현재 딥러닝은 빅데이터의 폭발적인 증가와 함께 많은 관심을 받고 있다. 여러분이 최고의 데이터 과학자가 되고 싶다면 이 책으로 딥러닝을 이해해보자. 저자는 딥러닝 모형이 어떻게 작동하는지를 알려주며, R을 사용해 직접 딥러닝 모델을 쉽고 빠르게 구축할 수 있도록 도와준다. 복잡한 수식을 지양하고, 다양한 사례를 통해 딥러닝의 핵심을 쉽게 이해할 수 있다.

[목 차]

1장. 소개
- 딥러닝이란?
- 딥러닝으로 해결할 수 있는 문제
- 누가 딥러닝을 사용할까?
- 신경망 기초

2장. 심층 신경망
- 심층 신경망의 놀랍도록 간단한 구조
- 60초 내에 DNN을 설명하는 방법
- DNN을 잘 사용하는 세 가지 방법
- 어떤 함수라도 빠르게 근사시키는 방법
- 얼마나 많은 뉴런이 필요한가에 대한 답
- 최적의 계층의 개수를 선택하는 기준
- DNN 성능을 개선하는 세 가지 아이디어
- R로 놀랍도록 쉽게 DNN 구축

3장. 엘만 신경망
- 엘만 신경망이란?
- 컨텍스트 계층 뉴런의 역할
- 정보 흐름 이해
- 엘만 신경망으로 성능을 높이는 방법
- 엘만 신경망을 사용하는 네 가지 방법
- 엘만 신경망을 쉽게 구축하는 방법
- 최고의 패키지 로드
- 데이터를 보는 것이 새로운 과학인 이유
- 데이터 변환의 비밀
- 흥미로운 모델을 만드는 방법
- 이상적인 예측 방법

4장. 조단 신경망
- 조단 신경망이 해결할 수 있는 세 가지 문제
- R에서 조단 모델을 효과적으로 사용하기 위한 필수 요소
- 데이터를 변환하는 좋은 방법
- 훈련 데이터 선택
- 모델에 사용할 팁

5장. 오토인코더의 비밀
- 제다이 기사의 초능력
- 밝혀진 비밀
- 실행할 수 있는 실용적인 정의
- 브라질 세라도 보호
- 반드시 알아야 할 내용
- 희박 오토인코더가 주는 강력한 이점
- Kullback-Leibler 발산의 이해
- 희박 오토인코더가 주는 세 가지 교훈
- 할리우드, 생체 인식, 희박 오토인코더 혼용
- R에서 오토인코더를 바로 사용하는 방법
- R을 사용한 데이터 과학 프로젝트를 위한 아이디어

6장. 다층 오토인코더의 핵심
- 딥러닝 대가의 학습을 위한 비밀 소스
- 하루 몇 시간의 수면이 필요할까?
- 5분 안에 SA 만들기
- 잡음 제거 오토인코더
- 랜덤 마스킹
- DA의 두 가지 필수적인 작업
- 다층 DA의 이해
- 깜짝 놀랄 만한 적용 사례

7장. 제한 볼츠만 머신
- 지식에 이르는 네 단계
- 에너지와 확률의 역할
- 생각하는 훌륭한 방법
- RBM 학습의 목적
- 마법 같은 속임수 훈련
- 딥러닝에 대한 비판
- 세상을 바꿀 두 아이디어
- R에서 제한 볼츠만 머신을 사용하는 비법

8장. 심층 신뢰망
- DBN 훈련 방법
- 더 나은 콜센터 경험하는 방법
- 쉽게 따라할 수 있는 세계 최초의 아이디어
- R에서 DBN을 만드는 단계

★ 이 책에서 다루는 내용 ★

■ 순환 신경망(Recurrent Neural Network)의 개발
■ 엘만 신경망(Elman Neural Network) 구축
■ 조단 신경망(Jordan Neural Network) 수행
■ 중첩된 상호 연관 신경망(Cascade Correlation Neural Network) 생성
■ 심층 신경망(Deep Neural Network)의 이해
■ 오토인코더(Autoencoder) 활용
■ 다층 오트인코더(Stacked Autoencoder)의 성능을 높이는 방법
■ 제한된 볼츠마 머신(Restricted Boltzmann Machine) 활용
■ 심층 신뢰망(Deep Belief Network) 학습

★ 이 책의 대상 독자 ★

이 책은 데이터 과학자, 연구자, 개인적인 관심을 갖고 딥러닝을 배우고 싶은 사람들 모두에게 딥러닝 기법을 소개시켜주고자 한다. R을 처음 접하는 사람도 이 책을 사전지식 없이 쉽게 읽을 수 있다. 각 예제들을 직접 입력해보며, 예제에 대한 설명을 읽으면 가능하다.

