인공지능 수학 책 - ingongjineung suhag chaeg

이번 포스팅에서는 처음 만나는 AI수학 with 파이썬 책 리뷰를 해보도록 하겠습니다.

[미리 알려드립니다] 본 리뷰는 영진 출판사로부터 책을 제공 받아 진행하지만, 책 이외 어떠한 금전적인 지원을 받지 않았습니다.

그럼, 솔직한 리뷰를 시작합니다.

첫 느낌과 전체 구성

나의 책 리뷰는 항상 첫 느낌으로부터 시작합니다. 제가 말하는 첫느낌은 목차를 읽고난 첫 느낌입니다.

목차를 보고난 첫 느낌은 확실히 쉬운 구성으로 AI를 위한 수학의 기초적인 내용을 정리해 주는 책이라는 것을 알 수 있었습니다. 바로 책의 제목처럼 말이죠.

최근 비전공자의 머신러닝 딥러닝의 영역으로 많이 진출하고 있습니다. 하지만, 정작 코딩이 아닌 가장 큰 문턱은 바로 수학/통계입니다. 그러한 분들이 여기 기술된 수학, 통계 개념은 반드시 알고 넘어가야하는데 그러한 내용들만 압축하여 추려놓은 책이라는 느낌을 받았습니다.

그렇다고 해서 수학적인 내용만 다루는 것은 아니고 파이썬(Python)과 넘파이(Numpy)를 모두 다루기 때문에 직접 코드 셀을 실행하면서 볼 수 있도록 파이썬과 넘파이가 앞 쪽 목차에 자리 잡고 있습니다.

수학, 선형대수, 미분, 확률과 통계, 기계학습의 응용까지 다루는데 “이건 절대 모르면 안되는 내용”을 다루고 있습니다.

그러니깐 앞으로 “수학은 어디까지 배워야 하나요?” 라는 질문을 받으면 “여기 기술된 내용은 모두 알아야 합니다!” 라고 대답할 수 있을 정도로 꼭 필요한 내용은 다루고 있습니다.

초보자! 비전공자! 수포자!

내가 위의 키워드 중 하나라도 해당된다면 정말 꼭 이 책을 읽어보라고 하고 싶습니다.

사실 이렇게 적으면 광고글 같아서 정말 싫은데, 그러면서도 반드시 알아야하는 내용을 담았기 때문입니다.

예를 들면, Norm은 머신러닝, 딥러닝에서 매우 지극히 평범한 개념이면서도 비전공자에게 친절히 “이것은 ~ 무엇입니다” 라고 알려주지 않습니다. 모든 논문과 논문 리뷰, 유튜브 강의 영상을 보더라도 이러한 term 들은 굉장히 자주 쓰이는데 이런 개념에 대한 이해 없이 다음 단계로 넘어가기 어렵습니다.

책 구매를 원하지 않더라도 목차는 볼 수 있으니, 꼭 목차에 있는 모든 term들은 이해하고 학습하셨으면 좋겠습니다.

이 책의 장점

이 책의 장점은 너무나도 명확합니다. 그리고 대상도 명확합니다. 수학이나 통계 전공자를 위한 책은 아닙니다. 하지만, 수학보다 먼저 데이터분석, 머신러닝, 딥러닝을 접하신 분들이라면 이 책을 꼭 읽어 보고 넘어가셨으면 좋겠습니다. 그리고 이전에도 언급했지만 목차에 나열된 모든 term 들은 숙지 하고 넘어가야 합니다. 매우 기본적인 내용을 다루기 때문입니다.

미분, 편미분, 합성함수의 미분도 강의나 유튜브 영상에서 많이 다뤘습니다. 그만큼 중요한 개념이기 때문입니다.

이 책에서는 다소 어렵고 생소한 미분의 개념을 최대한 쉬운 용어로 풀어 냅니다.

그럼에도 불구하고, 오랜만에 수학을 접하는 이들에게는 어렵게 느껴질 수 있습니다.

하지만, 이보다 더 쉽게 설명하는 책은 없다고 생각하고 이해가 부족한 부분은 관련 주제만 따로 검색하면서 꼭 지식을 채워 나가셨으면 합니다.

선형대수 뿐만 아니라 통계도 다룹니다.

쉬운 예시로 설명하여 이해하기에 큰 어려움은 없습니다.

통계 파트에서는 평균, 기대값과 같은 기본 개념부터 정규분포, 공분산, 상관계수, 베이스 정리까지 기본 통계를 쭉 다룹니다.

