Keras의 창시자 프랑수아 숄레(François Chollet)의 베스트셀러 Deep Learning with Python 3판이 무료 온라인 공개

읽을거리&정보공유
, , , , , ,
1

François Chollet의 베스트셀러 Deep Learning with Python 3판이 무료 온라인 공개 (feat. Keras, PyTorch, TensorFlow, JAX)
François Chollet의 베스트셀러 Deep Learning with Python 3판이 무료 온라인 공개 (feat. Keras, PyTorch, TensorFlow, JAX)1050×525 107 KB

Deep Learning with Python, Third Edition / 파이썬으로 배우는 딥러닝 3판

책의 출간과 무료 공개 소식

Keras의 창시자이자 Ndea 공동 창업자인 François Chollet이 자신의 베스트셀러 Deep Learning with Python의 3판을 공식 사이트에서 누구나 무료로 읽을 수 있도록 공개했습니다. 저자가 직접 X(구 Twitter)를 통해 밝힌 바에 따르면, 1판과 2판은 누적 12만 부 이상 판매되었으며 디지털 다운로드까지 포함하면 수백만 명 이상의 독자에게 닿았다고 합니다. 수많은 엔지니어와 연구자가 이 책을 통해 딥러닝 커리어를 시작했다는 점에서, 1판이 출간된 2017년 이후 이 시리즈는 사실상 딥러닝 입문서의 표준으로 자리 잡아왔습니다.

이번 3판은 단순한 개정이 아니라 완전한 재집필(complete rewrite) 입니다. 1판이 TensorFlow 1.x 시대의 Keras를 중심으로 구성되었고 2018년에 Manning에서 출간된 2판이 TensorFlow 2.x 기반으로 갱신되었다면, 이번 3판은 Keras 3의 멀티 백엔드 시대에 맞춰 PyTorch, TensorFlow, JAX, 그리고 Keras 코드를 함께 다룹니다. 또한 트랜스포머(Transformer), GPT 형태의 대규모 언어 모델(LLM, Large Language Model), 확산 모델(Diffusion Model)을 통한 이미지 생성 등 최근 몇 년간 분야를 뒤바꾼 주제를 새로운 챕터로 추가하였습니다.

이러한 맥락에서 이번 무료 공개는 단순한 마케팅 이벤트로 보기 어렵습니다. 한 시대를 정의했던 입문서가, 지금 막 입문하려는 이들이 가장 부담을 느끼는 형태(언어, 가격, 접근성)에서 자유로워졌기 때문입니다. 모든 챕터의 코드는 브라우저에서 직접 실행할 수 있는 링크가 함께 제공되며, 종이책으로 소장하고 싶은 독자는 여전히 Manning Publications을 통해 구매하여 저자와 출판사를 후원할 수 있습니다.

3판의 핵심 차별점

이번 판의 가장 큰 변화는 프레임워크 중립성(framework neutrality) 입니다. 이전 판들이 Keras + TensorFlow 스택에 강하게 결합되어 있었다면, 3판은 Keras 3의 등장 이후 가능해진 환경, 즉 동일한 모델 코드가 PyTorch, TensorFlow, JAX 백엔드 위에서 모두 동작하는 환경을 전제로 작성되었습니다. 따라서 PyTorch 사용자는 PyTorch 그대로, TensorFlow 사용자는 TensorFlow 그대로, JAX 사용자는 JAX 그대로 같은 책을 따라갈 수 있습니다.

두 번째 변화는 생성형 AI(Generative AI)의 본격적인 통합입니다. 2판이 출간되었던 2021년만 해도 GPT-3는 등장한 지 얼마 되지 않았고 Stable Diffusion이나 DALL-E 계열의 이미지 생성 모델은 대중에게 도달하기 전이었습니다. 3판은 Transformer 아키텍처를 깊이 다루는 별도 챕터, GPT와 유사한 자체 LLM을 처음부터 만들어 보는 챕터, 그리고 확산 모델 기반의 이미지 생성 챕터를 새로 포함하여 이 변화를 정면으로 반영합니다.

