을 이해하고,
나만의 모델을 구현할 수 있다!

준비 | 딥러닝을 이해하고, 학습을 위한 준비하기
딥러닝 실행 환경을 갖추고, 기초 수학을 배우며 학습에 들어갈 준비를 합니다. 또한, 딥러닝의 기본 동작 원리인 선형 회귀와 로지스틱 회귀도 배웁니다.

기본 | 딥러닝 기본 다지기
딥러닝을 설계할 때 꼭 필요한 신경망과 역전파의 개념을 배우고, 여섯 개의 프로젝트를 실습하며 딥러닝 이론이 실제 프로젝트에 어떻게 적용되는지 확인합니다. 각 프로젝트는 딥러닝에서 꼭 필요한 기술을 하나씩 담고 있습니다.

활용 | 주요 딥러닝 모델을 이해하고 구현해 보기
지금까지 배운 내용을 바탕으로 CNN, RNN, 전이 학습, 설명 가능한 AI 등을 실제로 활용하고 새로운 과제에 도전해 봅니다. 또한, 자연어 처리, 특히 트랜스포머, 어텐션 기법을 기초부터 이해하고 직접 만들어 보며, 이것이 어떻게 챗GPT 등 대규모 언어 모델의 기반이 되었는지를 살펴봅니다.

심화 학습 | 역전파와 신경망 깊이 있게 알아보기

특별 부록 | 1) 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10
2) 데이터 분석을 위한 판다스 예제 92개


[베타테스터 후기]

『모두의 딥러닝』이 2년여 만에 4판으로 돌아왔습니다. 시중에 다양한 딥러닝 입문서들이 있지만, 읽는 독자의 수준이 제각기 다르기 때문에 책마다 설명하는 수준이나 전달하는 방식이 다릅니다. 이 책은 책 표지와 제목에 나와 있는 것처럼 '모두의 딥러닝: 누구나 쉽게 이해하는 딥러닝'이라는 표현에 딱맞게 모든 내용이 쉽게 설명되어 있습니다. 3판과 대비하여 4판에서는 어텐션 메커니즘과 트랜스포머를 직접 구현해 보는 내용이 추가되었는데, 이 역시 논문보다 이해하기 쉽도록 잘 설명되어 있어 이해하는 데 많은 도움이 되었습니다.
강찬석_LG전자 소프트웨어 엔지니어(실습 환경: 코랩 + 로컬)

현업에서 딥러닝 모델 개발 업무를 하며 실무에 적용하는 입장에서 이 책은 기초 개념을 정리하고 빠르게 복습하는 데 매우 유용했습니다. 특히 각 개념이 그림과 함께 설명되어 있어 이론을 직관적으로 이해할 수 있고, 실습 코드가 잘 구성되어 있어 실제 구현까지 어렵지 않게 수행할 수 있습니다. 기본적인 신경망부터 CNN, RNN, 그리고 성능 평가 지표까지 전반적인 흐름을 익히기에 적합합니다. 이번 개정판에서는 어텐션과 트랜스포머 관련 내용이 강화되어, 생성형 AI가 주목받는 최근 흐름에 맞춰 최신 개념을 학습할 수 있습니다. 또한, 부록에 포함된 머신 러닝 알고리즘과 판다스 실습 자료를 통해 현업에서 자주 활용되는 기술을 실제 코드로 접할 수 있어 실무 감각을 높이는 데 도움이 됩니다.
이 책은 초보자에게는 좋은 입문서이며, 실무자에게는 개념을 정리하고 코드 기반 실습을 병행할 수 있는 실용적인 참고서로 추천할 만한 책입니다.
이혜민_AI Research Engineer(실습 환경: 코랩)

