"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다."
처음에 이 책을 신청했을때, 가장 먼저 든 생각은 “이걸 혼자 해낼 수 있을까?” 잠시 고민을 했습니다. 알고 싶었지만.. 너무 어려운것도 사실 알고 있었기에.. 하지만 책을 따라가다 보면 그 걱정이 조금씩 줄어듭니다. 수학적인 부분이나, 전문 용어가 주는 압박감도 점차 익숙해져 갑니다.
- 총평 -
혼자서 머신러닝과 딥러닝을 시작해보고 싶은 분이라면, 《혼자 공부하는 머신러닝+딥러닝》은 정말 이름 그대로 “혼공”에 최적화된 책인 것 같습니다. 물론 저는 동영상 강좌를 함께.. 봤습니다.
경험상 교재 + 동영상 강의를 추천 드립니다.
기초 개념부터 시작해서 최신 딥러닝 모델까지, 단계적으로 배우며 나만의 AI 프로젝트를 만들어가는 재미를 느낄 수 있었어요. 아직 용어나 개념이 익숙하지 않더라도,꼭 다 이해하려고 조급해하지 말고, 한 장씩 차근차근 넘겼습니다.
그러면 어느 순간, '아, 나도 머신러닝 할 수 있겠는데?' 싶은 근거 없는 자신감이 생깁니다. ^^
- 한줄 평 -
"머신러닝과 딥러닝, 막연했던 개념들이 처음으로 눈앞에 그려지기 시작했습니다."
- 누구를 위한 책-
"저 처럼 막연한 관심이 있는 머신러닝/딥러닝을 처음 배우는 입문자를 위한.."
- 이책의 장점 -
그림과 표, 코드의 균형이 잘 맞춰져 있어 처음 보는 개념도 이해하기 쉽게 구성되어 있고, 각 장마다 나오는 ‘마무리' 와 ‘확인 문제’, ‘자주 하는 질문’은 복습에 매우 효과적입니다. 머신러닝에서 딥러닝, 그리고 대규모 언어 모델까지 이어지는 흐름이 단계적이며 연결감 있게 구성되어 있는것도 이 책의 장점이라고 생각 됩니다.
- 책의 구성과 내용-
Chapter 01~02: 머신러닝 입문과 데이터 다루기
인공지능, 머신러닝, 딥러닝의 차이부터 시작해 Google Colab과 Jupyter Notebook 사용법을 소개합니다.
간단한 생선 분류 문제를 통해 머신러닝 프로세스를 체험하고, 훈련 세트/테스트 세트 분리, 데이터 전처리(스케일링)의 중요성을 배웁니다.
Chapter 03: 회귀 알고리즘과 규제
k-최근접 이웃(k-NN), 선형 회귀, 다중 회귀, 릿지/라쏘 회귀를 통해 과대적합과 과소적합 개념을 소개합니다.
사이킷런의 다양한 도구와 함수를 실습으로 다뤄봅니다.
Chapter 04~05: 분류와 트리 기반 알고리즘
로지스틱 회귀부터 SGDClassifier 등 확률적 경사하강법을 소개하고, 결정 트리, 랜덤 포레스트 등 트리 기반 모델을 설명합니다. 하이퍼파라미터 튜닝, 교차 검증, 그리드 서치도 친절하게 다룹니다.
Chapter 06: 비지도 학습
k-평균 군집화, PCA(주성분 분석) 등 비지도 학습을 실제 데이터에 적용하며 개념을 익힙니다.
주로 시각 자료와 예제를 통해 감각적으로 설명되어 있어 이해에 도움이 됩니다.
Chapter 07~08: 인공신경망과 CNN
패션 MNIST 데이터로 인공신경망을 구현하고, 심층신경망(DNN), 합성곱 신경망(CNN)까지 확장해 나갑니다.
케라스와 파이토치 버전을 함께 보여주어 두 프레임워크 비교가 가능합니다.
Chapter 09~10: RNN과 트랜스포머, 언어모델
IMDB 영화 리뷰 감성분석, BART 기반 KoBART 모델 요약, OpenAI의 GPT API 사용법까지 다루며 LLM 시대에 맞는 최신 흐름을 반영합니다. 순환신경망(RNN), LSTM, GRU 등 시계열 처리 모델도 알기 쉽게 소개합니다.
책을 전체적으로 한번 쭈욱 보았습니다. 내용도 제대로 이해 했는지 모르고, 한번 더 깊게 볼 생각이라..머신러닝과 딥러닝을 이제 막 시작 하신다면 꼭 추천하고 싶습니다.