여러번 언급하였지만, 여기 기술된 내용들은 정말 꼭 알고 넘어가야하는 기초/기본 지식이니, 반드시 숙지하고 넘어가셔야 합니다.

아쉬운 점

입문자를 위한 수학 서적으로는 정말 추천하지만, 아쉬운 점이 없는 것은 아닙니다. 모든 책이 완벽할 수 는 없다고 생각하고요.

사실 제일 아쉬웠던 점은 용어(term) 들이 모두 한글화 되어 있고 영문 표기가 없는 경우가 있습니다. 예를 들면 정보량에서 엔트로피 지수 관련 내용이 모두 한글화되어 좋아보이긴 하지만, 앞으로 딥러닝 논문에서는 모두 term이 영어로 되어 있습니다. 한글과 영어 사이에 용어 matching이 안되는 현상을 겪을 수도 있겠다라는 생각을 했습니다. 물론 기본 내용이라 영문 term이 필요 없을 수 있겠지만, 그래도 AI를 위한 수학 서적이라는 측면에서 조금은 아쉬운 부분이었습니다.

두 번째로는 AI를 위한 수학이지만, 맨 끝 파트인 “수학을 기계 학습에 응용” 부분의 내용이 간단하게만 설명되어 아쉬웠습니다. 기본 내용은 앞선 장에서 대부분 다루지만 머신러닝의 대표적인 알고리즘을 좀 더 깊게 다루거나 아니면 CNN, RNN 내용까지 좀 더 심도있게 다루어 주었으면 어땠을까? 하는 아쉬움이 남았습니다.

끝으로

솔직한 리뷰를 할 수 있도록 책을 제공해 주신 영진 출판사에게 감사 인사 드립니다.

분명, 비전공자 입문자들에게는 희망이 되는 책입니다. 저도 이 서적에 대한 내용을 바탕으로 강의를 만들고 싶을만큼 기본에 충실한 책입니다. 앞으로 머신러닝, 딥러닝을 위한 수학의 지식 범위를 물어보는 이들에게 이책으로 쉽게 답변할 수 있을 것 같습니다.

좋은 책 만들어 주셔서 감사합니다.

YES24 구매 링크

관련 글 더보기

- 인공지능? 모를수도 있지! 책 리뷰

- 무료 E-Book 소개 - Python, 데이터분석, SQL, 정규식 표현

- 베이지안 최적화에 기반한 HyperOpt를 활용한 하이퍼 파라미터 튜닝

- 데이터 과학 트레이닝 북 책 리뷰

- 입문자를 위한 데이터분석 포트폴리오 완성, 캡스톤프로젝트를 진행합니다.

* 제가 직접 30% 이상 읽거나 수강한 (혹은 상세히 살펴본 뒤 읽으려고 구입했거나 킵 해놓은) 책과 강의에서 추천할 만한 것들만 정리한 목록입니다. 잘못된 내용이나 건의할 부분이 있다면 댓글로 남겨주시면 반영하겠으며, 시간이 지나 변경되거나 제가 새로 본 책이나 강의에 대한 내용은 주기적으로 업데이트하겠습니다.
2020.10 - 첫 게시
2021.3 - 입문(3), 중급(4) 추가 및 기존 자료 수정

2021.12 - 수학(1), 비전(4) 추가

2022.2 - 입문(2), 비전(1) 자료 수정 및 비전(1) 삭제

1. 머신러닝 & 딥러닝 입문

[책] 밑바닥부터 시작하는 딥러닝 : 국내 이 분야 베스트셀러. 제목에서 알 수 있듯, 밑바닥에서부터 numpy만 활용해 기초적인 딥러닝 알고리즘들을 구현하면서 이해해볼 수 있다. 쉽게 잘 설명되어 있어 이름값을 한다. 파이썬에 조금 익숙해진 상태에서 보는 게 수월하다.

[튜토리얼] 파이토치로 딥러닝하기: 60분만에 끝장내기 : 딥러닝의 과정을 코드를 따라치면서 간단하게 맛볼 수 있는 소스 중에 이만한 것이 없다고 생각한다. 입문자라면 물론 제목에서 주장하는 60분보다 3~4배 정도 시간이 걸릴 수 있다. PyTorch 소개, 자동 미분, 신경망, CNN 모델 4개의 짧은 코스로 구성되어 있다. 파이토치 공식 튜토리얼(영어 버전)을 번역한 자료인데, 번역도 매끄럽게 되어 있다. 같은 홈페이지에서 다양한 종류의 다른 튜토리얼도 찾아볼 수 있다.