『모두의 딥러닝』 4판은 머신 러닝을 이해하는 데 반드시 필요한 기초 수학 개념 설명과 함께, 실습을 통해 머신 러닝과 딥러닝 개념을 자연스럽게 익힐 수 있도록 구성되어 있습니다. 특히 4판에서는 자연어 처리(NLP) 관련 내용이 대폭 추가되었는데, 최신 기술 트렌드를 반영한 트랜스포머와 어텐션 기법을 직접 구현해 보며 학습할 수 있어 공무원으로서 정책 분석이나 행정 데이터 활용 측면에서도 많은 인사이트를 얻을 수 있었습니다. 또한, ChatGPT 같은 최신 모델의 작동 원리를 이해하는 것이 공공 행정 분야에서도 점점 중요해지고 있는 만큼, 이 책은 실무에 적용할 수 있는 아이디어를 얻는 데 큰 도움이 되었습니다. 이론과 실습이 균형 잡혀 있어 AI 기술을 공공 행정에 접목하려는 공무원뿐만 아니라, 초보자부터 중급자까지 부담 없이 학습할 수 있는 추천할 만한 딥러닝 책이라고 생각합니다.
최규민_행정안전부 전산직 공무원(실습 환경: 코랩)

우연히 좋은 기회를 통해 너무나 유명한 도서인 『모두의 딥러닝』 4판을 출간 전 읽을 수 있었습니다. 내용을 한 장 한 장 읽어 가며, 역시 명성에 걸맞게 딥러닝 입문에 정말 안성맞춤인 도서라는 생각이 들었습니다. 비전공자가 읽어도 전혀 무리가 없을 정도의 쉬운 설명과 이해를 돕기 위해 포함된 많은 풀컬러 이미지는 독자들이 딥러닝 공부에 재미를 느낄 수 있도록 만드는 데 전혀 부족함이 없다고 판단됩니다. 특히 단순한 이론 위주의 내용 구성이 아닌, 챕터별로 구글 코랩 기반의 자세한 실습 예제를 담고 있기 때문에 내용에 대한 이해뿐만 아니라 실제 구현하는 기술을 익히기에도 좋다는 점이 이 책의 특징인 것 같습니다.
3판에 비해 추가된 대표적인 내용은 바로 어텐션 메커니즘과 트랜스포머 모델에 대한 부분입니다. 요즘 같은 생성형 AI 시대에 개발자라면 누구나 기본 개념 정도는 알고 있어야 할 중요한 내용들이라고 할 수 있겠지요. 그만큼 최신 기술 트렌드를 지속적으로 도서에 반영하고자 하는 저자의 열정이 담겨 있는 도서가 아닌가 하네요. 만약 주변에 머신 러닝과 딥러닝 공부를 시작하고 싶은데 어떻게 시작해야 할지, 어디에서부터 시작해야 할지 망설이는 분이 계시다면, 주저 없이 이 책을 그 시작점으로 삼아 보시라고 강력히 추천드리고 싶습니다.
최성욱_삼성전자 VD사업부 Security Lab(실습 환경: 코랩)

이 책은 딥러닝에 대한 깊이 있는 내용을 제공하며, 유익한 정보를 담고 있습니다. 코드 예제가 잘 구성되어 있어 실습에 큰 도움이 되었습니다. 또한, 책의 내용이 최신 트렌드를 반영하고 있어 바로 적용해 볼 수 있었습니다. 저자의 노력이 돋보이는 부분은 코드의 설명이 명확하고 이해하기 쉽다는 점입니다. 이 책은 딥러닝을 배우는 데 매우 좋은 길잡이가 될 것입니다.
김민겸_(주)버넥트(실습 환경: 코랩)

학부 때 데이터 과학 및 머신 러닝 강의를 듣고 나서 10년이 넘는 시간이 흘러서 이 책을 보게 되었습니다. 이 책은 그 당시 배웠던 딥러닝을 이해하는 데 있어서 가장 기본적이면서도 필수적인 개념들을 설명하면서, 지나온 기간동안 새롭게 개척된 기술들의 발전 과정을 충분한 예제를 토대로 소개하며 학습자에게 단단한 이해의 기반을 마련할 수 있도록 도와 줍니다. 매우 방대한 내용을 한 권 안에 담고 있지만 그 설명이 결코 장황하지 않고, 꼭 필요한 정도로 문장이 잘 정제되어 있습니다. 또한, 의지 넘치는 독자가 추가 자료를 학습함에 있어서도 적절한 방향성을 제시해 주고 있는 책이라고 생각됩니다.
꿀남_백엔드 소프트웨어 개발자(실습 환경: 코랩)

첫째 마당 | 딥러닝 시작을 위한 준비 운동
1장. 해 보자! 딥러닝
1 | 인공지능? 머신 러닝? 딥러닝?
2 | 딥러닝 실행을 위해 필요한 세 가지
3 | 구글 코랩 실행하기

2장. 딥러닝의 핵심 미리 보기
1 | 미지의 일을 예측하는 원리
2 | 딥러닝 코드 실행해 보기
3 | 딥러닝 개괄하기
4 | 이제부터가 진짜 딥러닝?

