케라스로 다양한 문제를 해결하면서 케라스와 딥러닝 기초를 쉽게 배울 수 있는 책이다. 신경망 기초와 케라스 설치 방법을 제공해 입문자도 쉽게 접근할 수 있으며, 단계적으로 모델을 개선 시킬 수 있는 방법을 쉽게 설명한다. 널리 활용되는 합성곱 신경망과 순환 신경망에 대해 배우며, 최근 관심 뜨거운 연구 분야인 GAN과 알파고로 화제가 되었던 강화학습에 대한 실습 내용도 담고 있다. 다양한 실습을 진행하면서 실무 환경에서는 어떻게 케라스를 활용할 수 있을지에 대한 통찰력을 얻을 수 있을 것이다.

■ 역전파 알고리즘을 활용한 신경망의 단계별 함수 최적화
■ 결과 개선을 위한 신경망 미세조정
■ 영상과 음성 처리에 심층 학습 활용
■ 재귀 신경 텐서 네트워크(RNTN)를 사용한 단어 임베딩 개선
■ 순환 신경망(RNN) 구조 탐색
■ 오토인코더 구현 과정
■ 강화학습을 통한 심층 신경망 발전

이 책은 파이썬 지식이 필요하며, 머신 러닝 경험이 있는 데이터 과학자이거나 신경망을 아는 AI 프로그래머라면 케라스로 딥러닝을 배우기에 좋은 시작점으로 활용할 수 있다.

1장, '신경망 기초'에서는 신경망의 기초를 배운다.
2장, '케라스 설치와 API'에서는 AWS, 마이크로소프트 애저, 구글 클라우드, 사용자 컴퓨터에 케라스를 설치하는 방법을 다룬다. 그 외에도 케라스 API에 대해 소개한다.
3장, '합성곱 신경망을 활용한 딥러닝'에서는 합성곱 신경망 개념을 소개한다. 합성곱 신경망은 텍스트에서 비디오, 음성에 이르기까지 여러 영역에서 성공을 거두고 원래의 이미지 처리 영역을 뛰어넘는, 딥러닝에서의 근본적인 혁신을 가져왔다.
4장, '적대적 생성 네트워크와 웨이브넷'에서는 사람이 만든 데이터와 유사한 합성 데이터를 재생산하는 데 사용하는 적대적 생성 네트워크를 소개한다. 사람의 목소리와 악기를 아주 잘 재현하는 데 사용하는 심층 신경망인 웨이브넷도 소개한다.
5장, '단어 임베딩'에서는 단어 임베딩에 대해 설명하고, 단어 간의 관계를 탐지하고 유사한 단어를 그룹화하는 딥러닝 방법론에 관해 설명한다.
6장, '순환 신경망'에서는 텍스트와 같이 시퀀스 데이터를 처리하기에 적합한 네트워크 종류인 순환 신경망을 다룬다.
7장, '기타 딥러닝 모델'에서는 케라스 함수 API, 회귀 네트워크, 오토 인코더에 대해 간단히 살펴본다.
8장, 'AI 게임 플레이'에서는 강화학습을 가르치고 보상 피드백을 기반으로 아케이드 게임을 하는 방법을 배우는 딥러닝 네트워크를 케라스로 어떻게 작성하는지 설명한다.
부록, '결론'에서는 이 책에서 다루는 주제를 요약하고 케라스 2.0을 독자에게 소개한다.

이 책은 구글의 텐서플로나 리사 연구소(Lisa Lab)의 떼아노(Theano) 백엔드 위에서 실행하는 모듈형 신경망 라이브러리인 케라스를 사용해 파이썬으로 작성한 20개 이상의 심층 신경망을 다룬다.
독자는 간단한 선형 회귀, 다층 퍼셉트론, 정교한 심층 합성곱 신경망, 적대적 생성 네트워크 같은 지도 학습 알고리즘에 대해 단계별로 학습한다. 이 책은 오토 인코더와 생성 네트워크와 같이 비지도 학습 알고리즘을 다룬다. 순환 신경망과 장기-단기 기억(LSTM, long short-term memory) 네트워크에 대해서도 자세히 설명한다. 이 책은 케라스 함수 API를 다루고 독자가 적용할 사례가 케라스 확장 기능에서 제공하지 않는 경우 케라스를 커스터마이징하는 방법을 설명한다. 그 후, 앞서 다룬 빌딩 블록으로 구성한 좀 더 크고 복잡한 시스템도 살펴본다. 심층 강화학습에 대한 소개와 AI가 게임을 만드는 데 어떻게 활용되는가를 다루면서 결론을 맺는다.
실용적인 응용 사례로는 뉴스 기사를 사전에 정의한 범주로 분류, 텍스트의 의미 분석, 감성 분석, 텍스트 생성과 품사 태깅 등이 있다. 손글씨 숫자 이미지의 인식, 이미지를 여러 범주로 분류, 이미지 주석 생성을 활용한 고급 개체 인식을 활용해 이미지 처리 분야도 알아본다. 얼굴 인식을 위한 특징점 식별 예제도 다룬다. 음성 분석은 여러 화자가 있을 때 화자의 음성을 인식하는 예제를 다룬다. 강화학습은 자율적으로 게임을 할 수 있는 심층 Q 학습 네트워크 구축에 사용한다.
실험 예제들은 이 책의 특징이다. 각 신경망은 입력 파라미터, 네트워크의 형태, 손실 함수와 최적화에 사용한 알고리즘을 변경해 학습 성능을 점진적으로 향상되도록 변형할 수 있다. CPU와 GPU를 이용한 학습에 대한 몇 가지 비교 자료도 제공한다.

