가장 인기 있고 강력한 인공지능 라이브러리인 텐서플로를 기초부터 차근차근 배워보자. 예제를 통해 로지스틱 회귀에서부터 컨볼루션 신경망, 순환 신경망, 심층 신경망까지 인공지능을 한 단계씩 쉽고 빠르게 만들 수 있다. 데이터를 처리하고, 그 데이터를 바라보는 방식을 완전히 전환시킬 수 있는 통찰을 얻을 수 있을 것이다.

[목 차]

1장. 시작하기
__텐서플로 설치
____텐서플로: 메인 페이지
____텐서플로: 설치 페이지
____pip를 사용한 치
____CoCalc를 사용한 설치
__간단한 계산
____스칼라와 텐서 정의
____텐서 연산
____계산하기
____변수 텐서
____중간 값 표시와 치환
__로지스틱 회귀 모델 만들기
____글꼴 분류 데이터 세트 소개
____로지스틱 회귀
____데이터 준비
____텐서플로 모델 만들기
__로지스틱 회귀 학습
____손실 함수 개발
____모델 학습
____모델 정확도 평가
__정리

2장. 심층 신경망
__신경망 기초
____로그 함수
____시그모이드 함수
__단일 은닉층 모델
____단일 은닉층 모델 살펴보기
____역전파
__단일 은닉층 설명
____모델 가중치 이해
__다중 은닉층 모델
____다중 은닉층 모델 살펴보기
__다중 은닉층 모델 결과
____다중 은닉층 그래프 이해
__정리

3장. 컨볼루션 신경망
__컨볼루션 레이어 필요성
____여러 특징 추출
__컨볼루션 레이어 응용
____컨볼루션 레이어 살펴보기
__풀링 레이어 필요성
____맥스 풀링 레이어
__풀링 레이어 응용
__심층 CNN
____컨볼루션 레이어와 풀링 레이어 함께 추가
____CNN으로 폰트 분류
__더 깊은 CNN
____CNN 레이어 추가
__심층 마무리 CNN
__정리

4장. 순환 신경망
__RNN 살펴보기
____가중치 모델링
____RNN 이해
__TensorFlow Learn
____설정
____로지스틱 회귀
__DNNs
____Learn에서 CNN 사용
____가중치 추출
__정리

5장. 마무리
__연구 평가
__모든 모델 검토
____로지스틱 회귀 모델
____단일 은닉층 신경망 모델
____심층 신경망
____컨볼루션 신경망
____심층 컨볼루션 신경망
__텐서플로의 미래
____다른 텐서플로 프로젝트
__정리
[본 문]

★ 지은이의 말 ★

텐서플로(TensorFlow)는 머신 러닝(machine learning)과 신경망(neural networks)을 학습시키기 위한 오픈소스 소프트웨어 라이브러리다. 텐서플로는 구글에 의해 개발했으며, 2015년에
오픈소스로 공개했다.
이 책을 통해 새로운 연구 문제를 해결하기 위한 텐서플로 사용 방법을 배운다. 텐서플로를 통해 가장 인기 있는 머신 러닝 기법 중 하나인 신경망을 사용하게 된다. 이 책에서는 모델을 향상시키기 위해 단순 신경망과 심층 신경망 모두를 다룬다.
이 책 전반부에는 다양한 글꼴의 글자 및 숫자 이미지를 학습해 주어진 글자 이미지의 글꼴을 판별해본다. 이것은 간단한 분류 문제로, 하나의 픽셀이나 위치보다는 픽셀 사이의 지역적 구조가 중요하기 때문에 텐서플로에서 제공하는 딥러닝(deep learning)으로 해결하기에 이상적이다. 단순한 모델에서 시작해 조금씩 더 복잡한 방법을 소개하고, 코드를 한 줄씩 설명한다. 이 책이 끝날 즈음에는 글꼴 인식을 위한 고급 모델을 직접 만들 수 있게 될 것이다.
이제 텐서플로를 사용한 데이터 마이닝에 깊이 빠져볼 시간이다.

