이책은 어떻게 딥러닝 학습을 시작해야 할지 모르는 딥린이를 위한 입문 교과서이다.
개념, 수식, 실습으로 이어지는 최적의 딥러닝 학습 커리큘럼을 통해 딥러닝에 대한 기본기를 탄탄하게 키워준다.
	
	

		이 책은 딥러닝을 처음 접하는 독자 또는 딥러닝을 어느 정도 알고 있지만 기초가 부족한 독자를 대상으로 이라고 한다.
	
	

		딥린이에게는 어려울 수 있지만, 수학... 파이썬의 기초는 딥러닝을 배우는데 필수이다. 
	
	
 
	

		이책에서 배우는 내용은 ...
	
	

		· 개발 환경, 딥러닝의 개념, 파이토치 튜토리얼, 선형 계층, 손실 함수
· 경사하강법, 선형 회귀, 로지스틱 회귀, 심층신경망, 확률적 경사하강법
· 최적화, 오버피팅 방지, 심층신경망으로 분류 문제 해결, 정규화
· 표현 학습, 확률론적 관점, CNN(합성곱신경망), RNN(순환신경망)
	
	
 
	

		
	
	
 
	
 
	
이책을 통해서 배울 수 있는 것들은, 딥러닝 개념 및 이론을 배우고, 수식 정리, 실습코드를 통해서  실무 환경에서 실전 같은 프로젝트 연습이라고 하겠다.  
	
 
	

		딥러닝 개념 및 이론 설명
딥러닝의 기초 개념을 최대한 쉽게 이해할 수 있도록 수학적 표현을 최소화하고 그림 또는 시각화 활용.
	
	

		기초부터 심화 단계까지 차근차근 접근할 수 있도록 구성, 딥러닝의 여러 진행 방식에 대해 원리와 구조를 체득.

수식 정리
딥러닝을 제대로 공부하기 위해서 수학적 배경지식은 반드시 필요. 
	
	

		딥러닝의 기초 개념 및 이론을 수식을 통해 다시 한번 정리.

실습 코드
앞에서 배운 이론과 수식을 파이토치로 어떻게 구현하는지에 대해 익힘.
	
	

		이 책의 실습은 GPU 없이 실행이 가능하며, GPU가 있다면 훨씬 더 빠르게 실행할 수 있지만, 
	
	

		GPU 없이도 최대 몇십 분 이내로 실행이 완료되도록 구성되어 있음.

실무 환경에서의 실전 같은 프로젝트 연습
실제 머신러닝 프로젝트를 진행하듯이 파일을 구성하고 CLI 환경에서의 실습 진행
	
	

		실전처럼 MNIST 분류기 성능을 끌어 올리는 방법과 이를 위한 실험 환경 구축 방법 숙지
	
	
 
	
 
	

		 "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."
	

4장까지 읽었는데, 더 이상 진행하기 어려워서 리뷰를 남겨본다.

1. '이 책이 다루는 범위'를 보면 자연어 처리 관련 내용을 최대한 다루려고 한다고 써있다.

그러나 4장을 보면, 반 이상은 알아듣기 힘든 내용이다. 처음 보는 라이브러리를 아무런 설명도 없이 코드만 넣어놓으면

책을 뭐하러 샀는지 의문. API보고 그냥 따라하면 될 것을 뭣하러 4만원 가까운 돈 낭비하면서 책을 샀을까?

- 4.6.3. CTK를 활용한 정렬을 보면, 평생 처음 보는 라이브러리고, 실제로 이 코드를 활용해서 어떤 결과를 얻을지도 모르며 (최소한 corpus라도 하나쯤은 넣어주던가!), 주석 조차 없다. API 찾아서 보라는 뜻인가? 돈내고 강의를 들으라는 말인가?

2. 일관성 없는 깃허브 코드.

