no image
[책] 최고 성능을 구현하는 10가지 검증된 기법, Optimized C++
올해 7월에 출간된 Optimized C++ (C++ 최적화) 책에서는 C++ 이라는 언어를 생각해보면 "필요한 기능은 모두 구현해놓을테니 여러분이 만들고 싶은 코드를 원하는대로 만들어 보세요" 라는 느낌이 든다고 필자는 말하고 있었다. 사실 시중에 C++ 언어를 배우기에 좋은 책만 나와있지, 최적화 라는 분야를 다루는 책은 거의 없다. 그런데 이번에 고맙게도 한빛미디어에서 Optimized C++ 책을 출시해주었다. 앞으로도 희소하면서도 메리트 있는 분야를 다루는 책이 많이 출간되었으면 좋겠다. 또한 이 책을 학부 4학년 때 배울 수 있었더라면 어땠을까 하는 생각도 드는데, 그런 생각 보다는 이미 시간은 지나갔으니 지금 당장 공부하는 것이 낫다는 생각도 든다. 모든 개발자에게 있어 C++을 다루는 사람..
2019.08.09
no image
[책] 파이토치 첫걸음
한빛미디어에서 "파이토치 첫걸음" 책이 출간되었다. 한빛미디어의 첫걸음 시리즈는 다 접해봤는데, 핵심 내용만 쉽게 담아냈기 때문에 책이 얇아서 들고다니면서 가볍게 읽을 수 있다는 장점이 있다. 한빛미디어의 첫걸음 시리즈는 다음과 같다. 파이토치 첫걸음 강화학습 첫걸음 신경망 첫걸음 딥러닝 첫걸음 텐서플로 첫걸음 파이토치, 강화학습, 신경망, 딥러닝, 텐서플로우에 대한 기본 지식만 꼼꼼히 갖추고 있다면 인공지능 전문가로 발돋움 할 수 있는 첫걸음이 될 것이다. 파이토치(Pytorch)는 페이스북 인공지능 연구팀에서 만든 프레임워크이며, 파이토치의 전신인 토치(Torch)는 루아 프로그래밍 언어로 되어있지만, 파이토치는 파이썬(Python)으로 작성되어 파이썬의 언어 특징을 품고있다. 파이토치 공식 사이트는..
2019.07.07
no image
[책] 밑바닥부터 시작하는 딥러닝 2
드디어 기다렸던 밑바닥부터 시작하는 딥러닝 2 책이 5월에 출간되었기 때문에, 리뷰해보고자 한다. 밑바닥부터 시작하는 딥러닝 1은 기초적인 "파이썬"에 초점을 맞춰 초보자들이 딥러닝에 입문 할 수 있게 도와준 책이라면, 이번에 새로이 출간된 밑바닥부터 시작하는 딥러닝 2는 "순환신경망"과 "자연어처리"에 입문하기 위한 기초적인 지식들을 담았다. 밑바닥부터 시작하는 딥러닝 1과 2 모두 "밑바닥부터" 시작하고자 하는 이들에게 도움을 주고자 하는 방향은 변치 않았다. 책에서 배울 수 있는 기술들은 다음과 같다. 파이썬을 이용한 텍스트 처리 딥러닝 등장 이전의 단어 표현 방법 단어 벡터를 얻기 위한 word2vec 대규모 데이터의 학습을 고속화 하는 네거티브 샘플링 시계열 데이터를 처리하는 RNN, LSTM,..
2019.06.08
no image
[책] 텐서플로를 활용한 머신러닝
나는 한빛미디어의 '밑바닥부터 시작하는 딥러닝' 이라는 책을 통해서 '텐서플로우'를 처음 접하게 되었다. 밑바닥부터 시작하는 딥러닝 이라는 책은 처음 딥러닝을 입문하는 사람들에게 간단 명료하게 꼭 알아야 하는 것들만 콕콕 찝어서 친근하게 설명해주는 책이었다. 이 책이 나온 이후로부터 멸종 위기에 처한 동물들을 삽화로 그려낸 오라일리 표지를 쓰는 한빛미디어의 책들을 좋아하게 되었다. 한빛미디어에서 나오는 딥러닝 관련 서적들은 실무자 중심으로 상세한 설명과 코드를 제공하기 때문에 파이썬을 이용하는 딥러닝 개발자들에게 매력적으로 다가오는 것 같다. 이 외에도 핸즈온 머신러닝, 처음 배우는 머신러닝, 파이썬 라이브러리를 활용한 머신러닝, 골빈해커의 3분 딥러닝 이라는 책들을 읽었는데 이 중 파이썬 라이브러리 (..
2019.04.14
no image
[책] 텐서플로우로 배우는 <강화학습 첫걸음>
먼저 강화학습 첫걸음 책 소개에 앞서, 중요한 머신러닝 개념부터 알아보도록 하자. 1. 머신러닝(Machine Learning) 머신러닝(Machine Learning)은 데이터를 이용하여 컴퓨터를 학습 시키는 방법론이다. 이러한 머신러닝 알고리즘은 크게 세 가지로 분류 할 수 있다. 지도학습 (Supervised Learning)지도학습은 데이터에 대한 정보 즉, 레이블(Label)이 주어진 상태에서 컴퓨터를 학습시키는 방식이다. 가장 유명한 예제는 MNIST 데이터 셋을 이용한 손글씨 숫자 분류 문제이다. 0부터 9까지 손글씨로 쓰여진 데이터 세트를 학습하여 레이블이 지정되지 않은 어떤 테스트 데이터를 주었을 때 그 숫자가 어떤 것인지 판별하고 예측하는 문제이다. 비지도학습 (Unsupervised ..
2018.02.08