[Book Review] 핸즈온 머신러닝 2판

핸즈온 머신러닝 2판

 

 

한빛미디어에서 핸즈온 머신러닝 1판에 이어 2판이 출간되었다.

 

2판에서는 Scikit-Learn, Keras, TensorFlow 의 최신 버전을 사용한 예제 코드를 제공한다. 1부(머신러닝)에는 비지도 학습을 다루는 장이 추가 되었고, 2부(신경망과 딥러닝)에서는 최신 딥러닝 기법이 방대하게 수록되었다. 부록에는 특수한 데이터 구조와 TensorFlow 그래프에 관해 다루는 2개 장이 추가되었다. 또한 시각적 편의를 위해 전면 컬러로 인쇄되었다고 한다.

 

책이 952쪽으로 이루어져있으며, 책이 두꺼운 만큼 현존하는 딥러닝 책중에서 가장 많은 내용을 담고 있지 않나 싶다. 이 책은 컴퓨터를 전공한 사람이 머신러닝을 독학하는데 필요한 모든 정보를 담은 책이라고 할 수 있다. 또한 개발하기에 용이하게도 Github 에 핸즈온 머신러닝의 예제 코드와 연습문제 및 해답을 수록해 놓았다. 

 

https://github.com/rickiepark/handson-ml2

rickiepark/handson-ml2

 

또한, 파이썬을 배우기 위한 사이트도 소개하고 있었다. 

https://www.learnpython.org/

Learn Python - Free Interactive Python Tutorial

 

사실 시중에 딥러닝 관련된 서적이 마구 쏟아져나오고 있는 추세라서, 이러한 책들과의 차별점을 설명해보자면 가장 큰 차이점은 오토인코더에 대한 내용을 수록해놓았다는 점과, 대규모 텐서플로우 모델을 훈련하고 모바일 또는 임베디드 장치에 모델을 배포하는 방법을 수록해놓았다는 점이다.

 

모바일이나 임베디드 장치에 모델을 배포할 때 모델이 크면 다운로드 하는데 시간이 매우 오래 걸리며, 너무 많은 RAM과 CPU를 사용하게 된다. 그러면 앱의 응답 속도가 느려지고 배터리 소모량도 커져서 기기가 뜨거워 질 수 있는데 이를 피하기 위해서는 정확도를 크게 낮추지 않으면서도 모바일에 잘 맞는 효율적이고 경량화 된 모델이 필요하다. 이는 TFLite 라이브러리를 이용하여 모델을 모바일과 임베디드 장치에 배포하는데 도움이 되는 여러가지 도구들을 사용하여 모델을 효율적으로 경량화 시킬 수 있다. 모델 크기를 줄이기 위해서는 TFLite 의 모델 변환기는 SavedModel 을 받아 FlatBuffers 기반의 경량 포맷으로 압축하게 된다. 이는 어떤 전처리도 없이 바로 RAM으로 로드 될 수 있다. 이를 통해 로드에 걸리는 시간과 메모리 사용을 줄일 수 있다. 모델이 모바일이나 임베디드 장치에 로드되면 TFLIte 인터프리터가 이 모델을 실행하여 예측을 만든다. 이 책에서는 이러한 TensorFlow 의 SavedModel 을 FlatBuffers 로 변환하여 .tflite 파일로 저장하는 방법을 수록하고 있다. 

 

또한 이 책은 머신러닝을 처음으로 접하는 학생들이 읽기에도 좋은 책이고, 실제로 모바일 및 임베디드 환경에 모델을 배포하기 위한 실무자들에게도 도움이 많이 되는 책이다.