4장에서 다루는 data_loader들은 이 책의 깃허브에 있는 것이 아니라, 저자의 깃허브에 가야 볼 수 있다. 

readme.md 써져 있긴 한데, 그 몇개를 옮기는게 시간이 아까웠나 라는 생각이 드는 건 지울수가 없다. 명확하게 독자를 배려하지 않은 부분이라 생각한다. 더불어 책에다가 소스 코드 제목도 안써줄거면, 뭐하러 깃은 제공하는지 모르겠다. 심지어 몇몇은 깃허브 코드내에 예제 데이터가 있다. 역시나 독자를 배려하지 않는다.

3. 한국어를 다루는 파이토치 책.

한국어를 다루는 책은 거의 못봤다. tensorflow도 몇 개 없는 것 같고, pytorch는 진짜 거의 못봤다. 이 책만 거의 유일한 것 같다.

이는 분명한 장점이다. 그러나 별개로, 독자가 의도한대로 학습이 이루어지는 모르겠다. 전처리 파트를 읽어봐도, 실제 전처리가 어떻게 이루어지는지 전혀 감이 오질 않는다. 이 책을 완독했을 때 내게 남는 것이 얼마나 있을지 의문이라는 생각이 든다.

"자연어 딥러닝 분석이 이렇게 심오할(어려울) 줄이야."

책을 처음 읽기 시작하면서부터 가장 먼저 들기 시작한 생각이었다.

책을 읽기 전에는 데이터 분석에 있어서 자연어 처리는 데이터 칼럼 중 영화평이나 서평과 같은 이용자가 직접 입력한 값이 있는 경우 단어수를 세어본다거나 추출된 단어를 기반으로 긍정적인지 부정적인지 알아보는 감성 분석 정도로만 생각했었다.

물론 인공지능을 이용한 번역 등 자연어를 처리하는 분야들도 많이 있고 발전하고 있으나 데이터 분석을 전반적으로 공부하고 있는 나에게는 그저 feature값 중 하나를 처리하기 위한 도구일 뿐 그 이상도 그 이하도 아니었다.

하지만 이 책을 읽으면서 자연어 처리를 다시 생각하게 되었다.

책 초반에는 이미지나 음성에 비해 자연어 처리가 왜 어려운지, 그리고 한국어는 왜 더 어려운지에 대해 설명이 있는데, 딥러닝에 대한 이해가 없다고 하더라도 재미있게 읽을 수 있는 부분인 것 같다.

평소에도 외국인이 배우기에는 한국어는 참 어려운 언어라는 생각을 갖고 있었는데, 외국인뿐만 아니라 기계도 이해하기에도 참 어려운 언어를 운 좋게 모국어로 쓸 수 있어서 다행이란 생각까지 들었다.

책을 자연어 처리 딥러닝을 공부하기 위해 바로 활용하려면, 저자가 책의 특징을 설명할 때 이야기하는 것처럼, 파이썬, 확률과 통계, 딥러닝 기초, 머신러닝 기초 등에 대한 내용은 미리 선행하고 읽어보는 것이 좋을 것 같다.

어려운 개념들인데 기초수학에 관한 내용은 책의 앞부분에 약 20페이지 정도, 그리고 기타 머신러닝/딥러닝 개념들도 흐름에 필요한 정도로만 짧게 설명되어 있다. 처음에는 조금 아쉬운 감이 있었으나, 자연어 처리를 목적으로 책을 읽기 시작한 사람이라면, 이미 기초 선행 과목(?)들은 어느 정도 거치고 왔을 거라고 생각해보니 적절한 구성인 것 같다.

반면에 수집한 코퍼스(말뭉치)에서 불필요한 특수문자, 기호 등을 제거하기 위해 정규 표현식을 사용하여 정제하는 부분들은 꽤 상세히 설명되어 있어서 이 책만으로도 많은 도움이 될 것 같다.

자연어 처리를 전문가가 되기 위해서 이 책을 눈여겨보고 있는 사람이라면, 처음부터 끝까지 이 책을 이해할 수 있다면, 목적을 달성할 수 있다는 생각이 든다. 나처럼 데이터 분석할 때 문장으로 되어 있는 칼럼을 다루기 위해, 또는 그보다 조금 더 깊이 있는 내용이 궁금한 사람이라면 사전처럼 두고 필요할 때마다 부분 부분 찾아서 배우고 익히면 될 것 같다.

