이 책의 이벤트

해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.

『클린코드』박재호 역자와 함께하는 개발자 북콘서트 사전신청!

2022.07.22 ~ 2022.08.16
[교보단독 사은품] 개발자 매거진 <리드잇zine> ..

2022.05.10 ~ 2022.08.12
머신러닝 딥러닝 난이도별 추천도서 목록

2022.02.18 ~ 2022.12.31
한빛미디어 IT도서 구매 시 메모리게임 카드pack 선택가능

2022.01.10 ~ 2022.08.31

이벤트 (4)
상품정보
회원리뷰 (5)
교환/반품/품절

상품상세정보
ISBN	9791162241974(1162241977)
쪽수	520쪽
크기	183 * 234 * 32 mm /1145g 판형알림

책소개

이 책이 속한 분야

이 책의 주제어

최신 딥러닝 기술을 활용한 자연어 처리
기본기부터 실전 심화까지 한 권으로 끝내기

자연어 처리 기초부터 심화까지 파이토치를 활용하여 짜임새 있게 설명한다. 저자가 현업에서 시스템을 구현하며 얻은 경험과 인사이트를 최대한 담았다. 자칫 지루할 수 있는 수학적 이론을 최소화하고 실전에 꼭 필요한 개념을 정리했다. 최신 딥러닝을 활용한 기술뿐만 아니라, 딥러닝 이전의 전통적인 방식도 차근차근 설명하여 왜 지금의 기술이 필요하고, 어떤 부분이 성능 개선을 이끌어냈는지 쉽게 이해할 수 있다. 딥러닝과 머신러닝 관련 개념과 이론의 기본기를 어느 정도 갖춘 독자라면 자연어 처리를 실무에 적용하는 데 필요한 지식을 이 한 권으로 체계적으로 익힐 수 있다.

이 책의 시리즈

전체선택 장바구니 담기

상세이미지

0장_ 윈도우 개발 환경 구축
__0.1_ 아나콘다 설치
__0.2_ 파이토치 설치
__0.3_ 깃 설치

1장_ 딥러닝을 활용한 자연어 처리 개요
__1.1_ 자연어 처리란 무엇일까?
__1.2_ 딥러닝 소개
__1.3_ 왜 자연어 처리는 어려울까?
__1.4_ 무엇이 한국어 자연어 처리를 더욱 어렵게 만들까?
__1.5_ 자연어 처리의 최근 추세

2장_ 기초 수학
__2.1_ 확률 변수와 확률 분포
__2.2_ 쉬어가기: 몬티 홀 문제
__2.3_ 기댓값과 샘플링
__2.4_ MLE
__2.5_ 정보 이론
__2.6_ 쉬어가기: MSE 손실 함수와 확률 분포 함수
__2.7_ 마치며

3장_ Hello 파이토치
__3.1_ 딥러닝을 시작하기 전에
__3.2_ 설치 방법
__3.3_ 짧은 튜토리얼

4장_ 전처리
__4.1_ 전처리
__4.2_ 코퍼스 수집
__4.3_ 정제
__4.4_ 문장 단위 분절
__4.5_ 분절
__4.6_ 병렬 코퍼스 정렬
__4.7_ 서브워드 분절
__4.8_ 분절 복원
__4.9_ 토치텍스트

5장_ 유사성과 모호성
__5.1_ 단어의 의미
__5.2_ 원핫 인코딩
__5.3_ 시소러스를 활용한 단어 의미 파악
__5.4_ 특징
__5.5_ 특징 추출하기: TF-IDF
__5.6_ 특징 벡터 만들기
__5.7_ 벡터 유사도 구하기
__5.8_ 단어 중의성 해소
__5.9_ 선택 선호도
__5.10_ 마치며

6장_ 단어 임베딩
__6.1_ 들어가며
__6.2_ 차원 축소
__6.3_ 흔한 오해 1
__6.4_ word2vec
__6.5_ GloVe
__6.6_ word2vec 예제
__6.7_ 마치며

7장_ 시퀀스 모델링
__7.1_ 들어가며
__7.2_ 순환 신경망
__7.3_ LSTM
__7.4_ GRU
__7.5_ 그래디언트 클리핑
__7.6_ 마치며

8장_ 텍스트 분류
__8.1_ 들어가며
__8.2_ 나이브 베이즈 활용하기
__8.3_ 흔한 오해 2
__8.4_ RNN 활용하기
__8.5_ CNN 활용하기
__8.6_ 쉬어가기: 멀티 레이블 분류
__8.7_ 마치며

