1 Kaiming He et al., “Deep Residual Learning for Image Recognition,” Proc. IEEE Conference Computer Vision and Pattern Recognition (CVPR), 2016, pp. 770–778, http://mng.bz/PO5P.

  2 Christian Szegedy et al., “Going Deeper with Convolutions,” Proc. IEEE Conference Computer Vision and Pattern Recognition (CVPR), 2015, pp. 1–9, http://mng.bz/JzGv.

  3 Large Scale Visual Recognition Challenge 2017 (ILSVRC2017) results, http://image-net.org/challenges/LSVRC/2017/results.

  4 Yunpeng Chen et al., “Dual Path Networks,” https://arxiv.org/pdf/1707.01629.pdf.

  5 Yonghui Wu et al., “Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation,” submitted 26 Sept. 2016, https://arxiv.org/abs/1609.08144.

  6 Chung-Cheng Chiu et al., “State-of-the-Art Speech Recognition with Sequence-to-Sequence Models,” submitted 5 Dec. 2017, https://arxiv.org/abs/1712.01769.

  7 Volodymyr Mnih et al., “Playing Atari with Deep Reinforcement Learning,” NIPS Deep Learning Workshop 2013, https://arxiv.org/abs/1312.5602.

  8 David Silver et al., “Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm,” submitted 5 Dec. 2017, https://arxiv.org/abs/1712.01815.

  9 Varun Gulshan et al., “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs,” JAMA, vol. 316, no. 22, 2016, pp. 2402–2410, http://mng.bz/wlDQ.

10 심볼릭 AI의 한 종류는 전문가 시스템(expert system)입니다. 이에 대한 자세한 정보는 브리태니커 백과사전을 참고하세요(http://mng.bz/7zmy).

11 사실 이런 접근 방법이 전에 시도된 적이 있으며 잘 동작하지 않았습니다. 다음 서베이(survey) 논문은 딥러닝이 등장하기 전에 사용한 얼굴 감지를 위한 수동 규칙을 보여 주는 좋은 예입니다. Erik Hjelmås and Boon Kee Low, “Face Detection: A Survey,” Computer Vision and Image Understanding, Sept. 2001, pp. 236–274, http://mng.bz/m4d2.

12 역주 example을 ‘사례’ 대신 이해하기 쉽게 ‘샘플’이라고 옮겼습니다.

13 또 다른 스타일의 머신 러닝은 레이블되지 않은 데이터를 사용하는 비지도 학습(unsupervised learning)입니다. 비지도 학습의 예로는 (데이터셋에서 서로 구분되는 샘플의 부분 집합을 찾는) 군집(clustering)과 (훈련 세트에서 다른 샘플과 크게 다른 샘플을 찾는) 이상치 탐지(anomaly detection)가 있습니다.

14 기능 유사성에 대한 설득력 있는 예는 합성곱 신경망의 다양한 층을 최대로 활성화하는 입력입니다(4장 참조). 사람의 시각 시스템에서 여러 부분에 있는 뉴런의 수용장(receptive field)과 많이 닮았습니다.

15 역주 마우리츠 코르넬리스 에셔(Maurits Cornelis Escher)는 네덜란드의 판화가로, 수학적인 논리를 바탕으로 반복과 순환 등을 표현한 것으로 유명합니다. 대표적인 작품 중 하나는 ‘상대성’(https://bit.ly/36V5GnY)입니다.

16 역주 원문은 ‘freedom is no free’입니다. free는 자유와 공짜라는 의미를 모두 갖고 있습니다.

17 Douglas Hofstadter, “The Shallowness of Google Translate,” The Atlantic, 30 Jan. 2018, http://mng.bz/5AE1.

18 Srishti Deoras, “Top 10 Programming Languages for Data Scientists to Learn in 2018,” Analytics India Magazine, 25 Jan. 2018, http://mng.bz/6wrD.

19 Rishabh Borde, “Internet Time Spend in Mobile Apps, 2017–19: It’s 8x than Mobile Web,” DazeInfo, 12 Apr. 2017, http://mng.bz/omDr.

20 Nicola Pezzotti, “Realtime tSNE Visualizations with TensorFlow.js,” googblogs, http://mng.bz/nvDg.

21 역주 2021년 7월 기준으로 npm에 있는 패키지는 160만 개가 넘으며 파이썬 패키지보다 다섯 배 이상 많습니다.

22 Manning Publications, 2018, www.manning.com/books/data-wrangling-with-javascript

23 역주 플레이도는 미술이나 공예를 위해 사용하는 점토 형태의 장난감입니다.

24 사실 텐서플로가 공개된 이후로 구글 엔지니어와 오픈 소스 커뮤니티에서 만든 여러 가지 고수준 API가 등장했습니다. 그중에 가장 인기 있는 것은 케라스, tf.Estimator, tf.contrib.slim, TensorLayers입니다. 이 책을 읽는 독자에게 TensorFlow.js와 가장 많은 관련이 있는 고수준 API는 케라스입니다. TensorFlow.js의 고수준 API가 케라스를 닮았고 TensorFlow.js가 케라스 모델을 저장하고 로딩하는 데 양방향 호환성을 제공하기 때문입니다. 역주 텐서플로 2.0이 릴리스되면서 서드파티(3rd party) API가 텐서플로 공식 코드 베이스에서 삭제되었고 케라스가 최우선 API가 되었습니다.

25 흥미로운 역사적 사실은 두 저자가 텐서플로 모델을 위한 유명한 시각화 도구인 텐서보드(TensorBoard)를 만드는 데도 핵심 역할을 했다는 것입니다.

26 역주 구글은 최근에 공식 텐서플로 포럼을 오픈했습니다(https://discuss.tensorflow.org/). tfjs 태그를 선택하면 TensorFlow.js와 관련된 토론을 조회할 수 있습니다.

27 Abhishek Singh, “Getting Alexa to Respond to Sign Language Using Your Webcam and TensorFlow.js,” Medium, 8 Aug. 2018, http://mng.bz/4eEa.

28 Andreas Madsen, “Clinic.js Doctor Just Got More Advanced with TensorFlow.js,” Clinic.js blog, 22 Aug. 2018, http://mng.bz/Q06w.