확장메뉴
주요메뉴


소득공제
미리보기 공유하기

데싸노트의 실전에서 통하는 머신러닝

: 피처 엔지니어링 + TOP 10 알고리즘 + 실무 노하우로 익히는 실무형 문제풀이 해법서

리뷰 총점8.7 리뷰 7건 | 판매지수 1,272
베스트
프로그래밍 언어 top100 2주
월간 채널예스 10호를 만나보세요!
월간 개발자 2022년 10월호
[IT 기획전] IT, 모두의 교양
박해선 저자의 머신러닝/딥러닝 패스
[단독]『혼자 공부하는 파이썬』 개정판 출간
내일은 개발자! 코딩테스트 대비 도서전
[단독] 에듀윌 IT 자격증 기획전 - 가장 빠른 합격출구 EXIT
소장가치 100% YES24 단독 판매 상품
YES24 트윈링 분철 : 인서트라벨/스티커 택1 증정
쇼핑혜택
현대카드
1 2 3 4 5

품목정보

품목정보
출간일 2022년 07월 08일
쪽수, 무게, 크기 464쪽 | 832g | 183*235*22mm
ISBN13 9791191905137

이 상품의 태그

책소개 책소개 보이기/감추기

★ 실전은 피처 엔지니어링이다
★ 뉴욕의 데이터 사이언티스트가 알려주는
★ 머신러닝 문제풀이 해법을 익혀라


이 책은 실무와 캐글 챌린지에도 통하는 10가지 각 알고리즘을 엄선해 머신러닝을 알려준다. 콜롬비아 대학교 대학원생 튜터로, 패스트캠퍼스 데이터분석 강사와 스터디 리더로 활동한 저자는 데이터 분석을 바탕으로 한 코딩에 집중할 때 학습 능률이 더 오르는 것을 발견했다. 그래서 각 알고리즘을 ‘기초 지식 → 데이터 분석 → 전처리 → 모델링 평가 → 알고리즘 깊이 이해하기’ 순서로 격파해나간다. 무엇보다 더 나은 성과를 얻는 핵심 기술인 데이터를 분석하고 처리하는 피처 엔지니어링에 공을 들였다. 이 책을 읽고 나면 독자 스스로가 데이터에 알맞은 문제풀이 해법을 고안할 수 있게 될 것다.

* 이 책은 객체지향 개념이 있는 프로그래밍 언어를 적어도 하나를 익힌 분을 대상으로 합니다. 파이썬은 1장에서 알려주므로 몰라도 됩니다.

목차 목차 보이기/감추기

00장 실습 환경 안내(코랩)

1단계 : 배경지식 익히기

01장 한눈에 살펴보는 머신러닝
__1.1 인공지능, 머신러닝, 딥러닝
__1.2 머신러닝 기법 : 지도 학습, 비지도 학습, 강화 학습
__1.3 머신러닝 프로세스
__1.4 TOP 10 알고리즘의 성능 비교
__1.5 머신러닝 핵심 라이브러리
__1.6 데이터 시각화 그래프 종류
__1.7 피처 엔지니어링 기법
__1.8 변수란 무엇인가?
학습 마무리

02장 파이썬 기초 익히기
__2.1 프로그래밍 기본 : 산술 연산, 변수, 출력
__2.2 자료형과 자료구조
__2.3 반복문 : for문, while문
__2.4 조건문 : if문
__2.5 파이썬 내장 함수
__2.6 나만의 함수 만들기 : def
학습 마무리

03장 유용한 라이브러리 : 판다스와 넘파이
__3.1 판다스
__3.2 넘파이
학습 마무리


2단계 : 답을 알려줘야 학습하는 머신러닝 지도학습 알고리즘

04장 선형 회귀 : 보험료 예측하기
__4.1 문제 정의 : 한눈에 보는 예측 목표
__4.2 라이브러리 및 데이터 불러오기
__4.3 데이터 확인하기
__4.4 전처리 : 학습셋과 시험셋 나누기
__4.5 모델링
__4.6 모델을 활용해 예측하기
__4.7 예측 모델 평가하기
__4.8 이해하기 : 선형 회귀
학습 마무리
연습 문제

05장 로지스틱 회귀 : 타이타닉 생존자 예측하기
__5.1 문제 정의 : 한눈에 보는 예측 목표
__5.2 라이브러리 및 데이터 불러오기
__5.3 데이터 확인하기
__5.4 전처리 : 범주형 변수 변환하기(더미 변수와 원-핫 인코딩)
__5.5 모델링 및 예측하기
__5.6 예측 모델 평가하기
__5.7 이해하기 : 피처 엔지니어링
__5.8 이해하기 : 로지스틱 회귀
학습 마무리
연습 문제