3장. 딥러닝을 위한 기초 수학
1 | 일차 함수, 기울기와 y 절편
2 | 이차 함수와 최솟값
3 | 미분, 순간 변화율과 기울기
4 | 편미분
5 | 지수와 지수 함수
6 | 시그모이드 함수
7 | 로그와 로그 함수

둘째 마당 | 예측 모델의 기본 원리
4장. 가장 훌륭한 예측선
1 | 선형 회귀의 정의
2 | 가장 훌륭한 예측선이란?
3 | 최소 제곱법
4 | 파이썬 코딩으로 확인하는 최소 제곱
5 | 평균 제곱 오차
6 | 파이썬 코딩으로 확인하는 평균 제곱 오차

5장. 선형 회귀 모델: 먼저 긋고 수정하기
1 | 경사 하강법의 개요
2 | 파이썬 코딩으로 확인하는 선형 회귀
3 | 다중 선형 회귀의 개요
4 | 파이썬 코딩으로 확인하는 다중 선형 회귀
5 | 텐서플로에서 실행하는 선형 회귀, 다중 선형 회귀 모델

6장. 로지스틱 회귀 모델: 참 거짓 판단하기
1 | 로지스틱 회귀의 정의
2 | 시그모이드 함수
3 | 오차 공식
4 | 로그 함수
5 | 텐서플로에서 실행하는 로지스틱 회귀 모델

셋째 마당 | 딥러닝의 시작, 신경망
7장. 퍼셉트론과 인공지능의 시작
1 | 인공지능의 시작을 알린 퍼셉트론
2 | 퍼셉트론의 과제
3 | XOR 문제

8장. 다층 퍼셉트론
1 | 다층 퍼셉트론의 등장
2 | 다층 퍼셉트론의 설계
3 | XOR 문제의 해결
4 | 코딩으로 XOR 문제 해결하기

9장. 오차 역전파에서 딥러닝으로
1 | 딥러닝의 태동, 오차 역전파
2 | 활성화 함수와 고급 경사 하강법
3 | 속도와 정확도 문제를 해결하는 고급 경사 하강법

넷째 마당 | 딥러닝 기본기 다지기
10장. 딥러닝 모델 설계하기
1 | 모델의 정의
2 | 입력층, 은닉층, 출력층
3 | 모델 컴파일
4 | 모델 실행하기

11장. 데이터 다루기
1 | 딥러닝과 데이터
2 | 피마 인디언 데이터 분석하기
3 | 판다스를 활용한 데이터 조사
4 | 중요한 데이터 추출하기
5 | 피마 인디언의 당뇨병 예측 실행

12장. 다중 분류 문제 해결하기
1 | 다중 분류 문제
2 | 상관도 그래프
3 | 원?핫 인코딩
4 | 소프트맥스
5 | 아이리스 품종 예측의 실행

13장. 모델 성능 검증하기
1 | 데이터의 확인과 예측 실행
2 | 과적합 이해하기
3 | 학습셋과 테스트셋
4 | 모델 저장과 재사용
5 | k겹 교차 검증

14장. 모델 성능 향상시키기
1 | 데이터의 확인과 검증셋
2 | 모델 업데이트하기
3 | 그래프로 과적합 확인하기
4 | 학습의 자동 중단

15장. 실제 데이터로 만들어 보는 모델
1 | 데이터 파악하기
2 | 결측치, 카테고리 변수 처리하기
3 | 속성별 관련도 추출하기
4 | 주택 가격 예측 모델

다섯째 마당 | 딥러닝 활용하기
16장. 이미지 인식의 꽃, 컨볼루션 신경망(CNN)
1 | 이미지를 인식하는 원리
2 | 딥러닝 기본 프레임 만들기
3 | 컨볼루션 신경망(CNN)
4 | 맥스 풀링, 드롭아웃, 플래튼
5 | 컨볼루션 신경망 실행하기