9장_ 언어 모델링
__9.1_ 들어가며
__9.2_ n-gram
__9.3_ 언어 모델의 평가 방법
__9.4_ SRILM을 활용하여 n-gram 실습하기
__9.5_ NNLM
__9.6_ 언어 모델의 활용
__9.7_ 마치며

10장_ 신경망 기계번역
__10.1_ 기계번역
__10.2_ seq2seq
__10.3_ 어텐션
__10.4_ input feeding
__10.5_ 자기회귀 속성과 Teacher forcing 훈련 방법
__10.6_ 탐색(추론)
__10.7_ 성능 평가
__10.8_ 마치며

11장_ 신경망 기계번역 심화 주제
__11.1_ 다국어 신경망 번역
__11.2_ 단일 언어 코퍼스 활용하기
__11.3_ 트랜스포머
__11.4_ 마치며

12장_ 강화학습을 활용한 자연어 생성
__12.1_ 들어가며
__12.2_ 강화학습 기초
__12.3_ 정책 기반 강화학습
__12.4_ 자연어 생성에 강화학습 적용하기
__12.5_ 강화학습을 활용한 지도학습
__12.6_ 강화학습을 활용한 비지도학습
__12.7_ 마치며

13장_ 듀얼리티 활용
__13.1_ 들어가며
__13.2_ 듀얼리티를 활용한 지도학습
__13.3_ 듀얼리티를 활용한 비지도학습
__13.4_ 쉬어가기: Back-translation 재해석하기
__13.5_ 마치며

14장_ NMT 시스템 구축
__14.1_ 파이프라인
__14.2_ 구글의 NMT
__14.3_ 에든버러 대학교의 NMT
__14.4_ MS의 NMT

15장_ 전이학습
__15.1_ 전이학습이란
__15.2_ 기존의 사전 훈련 방식
__15.3_ ELMo
__15.4_ BERT
__15.5_ OpenAI의 GPT-2
__15.6_ 마치며

8. 관련 도서 (제목 + ISBN)
● 오준석의 안드로이드 생존코딩(코틀린 편) / 9791162241196
● 레트로의 유니티 게임 프로그래밍 에센스 / 9791162241516

출판사 서평

저자의 현장 경험과 인사이트를 녹여낸 본격적인 활용 가이드
이 책은 저자가 현장에서 실제로 시스템을 구축하며 얻은 경험과 그로부터 얻은 인사이트를 꾹꾹 눌러 담은 본격적인 자연어 처리 활용서입니다. 자연어 처리의 배경이 되는 수학적 이론부터 실무와 밀접한 파이토치 예제 코드, 그리고 실전에 꼭 필요한 직관적 개념까지 한데 모아 소개합니다.

이 책의 수학적 내용이나 수식이 어렵게 다가오거나 거부감이 드는 독자라면 일단 수식은 가볍게 읽고 넘어가며 큰 그림을 먼저 이해한다는 느낌으로 완독하시고 이후 다시 처음부터 정독하시길 추천합니다. 딥러닝과 머신러닝 기본기를 어느 정도 갖춘 독자라면 자연어 처리를 실무에 적용하는 데 필요한 지식을 이 한 권으로 체계적으로 익힐 수 있습니다. 기출간 도서에서 다루는 내용이나 인터넷에서 쉽게 접할 수 있는 내용, 머신러닝/딥러닝 입문 수준의 내용, 파이토치 사용법 등은 최소화했습니다. 대신 자연어 처리에 관한 내용을 최대한 많이, 깊이 있게 다루고자 했습니다.

이 책의 전반부에는 먼저 자연어에 대한 이해를 높이고, 단어 임베딩 벡터나 텍스트 분류와 같은 실무에 적용 가능한 내용을 통해 딥러닝을 활용한 자연어 처리 방법을 설명합니다. 후반부에는 언어 모델 및 번역이라는 과제에 대해 다루며, 자연어 생성 방법을 깊이 있게 이야기합니다. 자연어 생성의 근간 알고리즘인 시퀀스 투 시퀀스(seq2seq)뿐만 아니라 어텐션(attention) 기법을 자세히 설명하고, 실전 실무 수준에서 고민해야 하는 깊은 내용을 다룹니다. 나아가 자연어 생성 성능을 더욱 끌어올리기 위한 기법들을 강화학습부터 듀얼리티에 이르기까지 다양하게 활용하여 상세히 설명합니다.

