인공지능, 기계 학습, 이제는 딥러닝이다!
다양한 매체를 통해 접하는 인공지능 기술은 빛의 속도로 발전하며 수많은 사례와 비즈니스 모델을 쏟아내고 있다. 그 중에서도 최근 알파고를 통해 널리 알려진 딥러닝 기술은 높은 성과를 보이며 주목받고 있다. 우리는 딥러닝을 알아야 하는가? 물론이다. 딥러닝 기술은 다양한 오픈 소스 프레임워크를 통해 누구나 이용할 수 있는 도구가 되어가고 있다. 이 책은 딥러닝이 어떤 기술이고, 어떤 일을 할 수 있는지 소개하고, 딥러닝 알고리즘의 학습 방법을 살펴본다. 또 Caffe를 이용해 실제로 딥러닝의 동작 방법을 경험해본다. 

출판사 서평
Deep Learning, 누구나 쉽게 사용할 수 있다!
왜 딥러닝에 주목해야 하는가?
딥러닝은 MIT가 선정한 10대 혁신 기술이며, IT 리서치 기업 가트너도 주목해야 할 기술로 선정했다. 구글, 애플, 마이크로소프트, IBM, 삼성전자 같은 글로벌 기업은 모두 딥러닝에 투자하고 있다. 이들은 자사 서비스를 통해 구축된 빅데이터를 활용하기 위해 노력하고 있다. 자동 음성 인식, 자율 주행차, 주가 예측, 기사 작성 등 다양한 분야에 딥러닝이 이미 쓰이고 있으며 기업 경쟁력의 핵심이 될 것으로 예측되고 있다.
딥러닝...
Deep Learning, 누구나 쉽게 사용할 수 있다!
왜 딥러닝에 주목해야 하는가?
딥러닝은 MIT가 선정한 10대 혁신 기술이며, IT 리서치 기업 가트너도 주목해야 할 기술로 선정했다. 구글, 애플, 마이크로소프트, IBM, 삼성전자 같은 글로벌 기업은 모두 딥러닝에 투자하고 있다. 이들은 자사 서비스를 통해 구축된 빅데이터를 활용하기 위해 노력하고 있다. 자동 음성 인식, 자율 주행차, 주가 예측, 기사 작성 등 다양한 분야에 딥러닝이 이미 쓰이고 있으며 기업 경쟁력의 핵심이 될 것으로 예측되고 있다.
딥러닝, 기초부터 차근차근 이해하자!
기초편에서는 딥러닝의 개요와 역사를 살펴보고, 음성 인식과 이미지 인식 분야에서 현재까지 이뤄낸 성과를 알아본다. 이론편에서는 컴퓨터가 딥러닝 알고리즘을 사용해 학습하는 방법을 배우고, 기존 방법과 비교하여 딥러닝이 왜 높은 성능을 구현할 수 있는지 살펴본다. 기계 학습이나 딥러닝에 대한 지식이 없고 수학을 몰라도 이해할 수 있도록 쉬운 용어와 구체적인 사례로 설명한다.
Caffe로 딥러닝을 경험해보자!
오픈 소스 딥러닝 프레임워크 Caffe를 이용하면 딥러닝을 쉽게 사용할 수 있다. Caffe를 설치하고, 파라미터를 설정하고, 실제로 실행해보면서 딥러닝을 경험해보자. 리눅스 사용자는 CUDA와 함께 GPU 환경에서, 윈도 사용자는 VMware에 리눅스를 설치하고 CPU 환경에서 Caffe를 사용해본다.

 

목차
[기초편]
1장 딥러닝이란 무엇인가?
