본 저서는 시계열 데이터를 처리할 목적으로 개발된 순환 신경망(RNN)을 다루고 있습니다. RNN은 순방향 신경망(FNN)의 방향 이외에 동일한 층 내부에서 시간 흐름을 처리하기 위한 방향을 가지고 있기 때문에 FNN을 일반화시킨 신경망이라 할 수 있습니다. 이전 저서와 마찬가지 방법으로, RNN 내용을 수월하게 이해할 수 있도록 그래프 모형(Graph Model, GM)으로 RNN을 기술한 후, GM에서 정의한 내용을 PyTorch 코드와 일대일 방식으로 대응시켜 코드로 구현했습니다. 코딩은 알고리즘을 코드로 구현하는 것이므로, 알고리즘을 그림으로 최대한 이해하는 것이 중요하기 때문에 다양한 그림으로 RNN을 설명했습니다. 그리고 RNN에 입력한 데이터가 시간이 많이 흐르면 잘 전달되지 않는 문제점을 수와 식으로 분명하게 기술하고 이를 코드로 보였습니다. 이런 문제를 극복하기 위하여 개발된 LSTM과 양방향 LSTM(BiLSTM)도 다루었습니다. 특히, 자연어 처리(Natural Language Processing, NLP) 과정을 이해하고 코드로 구현할 수 있도록, RNN과 네이버에서 제공하는 영화 리뷰 데이터를 사용하여 리뷰의 긍정과 부정을 판정할 수 있는 신경망을 만드는 과정을 상세히 기술했습니다. FNN에 이어 RNN을 이해하고 사용하는데 도움이 되길 바라는 마음이 본 저서에 드러나길 기대합니다.
책소개