세 번째는 수학적 기초의 직관적 설명입니다. 저자는 일관되게 *"수식보다 직관, 직관보다 코드"*라는 접근을 유지해왔으며, 3판에서도 선형대수나 미적분에 대한 사전 지식 없이도 본문을 따라갈 수 있도록 그림과 코드 위주로 개념을 설명합니다. 대상 독자는 중급 수준의 Python 사용 능력을 가진 이들로, 머신러닝이나 선형대수에 대한 사전 경험은 요구하지 않습니다.

"혼자 힘으로 배우는 사람에게 더없이 잘 맞는 책입니다. 업계의 거장으로부터 직접 손을 움직여 배운다는 느낌을 받을 수 있습니다."

"Perfect for anyone interested in learning by doing from one of the industry greats."

Anthony Goldbloom, Kaggle 창업자

"제1원리에서 출발해 실제로 동작하는 모델을 만드는 사고법을 가르쳐 주는, 날카롭고도 매우 실용적인 가이드입니다."

"A sharp, deeply practical guide that teaches you how to think from first principles to build models that actually work."

Santiago Valdarrama, ml.school 창업자

"오늘날 찾을 수 있는 딥러닝 가이드 중 가장 최신이며 가장 완전한 책입니다."

"The most up-to-date and complete guide to deep learning you'll find today!"

Aran Komatsuzaki, EleutherAI

"신경망의 본질을 거장의 솜씨로 풀어내는, 최근 보기 드문 뛰어난 기술 저술입니다."

"Masterfully conveys the true essence of neural networks. A rare case in recent years of outstanding technical writing."

Salvatore Sanfilippo, Redis 창시자

전체 구성: 20개 장으로 구성된 딥러닝 종합서

3판은 총 20개의 장으로 구성되어 있으며, 각 장의 코드는 브라우저에서 바로 실행해볼 수 있도록 제공됩니다. 학습 흐름은 기초 개념 → 핵심 워크플로우 → 컴퓨터 비전 → 시계열/언어 모델링 → 생성형 AI → 실무 적용의 순서로 자연스럽게 이어집니다.

1부: 기초 (Chapter 1~7)

딥러닝이 무엇인지, 왜 지금 중요한지, 그리고 신경망이 작동하는 수학적 메커니즘을 단계적으로 다룹니다. TensorFlow, PyTorch, JAX, Keras 네 가지 프레임워크를 같은 시각으로 소개한 뒤, 분류와 회귀 같은 기초 과제, 일반화와 과적합 같은 머신러닝의 핵심 원리, 그리고 모든 ML 프로젝트에 공통으로 적용되는 보편적 워크플로우를 정리합니다.

2부: 컴퓨터 비전 (Chapter 8~12)

이미지 분류에서 시작해 ConvNet 아키텍처의 진화, 학습된 표현을 시각적으로 해석하는 기법, 그리고 의미적 분할(semantic segmentation)과 객체 탐지(object detection)까지 다룹니다. 컴퓨터 비전의 고전적 문제들을 현대적 도구로 풀어내는 챕터들입니다.

3부: 시계열과 언어 (Chapter 13~16)

시계열 예측에서 출발해 텍스트 분류, 트랜스포머(Transformer)를 활용한 언어 모델, 그리고 GPT 계열의 텍스트 생성으로 자연스럽게 이어집니다. 특히 Chapter 16. Text generation 은 직접 GPT 형태의 LLM을 처음부터 만들어 보며 LLM의 내부 동작을 이해하게 해주는 핵심 장입니다.

4부: 생성형 AI와 실무 (Chapter 17~20)

확산 모델(Diffusion Model) 기반의 이미지 생성, 실제 프로덕션 환경에서의 모범 사례, 그리고 AI의 미래에 대한 저자의 시각으로 마무리됩니다. François Chollet 은 일반 인공지능과 추상적 추론에 관해 ARC-AGI 벤치마크 등으로 강한 의견을 가진 연구자로 알려져 있어, 마지막 두 챕터는 단순한 결론을 넘어 분야의 방향성에 대한 시사점을 제공합니다.

