에이콘 데이터과학 시리즈. 이 책은 인공지능 기술에서 가장 중심에 해당하는 딥러닝 알고리즘의 핵심인 'Deep Belief Network'를 'CUDA'와 함께 다루면서 딥러닝의 구조와 원리를 이해하고, 이러한 알고리즘이 GPGPU에서 동작하기 위해 어떠한 개념과 기법들이 적용되고 있는지 확인해볼 수 있는 책이다.
1장, '소개'에서는 다중 레이어 피드포워드 신경망에 대해 알아보고 Deep Belief Nets란 무엇인지 알아보고, 2장, '감독 피드포워드 신경망'에서는 오차 역전파에 대해 알아보고 멀티스레드를 지원하는 CUDA 기반의 기울이 연산 코드에 대해 알아본다.
3장, '제한된 볼츠만 머신'에서는 RBM(Restricted Boltzmann Machine)의 특이점을 알아보고, 최대 발생 가능 훈련에 대해 알아보고, 4장, '탐욕적인 훈련'은 훈련 알고리즘에 대해 알아 본 후, 생성적 샘플링에 대해 다루며, 5장, 'DEEP 사용 매뉴얼'에서는 개략적인 DEEP 1.0 프로그램의 사용 매뉴얼을 소개한다.
4년 전, 우연히 처음 데이터 마이닝 분야를 접하게 된 이후 줄곧 데이터 속에서 특정한 패턴을 찾아내는 기법들이 얼마나 놀라운 속도로 발전하고 있는 지 구경하는 것만으로도 상당한 재미가 있었다. 예전에는 '인공지능'이란 말이 그저 스타크래프트와 같은 게임 소프트웨어를 만드는 데에만 국한돼 사용되는 것 같았지만, 요즘에는 부쩍 자동차 소프트웨어나 사용자와 대화해주는 소프트웨어, 주식 거래 자동화 소프트웨어, 바이오인포매틱스 등에 활발하게 적용되면서 왠지 모를 보람을 느끼고 있다. 이 책은 이러한 인공지능 기술에서 가장 중심에 해당하는 '딥러닝' 알고리즘의 핵심인 'Deep Belief Network'를 'CUDA'와 함께 다룸으로써 딥러닝의 구조와 원리를 이해하고, 이러한 알고리즘이 GPGPU에서 동작하기 위해 어떠한 개념과 기법들이 적용되고 있는지 확인해볼 수 있는 좋은 진입점이라 할 수 있다. 나의 좁은 시각으로 보면 알파고나 구글카의 자율 주행 기술들에 딥러닝이 적용되는 것은 그야말로 시작에 불과한 것 같다. 딥러닝이 빅데이터의 어깨 위에 서서 이 세상이 돌아가는 역학적 원리를 학습하기 시작한다면 이 알고리즘의 본 면모가 제대로 드러날 것 같다. 요즘 '구글라이프'라는 말을 종종 듣곤 하는데, 이러한 기술을 우리나라 엔지니어들도 빠르게 습득해 이런 볼만한 구경거리를 그저 바라보고만 있지 말고 직접 무대에 올라서서 같이 퍼포먼스를 보여줬으면 한다. 나도 아직 딥러닝의 모든 것을 제대로 이해하고 있는 것은 아니기 때문에 번역에 어려움이 많았지만, 이렇게 Vol.1을 마치고 나니 한숨 돌릴 것 같다. 혹시나 이 책을 읽고 딥러닝 기술을 실시간 영상처리에 적용하는 데(되도록 자동차 분야에 국한해) 관심이 있는 독자가 있다면 기꺼이 교류하고 싶다. 아무쪼록 Vol.1으로 독자와 인사드리게 돼 큰 영광이며, 차후 관련 서적들을 통해 지속적으로 인사드릴 수 있었으면 한다. 참고로, 이 책을 번역하면서 나름대로 그림을 그리며 정리한 자료가 있는데, 원하는 독자는 나의 LinkedIn(kr.linkedin.com/in/seunghyun-lee-0845528b)에 접속하면 찾을 수 있을 것이다. 독자들이 이 책을 읽으면서 자료를 함께 참고해 학습 시간을 절약할 수 있었으면 한다.
미리보기 
(0)
최근작 :