★ 지은이의 말 ★

다양한 분야에서 종사하는 분들이 “딥러닝 기법을 얼마나 빨리 이해하고, 내 분야에서 활용할 수 있을까”에 대한 질문을 많이 한다. 일반적으로는 복잡한 수학 교과서를 읽고 C, C++, Java 등으로 수식을 프로그래밍해야 했다. 하지만 지금은 R의 등장과 함께 딥러닝 기법을 사용하기란 전보다 더 쉬워졌다. 이 책은 데이터 분석과 모델링에 관심 있는 사람들을 위해 쓰여, 주로 딥러닝 기법과 아이디어, 업무에서 손쉽고 빠르게 활용할 수 있는 전략을 다룬다.
이 책은 딥러닝을 설명하는 여느 종합적인 논문과는 다르다. 딥러닝 기법을 빠르게 이해할 수 있도록 복잡한 내용은 최소화하고 R을 이용해서 어떤 것이 가능하고, 어떻게 R을 다룰 수 있는지를 설명한다. 실제로 "How"에 초점을 맞춘 내용들이 실용적인 해법과 혁신을 이끌기 때문에 이 책은 "어떻게"에 초점을 맞췄다.
그리고 R을 이용해 여러 종류의 딥러닝 모델을 단계별로 구축하는 방법을 보여준다. 예제를 통해 설명하고, 책의 내용을 R에서 바로 확인할 수 있다. 이 책은 실습하기 위한 것이니 부디 책의 내용을 실제 데이터에 적용해보자.
데이터를 다루는 사람들은 주로 의미 있는 구조와 결과의 발견에 더 많은 관심이 있다. 이론적인 교과서적 내용과 실제로 기법을 적용하는 것은 많은 차이가 있기 때문에 다른 연구자들이 딥러닝 기법들을 연구에 어떻게 적용했는지를 보는 것이 좋다. 그래서 딥러닝을 적용한 많은 사례를 책에서 보여주고자 했다. 실제 사례의 제시를 통해 다양한 분야의 내용이 다뤄지며 R을 이용해 단계별로 모델을 만들어가는 실제 사례 연구를 보완했다.
또한 향후 독자들의 연구를 위해 각 장의 끝, 미주에 상세한 참고 문헌 내용을 달아뒀다. R이 무료로 공개된 것처럼 인용된 논문 대부분 역시 무료로 공개돼 있다.
딥러닝에서 수학적인 정리에 대한 것이 전부는 아니다. 실생활에서 사람들과 함께 머신 러닝 알고리즘을 실제 문제들에 대해 적용하고 유용한 답을 구하는 것이 궁극적인 딥러닝일 것이다. 여러분이 누구든 이 책에서 소개된 아이디어를 적용할 능력은 충분하다. 적절한 소프트웨어를 이용하고, 약간의 인내심과 적절한 가이드만 있다면 딥러닝 기법이 관심을 갖는 누구라도 성공적으로 쓸 것임을 믿는다.

★ 옮긴이의 말★

요즘은 그 어느 때보다 많은 매체에서 '딥러닝'이란 용어가 회자되고 있으며, 이미 우리의 일상 속에서도 어렵지 않게 접할 수 있다. 과연 ‘딥러닝’이란 무엇일까? 우리는 ‘딥러닝’에 대한 이해 없이 이 상황을 맞이해도 괜찮을까? ‘딥러닝’을 이해하면 이를 어떻게 활용할 수 있을까? 딥러닝에 대한 적절한 이해가 중요한 시점이다.
최근 딥러닝 입문서가 적지 않다. 그중에서도 이 책은 상대적으로 적은 분량과 저자의 도발적인 표현(본인이 ‘최고’요, 이 책도 ‘최고’요)때문에 눈길을 끌게 되었다. “정말로 그럴까?”라는 의문과 꽤 얇은 책의 두께 때문에 이 책을 알아가게 됐다. 결론적으로 이 책은 딥러닝의 ‘큰 그림’을 소개하고 쉽고 빠르게 활용 방법을 알려줘 의문에 대한 답을 제시한다.
특히 수식에 대한 자세한 설명을 지양하고 사례를 통해 딥러닝을 소개하는 것은 이 책의 가장 큰 장점이다. (물론 독자들이 직접 실습을 할 수 있게 딥러닝을 위한 R 코드도 같이 제공해 활용 방법도 제시한다.) 사례를 참고해 최대한 쉽게 직접 적용할 수 있으면서 가끔은 저자의 사례도 소개해 꽤 재미있게 책장을 넘길 수도 있다. 반면 딥러닝에 관한 복잡한 수식이나 수준 깊은 기술인 내용은 설명하지 않으니 참고하길 바란다.
딥러닝을 쉽고 빠르게 이해하고 싶은 독자들에게 이 책을 권한다. 책에서는 인공 신경망부터 심층 신경망의 개요 등, 다양한 종류의 심층 신경망을 소개한다. 이 과정에서 다양한 분야에서의 딥러닝 적용 사례를 소개하며, 직접 실습할 수 있게 간결한 R 코드를 함께 제공한다. 이 대목에서 독자들에게 한 가지 부탁이 있다. 각 장의 내용을 읽은 후, 책에서 제공되는 R 코드를 꼭 실행해보길 바란다. 그리고 가능하다면 독자들이 다루는 데이터에 대해서도 책에서 나오는 R 코드를 적용해보기를 바란다. 이 과정으로 딥러닝 내용을 한층 더 잘 이해할 수 있는 계기가 되었으면 한다.