주요 내용
● 딥러닝을 활용한 자연어 처리 개요와 지금까지의 기술 연구 성과
● 자연어 처리 이해에 필요한 확률과 정보 이론 등의 수학적 개념
● 파이토치의 설치 방법과 간단한 튜토리얼 소개
● 정규 표현식을 활용한 노이즈 제거, 단어와 문장 분절, 병렬 코퍼스 생성 등 전처리 설명
● 워드넷 등의 어휘 분류 사전을 자연어 처리에 응용하는 방법
● 단어 의미의 유사성과 모호성에 따른 문제들을 머신러닝을 통해 해결하는 방법
● 차원 축소를 통해 단어의 특징(feature)을 효과적으로 추출하고, 기존의 오픈소스들을 활용해 실습하는 법
● 자연어 처리에 가장 활용도가 높은 순환 신경망(RNN)의 원리와 입출력 방식
● 합성곱 신경망(CNN) 소개와, 이를 통해 텍스트를 분류하는 방법
● 기존의 언어 모델링 방식과 신경망 기반 언어 모델링 방식의 비교
● 기계번역의 개념과, seq2seq 및 어텐션을 활용해 자연어를 생성하는 방법
● 기계번역의 성능을 더욱 끌어올리는 추가적인 주제와 기법 소개
● 강화학습과 폴리시 그래디언트, 듀얼리티, 전이학습에 대한 설명
● 신경망 기반 기계번역(NMT) 시스템 구성 요소와 서비스 제공 사례 닫기

이벤트 (4)
상품정보
회원리뷰 (5)
교환/반품/품절

Klover 리뷰 (0)

북로그 리뷰 (5) 전체보기 쓰러가기

북로그 리뷰는 본인 인증 후 작성 가능합니다.
책이나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 내용은 비공개 처리 될 수 있습니다.
※ 북로그 리뷰 리워드 제공 2021. 4. 1 종료

다소 아쉬운 자연어 처리 책입니다. to**z0828 | 2021-01-16 | 추천: 0 |

일단 책의 내용이 초급이라고 할수 없습니다. 예제에 대한 설명에 거의 없다고 봐도 무방합니다. 책에 제시된 github에서 소스를 clone해도, 해당 코드에 대한 주석조차 전무하기 때문에 코드에 대한 이해를 위해서는 왜 코드를 이렇게 짰는 지, 왜 이 파이썬 이 함수를 사용했는지,설명이 없어 디버깅해가며 따로 찾아보고 공부해야 합니다. A라는 결과를 도출하기 위해서, 개발할수 있는 방법은 여러 방법이 있는데, 단지 "그 결과가 나오는 코드다" 이렇게만 설명이 되어 있습니다. &... 더보기

일단 책의 내용이 초급이라고 할수 없습니다.

예제에 대한 설명에 거의 없다고 봐도 무방합니다.
책에 제시된 github에서 소스를 clone해도,
해당 코드에 대한 주석조차 전무하기 때문에 코드에 대한 이해를 위해서는
왜 코드를 이렇게 짰는 지, 왜 이 파이썬 이 함수를 사용했는지,설명이 없어
디버깅해가며 따로 찾아보고 공부해야 합니다.

A라는 결과를 도출하기 위해서, 개발할수 있는 방법은 여러 방법이 있는데,
단지 "그 결과가 나오는 코드다" 이렇게만 설명이 되어 있습니다.

책와 github 소스코드가 상이 한 경우도 있습니다. ㅠㅠ
결과적으로 둘다 보고 확인 해봐야 합니다.

그렇다고 이론적 깊이도 다소 아쉽습니다.
왜 이런 식이 도출 되었는가에 대한 설명이 부족합니다.
여러모로 다소 아쉬운 감이 많은 책 입니다.
닫기
중급이상이 봐야하는도서 so**ater | 2019-08-12 | 추천: 0 |

추천대상 : 자연어처리 분야에 경험을 가지신 분 기초지식필요 : 많이 필요함(개발, SW방법론, 딥러닝 등의 기초지식이 상당히 필요함) 난이도 : 어려움(딥러닝 기초이상의 난이도가 필요함) 이동성 : 어려움(500p, 내용을 보면서 검색을 활용해야함) 키워드: 파이토치, 자연어처리, 임베딩(차원축소), RNN(순환신경망), CNN(합성곱신경망), 강화학습을 통한 자연어생성 ... 더보기

추천대상 : 자연어처리 분야에 경험을 가지신 분
기초지식필요 : 많이 필요함(개발, SW방법론, 딥러닝 등의 기초지식이 상당히 필요함)
난이도 : 어려움(딥러닝 기초이상의 난이도가 필요함)
이동성 : 어려움(500p, 내용을 보면서 검색을 활용해야함)
키워드: 파이토치, 자연어처리, 임베딩(차원축소), RNN(순환신경망), CNN(합성곱신경망), 강화학습을 통한 자연어생성

[본 리뷰는 출판사가 제공한 도서를 읽고 직접 작성하였습니다.]