오랫만에 자연어 처리를 공부해봐야 겠다!

거기에 딥러닝을 적용해야지!

두가지에 대한 것을 한번에 해결해준 고마운 책!

내용을 아직 깊게 꼼꼼히 보지는 않았지만 필요한 내용들에 대한 것들을 찾아 보니

다있다!.

까먹은 이론이 조목조목 정리되어있고

딥러닝을 코드로 공부하였더니 여기저기 막히던 부분들에 대한 명쾌한 설명도 있다.

의외로 정규표현식에 약한 사람들을 많이 보았는데..

자연어처리를 할때 꼭 필요한 스킬인 정규표현식에 대한 이론척이고 체계적인 정리도 함께 있다.

다양한 곳에서 실무에 쓸 일이 많으니 이것 만이라도 챙겨서 보도록 권해주고 싶은 내용이다.!

딱 필요한 내용들이 있다니.ㅠㅠ 눈물을 머금고 다시 정독하러 가야겠다.

이번엔 꼭.. 제대로 적용해보리라!. 기다려랏 텐서!

이만.. 총총!!

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; 

책소개

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.

자세히보기 : http://www.hanbit.co.kr/store/books/look.php?p_code=B1294694476

이번에 리뷰하게 된 책은 김기현의 자연어 처리 딥러닝 캠프 - 파이토치 편합니다.

평소에 Keras나 Tensorflow는 사용해봤지만 Pytorch는 처음이라 기대가 되는 책이었습니다.

상세하게 리뷰해보도록 하겠습니다.

자연어 처리에 관한 책이라 그런지 상당히 두껍습니다.

자연어처리에 대해서 그만큼 설명할 것도 많다는 의미가 되겠죠?

실제로 한국어는 영어에 비해 자연어처리를 하기에 어려운 언어입니다.

예를 들면, 영어는 Ieatapple(I eat apple.)이라는 문장이 있을 때 띄어쓰기가 있어야만 의미를 알 수 있습니다.

하지만 한국어는 어떨까요? 나는사과를먹었다. 라고 적어도 한국사람들은 다 이해를 합니다.

그렇게 때문에 자연어를 처리하기 어려운 언어에 속하게 됩니다.

처음 설치는 Anaconda3를 통해서 이루어집니다. Docker 처럼 가상환경, 학습 환경을 만들어서 사용할 수 있기 때문에

적합하다고 생각됩니다. 책에서 아쉬운 점은 설치에 대한 내용이 정말 짧게 나와있다는 것입니다. 기초를 알고 있는 사람에 대해서 책에 대한 내용을 읽기를 희망하는 것 같은 느낌을 받아 아쉬웠습니다. 조금 더 자세했으면 좋겠는데 말이죠.

책을 보다보면 이해가 안되는 수식과 함수와 등등.... 어렵습니다. 수학적으로 풀어서 설명하는게 아닌 부분도 많아서 공부가 필요해보입니다. 사실 이런 개념들은 자연어 처리와는 거리가 멀고 통계와 확률 등을 배워야 아는 부분이지만 기초적인 책에서 조금이나마 상세하게 설명해줬으면 어땠을까 하는 부분이 있었습니다.

그래도 책으로 공부를 하다보면 처리에 있어서는 굉장히 상세하게 설명된 책입니다. 자연어처리를 이렇게 상세하게 설명해주는 책이 있다는 것에 새삼 놀랄 정도로 자세한 예제를 통해 설명을 진행해줍니다. 실제로 실무에서도 책에 나와있는 방법들로 학습을 하고 모델을 구현합니다. 제가 쓰는 방법도 많이 나오고 있어서 내심 뿌듯하면서 몰랐던 부분도 알 수 있어서 좋았습니다.

책을 보다보면 여러 예제를 접할 수 있습니다. 읽는데 시간이 많이 소요되기는 하지만 그만큼 중요하고, 내용이 꽉 들어차 있는 책입니다. 자연어 처리에 대해서 궁금하다면 꼭 읽어보시길 추천합니다! 또한 파이토치가 아닌 텐서플로우2.0이나 케라스(Keras)로도 구현해보시길 추천드립니다.

