머리말

❗️블로그 옮김:  https://www.taemobang.com

방태모

학부생 때 딥러닝이라는 키워드가 유독 핫했었고, 데이터 마이닝이라는 전공 수업에서도 짧게나마 소개되었었다. 그래서 늘 궁금했었고, 세상에서 이렇게 핫한 분야를 잘 모르고 있어서 사실 좀 불안하기도 했다. 지금은 다행히 딥러닝이 어디에 주로 쓰이며, 왜 필요하며, 기존의 머신러닝 알고리즘들이 가지고 있는 어떤 challenge를 극복했는지를 대충은 알고 있어서 불안감은 해소됐다. 그렇지만, 딥러닝이 활발하게 이용되는 분야의 데이터를 다룰 기회가 특별히 없어서 깊게 공부할 일이 없어 여전히 궁금증이 많았다. 통계학적 베이스가 깔려있는 이렇게 핫한 영역에 대해서 알고 안하는 사람과, 그냥 모르는 사람은 차이가 있다고 생각한다. 그래서 공부하게 됐다.

 

딥러닝과 관련된 책이 많이 나와있는데, 대체로 딥러닝 프레임워크를 이용해 코드로 익혀나가는 식으로 설명이 되어있어서 내가 궁금한 점을 풀어줄 수 있는 개념 위주의 책을 필요했다. 구체적으로는 머신러닝을 포함한 딥러닝에서 통계학적 Base가 필요한 이유, 딥러닝의 아이디어, 목적, 모티베이션, 주로 쓰이는 분야, 기존 머신러닝 알고리즘들과의 차이 등이 궁금했다. 이러한 이유에서 Deep learning(Goodfellow et al. 2016)이라는 책을 골랐다. 이 책은 코드가 1도 없다. 그래서 더 특별하다! 사실 가장 궁금했던 점은 딥러닝 그 자체라기보다는, 딥러닝을 연구하는 Computer Science 분야의 대가들 통계학적 내용들을 어떤 식으로 접근하고, 해석하며 왜 중요한 베이스가 되는지를 알고 싶었다. 이런 부분이 잘 설명되어있는 이 책외에 찾기 힘들었다. 그런데 책이 양도 많고 쉽지가 않다.. 어렵다.. 그래도 많은 도움이 될 거라고 생각하고 꾹 참고 있다.. 어쨌든 이 게시판은 위 책을 베이스로 내 개인적 의견을 얹을 수 있으면 조금 얹어서 쓰려고 한다.

딥러닝은 수학과 통계학의 Background 가 필요하지만 사실 컴퓨터 사이언스 분야에서 발전시켜온 영역이라고 생각하고, 다른 게시판들에 비해 더더욱 잘 모르는 분야다. 그래서 책을 베이스로 쓸꺼긴 하지만 잘못된 의견이 있을 수 도있으니 비판적으로 수용해주시고 많은 피드백을 해주시면 감사하겠습니다.

참고 도서
Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep Learning. The MIT Press, 2016