이 도서는 소문난 명강의 '자연어 처리 CAMP' 를 통한 강의에 나온 부분과 수강생들의 궁금증이 포함된 도서이였습니다.
책을 처음 만나자 마자, 난독증이 온듯 진행이 어려웠습니다.
개발환경 셋팅하고, 저자의 깃허브 리포지터리를 복사하기 위해 깃설치도 진행했습니다.
즉, 최소한 IT 개발분야에 대한 경험이 있는 분들을 향한 도서이며, 분야도 일반적인 SW개발이 아닌 인공지능 머신러닝 분야 도서이니 초보자는 다른 책을 알아보셔야 합니다.

이 책에 가장 훌륭한 부분은 첫째, 머신러닝에 대한 이해를 도식화 하고 있습니다.
(도식그림 표시)
그래서 머신러닝 분야에 개발자에게 빠르게 알고리즘 시각화를 통해서 학습이 가능합니다.

확률과 수학에 대해서도 학습이 일부 가능합니다. 다만, 기초 지식을 가지고 있어야 독해가 가능합니다.
수학적인 기회와 알고리즘의 매칭이 가능하신 분은 편안하게 읽힐수있습니다만, 그렇지 않은 분들에게는 좀 어렵네요.

닫기
김기현의 자연어 처리 딥러닝-파이토치 편 du**528 | 2019-08-09 | 추천: 0 |

인공지능, 신경망, 딥러닝 등에 대한 관심은 있지만 아직 기초지식이나 개념을 가지고 있지 않은 개발자라면 먼저 그 지식을 숙지한 후 이책을 봐야 할 듯하다. 아니 그렇게 해야 책의 진도가 순조롭게 진행된다. 지식이라고는 추상적인 개념만 가지고 딥러닝에 대한 관심과 열정으로 책을 펼쳤지만 2주 조금 못되는 기간에 얻을 수 있었던건 딥러닝에 관해 무엇을 모르고, 무엇을 알고(그다지 알고 있던게 없었음) 있는지에 대한 스스로의 무지만 챙겼다. 한가지 더! 수학을 모르고도 딥러닝... 더보기

인공지능, 신경망, 딥러닝 등에 대한 관심은 있지만 아직 기초지식이나 개념을 가지고 있지 않은 개발자라면 먼저 그 지식을 숙지한 후 이책을 봐야 할 듯하다. 아니 그렇게 해야 책의 진도가 순조롭게 진행된다.

지식이라고는 추상적인 개념만 가지고 딥러닝에 대한 관심과 열정으로 책을 펼쳤지만 2주 조금 못되는 기간에 얻을 수 있었던건 딥러닝에 관해 무엇을 모르고, 무엇을 알고(그다지 알고 있던게 없었음) 있는지에 대한 스스로의 무지만 챙겼다.

한가지 더! 수학을 모르고도 딥러닝을 활용할 수 있으리라는 것은 더 큰오해라는 사실도 ^^

1장에서 '자연어처리'에 대한 개념은 확실하게 이해하고 넘어갈 수 있지만 역시 2장 '기초 수학' 부분, 딥러닝에 필요한 수학! 확률에서 부터 한 page 넘기기가 어려운건... '수학기호' 에대한 거부감 때문이리라 ^^

2장을 대충 넘어가고 3장 파이토치를 바로 넘어가고 싶은 욕구가 불끈 불끈 ^^

이찌 되었든 설명하나하나 가 섬세하고 깊이가 있는데... 이걸 이해하기 위한 기초지이 너무 없다는게 슬픈 현실 ㅜ.,ㅜ; 닫기
[서평] 김기현의 자연어 처리 딥러닝 캠프-파이토치편 ne**ecide | 2019-08-09 | 추천: 0 |

자연어는 사람들이 대화하는 언어를 말합니다. 자연어의 의미를 분석하여 컴퓨터가 처리하는 것을 자연어 처리라고 하는데요. 분류로는 음성인식, 내용 요약, 영화 댓글 감성 분석을 예로 들 수 있습니다. 또한 중요도 별 메일 분류를 할 수 있습니다. 이 책은 자연어에 대한 이해를 높이고 단어 임베딩과 모델링도 알려주는데요. 저자의 경험으로 짜인 예제 코드를 따라 하며 이해하는 데 도움 됩니다. 단어에서 유사성과 모호성의 특징을 추출해 문제를 해결하는 방법도 다룹니... 더보기

자연어는 사람들이 대화하는 언어를 말합니다.