17장. 세상에 없는 얼굴 GAN, 오토인코더
1 | 가짜 제조 공장, 생성자
2 | 진위를 가려내는 장치, 판별자
3 | 적대적 신경망 실행하기
4 | 이미지의 특징을 추출하는 오토인코더

18장. 전이 학습을 통해 딥러닝의 성능 극대화하기
1 | 소규모 데이터셋으로 만드는 강력한 학습 모델
2 | 전이 학습으로 모델 성능 극대화하기

19장. 설명 가능한 딥러닝 모델 만들기
1 | 딥러닝의 결과를 설명하는 방법
2 | 설명 가능한 딥러닝의 실행

20장. 캐글로 시작하는 새로운 도전
1 | 캐글 가입 및 대회 선택하기
2 | 데이터 획득하기
3 | 학습하기
4 | 결과 제출하기
5 | 최종 예측 값 제출하기

여섯째 마당 | 챗GPT의 근간: 자연어 처리와 트랜스포머

21장. 딥러닝을 이용한 자연어 처리
1 | 텍스트의 토큰화
2 | 단어의 원?핫 인코딩
3 | 단어 임베딩
4 | 텍스트를 읽고 긍정, 부정 예측하기

22장. 시퀀스 배열로 다루는 순환 신경망(RNN)
1 | LSTM을 이용한 로이터 뉴스 카테고리 분류하기
2 | LSTM과 CNN의 조합을 이용한 영화 리뷰 분류하기
3 | 어텐션을 사용한 신경망

23장 어텐션, AI가 문맥을 파악하는 원리
1 | 단어 간 유사성 측정하기
2 | 단어들 사이의 관계 파악하기
3 | 단어 사이의 관계 수정하기
4 | AI가 문맥을 파악하는 법
5 | 질문(쿼리), 단서(키), 답변(밸류)
6 | 트랜스포머를 위한 어텐션 만들기

24장 트랜스포머 직접 만들어 보기
1 | 트랜스포머의 구조와 멀티헤드 어텐션
2 | 단어의 순서를 알려주는 포지셔널 인코딩
3 | 트랜스포머 인코더를 활용한 긍정 부정 예측
4 | 전체 트랜스포머 실행하기

심화 학습 1. 오차 역전파의 계산법
1 | 출력층의 오차 업데이트
2 | 오차 공식
3 | 체인 룰
4 | 체인 룰 계산하기
5 | 가중치 수정하기
6 | 은닉층의 오차 수정하기
7 | 은닉층의 오차 계산법
8 | 델타식

심화 학습 2. 파이썬 코딩으로 짜 보는 신경망
1 | 환경 변수 설정하기
2 | 파이썬 코드로 실행하는 신경망

부록 A 내 컴퓨터에서 아나콘다로 딥러닝 실행하기

특별 부록(무료 전자책으로 제공)
1장. 가장 많이 사용하는 머신 러닝 알고리즘 TOP 10
2장. 데이터 분석을 위한 판다스: 92개의 예제 모음

조태호 인디애나 대학교 의과대학 영상의학 및 영상과학과 교수
AI/딥러닝을 의료 분야에 접목하여, 특히 유전체, 다중오믹스, 영상 데이터를 활용한 알츠하이머병 조기 진단 연구에 집중하고 있다. 일본 도쿄의과치과대학에서 단백질 구조 예측으로 박사학위를 받고, 미국에서 딥러닝을 단백질 구조 예측에 도입하는 연구를 수행했다. 2018년부터 인디애나 대학교에서 딥러닝 기반 알츠하이머 진단(2019), 원인 단백질 추적(2020), 유전자 변이 예측(2021) 등 연구를 이끌고 있으며, 꾸준한 연구 활동과 더불어 집필과 번역에도 힘쓰고 있다. 저서로는 『모두의 딥러닝』(1-3판), 『당신의 이유는 무엇입니까』(제7회 브런치북 대상 수상작)가 있으며, 역서로는 『딥러닝 워크북』, 『쉽게 시작하는 캐글 데이터 분석』, 『그림으로 이해하는 인지과학』 등이 있다.