★ 옮긴이의 말 ★

세계는 지금 비트코인 광풍에 휩싸여 있다. 이제라도 남들에게 뒤처지지 않고 미래의 화폐를 확보해야 한다는 강박감과 저금리 기조로 적절한 투자처를 찾지 못했다는 이유로 (기존 투자 방식은 어렵고, 그보다 더 어려우며 한 치 앞을 알 수 없는) 가상 화폐에 돈을 쏟아붓고 있기 때문일 것이다. 이렇게 너나 할 것 없이 격렬한 몸부림을 치며 미래를 맞이하는 현재, 공학도는 어떤 방식으로 미래를 준비할 수 있을까? 단언컨대 인공지능이 미래이며, 그 미래를 준비할 수 있는 유일한 수단이다. 일반인들이 모래 위에 성을 쌓고 있는 현재, 인공지능 학계와 업계는 자의든 타의든 다음 시대로 나아갈 토대를 쌓고 있다. 새로 올 시대가 어떻게 작동하고 발전할 수 있을지 이해하고, 또 이에 동참할 수 있을지는 바로 지금 인공지능 공부를 시작했는가, 하지 않았는가로 나뉠 것이다(물론 하더라도 안 될 수도 있다).
이는 과도하고 과격한 생각이라고 여길 수 있다. 하지만 이 책을 통해 인공지능을 시작하고, 하나씩 공부하다 보면 아마 나와 같은 생각을 하게 될 것이라 믿는다. 이미 실용화된 알고리즘과 계산기만으로도 간단한 작업은 만족스럽게 해내는 것이 인공지능이다. 여기서 간단한 작업은 인간이 1초 이내에 할 수 있는 것을 의미하는데, 각 행위를 적절하게 쪼개 생각해보면 사람이 1초 이상 생각해야만 할 수 있는 일은 그렇게 많지 않다. 따라서 단순 반복 작업을 하는 직업은 생각보다 빠르게 사라질 것이다. 정부가 법안을 통해 그 속도를 조금 늦출 수는 있겠으나, 인공지능으로 완전히 대체될 것이다. 물론 그때쯤이면 기술은 더욱 발전해, 단순 반복 이상의 일도 인공지능이 해내게 될 것이다. 결국 인공지능 스스로 발전하는 단계가 되면 흔히 말하는 기술적 특이점에 도달한 것이며, 인간은 과학 기술을 마법으로 여기게 될 것이다. 이 책으로 처음 접하는 사람은 책에 나온 예제만으로도 인공지능을 마법이라고 느낄 수 있다.
이제 인공지능의 매력으로 빠져보자. 우리는 텐서플로라는 걸출한 라이브러리를 쓸 것이고, 학계도 텐서플로를 많이 사용하고 있으므로 쉽게 시작하고 빠르게 결과를 낼 수 있을 것이다. 학습이 더 잘되는 새로운 패러다임은 학계에서 열심히 찾을 테니, 우리는 응용에 집중할 것이다. 따라서 우리에게 가장 중요한 것은 양질의 데이터를 수집하는 것이다. 책에서는 공개된 데이터를 사용하겠지만 실제로 독자나 독자의 회사에서 인공지능을 통해 가치를 창출하려면 보통 남들은 갖고 있지 않은 좋은 데이터를 많이 갖고 있어야 한다. 인공지능이 말은 많이 나오고 있지만, 실제로는 IT 회사에서도 데이터를 제대로 이용하고 있는 경우가 많지 않다(특히 로그). 아직 기회는 무궁무진하다고 볼 수 있다.
이 책을 통해 좀 더 많은 사람이 인공지능에 매료돼 열심히 연구, 개발해 미래 사회가 더 빨리 오기를 바란다. 넘치는 생산을 구시대적이고 비효율적인 분배로 낭비함으로써 충분히 누릴 수 있음에도 그러지 못하고 살아가는 사람이 더 이상 없는 사회, 그 사회로의 빠른 진행은 여러분의 손에 달려있다.