자연어의 의미를 분석하여 컴퓨터가 처리하는 것을 자연어 처리라고 하는데요.
분류로는 음성인식, 내용 요약, 영화 댓글 감성 분석을 예로 들 수 있습니다.

또한 중요도 별 메일 분류를 할 수 있습니다.

이 책은 자연어에 대한 이해를 높이고 단어 임베딩과 모델링도 알려주는데요.
저자의 경험으로 짜인 예제 코드를 따라 하며 이해하는 데 도움 됩니다.

단어에서 유사성과 모호성의 특징을 추출해 문제를 해결하는 방법도 다룹니다.

딥러닝 자연어 처리의 기본부터 심화까지 잘 구성되어 있습니다.

머신러닝과 딥러닝 자연어 처리 활용 사례를 살펴보겠습니다.

◆ 자연어 처리 활용 사례
자연어 처리가 활용되는 사례들을 몇 가지 살펴보도록 하겠습니다.

자연어 처리는 사람들의 말을 어떻게 분석하는지 알아보겠습니다.

영화 댓글 감성의 경우 댓글 데이터를 먼저 수집합니다.

수집한 데이터를 바탕으로 점수와 좋은 댓글과 나쁜 댓글을 구별합니다.

모호한 댓글까지는 구별이 어려울 수 있기에 예상한 대로 잘 들어가는지 확인이 필요합니다.

중요도 별 메일 분류는 메일을 분류하는 반복적인 작업입니다.

특정 키워드와 중요함을 표시하는 것을 컴퓨터가 분석해서 메일을 분류별로 나눠주는 것도 만들어 볼 수 있습니다.

◆ 머신러닝과 딥러닝
구글이 인공지능 알파고를 선보이면서 머신러닝과 딥러닝이 주목받았습니다.

머신러닝을 알려드리겠습니다.

사람들은 고양이와 개를 보면 학습을 해왔기 때문에 눈으로 보면 알 수 있습니다.

컴퓨터도 학습을 시켜 구별하게 하려고 하는 겁니다.

예를 들어 머신러닝으로 고양이와 개를 컴퓨터에 학습을 시킨다고 가정하겠습니다.

학습으로 개와 고양이를 예측할 수 있는데요.
학습한 데이터로 무엇인지 식별하는 겁니다.

딥러닝은 머신러닝의 부분집합 집합으로 대량의 데이터를 분석하는 겁니다.

딥러닝을 하기 위해서는 수학적 내용을 이해해야 합니다.

확률변수와 확률 분포 등 알아야 할 기초 수학도 다룹니다.

원하는 값이 나올지 최대가능도를 추정하는 기초 통계도 알면 도움이 됩니다.

끝으로 머신러닝과 딥러닝을 모르고 책을 보면 좀 어려울 수 있는데요.
어느 정도 지식을 갖추고 책을 보시길 권장합니다.

자연어 처리를 하려면 필요한 수학적 이론을 먼저 공부하는 게 좋습니다.

한번 보고 이해 안 되셔도 다시 보며 지식이 쌓이게 되면 이해하는데 도움 될 것입니다.

닫기
입문 수준의 NLP를 뛰어넘어 최신 심화주제까지 na**mjjang | 2019-08-05 | 추천: 0 |

[리뷰] 자연어처리 딥러닝 캠프 05 Aug 2019 in Review on Review, Book, Nlp, Deep, Learning, Camp <ins class="adsbygoogle myAd1190" data-ad-client="ca-pub-9134477021095729" data-ad-slot="6559875097" data-adsbygoogle-status="done" sty... 더보기

[리뷰] 자연어처리 딥러닝 캠프

05 Aug 2019 in Review on Review, Book, Nlp, Deep, Learning, Camp

<ins class="adsbygoogle myAd1190" data-ad-client="ca-pub-9134477021095729" data-ad-slot="6559875097" data-adsbygoogle-status="done" style="width: 98%; height: 280px;"></ins>

개요

본 리뷰는
한빛미디어
출판사
"자연어처리 딥러닝 캠프(김기현 저)"
를 읽고 얻은 지식을 정리한 글입니다.

목차

인공지능이 논문을 학습한다면

NLP를 배우는데 있어 본 도서의 장점

누가 읽어야 하는가?