PyTorch 사용자에게 이 책이 의미하는 것

이 책의 1판과 2판이 Keras 사용자를 위한 책으로 인식되었던 반면, 3판은 PyTorch 사용자에게도 의미 있는 자료입니다. Keras 3는 PyTorch를 1급 백엔드로 지원하므로, 책의 모든 모델 코드를 PyTorch 텐서와 함께 사용할 수 있고, PyTorch DataLoader나 기존 PyTorch 학습 루프와도 자연스럽게 결합됩니다. 즉, "이미 PyTorch를 쓰고 있는데 새로 배워야 하는 것 아닌가?" 라는 부담 없이 본문의 개념과 워크플로우를 그대로 받아들일 수 있습니다.

또한 책이 다루는 추상화 수준은 Hugging Face Transformers나 PyTorch Lightning 같은 상위 라이브러리를 사용하기 전에 갖추어야 할 기본기, 즉 "왜 이 모델이 이런 구조를 가지고, 어떻게 학습되며, 어떤 한계를 갖는가" 를 직접 코드로 확인하는 데 초점을 맞춥니다. PyTorch 생태계에서 nanoGPT나 minGPT 같은 프로젝트로 LLM의 내부를 학습한 독자라면, 같은 종류의 직관을 비전, 시계열, 분할, 객체 탐지, 확산 모델까지 확장한 종합서로 이 책을 활용할 수 있습니다.

누구에게 권할 수 있을까

3판은 다음과 같은 독자에게 특히 유용합니다.

  • 딥러닝을 처음 시작하는 Python 개발자: 머신러닝이나 선형대수에 대한 사전 지식 없이도 따라갈 수 있도록 설계되었습니다.
  • 2판으로 학습했던 독자: 트랜스포머, LLM 직접 구현, 확산 모델 등 2021년 이후 분야를 재편한 주제가 새 챕터로 추가되었으므로, 갱신된 멘탈 모델을 얻고 싶은 독자에게 적합합니다.
  • PyTorch나 JAX 사용자: 프레임워크 종속적이지 않은 시각으로 핵심 개념과 워크플로우를 정리할 수 있습니다.
  • 교육자와 스터디 리더: 무료 온라인 공개에 더해 브라우저 실행 가능한 코드가 함께 제공되므로, 강의나 스터디 자료로 즉시 활용 가능합니다.

반면, 이미 Transformer 논문을 직접 구현해보았고 PyTorch 생태계의 고급 주제(분산 학습, 양자화, 추론 최적화 등)를 찾고 있는 독자라면, 이 책은 부분적으로 복습에 가까울 수 있습니다. 그 경우에도 18장(실무 모범 사례)과 19장(AI의 미래)은 저자 François Chollet 특유의 관점을 접할 수 있는 가치 있는 부분입니다.

책의 활용 팁

각 챕터 상단에는 코드를 브라우저에서 직접 실행할 수 있는 링크가 제공됩니다. 별도의 환경 설정 없이 Google Colab 등에서 즉시 실험해볼 수 있다는 의미이며, 이는 "읽고 끝나는" 학습이 아니라 "읽으면서 동시에 손으로 확인하는" 학습 흐름을 강하게 권장하는 책의 철학과 맞닿아 있습니다.

또한 본문이 영어로 작성되어 있다는 점은 한국어 독자에게 일정한 장벽이 될 수 있지만, 코드 자체와 그림은 언어를 넘어 동일하게 작동하므로, 영어 본문은 보조적으로 참고하면서 코드와 실험에 집중하는 방식이 효과적일 수 있습니다.

:scroll: Deep Learning with Python, Third Edition 공식 사이트

:scroll: Deep Learning with Python, Third Edition 모든 챕터 목차

:books: Deep Learning with Python, Third Edition 종이책 구매 (Manning 출판사)

:books: 한국어 번역(2판): 케라스 창시자에게 배우는 딥러닝 개정2판

:bird: François Chollet 의 발표 트윗



이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다. :hugs:

:pytorch:파이토치 한국 사용자 모임:south_korea:이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일:love_letter:로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)

:wrapped_gift: 아래:down_right_arrow:쪽에 좋아요:+1:를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ :star_struck:

2개의 좋아요