[강의] 모두를 위한 딥러닝 2 : 한국어로 된 강의 중에 가장 유명한 강의가 아닐까 싶다. 전설의 김성훈 교수님의 시즌 1 이론 강좌에, 파트별로 다양한 강사분들의 최신 코드 실습이 덧붙여진 강의다. 짧은 시간 안에 전체적인 그림을 파악하기에 아주 좋다. 물론 시즌 1로 공부하는 것도 아주 좋지만, 실습 부분이 파이썬과 텐서플로우 모두 구 버전 기준으로 되어 있기 때문에 적어도 실습 파트는 시즌 2를 추천한다.

[강의] 코세라 Machine Learning (Andrew Ng) : 무료지만 수강확인증을 받으려면 돈을 내야 한다. 코세라에서 가장 유명한 강의 중 하나. 앤드류 응 교수의 친절한 설명을 따라 차근차근 가다 보면 정말 많은 것을 배울 수 있다. 내용과 설명이 간단명료하기 때문에, 용어들만 체크하면서 들으면 영어가 조금 부족해도 들을 만할 것이다.

[책] 핸즈온 머신러닝 : 책 시작부터 머신러닝 프로젝트를 한바퀴 맛본 뒤, 주요 개념들을 하나씩 차근차근 소개하는 독특한 책. 베스트셀러다. 1판만 사놓고 조금 봤는데, 2판은 내용이 많이 추가되어서 나왔다고 한다. (가격도 많이 추가됨...)

[책] 케라스 창시자에게 배우는 딥러닝 : 하도 유명해서 도서관에서 빌려서 훑어봤는데, 확실히 케라스를 만든 분이 직접 쓴 거라 책의 구성과 코드 설명이 적재적소에 있는 것 같았다. 생각만큼 가벼운 책은 아니며, 딥러닝의 전반적인 개념 설명도 좋다고 들었다.

[책] 비전공자를 위한 딥러닝 : "모두를 위한 딥러닝"도 어렵게 느껴지는 비전공자분들에게 직관적인 설명을 드리고자 직접 쓴 책이다. 국문학과 출신으로 AI 엔지니어가 되기까지 겪은 어려움을 바탕으로, '이런 책이 있으면 참 좋을텐데'라는 생각에서 블로그에 연재하던 중 출판 제의를 받았다. 그림과 이야기로 설명하며, '학습'의 의미부터 합성곱 신경망(CNN)까지 딥러닝의 큰 그림을 이해할 수 있다. 

2. 머신러닝 & 딥러닝 중급

[강의] 스탠퍼드 CS 231n : 가장 유명한 강의가 아닐까? <밑바닥부터 시작하는 딥러닝>의 저자도 책에서 이 강의를 가장 많이 참고했다고 한다. 명쾌하고 핵심적인 설명이 인상적이지만 스탠퍼드 고학년생을 대상으로 하는 강의인 만큼 쉽지는 않다. 역전파 수식을 설명하는 부분이 매우 명쾌해서 인상적이었다. 시간이 없다면 강의 노트만 봐도 도움이 많이 된다. 강의 노트 [한글] [영어]

[책] 단단한 머신러닝 : 한국에서는 잘 알려지지 않았지만, 세계적으로 떠오르는 AI 강대국 중국의 베스트셀러 <단단한 머신러닝>. 코딩보다는 수학적으로 엄밀하게 머신러닝 전반을 개괄하는 책이다. 쉬운 책은 절대 아니지만, 수식을 중심으로 차근차근 진행되는 설명을 따라가다 보면 많은 것을 얻을 수 있다. 정리 노트 보기

[책] 파이썬 날코딩으로 알고 짜는 딥러닝 : <밑바닥부터 시작하는 딥러닝>과 <파이토치 튜토리얼>을 좋게 봤다면 추천할 만한 책. 단층 퍼셉트론(Single layer perceptron)부터 시작해 로우레벨로 차근 차근 코딩해나가는데, 수식 설명도 잘 되어있고 코드에 대한 설명도 괜찮았다. 파이썬 (특히 객체지향 프로그래밍)이 아직 익숙한 분이 아니라면, 막히는 부분이 많을 것이라 판단해 "중급"에 추가했다.

[강의] 논문으로 짚어보는 딥러닝의 맥 (최성준) : 논문을 한 줄 한 줄 읽어주는 강의는 아니고, 주요 논문들에 나오는 개념들을 중심으로 풀어가는 강의다. 초중반부까지 빠르게 봤었는데, 그려가며 자세히 설명해주는 CNN 부분이 인상적이었다.