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.

전자는 근본 원리를 알기 위해 필요하고 후자는 이론이 이해가 되지 않거나 아니면 실제로 응용을 하기 위해 필요합니다. 

"자연어 처리 딥러닝 캠프"는 이 두 가지 특징을 다 가지고 있습니다. 이론적인 설명과 이를 실제로 구현해봄으로써 좀더 잘 이해할 수 있었습니다.

사실, 이 책은 출간 되기 전부터 기다리고 있었습니다. 전이 학습을 통한 BERT와 GPT-2 부분에 대해 관심이 있었고 또 한글 데이터셋 기반의 샘플 코드가 있다는 점. 그리고 또 패스트 캠퍼스의 강의와 한빛미디어가 만나면 어떤 책이 나올까 궁금했었습니다. 

책을 받고 조금씩 읽어 나가면서 제가 관심깊게 본 부분이 있습니다. 강화학습의 폴리시 그래디언트 를 이용해서 잔영어 생성을 다루는 12장과 13장 듀얼리티를 활용한 다양한 분야에서의 응용입니다.

최근 NLP는 최근에 다른 분야와 융합되어 더 다양한 분야에 응용이 되고 있어서 이 두 장에 특히 관심이 많았습니다.

아직 잘 모르지만,  강화학습과 GAN에 관심을 갖기 시작하면서 여러 응용할 수 있는 부분을 생각해 보고 있었는데 이 책을 통해 저의 호기심을 충족할 수 있었습니다.

이 책은 한마디로 NLP의 기초부터 최신 동향 그리고 응용까지 다루고 있어 딥러닝을 공부하시는 분이라면 일독을 권합니다.

사실, 업무에 있어서도, 사전 구축이나 자연어 처리를 잘 하면 좋겠다는 생각을 많이 하긴 했는데, 책 초반에 나오는 수학적 지식을 완전히 이해하지는 못했다. 워낙에 확통이나, 선형대수학을 접해본적이 없었고, 졸업한지 오랜만에 본 수학 지식이라 어려웠다.

그렇지만, 이 책을 읽음에 수학적 지식이 풍부하다면, 쉽게 읽을 수 있고 도움이 되어 좋겠지만 읽다 보면 어떻게 연결이 되고 흘러 가는 맥락 파악을 할 수 있다. 어찌하든, 자연어 처리에 관해서 입문 하는데에는 좋은 책이라고 생각 한다.

인터넷을 이용해 자연어처리를 시작한다면 여기저기 흩어져 있는 정보들을 모아모아 공부해야했다면

이 책에서는 자연어처리를 위한 전처리 과정에서부터 딥러닝 활용까지를 모두 다루고 있어서 가장 좋았다

하지만 저자가 서술했듯이 딥러닝 입문자를 위한 책은 아니다. 수식이 많은건 아니지만 내용을 이해하는데에 있어서

사전지식이 있다면 훨씬 술술 읽힐 것이다. 

자연어 처리에 필요한 이론적인 베이스와 기술에 대해 꽤 친절하게 설명한 책이라 생각한다.

이 책의 가장 좋은 점은 우리나라 저자가 쓴 책이어서 그런지 번역서보다 좀 더 잘 읽힌다.

그리고 또 한가지, 풀컬러! 라는 점이다.

일반적인 프로그래밍 책이라면 컬러인쇄가 아닌, 2도 인쇄로도 충분하다고 생각한다.

하지만 이 책의 경우 여러 가지 도표와 수식이 난무하는데 아무래도 가독성에서 차이가 난다.

책에 대한 총평을 해보자면, 기대햇던 것 보다는 좀 아쉬운 책이었다.

아무래도 제목이 소문난 명강의 인 데다가 최근 핫한 키워드인 NLP와 PyTorch 에 대한 내용이다 보니 기대가 컸던 데 비해 내가 너무 못 따라간 것 같다.