안토니오 걸리(Antonio Gulli)

글로벌 기술 인재, 혁신, 실행을 계획하고 관리하는 데 열정을 가진 소프트웨어 임원이자 비즈니스 리더다. 검색 엔진, 온라인 서비스, 머신 러닝, 정보 검색, 애널리틱스와 클라우드 컴퓨팅 분야의 전문가다. 지금까지 운이 좋게도 유럽의 4개국에서 전문적인 경험을 쌓고, 유럽과 미국의 6개국에서 사람들을 관리했다. 출판사(Elsevier)에서 소비자 인터넷(Ask.com 및 Tiscali), 하이테크 R&D(Microsoft 및 Google)에 이르기까지 여러 분야에서 CEO, GM, CTO, 부사장, 디렉터, 현장 리더로 재직했다.

수짓 팔(Sujit Pal)

엘스비어 랩(Elsevier Labs)의 기술 리서치 디렉터로, 연구 내용과 메타데이터를 중심으로 지능형 시스템을 구축하고 있다. 주요 관심사는 정보 검색, 온톨로지, 자연어 처리, 머신 러닝, 분산 처리다. 현재 딥러닝 모델을 사용해 이미지 분류와 유사성을 연구하고 있다. 이전에는 소비자 건강관리 업계에서 일하면서 온톨로지 기반의 의미론적 검색, 콘텐츠 기반 광고, EMR 데이터 처리 플랫폼을 구축하는 데 도움을 받았다. 살몬 런(Salmon Run)에서 자신의 블로그에 기술을 기고한다.

알파고와 이세돌 9단의 세기의 대결로 일반인들도 점점 머신 러닝에 관심을 갖게 됐다. 또한 많은 기업들이 머신 러닝을 적용해 다양한 문제를 해결해 나가기 시작한다. 자율주행 자동차와 의학 분야 등의 많은 산업 분야에도 머신 러닝으로 커다란 변화가 일어나고 있다. 구글 트렌드에서 ‘Machine Learning’을 검색하면 대한민국이 상위권에 랭크된다. 그만큼 국내에는 머신 러닝에 관심을 갖고 계신 분들이 많다고 생각된다. 얼마 전부터 많은 오프라인 스터디가 생기고 양질의 정보를 제공해주는 블로그가 많아졌다. 훌륭한 연구원 분들과 교수님들은 바쁜 와중에도 일반인들이 쉽게 머신 러닝을 접할 수 있도록 무료 강의를 배포하고 어려운 영어 논문을 이해하기 쉽도록 한글로 풀어서 설명해주고 있다. 기술이 발전하는 속도만큼 학습해야 할 것이 점점 늘어나고 있지만, 이런 분들의 노력이 있다는 건 정말 희소식이다. 이 책은 딥러닝의 근간을 이루는 신경망 기초에 대한 내용으로 시작해, 실세계에서 다양한 문제 해결에 활용하는 CNN, RNN 등을 학습한다. 최근 관심이 뜨거운 GAN에 대해서도 알아보고, 여러 상황에 맞는 다양한 신경망 구조에 대해 학습한다. 언어의 의미를 파악하고자 하는 텍스트 마이닝에서 널리 활용되는 단어 임베딩에 대해서도 다루고 있다. 마지막으로 알파고로 화제가 되었던 강화학습으로 간단한 게임을 플레이하며 쉽게 설명한다. 책에서 다루는 대부분의 신경망에 대한 소스 코드를 제공해 나중에 독자들이 이 코드를 기반으로 각자의 문제를 해결하는 데에 활용할 수 있을 것이다.

김창엽

현재 데이터 분석과 머신 러닝에 관심이 많아 회사를 그만 두고 고려대학교 산업경영공학과 데이터 사이언스 및 비즈니스 어낼리틱스(DSBA) 연구실에서 박사 과정 재학 중이다. 이전에는 안랩에서 9년간 근무하며 악성코드 대응 및 침해사고 분석 업무를 수행했다. 옮긴 책으로는 에이콘출판사에서 출간한 『텐서플로 入門』(2016), 『리눅스 바이너리 분석』(2016), 『모의 해킹을 위한 메타스플로잇』(2014) 등이 있다.