[책] 패턴 인식과 머신러닝 : 그 유명한 PRML(Pattern Recognition and Machine Learning)의 번역서. 원서는 온라인으로 공개되어 있다. 확률과 통계, 그리고 수학에 익숙하지 않은 분들은 고통받다가 수학 공부나 더 해야겠다는 결론을 내릴 수도 있다. (바로 내 얘기) 머피의 머신러닝과 함께 어딜 가도 항상 언급되는 머신러닝 계의 양대산맥 고전.

[책] 심층 학습(Deep learning) : GAN을 만든 이안 굿펠로 (패널 토론 리뷰), 딥러닝 거장 요슈아 벤지오 외 1명이 저술한 책으로, 비교적 최근(2016)에 나와 최근 이론들까지 어느정도 다루고 있다. 원서는 온라인으로 공개되어 있다. 제목에서 알 수 있듯이 전문 용어들을 한국어로 옮기려고 노력했는데, 호불호가 갈릴 수 있다. 1부가 관련 수학, 확률론, 머신러닝 기초로 구성되어 있고 2부가 본격적인 딥러닝인데, 2부로 넘어가기도 전에 어려운 수식들이 많아 킵해둔 책.

3. 머신러닝 수학

[통계학 책] 프로그래머를 위한 확률과 통계 : 쉽게 설명하는 확률과 통계 입문서. 저자의 쉽게 설명하려는 방식이 조금 독특해 더 헷갈린다는 리뷰가 있었으니 더 찾아보고 판단하는 걸 추천한다. 개인적으로는 (확률과 통계 배경지식이 조금 있어서 그런지) 쉽게 잘 와 닿아서 좋았다.

[미적분 책] 프로그래머를 위한 기초 해석학 : 아직 초반부를 읽고 있지만 벌써부터 생각보다 깊이 있게 들어간다. 머신러닝, 딥러닝 논문을 읽고 싶은데 수학적 베이스가 약하다면 (사실 나를 두고 하는 말...), 이 책을 통해 수식을 제대로 읽는 법부터 차근차근 보는 것도 좋을 것이다.

[미적분 책] 해석학 (이슬비) : 현재 무료로 배포된 유명한 교재. 심도 있는 책으로 보여, 프로그래머를 위한 기초 해석학을 다 읽은 후에 보려고 킵 해둔 상태다.

[선형대수학 책] NO BULLSHIT 선형대수학 가이드 : 비교적 쉽고 직관적으로 설명하면서도 수학적 정의에 충실한 좋은 입문서. 특히 1장 "수학 기초"에서 고등학교 수학을 정리해주기 때문에 문과생이나 비전공자들에게 권하고 싶다. 마지막 두 장에서 확률론과 양자 역학까지 다루고 있어 선형대수학의 기본 개념과 다양한 응용 분야를 맛볼 수 있다.

4. 컴퓨터 비전

[책] 컴퓨터 비전 (오일석) : 한국어로 쓰인 컴퓨터 비전 책 중에 가장 유명하면서 그 이름값을 하는 책. 저자는 <기계 학습>의 저자이자 전북대 교수다. 비전 딥러닝을 연구하거나 현업에서 포지션으로 삼고자한다면, 딥러닝만 주구장창 파는 것보다는 도메인인 컴퓨터 비전도 심도 있게 파보는 것을 추천한다. 딥러닝에 등장하는 수많은 알고리즘의 근본을 이루거나, 직접적으로 아이디어에 영감을 준 내용들이 수두룩하다.

[책] 미술관에 GAN 딥러닝 실전 프로젝트 : 꼭 GAN에 관심이 있는 것이 아니더라도 PART 1의 딥러닝, 오토인코더 부분은 역대급으로 쉽게 설명되어 있기 때문에 추천한다. GAN 파트도 나름의 서사를 가지고 비교적 쉽게 설명되어 있고, PART 2에서 다양한 생성 모델 실습을 따라할 수 있게 구성되어 있다.

[책] OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 : 목차와 평이 좋고, AI 관련 오픈채팅방에서 강력추천한 책. 비전 이론 부분은 <컴퓨터 비전>보다 쉽게 읽히며, 코드 실습 부분은 OpenCV 내부 함수와 매서드를 낱낱이 파헤치기 때문에 조금 피곤할 수 있지만 유용하다.