__1.1 기계 학습의 개요
____1.1.1 기계 학습은 어디에 사용할까?
____1.1.2 기계 학습이란 어떤 기술인가?
____1.1.3 기계 학습을 이용해 물체를 인식하는 방법
____1.1.4 지도 학습에 의한 기계 학습과 비지도 학습에 의한 기계 학습
____1.1.5 회귀분석, 분류, 클러스터링
____1.1.6 기계 학습이 왜 필요한가?
__1.2 딥러닝의 개요
____1.2.1 인공 신경망이란 무엇인가?
____1.2.2 인공 신경망을 이용한 이미지 인식
____1.2.3 딥러닝 알고리즘
2장 딥러닝이 이룩한 성과
__2.1 딥러닝의 역사
____2.1.1 딥러닝 연구의 기원
____2.1.2 인공 신경망 연구, 빙하기를 거쳐 재조명
____2.1.3 GPU에 의한 병렬 계산: GPGPU와 CUDA
____2.1.4 딥러닝은 왜 주목 받는가?
__2.2 음성 인식 분야의 성과
____2.2.1 음성 인식이란?
____2.2.2 음성 인식에 딥러닝을 이용
__2.3 이미지 인식 분야의 성과
____2.3.1 이미지 인식에 딥러닝을 이용
____2.3.2 딥러닝을 이용한 이미지의 특징 자동 추출
____2.3.3 딥러닝을 기존 이미지 처리에 이용
____2.3.4 딥러닝을 이용해 이미지 주석 만들기
[이론편]
3장 딥러닝을 이용한 이미지 인식
__3.1 이미지 인식이란?
____3.1.1 이미지 인식은 왜 어려운가?
__3.2 기존의 이미지 인식 기법
____3.2.1 이미지 특징량이란 무엇인가?
____3.2.2 BoF의 개념
____3.2.3 BoF를 이용한 이미지 인식 알고리즘
____3.2.4 BoF의 단점
__3.3 딥러닝의 이용
____3.3.1 컨볼루션 신경망을 이용한 이미지 인식
____3.3.2 딥러닝은 무엇을 학습하는가?
__3.4 어떻게 높은 성능을 구현할 수 있었을까?
____3.4.1 BoF와 딥러닝의 비교
____3.4.2 딥러닝의 충격
____3.4.3 딥러닝에 약점은 없을까?
4장 딥러닝 알고리즘 학습 방법
__4.1 딥러닝 알고리즘 학습 방법
____4.1.1 노드 값의 계산 방법
____4.1.2 활성화 함수의 종류
____4.1.3 계층의 종류
__4.2 신경망 학습 방법
____4.2.1 신경망을 어떻게 최적화시키는가?
____4.2.2 경사 하강법이란 무엇인가?
____4.2.3 오류역전파법에 의한 경사의 계산
____4.2.4 신경망을 정밀하게 학습하는 방법
__4.3 딥러닝 알고리즘
____4.3.1 컨볼루션 신경망 학습 방법
____4.3.2 오토인코더 학습 방법
____4.3.3 순환 신경망 학습 방법
[체험편]
5장 Caffe를 준비하다
__5.1 Caffe에 대한 기본 지식
____5.1.1 Caffe란?
__5.2 Caffe 설치 방법
____5.2.1 Caffe에 필요한 라이브러리 설치
____5.2.2 Caffe 다운로드
____5.2.3 컴파일러 설정 변경과 make 파일 만들기
____5.2.4 CPU로 동작하도록 설정 변경
____5.2.5 Caffe의 컴파일러와 runtest
____5.2.6 Caffe 폴더 구성
__5.3 Caffe 동작법
____5.3.1 이미지 데이터 다운로드와 데이터 형식 변환
____5.3.2 실행 셸 속
____5.3.3 솔버의 파라미터 설정
____5.3.4 네트워크의 파라미터 설정
____5.3.5 네트워크 파라미터 파일 기술 사례
6장 Caffe로 딥러닝을 체험하다
__6.1 Caffe를 샘플 프로그램으로 동작시키다
____6.1.1 학습률에 대해
____6.1.2 활성화 함수의 영향
____6.1.3 네트워크의 구성과 영향
__6.2 Caffe를 자신이 준비한 데이터로 이용하다
____6.2.1 convert_imageset 사용법
부록 A
__A.1 VMware에 우분투를 설치하는 방법
____A.1.1 VMware 다운로드 및 설치
____A.1.2 VMware에 우분투를 설치하는 방법
__A.2 우분투에서 CUDA를 작동시키는 방법
____A.2.1 우분투에서 CUDA 설치
____A.2.2 GPU 환경에서 Caffe 컴파일러 실행
__A.3 3층 전결합 인공 신경망의 파라미터 파일
후기
참고문헌
찾아보기

[지은이 서문]
지은이 : 다케이 히로마사
딥러닝의 세계에 오신 걸 환영합니다.
