나만 알기 아까운 딥러닝 연재 계획

개요

딥러닝을 처음 배우고, 복잡하고 어려워 보이던 단어들이 점차 무엇인지 알아가기 시작했을 때부터, 이렇게 재밌는 딥러닝을 더 많은 사람에게 전하고 싶다는 생각이 있었다.

 

딥러닝은 분명히 어렵고, 수학과 영어같은 기반 지식들이 필요한 학문이지만, 결국은 어려운 일을 쉽게 해결하는 방법을 찾는 학문이다.

 

예를들어, 패턴 인식이나 객체 감지(Object Detection)과 같은 분야는, 전통적으로 매우 복잡하며 어려운 선형대수학 및 기하를 활용한 식과 하드코딩을 통해 해결해나가는 영역이었다. 그러나 딥러닝은, 기하에 대한 지식이나 깊은 이해가 없는 사람도 단순한 사각형이나 원과 같은 도형을 넘어 개와 고양이를 분류하고, 횡단보도를 건너는 사람을 인식하는 프로그램을 구현할 수 있게 해준다.

 

딥러닝을 연구하고 깊이 탐구하기에는 분명히 여러 어려움과 선행 지식이 필요하지만, 프레임워크를 통한 구현과 응용에는 그렇게 복잡하고 깊은 수학적 소양을 요하지 않음을 미리 밝힌다.

 

나만 알기 아까운 딥러닝이라는 제목은 막 컴퓨터 과학을 배우기 시작한 학부생들과 더욱 어린 학생들, 비전공자들이 이 글을 읽고 나처럼 딥러닝이라는 기술이 가져다주는 편의를 누렸으면 하는 마음에 정한 제목이다.

 

강의는 티스토리와 유튜브를 통해 진행되며 각 강의는 독립적으로, 원하는 부분만 골라 읽거나 전체를 순서대로 읽을 수도 있도록 구성될 예정이다. 글을 통해서든 유튜브를 통해서든 이 강의를 통해 딥러닝과 친근해질 수 있는 기회를 얻기 바라며, 궁굼한 사항은 언제나 댓글 혹은 giopaik@naver.com 을 통해 문의해주기 바란다.

 

수강 전 안내 사항

먼저, 이 강의는 파이썬(Python) 프로그래밍 언어를 기본적으로 다룰 줄 안다는 전제하에 진행할 것임을 밝힌다. 여기서 기본적으로 이 언어를 다룰 줄 안다는 것은, 점프 투 파이썬 도서를 5장까지 1회독 하면 도달할 수 있는 수준으로, 까먹은 것들은 책이나 인터넷을 통해 보완하며 강의를 수강 가능한 상태를 말한다.

 

점프 투 파이썬은 박응용님이 저술한 유명한 파이썬 입문서로, 서점에서 구매하거나, 아래 WikiDocs에서 무료로 읽을 수 있다.

 

링크 : https://wikidocs.net/book/1

 

또한, 각 강의는 별다른 목차없이 독립적으로 작성될 것이다. 즉, 기초 강의를 모두 읽었거나 이미 알고 있는 내용이라면, 본인이 원하는 강의를 바로 읽을 수 있을 것이다. 다만, 순서대로 기초부터 다지고 싶다면 이 글에 작성되어있는 목차 순서대로 읽기를 권한다.

 

강의 계획

강의는 크게 딥러닝 이론과 실용주의 딥러닝 with Keras 라는 두 가지로 나누어 진행될 것이다.

 

딥러닝 기초 강의에서는, 퍼셉트론과 경사하강법을 비롯하여 딥러닝의 역사와 그 근간이 되는 기술을 자세히 들여다보며, 어떻게 딥러닝이 빅데이터와 만나 마술을 부리게 되었는지 알아볼 것이다. 딥러닝을 깊게 배워보고자 하는 독자들에게 추천한다.

 

실용주의 딥러닝 강의에서는 수학적 지식없이도 누구나 딥러닝을 문제 해결에 사용할 수 있도록, Keras 프레임워크의 사용법과, 여러가지 문제 유형에 따라 필요한 다양한 모델을 알아볼 것이다.

 

딥러닝 기초

- 왜 지금인가? - 딥러닝의 역사

- 퍼셉트론(Perceptron): 덧셈과 곱셈으로 뉴런 구현하기- 

- 경사하강법과 손실 함수: 심층 신경망 학습시키기

실용주의 딥러닝 with Keras

1장. 케라스와 코랩 환경 설정

1장에서는 우리가 사용할 케라스를 비롯하여 여러가지 딥러닝 프레임워크들을 소개하고, 고사양의 구글 서버에서 텐서플로(Tensorflow)와 케라스(Keras)를 사용할 수 있는 환경을 구축할 것이다.

 

2장. 지도 학습

2장에서는 딥러닝의 형태 중에서도 가장 보편적이고 쉬운 지도 학습을 배울 것이다. Convolution을 활용하여 고차원 정보를 활용하거나, 순환 신경망을 구현하여 연속되는 흐름을 딥러닝에 적용하는 방법을 배울 것이다. 동시에 딥러닝 과정에서 생길 수 있는 문제들과, 이를 해결하는 방법을 배울 것이다.

 

3장. 비지도 학습

3장에서는 정답(label) 데이터 없이 스스로 패턴을 찾아내고 분석하는 비지도 학습을 배울 것이다.

 

4장. 생성 모델링

4장에서는 컴퓨터가 어떻게 사람과 같은 그림이나 음악을 만들고, AI 챗봇이 사람과 대화하는지를 살펴보고, 직접 가짜 이미지나 음악을 만드는 인공지능을 만들어 볼 것이다.

 

5장. 강화 학습

5장에서는 알파고와 같은 인공지능이 어떻게 큰 그림을 보고 게임이나 주식 투자에서 인간과 같은 손익계산을 하는지 배워볼 것이다.

 

6장. 최종장

6장에서는 인공지능의 학습에 필요한 데이터를 가공하고 처리하는 방법들과 Kaggle 대회에 참여하고, 스스로 인공지능 전문가로 거듭나기 위한 몇가지 방법들을 제안할 것이다.