오랜만에 포스팅을 하는 것 같습니다.


오늘은 제가 공부하는데 많은 도움이 되었던 책 한권을 리뷰하고자 합니다.

지은이는 오렐리앙 제롱으로 2013년부터 2016년까지 구글에서 유튜브 동영상 분류팀을 이끌었던 머신러닝 컨설턴트입니다. 이미 아마존 인공지능 분야의 1위도서라는 평을 받을 만큼 유명해졌지 않나 싶습니다.





사실 이 책을 비롯하여 다른 youtube, 타 블로그, 관련 서적들도 많이 이용하였지만 책 중에서 가장 제 마음에 들었던 것은 ‘Hands-On Machine Learning with Scikit-Learn & Tensorflow’ 이었습니다. 책은 Tensorflow와 Scikit-Learn을 사용하여 Machine Learning과 Deep Learning 사용에 대한 핵심 코드들이 기술되어 있으므로 어느정도 관심이 있으신 분들이나 처음 접하지만 머신러닝의 사용을 시도하시는 분들이 보시기에 좋을 것 같습니다. 시중에 있는 모든 서적들을 평가할 순 없지만 제가 읽어본 책들의 대부분은 tensorflow 공식 홈페이지에서도 알 수 있는 정보들과 youtube나 타 블로그를 조금만 검색해도 알 수 있는 내용들이었습니다. 다른 책과 가장 큰 차이점이라 함은 실제 실무에 사용할 수 있는 프로젝트의 준비단계부터 런칭까지 모든 흐름에 따라 일목요연하게 정리되어 있었고 자세하게 기술되어 있다는 점인 것 같습니다. 실제로 제가 처음 공부하며 실무에 사용할 때에도 머신러닝 및 딥러닝의 사용에 대한 전체 흐름을 잡는데 많은 도움이 됐었습니다.

 

책의 목차에 따라 Chapter 제목을 옮겨 두었고, 괄호에 간단한 설명을 적어두었습니다. 관심이 있으신 분들은 구매하시거나 구글에서도 어렵지 않게 찾아 보실 수 있을 것 같습니다.


  1. 한눈에 보는 머신러닝(머신러닝 이란?)
  2. 머신러닝 프로젝트 시작부터 끝까지(실제 데이터로 준비에서 런칭까지)
  3. 분류(MNIST를 이용)
  4. 모델 훈련(선형, 로지스틱 회귀)
  5. 서포트 벡터 머신
  6. 결정 트리(Decision Tree)
  7. 앙상블 학습과 랜덤 포레스트(다양한 방식을 설명)
  8. 차원 축소(PCA)
  9. 텐서플로 시작하기(텐서플로 설치와 시작)
  10. 인공 신경망 소개
  11. 심층 신경망 훈련
  12. 다중 머신과 장치를 위한 분산 텐서플로
  13. 합성곱 신경망(CNN)
  14. 순환 신경망(RNN)
  15. 오토인코더
  16. 강화학습

 

 

추가적으로 이 한 권의 책만으로 머신러닝과 딥러닝에 대해 모든 것을 알 수는 없습니다. 해당 책에서도 기술되어 있지만 그 외 자료로 Andrew Ng의 Coursera 머신러닝 강좌(http://www.coursera.org/learn/machine-learning/)와 제프리 힌튼의 신경망과 딥러닝 강좌(https://www.coursera.org/course/neuralnets)도 훌륭하다고 되어 있고 다양한 웹사이트 및 책들도 소개하고 있습니다.

 


저는 책의 저자와 어떠한 관계도 없고 광고성 글도 아니며 어떠한 지원도 받지 않았음을 알리며, 머신러닝과 딥러닝을 시작하시는 분들에게 많은 도움이 되었으면 합니다.