케라스 사용자는 학계 연구자, 엔지니어, 스타트업과 대기업의 데이터 과학자부터 대학원생, 취미 개발자까지 2021년 말을 기준으로 100만 명이 넘습니다. 구글, 넷플릭스(Netflix), 우버(Uber), CERN, NASA, 옐프(Yelp), 인스타카트(Instacart), 스퀘어(Square)와 수백 개의 스타트업이 각종 산업 분야에 걸쳐 다양한 문제를 해결하기 위해 케라스를 사용합니다. 유튜브가 여러분에게 제공하는 추천도 케라스 모델로 만들어집니다. 또한, 케라스는 머신 러닝 경연 웹 사이트인 캐글에서 인기 있는 프레임워크입니다. 대부분의 딥러닝 대회 우승자는 케라스를 사용했습니다.

케라스의 사용자 층이 크고 다양하기 때문에 모델을 구축하고 훈련하는 데 하나의 표준 방식을 따르도록 강요하지 않습니다. 사용자 성향에 따라 고수준에서 저수준까지 다양한 워크플로를 사용할 수 있습니다. 예를 들어 여러 가지 모델 구축과 훈련 방법이 있으며 각각은 사용성과 유연성 사이에 트레이드오프(trade-off)가 있습니다. 5장에서 이런 워크플로의 상당 부분을 자세히 알아보겠습니다. 케라스로 사이킷런(scikit-learn)처럼 fit()을 호출하고 프레임워크가 알아서 처리하게 하거나, 넘파이처럼 모든 세부 내용을 완전히 제어할 수 있습니다.

이는 시작하면서 지금 배운 모든 것이 나중에 전문가가 되어서도 여전히 유용하다는 의미입니다. 어렵지 않게 시작한 후 밑바닥부터 로직을 점점 더 많이 작성하는 워크플로로 넘어갈 수 있습니다. 학생을 벗어나 연구자가 되었거나 데이터 과학자에서 딥러닝 엔지니어가 되었다고 완전히 다른 프레임워크로 바꿀 필요가 없습니다.

이런 철학은 파이썬의 철학과 다르지 않습니다! 어떤 언어는 프로그램을 작성하는 데 한 가지 방법만 제공합니다. 예를 들어 객체지향 프로그래밍이나 함수형 프로그래밍입니다. 하지만 파이썬은 멀티패러다임(multiparadigm) 언어입니다. 여러 가지 사용 방식을 제공하고 서로 섞어서 사용해도 잘 작동합니다. 이 때문에 파이썬은 시스템 관리, 데이터 과학, 머신 러닝 엔지니어링, 웹 개발 또한 프로그래밍 교육과 같이 매우 다양한 사용 방식에 적합합니다. 비슷하게 케라스를 딥러닝의 파이썬으로 생각할 수 있습니다. 다양한 사용자 층에 다양한 워크플로를 제공하는 사용자 친화적인 딥러닝 언어입니다.