저자는 머신러닝 기초이론은 이해하고 있는 것으로 가정하고 빠르게 내용을 전개한다.

“딥러닝과 머신러닝 관련 개념과 이론의 기본기를 어느 정도 갖춘 독자라면 자연어 처리를 실무에 적용하는 데 필요한 지식을 이 한 권으로 체계적으로 익힐 수 있다.” 라고 소개하고 있는데 기본기가 어느 정도 수준이냐에 따라 다가오는 느낌이 다를 것 같다.

저자가 요구하는 선수학습은 “파이썬, 미적분, 선형대수, 확률통계, 머신러닝 기초이론, 딥러닝 기초이론”이다.

제목이 “파이토치편”이라고 되어있지만 파이토치의 비중은 크지 않다.

실습으로서 뭔가 실제 서비스를 구현한다기 보단 이런 식으로 한다는 소개 수준이다.

너무 많은 내용을 소개하려다 보니 소개만 하는 기분도 든다.

책 전체가 다음처럼 진행된다. 각 토픽에 대한 배경 설명 → 이론소개 → 저자가 작성해 둔 코드를 소개 순이다.

깃헙에 있는 코드를 그대로 책에 실어두었는데, 코드에 대한 간략한 설명이 붙어있긴 하지만 기술 소개처럼 자세하진 않고 어느 부분에 주목해라 식의 간략한 코멘트 수준이다.

코드에 달린 주석을 참고하라는 의미라고 생각되는데 어느 정도 경험이 없다면 쉽게 이해하기 힘들 것이라 생각된다.

책을 교재로 쓰는 강의에서 실습을 진행하고 질의·응답한다면 좋은 구성일 수 있겠으나, 이 책만 보고 공부하는 것은 나한테는 좀 버거웠다.

딥러닝을 활용한 머신러닝 기술들의 홍수 속에서 살고 있는데, 크게 보면 영상처리와 언어처리 두 가지 부류로 나눌 수 있을 것 같다.

MNIST로 대표되는 영상처리의 경우 이미 많이 소개되다 보니 몇 번 접해보았으나, 이번 리뷰를 통해 처음으로 자연어처리에 대해 실습해 보게 되었다.

영상처리의 경우도 쉽지 않은 내용이었지만, 자연어처리는 이것보다 더 어려웠다.

RNN이 어떤것인지 아는 정도로는 어림도 없다는 걸 새삼 깨닫게 됐다.

딥러닝 기반의 자연어 처리를 기초부터 심화까지 두루 다루는 책이 한빛미디어에서 출간되었습니다. 바로 자연어 처리 딥러닝 캠프인데요, 이 책의 모든 예제는 PyTorch 1.0을 기반으로 다루고 있으며 딥러닝의 기초 서적이 아니기 때문에 목적/손실 함수, 선형/로지스틱 회귀, 그래디언트 디센트 정도는 이미 숙지하고 있다는 가정하에 내용을 진행합니다. 책의 표지에서부터 PyTorch의 기운이 느껴집니다.

책의 모든 페이지가 컬러로 되어 있어서 꽤 세련된 느낌을 주고 패스트캠퍼스에서 진행한 강의가 바탕이 되어서인지 내용 구성이 좋아서 훌훌 잘 읽힙니다. 매 단원이 끝날때마다 딥러닝의 대가들(제프리 힌튼, 클로드 셰넌, 얀 르쿤 등)이 스케치 이미지로 등장하는데 누가 등장할지 궁금해서 더 빨리 읽게 되는것 같기도 합니다. 

모든 예제의 소스코드 내용은 저자의 깃허브에서 확인 가능하기 때문에 어렵지 않게 진도를 따라갈 수 있습니다. 딥러닝으로 풀어내는 큰 줄기에는 이미지, 음성 등 다양한 분야가 있지만 그중에 자연어처리를 꽤 매력적인 부분일겁니다.

이 책 한권으로 자연어처리를 끝낼수는 없지만 그 입문을 하기에는 충분할 것으로 예상합니다. 이제 자연어처리에 입문하시는 분에게는 꼭 추천합니다.