■ 실행 환경 설정 및 텐서플로 설치
■ 계산을 위한 간단한 텐서플로 그래프 작성
■ 텐서플로로 분류 문제에 로지스틱 회귀 적용
■ 텐서플로로 다층 신경망 설계 및 학습
■ 간단한 신경망에서 시작해 점점 더 정확한 모델 작성
■ 다른 종류의 신경망에서 텐서플로를 사용하는 방법
■ 텐서플로를 위한 고수준 인터페이스인 SciKit-Flow로 신경망 구현

★ 이 책의 대상 독자 ★

딥러닝이 대세가 되면서 심층 신경망을 사용해 데이터를 이해하고 정확한 결과를 얻는 것이 가능하게 됐다. 이 책은 딥러닝으로 이러한 가능성을 탐구할 수 있게 안내한다. 텐서플로의 효율성과 편리함은 데이터를 처리할 수 있게 하며, 이전과는 다른 방식으로 데이터를 이해할 수 있도록 한다.

★ 이 책의 구성 ★

1장, '시작하기'에서는 텐서플로를 사용해 적용할 기술과 모델을 설명한다. 먼저 사용 중인 컴퓨터에 텐서플로를 설치한다. 텐서플로에서 제공하는 기본 연산에 대해 살펴본 후, 바로 머신 러닝 문제로 넘어가서 로지스틱 회귀와 몇 줄의 텐서플로 코드를 사용해 적절한 모델을 성공적으로 만든다.
2장, '심층 신경망'에서는 텐서플로의 가장 강력한 기능인 심층 신경망을 살펴본다. 단층과 다층 은닉층 모델에 대해 알아본다. 또한 서로 다른 종류의 신경망에 대해 알아보고, 텐서플로를 사용해 첫 번째 신경망을 만들고 학습시킨다.
3장, '컨볼루션 신경망'에서는 딥러닝에서 가장 강력한 발전에 대해 이야기하고, 컨볼루션의 개념을 간단한 예제에 적용한다. 컨볼루션을 실용적인 관점에서 이해해본다. 또한 신경망에서 컨볼루션 레이어와 풀링(pooling) 레이어가 무엇인지 텐서플로 예제와 함께 설명한다.
4장, '순환 신경망'에서는 RNN 모델의 개념과 텐서플로를 사용한 구현 방법을 소개한다. 먼저 텐서플로에서 제공하는 TensorFlow Learn이라는 간단한 인터페이스를 살펴본다. 또한 컨볼루션 신경망뿐만 아니라 밀집 신경망(dense neural networks)을 통해 가중치를 더 자세하게 추출한다.
5장, '마무리'에서는 이 책을 통해 살펴본 내용을 정리하고, 글꼴 분류를 위한 텐서플로 모델과 정확도를 검토한다.

반 복셀
10년이 넘는 경력을 가진 데이터 과학자 및 머신 러닝 엔지니어다. 유튜브 실시간 방송을 통해 신경망의 강력함과 취약점을 보여주는 라는 영상으로 알려져 있다. 고속도로 트럭 교통량 설명, 여행 시간 이상치 감지 등의 주제에 머신 러닝의 새로운 통계 모델을 개발하고 적용했다. 또한 연구 논문을 발표하고 미국교통연구위원회 및 기타 학술지에 게재했다.
옮긴이 김세중
연세대학교 컴퓨터과학과를 졸업했다. PC 3D 온라인 MORPG 및 3D 모바일 MORPG [메탈브레이커], 퍼즐 RPG [던전 링크] 등을 개발했다. 개인 개발한 퍼즐 게임 [No2g: 노노그램]을 운영 중이며, 현재 산호세에 있는 콩 스튜디오(Kong Studios, Inc.)에서 정통 RPG를 개발 중이다.