책의 구성 및 요약

요약하며…

인공지능이 논문을 학습한다면

수학에 뿌리를 둔 통계학. 통계학에 뿌리를 둔 머신러닝. 머신러닝에 뿌리를 둔 딥러닝. 그리고 딥러닝에 뿌리를 둔 NLP가 있다. 자연언어처리라고도 불리는 NLP는 인공지능 기술 중 하나로 기계로 하여금 인간의 언어를 이해할 수 있게 만드는 기술이다. 이 기술이 실현된다면 마치 사람으로 따지면 통역가와 같이 다국어 간의 컴퓨터, 기계를 통한 번역이 가능해진다. 뿐만 아니라 문서 자동분류, 챗봇 등 다양한 응용분야으로의 적용도 가능해진다.

자연 언어 처리(Natural language processing) 자연어 처리(自然語處理) 또는 자연 언어 처리(自然言語處理)는 인간의 언어 현상을 컴퓨터와 같은 기계를 이용해서 모사 할수 있도록 연구하고 이를 구현하는 인공지능의 주요 분야 중 하나다. 자연 언어 처리는 연구 대상이 언어 이기 때문에 당연하게도 언어 자체를 연구하는 언어학과 언어 현상의 내적 기재를 탐구하는 언어 인지 과학과 연관이 깊다. 구현을 위해 수학적 통계적 도구를 많이 활용하며 특히 기계학습 도구를 많이 사용하는 대표적인 분야이다. 정보검색, QA 시스템, 문서 자동 분류, 신문기사 클러스터링, 대화형 Agent 등 다양한 응용이 이루어 지고 있다. - 위키백과 -

이 자체로도 충분히 전도 유망한 기술이지만 필자가 딥러닝 기술 중 NLP에 가장 관심이 많은 이유는 다른데에 있다. 바로 소제목에서 명시한 바와 같이 논문을 학습하게 될 가능성 때문이다.
필자가 보기에
논문
은 그야말로 딥러닝의 언어이다. Review 논문은 마치 Graph Theory를 활용하여 구성하기에 딱 좋은 형태이며 학문이 발전해 온 전체 목차를 구성하기 좋고, 대부분 논문의 Abstract에는 Review 논문의 흐름 중 어느 카테고리에 붙어야 어울리는지 힌트를 제공한다. 또 내부 지식은 대부분 귀무가설과 검증에 대한 시행착오가 담겨져 있어 통계학을 원류로 하는 현 딥러닝 모델이 인식하기에 적합한 지식 구조로 이루어져 있다.
딥러닝이 핫이슈이긴 해도 현재까지는 적용되는 범위가 한정되어있는데 주로 이미지, 음성, 영상 인식 등에 국한되어있다. 이 분야들의 공통점은 자연 그대로가 아닌 1차 가공을 거친 데이터를 피처로 활용한다는 점이다. 신호처리 등 그간의 학문분야에서 심도 있게 연구되어 온 축적된 지식이 있기에 딥러닝 모델이 인식하기 좋은 형태로 변환하거나 특징을 추출, 선택, 변환할 수 있는 것이다. (보다 자세히 다룬 내용은 필자의 블로그 “통계학 vs 컴퓨터공학, 멋대로 써보는 Data Science 미래에 대한 소고(小考)-세상 모든 논문들을 딥러닝이 이해할 수 있게” 부분을 참고하시기 바란다.)
이런 측면에서 볼 때 NLP는 목적 그 자체가 될 수도 있으나, 세상의 거의 모든 분야의 데이터를 딥러닝이 이해하기 쉽고 좋은 성능을 낼 수 있도록 Feature생성 혹은 전처리 역할을 담당하는 일종의 중간 Layer로 활용될 가능성이 크지 않을까 생각한다. DQN 등 Reinforcement Learning과 결합하여 논문을 이해하고 구현체를 만들 수 있는 날이 온다면 세상은 대 격변을 맞을 것이라 생각한다. 때문에 필자는 NLP를 활용하여 논문을 학습할 수 있는 모델을 설계하거나 이를 뒷받침하는 연구를 하고 싶다는 꿈이 있다.

NLP를 배우는데 있어 본 도서의 장점

NLP 기술이 왜 중요한지 그리고 미래에 얼마나 유망한지 위 장에서 간단하게 언급하였다. 그렇다면 NLP 기술은 어떻게 익혀야 할까? 적어도 한국어와 관련된 자연어 처리라면 이 책이 해답 중에 하나라고 말하고 싶다. 그간 시중에 출간된 NLP 서적은 흔했지만 깊이가 너무 얕았다. 이와 관련하여 본 도서가 가지는 특출난 장점이 몇가지 있어서 소개해 본다.

