책 제목에 정말 충실한 책. 기초 선형대수, 미적분, 확률과 통계를 다루고 있다.
수학과 통계의 특정 개념이 딥러닝 / 머신러닝에서 어떻게 응용되어 쓰이는지 설명한다.
중/고등학교 기초수학 (제곱근이나 다차원방정식, 지수 / 로그함수, 수열, 행렬 등)이 부족하다면 이 책만으로는 내용이해가 어려울 수 있다.
머신러닝이건 딥러닝이건 인공지능이건, 뒤늦게 공부하려고 뛰어든 문과생이라면 언젠가 한 번은 수학이나 통계지식이 필요하다는 걸 깨닫는다. 제대로 개념을 배우려면 강의를 듣거나 전공서를 봐야 하지만, 그럴 여유가 없는 사람들이 이런 종류의 책을 많이 찾는다.
이전에 리뷰한 다른 책 - ‘수학력 – 빅데이터 분석에 필요한 기본 수학’ – 은 중/고등학교 수준의 수학 내용을 다루는 반면, 이 책은 미분과 선형대수, 확률과 통계 부분을 집중적으로 다룬다. 기초 수학도 어느 정도 다루지만, 미분과 선형대수 기초를 설명하는 책인 만큼 기초수학 설명이 아주 상세하거나 친절하지는 않다. 나는 7차 개정교육 세대에 고등학교를 다녔기 때문에 문과생도 간단한 행렬연산이나 삼각함수 기초는 배웠고, 미적분 기초는 수능 출제범위였다. 교육과정이 바뀌었기 때문에 독자들이 어느 정도의 수학능력을 갖춘 채 딥러닝이나 머신러닝을 접하게 될지 잘 모르겠지만, 미적분이나 행렬연산을 한 번도 배운 적이 없다면 이 책의 설명이 빈약하다고 느낄 수 있을 것 같다.
시중에 쉽게 수학이나 통계를 설명한다는 대중서를 몇 개 읽어봤지만, 기호나 수식에 거부감을 느낀다고 해서 글로만 설명하는 것의 한계를 느꼈다. 개념의 추상화가 높아질수록 길게 글로 설명하고 작위적인 예시를 든다고 해서 이해할 수 있는 게 아니기 때문이다. 이 책은 짧게는 개념 하나를 한 장만으로 설명할 만큼 기호와 그래프, 수식을 적극 활용했다.
기초 수학과 통계/확률을 설명한 다음 응용편에는 선형회귀, 자연어 처리, 이미지 인식 세 개 사례를 소개한다. 선형회귀는 통계학의 다중회귀분석 개념과 정규화 정도를 다루고, 자연어 처리는 예술, 과학, 인문 세 개의 카테고리별 서적에서 자주 등장하는 단어를 형태소 분석, BoW, TF-IDF를 활용해 분류하는 방법을 소개한다. 이미지 분류는 MNIST 이미지셋을 활용했는데, 딥러닝 라이브러리 소개 없이, CNN 없이 순수하게 신경망 & gradient descent & backpropagation 개념만을 활용했다. 소위 뭔가를 ‘분석’한다 할 때 초심자가 들어봤을 법한 대표적인 내용이기도 하고, 책에서 제공한 기초수학과 미분, 선형대수와 확률통계 지식으로도 로직 설명이 가능하기에 초심자 입장에서는 꽤 유용하다.
 |
|