9명의 저자 분의 글이 하나의 유기적인 글로 막힘없이 읽히는데 편집자님과 저자님들의 노고가 진하게 느껴졌습니다. 다양한 배경을 갖고 계신 분들의 인사이트를 그렇게 두껍지 않은 책을 통해 접할 수 있는 좋은 기회이었습니다. 저자분들을 페이스북이나 링크드인 등 SNS에서 단편적인 글로만 접하다가 정제 된 글을 통해 접하는 것은 색다른 느낌이었습니다.
직접 마주하고 있지는 못하지만 짧게 짧게 보았던 글들에 대한 이해가 깊어지기도 했고, 글 속에 나타난 삶의 태도로 데이터에 대한 접근법을 새롭게 볼 수 있었습니다. 배경이 다양한만큼 시행착오도 다양합니다.
골든래빗 출판사로부터 책을 제공받아 작성했습니다
책 바로가기
알파고가 가지고 온 인고지능 쇼크 이후 벌써 6년이라는 시간이 지났습니다. 그 기간동안 다양한 인공지능/딥러닝 관련 서적들이 나왔고, tenosrflow와 pytorch가 인공지능 프레임워크의 두 기둥으로 자리 잡았습니다. 다양한 프레임워크와 네트워크/모델들이 나왔고 그래서 상대적으로 초창기에 나온 책들은 기초적인 MLP, CNN, RNN 정도를 다루고 부록에 GAN, Transformer 등 나름 트랜디하게 뒤에 나온 모델들을 소개하는 정도였습니다. 이번 책은 퍼셉트론을 시작으로 GPT, ViT등 요즘 핫하다고 할 수 있는 대규모 모델 등까지 다루고 있습니다.
골든래빗 출판사로부터 책을 제공받아 작성했습니다
책 바로가기
데싸노트의 실전에서 통하는 머신러닝을 선택하기 전에 반드시 아셔야 할 내용이 하나 있습니다. 머신러닝과 딥러닝은 다른 것입니다. 입문 단계에서 가장 많이 헷갈리고 혼용하는 것이 용어입니다. 동일 카테고리에서 특히 많은 혼동이 있는 듯 합니다. 이제는 조금 옛날 이야기가 되어버렸지만 새롭게 인공지능의 붐을 일으킨 알파고 이후 인공지능 == 머신러닝 == 딥러닝으로 알고 있는 사람이 많아져 더욱 용어에 혼란을 느끼는 사람이 많은 듯 합니다. 그래서 이 책은 제목 그대로 머신러닝만을 다루고 있습니다.