일단, 한국어 NLP를 다룬다.

한국어에는 다른 언어에 비해 다음과 같이 자연어 처리를 어렵게 만드는 요소가 있다.

교착어 : 접사가 붙어 의미와 문법적 기능이 정해진다. (예: 잡히시었겠더라)
띄어쓰기 : 표준이 계속 변한다.
평서문과 의문문 : 동일한 문장구조를 가진다.
주어생략 : 명사를 중요시하는 영어와는 달리 동사를 중요시한다.
한자(漢字) 기반의 언어 : 표음문자의 특징인 중의성 문제(예: 건널
제
, 끌
제
, 제목
제
)

대부분의 장에서 영어 기반의 NLP 기술과 수학적 근간을 설명한 후 한글에 적용해보며 특수성을 언급하고 해결책을 제시한다.

깊이가 있다. (재미는 입문서급이다.)

NLP 초보자라면 언어모델링도 쉽지않은데 이 책은 그 이상의 심화주제를 소개한다.
듀얼리티, 전이학습, NMT시스템 구축 등은 그간 https://arxiv.org에서 접하면서 이해가 까다로웠던 부분인데 비교적 최신 기술을 학습하고 그 결과를 공유해주려는 저자의 배려가 돋보였다. 이런 심화 내용에 대한 개념을 잡을 수 있었던 것이 필자에게는 가장 큰 소득이었다.

다양한 전처리 기법 및 정규표현식의 소개

그간의 전처리에서 겪었던 시행착오를 한방에 깔끔하게 정리해주었다.
아래 그림과 같이 알기쉬운 도식을 통해 정규표현식 또한 엑기스를 뽑아 전수해준다.

기계번역을 정면돌파한다.

그간 시중의 NLP 서적이 마음에 안들었던 이유는 크게 한국어, 번역 두 부분이었다.
특히 기계번역은 난이도가 높아 다른 서적에서 잘 언급하지 않는데 이 책은 과감히 기계번역을 시도한다.

수학을 정면돌파한다.

확률변수부터 MLE, MSE까지 직관적으로 설명한다. 문제를 푸는 수학이 아닌 어디에 왜 써야하는지의 관점으로 접근한다.
아래 그림은 몬테카를로 샘플링에 관한 설명이다. 기본 수학을 떼신 분이라면 꽤 깔끔하게 직관적으로 설명하는 저자의 능력 덕분에 그간 복잡하게 엉켜있던 수학의 개념이 쉽게 정리되는 것을 느끼실 수 있을 것이다.
아래 그림은 벡터유사도에 관한 설명이다. 쉽게 설명한다는 핑계로 수식을 열거하지 않는 책들이 많은데 그렇게 쉽게 얻은 지식은 희미한 개념으로만 남을 뿐 다른 분야에 적용할 때 그 한계를 드러내기 마련이다. 가급적 간명한 설명을 통해 하나도 근본 원리를 놓치지 않으려는 저자의 시도가 마음에 들었다.

기타

그 외에도 패스트캠퍼스의 검증된 강의를 기반으로 한다는 점
Pytorch와 친숙해질 기회라는 점

저자의 GitHub에 완성도 높은 구현체가 공개되어 있다는 점이 장점이라고 할 수 있겠다.

내용의 깊이, 구성, 저자의 열정 뭐 하나 떨어지는 구석없이 잘 만들어진 책이라는 생각이 들었다.

누가 읽어야 하는가?

한국어 NLP, 전처리에 고민이 깊었던 분

NLP 기술 전체를 한 눈에 알기쉽게 정리하고 싶은 분

NLP 입문 서적 수준을 넘어서고 싶으신 분

그 외 필자와 같은 NLP <del>빠돌이</del> 분들

책의 구성 및 요약

이 책은 크게 네 부분으로 구성되며, 각 장에서 다루는 내용을 요약해 보았다.

