파이썬 코드와 그래프로 이해하는 머신러닝 딥러닝
이 책은 구글 클라우드 플랫폼(GCP)에서 제공하는 머신러닝 관련 도구와 API를 활용하여 실제로 머신러닝 환경이나 데이터에 접하면서 이론과 실제 사용법을 함께 배울 수 있는 머신러닝, 딥러닝 입문서입니다.
머신러닝 초기 환경 구축에 어려움을 겪는 초보자라면 GCP가 제공하는 환경을 손쉽게 사용할 수 있으며, 수학에 약해서 관련 수식에 부담감을 느끼는 프로그래머라면 수식 대신, 친숙한 코드와 그래프를 사용해서 머신러닝의 원리와 과정을 이해할 수 있습니다.

Google의 뛰어난 머신러닝 환경을 활용합니다
구글 클라우드 플랫폼(GCP)은 빅데이터를 고속으로 처리하는 BigQuery를 비롯하여 머신러닝과 관련된 기능을 API로 제공할 뿐만 아니라, 머신러닝을 실행하고 운용하는 환경도 제공합니다. 따라서 초기 환경 구축에 어려움을 겪는 초보자도 GCP를 활용하여, 머신러닝을 쉽게 시작할 수 있습니다. 또한, Datalab 브라우저에서 파이썬 코드를 실행하여 그래프와 표를 출력할 수 있으며, Google의 막대한 자원과 기초부터 마련된 머신러닝 환경을 활용할 수 있습니다.

머신러닝의 기초부터 Tensorflow를 활용한 딥러닝까지
먼저 각종 머신러닝 관련 API를 사용하여 머신러닝의 힘을 한번 경험한 뒤, 본격적으로 머신러닝의 원리에 대해서 알아봅니다. 원리라고 하면 어렵게 느껴질지도 모르겠지만, 수식은 거의 나오지 않습니다. 프로그래머에게 가장 친숙한 수단인 '코드'로 그래프를 그려보며 머신러닝의 원리를 직접 이해해 봅니다. 이어서 딥러닝에서는 Tensorflow를 사용하여 신경망을 모델링하는 방법과 CNN을 구현하는 방법까지 알아봅니다.

이런 분들께 추천합니다!
· 머신러닝을 처음 시작하는 엔지니어
· 수학에 약하지만, 머신러닝의 원리를 이해하고 싶은 프로그래머
· 실무에 머신러닝을 활용하고 싶은 누구나

역자 서문 중에서
머신러닝과 딥러닝의 원리를 모르고, 단순히 라이브러리를 활용하는 것만으로도 충분히 다양한 것들을 만들 수 있습니다. 활용과 내부 구조는 조금 별개의 영역으로 여길 수 있기 때문입니다. 자동차의 내부 구조를 몰라도 자동차를 잘 운전할 수 있으니까요.
하지만 논문으로 알게 된 새로운 인공 신경망을 모델링하고 싶다거나 라이브러리에서 제공하는 기능을 보다 잘 사용하려면, 인공 신경망이 어떤 원리를 바탕으로 하고 있고 내부적으로 어떻게 구현되는지 아는 것이 좋습니다. 그리고 그렇게 구현할 때 어떤 수학적 원리가 적용되는지도 아는 것이 좋습니다.
이 책은 머신러닝과 딥러닝을 '라이브러리를 사용하는 관점'으로만 다루던 분들이 '수학적인 이론적 관점'을 갖추는 데 좋은 연결 고리가 될 것입니다. 수학적으로 어려운 부분은 직접 코드를 작성하고 눈으로 보고 증명하는 과정을 거쳐 쉽게 이해할 수 있습니다.

역자 동영상 강의
이 책의 이해를 돕기 위해 책과 관련된 무료 인터넷 강의를 제공합니다. 강의는 프리렉 홈페이지나 'https://www.youtube.com/c/윤인성'을 이용하기 바랍니다. 사실 책의 제목에 구글 클라우드 플랫폼(GCP)이 들어 있지만, GCP가 아닌 환경에서도 책의 내용을 진행할 수 있습니다. 이 책은 GCP 기본 설명 이후에 이어지는 머신러닝과 딥러닝 이론 설명이 매우 뛰어납니다. 강의도 기본적으로는 GCP를 생략하고 로컬 환경에서 내용을 설명한 뒤, GCP와 관련된 내용을 간단하게 살펴보는 형태로 진행할 예정입니다.

역자 서문
서문
이 책을 읽는 방법
인공지능, 머신러닝, 딥러닝이란?

Part 1 GCP와 머신러닝
Chapter 1 GCP 사용해 보기
1 GCP 개요
2 계정과 프로젝트 만들기
3 Cloud Shell
4 Google Compute Engine
5 Google Cloud Storage
6 BigQuery
[Column] BigQuery를 사용할 때 주의할 점

Chapter 2 Datalab 사용해 보기
1 Datalab 퀵투어
2 NumPy와 pandas
3 Datalab과 BigQuery 연동하기
4 Datalab으로 다양한 그래프 그리기

Chapter 3 GCP로 간단하게 머신러닝 해보기
1 GCP의 머신러닝 관련 서비스
2 Cloud Vision API
3 Cloud Translation API
4 Cloud Natural Language API
[Column] Dataflow와 ML Engine

Part 2 식별의 기초
Chapter 4 2-클래스 식별하기
1 단순한 식별
2 머신러닝 사용하기
3 퍼셉트론
[Column] 퍼셉트론 학습 규칙 추가 설명
4 손실 함수
5 로지스틱스 회귀

Chapter 5 N-클래스 식별과 다양한 식별기
1 scikit-learn 간단하게 살펴보기
2 N-클래스의 로지스틱 회귀
3 서포트 벡터 머신
4 랜덤 포레스트

Chapter 6 데이터 평가 방법과 튜닝
1 기본적인 학습 흐름
2 학습과 테스트
3 데이터 평가하기
4 매개변수 튜닝하기

Part 3 딥러닝 입문
Chapter 7 딥러닝 기초
1 이미지 식별하기
2 신경망
3 활성화 함수
4 N-클래스 대응하기
5 다양한 경사 하강법
6 TensorFlow 준비하기
7 신경망 구현하기
8 DNNClassifier로 간단하게 학습하기
9 TensorBoard
[Column] 드롭아웃층

Chapter 8 CNN(합성곱 신경망)
1 지금까지 살펴봤던 이미지 식별의 문제점
2 합성곱층
3 합성곱 계산의 종류와 풀링
4 TensorFlow로 2층 CNN 구현하기
[Column] 더 깊은 네트워크
[Column] Cloud ML Engine

Appendix 부록
1 Python2의 기본적인 사용 방법
2 Jupyter 설치하기

찾아보기