최근 ‘딥러닝’이나 ‘심층 학습’이란 용어를 자주 듣곤 합니다. 학계나 연구소에서는 물론이고 일반 대중을 상대로 하는 뉴스에서도 빈번하게 들립니다. 이 책을 읽고 있는 독자 분들도 어디선가 벌써 새로운 소식을 접했을지 모릅니다. 이 책은 이러한 부분에 대해 흥미를 느낀 분들에게 ‘딥러닝이란 무엇인가?’를 알아 가는 출발점이 될 수 있도록 집필했습니다.
이 책은 딥러닝을 처음 배우는 IT 개발자나 이공계 학생을 대상으로 하고, 더 나아가 일반 직장인 여러분에게도 도움이 될 수 있도록 심사숙고했습니다. 기계 학습 같은 전문 지식은 전혀 필요하지 않지만, 고등학교 때 배운 수학은 조금 떠올려야 합니다. 또 5장 이후의 체험편은 리눅스(Linux)에 대한 기초 지식이 필요합니다.
딥러닝이 이 정도로 주목을 받게 된 계기는 화상 인식에서 기존 방법보다 월등하게 향상된 성능을 보여주었기 때문입니다. 이후 다른 분야에서도 높은 성과가 확인되면서 갑자기 관심이 높아졌습니다. 2015년 현재 매우 훌륭한 연구 성과가 수없이 보고되고 있으며 딥러닝은 계속 진화하고 있습니다.
하지만 세상은 어떤 기술에 열광적으로 주목하다 가도 그 관심이 빠르게 식곤 합니다. 나는 그 기술을 정확하게 이해하지 않은 상태에서 과도하게 기대하고, 결과가 기대에 못 미친다고 낮은 평가를 내리기 때문이라고 생각합니다. 딥러닝이 많은 분야에서 성과를 낸다는 점에는 의심할 여지가 없습니다. 하지만 결코 만능 도구는 아닙니다. 이 책을 통해 딥러닝이 어떤 기술이고, 어떤 일을 할 수 있는지 독자분들이 이해하는 데 도움이 되길 바랍니다.
이 책은 기초편, 이론편, 체험편으로 구성했습니다. 기초편에서는 딥러닝의 기본적인 내용과 성과를 소개합니다. 이론편에서는 딥러닝을 이용한 화상 인식과 딥러닝 알고리즘의 학습 방법을 살펴봅니다. 체험편에서는 오픈 소스 프레임워크 Caffe를 이용해서 실제로 딥러닝의 동작 방법을 체험해봅니다.
딥러닝은 다양한 분야에서 획기적인 발전을 이뤄냈습니다. 그리고 지금도 진화 중입니다. 이 책을 통해 이 기술의 일부라도 배울 수 있다면 좋겠습니다.

[옮긴이 서문]
옮긴이 : 이주석
데이터의 시대는 빛의 속도처럼 빨리 흘러간다.
다양한 매체를 통해 접하는 인공지능 기술은 최근 빛의 속도로 발전하고 있다는 느낌이 들 정도로 빠르게 전개되고, 수많은 사례와 비즈니스 모델들을 쏟아내면서 그 흐름을 가속화시키고 있다. 데이터(DT)의 시대는 예상했던 것보다 빠르게 다가온다는 것을 몸으로 느끼고 있는 지금이다. IT 시대를 살면서 수많은 혜택을 누리고, 그 안에서 기득권을 유지해 왔던 나로서는 DT의 시대에서 어떻게 살아가야 할지를 걱정하고 있다.
2013년 3월 처음으로 딥러닝이라는 용어를 접했다. 산호세에서 열렸던 GPU Technology Conference에 참석 후 국내 CUDA 전문가들과 가벼운 저녁 식사를 하면서 세미나에 대해 이야기를 나누었다. 특히 발표 주제 중 기계 학습과 딥러닝에 대한 이야기를 나누면서 도대체 왜 딥러닝이 새삼스럽게 화제가 되는지, 왜 GPU의 효과를 이제야 말하는지, 온갖 추측과 함께 열띤 토론을 했다.