1. NLP 학습을 위한 준비운동(0 ~ 3장)

딥러닝 및 NLP의 개요, 기술의 발전과정
기초수학에 대한 내공쌓기
개발실습환경 구축 및 Pytorch 기본문법 학습

2. NLP 기초체력 다지기(4 ~ 7장)

정규표현식 등 전처리의 다양한 기술 학습
원핫인코딩, TF-IDF, 벡터유사도, 중의성 해소 등 NLP 입문서 수준의 주요 개념 정리
word2vec 등 단어임베딩 및 시퀀스 모델링, 텍스트 분류 등 중급 내공 쌓기

3. 기계번역(9장 ~ 11장)

SRILM, NNLM 등 언어모델의 활용법 및 n-gram실습
seq2seq, 어텐션 등을 활용한 신경망 기계번역
다국어 신경망 및 트랜스 포머 등 심화주제 소개

4. __심화주제(12장 ~ 15장)

강화학습 적용 및 자연어 생성
듀얼리티, NMT 시스템 구축, 전이학습 등 최신기술 소개

요약하며…

언제나 그렇듯이 이런 양서는 왜 늦게 나오는지 모르겠다. 그동안 다른책에 낭비된 시간이 아깝기 때문일까. 꽤 어려운 주제들을 언급하고 있는데 반해 솔직히 꽤 재미있게 읽었다. 물론 정독하고 수식까지 음미하려면 꽤 많은 시간이 소요될 것 같다. 책을 읽으며 가장 인상 깊었던 점은 수준높은 주제를, 저자가 그동안 공부하고 노력하고 연구했던 지식들 전부를, 어떻게든 한정된 지면안에 간결하게 쏟고자하는 노력이 느껴졌다는 점이다. 수학, 통계학 등 기초 체력이 잘 다져진 분들에게는 NLP 기술이 잘 집대성된 양서를 만났다는 느낌이 들 것이다.
아쉬웠던 점이 있다면 그런 저자의 열정때문에 설명에 다소 축약이 많아 기초 내공이 약하거나 입문자이신 분들한테는 실습 환경 하나 구축하기 조차 벅차다는 생각이 드실 것 같다. 더불어 수식으로 열거된 설명 부분은 좀 더 자세하고 쉽게 설명이 되어있다면 교과서로 쓰여도 무난하지 않을까 하는 약간의 아쉬움은 들었다. 하지만 이런 아쉬운 점은 전체 장점 대비 극히 작은 영역이기에 별로 중요하지 않다.

<한빛미디어 출판사>
믿고보는 “한빛미디어 출판사”. IT분야에서 독보적인 양질의 도서를 출판하는 회사입니다. “나는 프로그래머다” 팟캐스트 후원, DevGround2019 행사, 리뷰어 모집, 다양한 학습 지원 등 다양한 분야에서 사회에 공헌하는 개발자와 공생하는 업체입니다. IT분야에 관심있으시다면 한빛미디어의 책으로 후회없는 출발을 하실 수 있습니다.

한빛미디어 바로가기<ins class="adsbygoogle" style="display: block; width: 100%; height: 60px;" data-ad-client="ca-pub-9134477021095729" data-ad-slot="2380354290" data-ad-format="auto" data-adsbygoogle-status="done"><ins id="aswift_0_anchor" style="display:block;border:none;height:60px;margin:0;padding:0;position:relative;visibility:visible;width:714px;background-color:transparent;"><iframe width="714" height="60" frameborder="0" marginwidth="0" marginheight="0" vspace="0" hspace="0" allowtransparency="true" scrolling="no" allowfullscreen="true" onload="var i=this.id,s=window.google_iframe_oncopy,H=s&&s.handlers,h=H&&H[i],w=this.contentWindow,d;try{d=w.document}catch(e){}if(h&&d&&(!d.body||!d.body.firstChild)){if(h.call){setTimeout(h,0)}else if(h.match){try{h=s.upd(h,i)}catch(e){}w.location.replace(h)}}" id="aswift_0" name="aswift_0" style="left:0;position:absolute;top:0;border:0px;width:714px;height:60px;"></iframe></ins></ins>

닫기

문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매 후 문장수집 작성 시, 리워드를 제공합니다. 안내

문장수집 안내

문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요"하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.

1. 리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해 드립니다.

e교환권은 적립일로부터 180일 동안 사용 가능합니다.

리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.

리워드는 한 상품에 최초 1회만 제공됩니다.

주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.

이벤트 (4)
상품정보
회원리뷰 (5)
교환/반품/품절

교환/반품/품절안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품/품절안내
반품/교환방법	마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 , [1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900) ※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900)
반품/교환가능 기간	변심반품의 경우 수령 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
반품/교환비용	변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유	소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우 (단지 확인을 위한 포장 훼손은 제외) 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우 예) 화장품, 식품, 가전제품(악세서리 포함) 등 복제가 가능한 상품 등의 포장을 훼손한 경우 예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서) 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우 (1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시 ‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①서양도서-판매정가의 12%, ②일본도서-판매정가의 7%를 적용)
상품 품절	공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다.
소비자 피해보상 환불지연에 따른 배상	상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함