[리뷰] 파이토치 딥러닝 프로젝트 모음집

* 해당 서평은 비제이리퍼블릭 서평 이벤트를 통해 제공받은 '한 줄씩 따라 해보는 파이토치 딥러닝 프로젝트 모음집'에 대한 서평입니다.

파이토치 딥러닝 프로젝트 모음집

투빅스 / 이경택 외 8인 지음

한 줄씩 따라 해보는 파이토치 딥러닝 프로젝트 모음집 - YES24

---

간단 서평

이 책을 펼쳤을 때 가장 먼저 든 생각은, 책이 참 친절하다 였다.

이론만 주구장창 이야기하면 독자들이 지루해할 것이라는 것을 알고 있기라도 한 듯, 핵심적인 내용만을 정확하고 쉽게 설명해두었다. 흥미로운 사례와 깔끔한 모식도를 기반으로 인공지능을 이해하는 데에 꼭 필요한 개념들만을 빠르게 설명한다.

추가로, 정말 재밌고 색다른 프로젝트들을 통해 딥러닝의 세계에 막 발을 들이는 사람들이 즐겁게 공부할 수 있는 의지를 불어넣어 준다. (책장 한가득 이론 책이 쌓여있는 나로서는, 이 부분이 정말 마음에 든다.)

딥러닝 프레임워크 중 가장 빠르고 쉽게 배울 수 있는 파이토치를 기반으로 진행되는 실전 파트는, 친절하게 코드 한 줄 한 줄을 독자에게 이해시켜주고자 하는 노력이 보였다.

딥러닝을 하고는 싶지만 어떻게 해야 할지 모르겠는 초보자들은 다양한 프로젝트를 통해 실전 경험을 쌓을 수 있을 것이고, 딥러닝을 해본 적은 있지만 대학원 등에서 파이토치를 처음 접하게 된 사람들은 프레임워크 사용의 인사이트를 얻을 수 있을 것 같다. 그 외에도, 조금이라도 데이터 지식이 있는 사람이라면 누구나 즐겁게 읽을 수 있는 책이라고 생각된다.

이론 파트가 다소 간결해 아예 딥러닝을 처음 접하는 초심자보다는 어느 정도 개념이 정립된 사람들이 보면 좋을 듯 하다.

---

목차

이론파트

 

PART 1 인공지능(Artificial Intelligence)
1.1 인공지능과 딥러닝
1.1.1 인공지능이란?
1.1.2 인공지능 사례
1.2 머신러닝(Machine Learning)
1.2.1 머신러닝이란?
1.2.2 머신러닝 구분
1.2.3 지도학습(Supervised Learning)
1.2.4 비지도학습(Unsupervised Learning)
1.2.5 과적합과 모델 학습법
1.2.6 성능 지표

PART 2 딥러닝(Deep Learning)
2.1 딥러닝이란?
2.2 딥러닝 발전 과정
2.2.1 퍼셉트론(Perceptron)
2.2.2 다층 퍼셉트론(Multi-Layer Perceptron)
2.2.3 인공신경망 핵심 알고리즘
2.3 고급 딥러닝 기술
2.3.1 Convolutional Neural Network(CNN)
2.3.2 Recurrent Neural Network(RNN)
2.3.3 Long Short-Term Memory(LSTM)
2.3.4 강화학습(Reinforcement Learning)
2.3.5 Generative Adversarial Networks(GAN)

PART 3 PyTorch
3.1 PyTorch 소개
3.1.1 PyTorch란?
3.1.2 아나콘다(Anaconda) 설치
3.1.3 가상환경 구축
3.1.4 CUDA와 CuDNN 설치하기
3.1.5 PyTorch 설치하기
3.2 예제 : 손글씨 숫자 이미지 분류 문제
3.2.1 데이터 살펴보기
3.2.2 CNN으로 손글씨 숫자 이미지 분류하기

실전파트
PART 4 작물 잎 사진으로 질병 분류하기
4.1 프로젝트 소개
4.2 프로젝트 파헤치기
4.2.1 데이터 구조
4.2.2 실험 설계를 위한 데이터 분할
4.2.3 베이스라인 모델 설계
4.2.4 Transfer Learning
4.3 모델 평가

PART 5 국민청원 분류하기
5.1 프로젝트 소개
5.2 프로젝트 파헤치기
5.2.1 크롤링
5.2.2 데이터 전처리
5.2.3 토크나이징 및 변수 생성
5.2.4 단어 임베딩
5.2.5 실험 설계
5.2.6 TextCNN 모델 설계
5.3 결론

PART 6 실제 사진 애니메이션으로 만들기
6.1 프로젝트 소개
6.2 프로젝트 파헤치기
6.2.1 전처리 및 데이터 클래스 정의
6.2.2 Generator 구현
6.2.3 Discriminator 구현
6.2.4 모델 학습
6.2.5 학습 결과
6.3 결론

PART 7 실시간 비명 감지 시스템
7.1. 프로젝트 소개
7.1.1 프로젝트에서 다루는 내용
7.1.2 프로젝트를 통해 배울 수 있는 내용
7.2. 프로젝트 파헤치기
7.2.1 소리 데이터에 대한 이해
7.2.2 비명 데이터 & 비 비명 데이터 수집 방식 소개
7.2.3 데이터 레이블링
7.2.4 데이터 불러오기
7.2.5 Frame Processing & 짝 맞추기
7.2.6 Feature Extraction
7.2.7 레이블 데이터 정리
7.2.8 전체 파일 데이터 전처리
7.2.9 PyTorch Dataset & DataLoader 구현
7.2.10 PyTorch 모델 구현
7.2.11 모델 학습
7.2.12 학습한 모델 저장 & 불러오기
7.2.13 데모 실행
7.3. 결론

PART 8 딥러닝을 이용한 수능 영어 풀기
8.1 프로젝트 소개
8.2. 프로젝트 설명
8.2.1 문제 정의
8.2.2 데이터 전처리
8.2.3 데이터 및 실험 설계
8.3. LSTM 기본 모델
8.3.1 모델
8.3.2 데이터셋 불러오기
8.3.3 학습
8.3.4 Test
8.4 성능 높이기
8.4.1 추가 데이터 이용
8.4.2 심화 모델
8.5 데모

PART 9 아이돌 무대 자동 교차편집 생성
9.1 프로젝트 소개
9.1.1 프로젝트 개요
9.1.2 데이터 소개
9.1.3 결과물
9.1.4 프로젝트를 통해 배울 내용
9.2 프로젝트 파헤치기
9.2.1 데이터 전처리와 모델 다운로드
9.2.2 Crosscut Class 구현
9.2.3 RandomDistance Class 구현
9.2.4 FaceDistance Class 구현
9.2.5 PoseDistance Class 구현
9.2.6 교차편집 실행 코드
9.3 결론
9.3.1 발전할 내용