개정 3판부터는 1, 2권으로 나뉘고 각각 500~600페이지 정도 됨 ㅇㅇ

1권은 대부분 머신러닝 내용이고, 2권은 딥러닝 내용.

현재 나는 1권을 90% 이상 가까이 다 읽은 상태고, 1~2일 내에 나머지 부분도 빠르게 다 읽고 2권 이어서 읽을 생각임.


그래서 1권을 사실상 다 읽은 입장으로써 간단하게 소감을 남겨보려고 함.

인터넷에 리뷰글 찾아보면 대부분 사전 이벤트로 책 무료로 받고 써놓은 글들이다 보니, 비약이나 과장이 심하고 장점만 너무 부각시켜 놓은 점이 없지않아 있음.

뭐...디시가 익명을 전제로 한 커뮤니티다 보니 글로 아무리 싸질러봤자 100%의 신뢰를 보장할 순 없지만, 일단 나는 일체 광고나 홍보, 이벤트를 목적으로 이 글을 쓰는게 아니라는것을 밝힘.

못믿겠으면 광고인갑다 생각하고 안봐도 됨. 어짜피 내가 디시에서 완벽하게 증명할 수 있는 방법도 없고, 증명할 생각도 없고 ㅇㅇ


아무튼 서론이 좀 길었는데, 이 책을 한마디로 요약하자면 "적당히 꽉 찬 육각형" 이라고 평할 수 있을것 같음.

이론적인 부분이 세세하게 들어있지는 않지만, 그렇다고 혼공머딥(혼자 공부하는 머신러닝+딥러닝) 처럼 대략적인 설명 + 코드 only 패턴의 책은 또 아님 ㅇㅇ

이론도 적당하게 포함되어 있고, 특히 4장(모델 훈련), 5장(svm) 부분은 부족하지 않을 정도로 이론적인 부분이 꽉꽉 담겨있고, 설명도 쉽고 친절한 편임.

그렇다고 텍스트만 주구장창 나열되어 있는것도 아닌, 그림이나 표 같은것도 많이 삽입되어 있어서 직관적으로 이해하기도 쉽고, 술술 읽히는 느낌이 있음.


하지만 장점이 있는만큼 단점도 없지는 않는데

첫번째로는 난이도와 세세함의 트레이드오프를 신경쓰다보니 중간중간에 "으음...?" 하는듯한 느낌을 받을때가 있었음.

특히 5장(svm) 후반, 8장(차원축소) 후반, 9장(비지도학습) 후반 ㅇㅇ

이걸 하나하나 다 설명하기는 너무 길어지니까 간략하게 요약해보면, 식을 몇개 던져주고 이 식과 그 안에있는 기호들이 대략적으로 어떤 의미인지는 설명하고 있는데, 왜 이 식이 도출되고, 어떻게 쓰이는지에 대해서 더 자세하게 설명해주었으면 좋았을것 같음.

특히 9장 후반에 gmm(가우스 혼합 분포) 부분 설명은 오히려 수식 비중을 줄이다보니 더 헷갈리는 느낌임. 수식에 나오는 기호랑 개념은 다 설명해주지만 정작 주인공인 핵심 수식이 안나오니까 고구마 먹는 느낌이랄까.....나름대로 그림이랑 글로 어떻게든 설명해보려고 애쓰는게 보이기는 하는데, 그냥 수식을 통해서 설명하는게 더 나았을듯 싶음. 나도 gpt와 구글의 힘을 빌려서 수식이랑 배경을 대충 흘겨보고 다시 읽으니까 그나마 이해됐던 것 같음.


뭐 근데 이런 점을 감안하고도 한번쯤은 읽어봤으면 좋겠다고 생각하는 책임. 특히 머신러닝/딥러닝을 입문하는 사람이거나, 대략적인 지식은 아는데 더 깊게 파고들고 싶은 사람에게는 이만한 중간다리 길잡이 책이 없다고 생각함 ㅇㅇ

이 책 다 읽고 본격적으로 프로젝트 들어가거나 논문들 읽기 시작하면 완벽한 스타트라고 생각함. 물론 더 좋은 방법이 있을수도 있고 왕도가 존재하지는 않지만, 입문자라면 꼭 읽어보길 추천하는 책임.


7cea8272b5876ff23fef98bf06d60403102bc46ddbb0338cae82

- dc official App