딥러닝이 사람들이 열광할 정도로 새로운 기술인지 의문을 가졌지만, 시간이 지나면서 잊혀졌다. 그리고 2014년 정확히 1년 만에 다시 참석한 세미나에서는 거의 과반수에 가까운 주제가 딥러닝과 연관되어 있었다. 그 짧은 시간에 딥러닝은 마치 없어서는 안 될 연구 과제가 되었고, 그 짧은 사이에 스타트업 회사들이 우후죽순처럼 생겨난 것을 확인할 수 있었다.
딥러닝에 병렬 컴퓨팅 기술, 특히 CUDA라는 기술을 적용하는 이유는 범용성 때문이다. 우리가 흔히 즐겨 찾는 PC방 컴퓨터 또는 노트북에서도 딥러닝 프레임워크인 Caffe, Theano, Torch 등을 가속화시킬 수 있다. 따라서 GPU를 이용하면 특정 연구소의 전유물로 여겨졌던 슈퍼 컴퓨팅 파워를 누구나 접할 수 있다. 미국을 시작으로 중국, 일본은 이러한 기술을 빠르게 도입하기 시작했고, 많은 개발자가 좀 더 나은 알고리즘과 연구 결과를 내기 위해 도전하고 있다. 나도 국내에서 진행되었던 다양한 세미나 및 워크숍에서 관련 주제로 발표를 많이 하면서 필요성을 전파하려고 노력했지만 국내에서의 관심은 크지 않았다. 비전문가 그리고 기계 학습 등을 처음 시작을 하는 사람들은 마땅한 교재가 없어서 어려움이 많았을 것이라 생각한다. 그런 의미에서 이 책을 번역하게 된 것은 큰 행운이 아닐까 생각한다. 1년에 2번 정도 일본 출장 일이 잡힐 때면 꼭 시간을 내서 서점을 들리는데 불과 6개월 사이에 딥러닝과 기계 학습 관련 책들이 열권이 넘게 나온 것을 보고 깜짝 놀랐다. 이렇게라도 관련된 책을 소개할 수 있다는 것이 기쁘고, 많은 사람에게 도움이 되었으면 한다.
저자가 이야기한 것처럼 이 책은 초보자와 이제 막 딥러닝을 시작하려는 사람들이 이해할 수 있도록 개념을 이해하기 쉽게 설명한다. 컴퓨터 가상화와 리눅스 설치, Caffe 설치법까지 설명되어 있어 입문하는 사람은 쉽게 시작할 수 있을 것이다. 하지만 인공 신경망을 구현하는 다양한 기법들에 대해 충분히 이해하기에는 조금 어려운 면도 있으리라 생각한다. 깊이 있게 알고리즘을 이해하려면 아무래도 수학적 지식과 프로그래밍에 대한 지식이 수반되어야 할 것이다. 이 책을 읽은 독자라면 시간을 내서 확률이나 통계와 관련된 책을 한 번 읽어보는 것을 추천한다. 또한, GPU 병렬 컴퓨팅이 무엇인지에 대해서도 공부하기를 권한다.
DT의 시대는 지금까지와 다르게 슈퍼컴퓨터 급으로 흘러가게 될 것 같다. 이미 많은 나라와 기업에서 딥러닝을 이용해 가시적인 성과를 내놓고, 스타트업 회사들은 한 단계 발전된 사업 모델을 만들어 내고 있다. 상대적으로 우리나라는 이 분야에서 뒤쳐지고 있다는 생각이 들어 걱정이 앞선다. 특히 젊은 사람들은 DT의 시대를 맞이해 개별적 전략을 세우고 스스로를 차별화시킬 수 있는 계획을 세워 나가기를 바란다. 빅데이터를 분석하는 다양한 딥러닝 기법은 누구나 이용할 수 있는 도구가 되어가고 있다. 그러한 도구를 사용해서 차별화된 결과물을 만들어 내는 것은 꼭 기술자만 할 수 있는 것은 아닌 것 같다. 마치 컴퓨터 시스템이 헤테로지니어스(heterogeneous)화한 것처럼 현재 우리에게 가장 중요한 것은 융합적인 사고와 새로운 기술에 대한 도전 정신이라고 생각한다.