케라스(Keras)를 사용해 보고 케라스에 대한 별도 세미나를 진행하면 좋겠다는 생각을 했습니다. 그리고 얼마 지나지 않아 케라스 창시자인 프랑소와 숄레(François Chollet)가 케라스 책을 준비하고 있다는 소식을 들었습니다. 오매불망 책을 기다렸고 책이 출판되자마자 단숨에 책을 읽어냈습니다. 1장 내용을 읽으면서 확신이 섰습니다. 딥러닝에 대한 특별한 혜안을 줍니다. 저자가 단순히 케라스라는 프로그램을 만든 것이 아니라 딥러닝에 대한 깊이 있는 이해와 자신만의 분명한 관점이 있구나를 알 수 있었습니다.

이 책은 “케라스 창시자에게 배우는 딥러닝”이란 이름으로 번역되었습니다. 이름도 책의 특징을 잘 반영해서 잘 지었고, 번역 품질 또한 우수합니다. 원서와 함께 번역서를 세미나 주 교재로 선택합니다.

Preface

For deep learning to reach its full potential, we need to radically democratize it.

마인드도 장난이 아닙니다. 케라스를 만든 이유에 딥러닝의 민주화(모두의 딥러닝)가 있습니다.

In order to use Keras, you’ll need reasonable Python proficiency. Additionally, familiarity with the Numpy library will be helpful, although it isn’t required. You don’t need previous experience with machine learning or deep learning: this book covers from
scratch all the necessary basics. You don’t need an advanced mathematics background, either—high school–level mathematics should suffice in order to follow along.

이 책을 제대로 읽기 위해서는 파이썬을 어느 정도 능숙하게 사용할 수 있어야 합니다. Numpy를 잘 다루면 도움이 됩니다. 머신러닝이나 딥러닝은 이 책에서 기초부터 다루니 경험이 없어도 됩니다. 수학 지식은 고등학교 수준이면 충분합니다.

This book is structured in two parts. Part 1 is a high-level introduction to deep learning, providing context and definitions, and explaining all the notions required to get started with machine learning and neural networks. Part 2 takes an in-depth dive into practical applications of deep learning in computer vision and natural-language processing.

이 책은 두 부분으로 구성되는데, 1부는 딥러닝과 관련된 개념들을 다루고, 2부는 실제적인 적용을 다룹니다. 딥러닝에 대해 어느정도 학습한 분들은 1부를 건너뛰고 싶을 수도 있는데 그러지 않기를 권합니다. 1부 내용을 통해 다른 곳에서는 볼 수 없는 저자의 혜안을 접하실 수 있을 것입니다.

Appendix A walks you through the complete setup.

부록 A에 따라 개발 환경을 설정합니다. 저는 우분투로 개발 환경을 설정할 겁니다.

I also recommend that you have a recent NVIDIA GPU on your machine, such as a TITAN X. This isn’t required, but it will make your experience better by allowing you to run the code examples several times faster. If you don’t have access to a local workstation with a recent NVIDIA GPU. Appendix B presents in detail one possible cloud workflow that runs an AWS instance via Jupyter notebooks,  accessible in your browser.

딥러닝을 위한 개발 환경을 갖추는 것은 만만치 않습니다. 대부분 CPU를 사용하는 사용자들라면 특정한 실습에서 결과를 얻기 위해 오랜 시간을 기다려야 할 수도 있습니다. GPU가 준비되지 않은 독자라면 역자의 소개 처럼 구글 코랩(Colab)을 사용해 보는 것도 좋은 방법이 될 것 같습니다. 베타테스터 중 한 분은 5.2절 부터 코랩으로 실습했다고 하니 참조하시기 바랍니다.

소스 코드는 아래 링크에서 다운로드 받을 수 있습니다. 역자 깃허브의 소스코드를 다운로드 받기를 추천합니다.

https://github.com/fchollet/deep-learning-with-python-notebooks

https://github.com/rickiepark/deep-learning-with-python-notebooks (역자 깃허브)