06장 K-최근접 이웃(KNN) : 와인 등급 예측하기
__6.1 문제 정의 : 한눈에 보는 예측 목표
__6.2 라이브러리 및 데이터 불러오기
__6.3 데이터 확인하기
__6.4 목푯값에서 고윳값 확인하기
__6.5 전처리 : 결측치 처리하기
__6.6 스케일링
__6.7 모델링 및 예측/평가하기
__6.8 하이퍼파라미터 튜닝하기
__6.9 이해하기 : K-최근접 이웃
학습 마무리
연습 문제

07장 나이브 베이즈 : 스팸 여부 판단하기
__7.1 문제 정의 : 한눈에 보는 예측 목표
__7.2 라이브러리 및 데이터 불러오기 & 데이터 확인
__7.3 전처리 : 특수 기호 제거하기
__7.4 전처리 : 불용어 제거하기
__7.5 전처리 : 목표 컬럼 형태 변경하기
__7.6 전처리 : 카운트 기반으로 벡터화하기
__7.7 모델링 및 예측/평가하기
__7.8 이해하기 : 나이브 베이즈 모델
학습 마무리
연습 문제

08장 결정 트리 : 연봉 예측하기
__8.1 문제 정의 : 한눈에 보는 예측 목표
__8.2 라이브러리 및 데이터 불러오기, 데이터 확인하기
__8.3 전처리 : 범주형 데이터
__8.4 전처리 : 결측치 처리 및 더미 변수 변환
__8.5 모델링 및 평가하기
__8.6 이해하기 : 결정 트리
__8.7 오버피팅 문제
__8.8 매개변수 튜닝
__8.9 트리 그래프
학습 마무리
연습 문제

09장 랜덤 포레스트 : 중고차 가격 예측하기
__9.1 문제 정의 : 한눈에 보는 예측 목표
__9.2 라이브러리 및 데이터 불러오기, 데이터 확인하기
__9.3 전처리 : 텍스트 데이터
__9.4 전처리 : 결측치 처리와 더미 변수 변환
__9.5 모델링 및 평가하기
__9.6 이해하기 : K-폴드 교차검증
__9.7 이해하기 : 랜덤 포레스트
__9.8 하이퍼파라미터 튜닝
학습 마무리
연습 문제

10장 XGBoost : 커플 성사 여부 예측하기
__10.1 문제 정의 : 한눈에 보는 예측 목표
__10.2 라이브러리 및 데이터 불러오기, 데이터 확인하기
__10.3 전처리 : 결측치 처리
__10.4 전처리 : 피처 엔지니어링
__10.5 모델링 및 평가
__10.6 이해하기 : 경사하강법
__10.7 하이퍼파라미터 튜닝 : 그리드 서치
__10.8 중요 변수 확인
__10.9 이해하기 : XGBoost
학습 마무리
연습 문제

11장 LightGBM : 이상거래 예측하기
__11.1 문제 정의 : 한눈에 보는 예측 목표
__11.2 라이브러리 및 데이터 불러오기, 데이터 확인하기
__11.3 전처리 : 데이터 클리닝
__11.4 전처리 : 피처 엔지니어링
__11.5 모델링 및 평가하기
__11.6 하이퍼파라미터 튜닝 : 랜덤 그리드 서치
__11.7 LightGBM의 train( ) 함수 사용하기
__11.8 이해하기 : LightGBM
학습 마무리
연습 문제


3단계 : 답을 스스로 찾는 비지도학습 알고리즘

12장 K-평균 군집화 : 비슷한 속성끼리 분류하기
__12.1 문제 정의 : 한눈에 보는 예측 목표
__12.2 K-평균 군집화 맛보기 : 인위적으로 만든 데이터셋
__12.3 데이터 불러오기 및 데이터 확인하기 : 고객 데이터셋
__12.4 전처리 : 피처 엔지니어링
__12.5 고객 데이터 모델링 및 실루엣 계수
__12.6 최종 예측 모델 및 결과 해석
__12.7 이해하기 : K-평균 군집화
학습 마무리
연습 문제

13장 주성분 분석(PCA) : 차원 축소 응용하기
__13.1 차원을 축소해서 그래프 그리기 : 고객 데이터셋
__13.2 속도와 예측력을 향상시키기 : 익명 데이터셋
__13.3 이해하기 : 주성분 분석
학습 마무리
연습 문제

저자 소개 (1명)

출판사 리뷰 출판사 리뷰 보이기/감추기

★ 현업과 캐글에서 머신러닝을 활용하려면
★ 얼마나 많은 머신러닝 알고리즘을 알아야 하는 걸까요?
시작점으로 TOP 10 알고리즘이면 충분합니다. 알고리즘은 달라도 머신러닝 실행 순서는 학습 → 예측 → 평가로 진행됩니다. 이 부분은 거의 정형화되어 있어 성능에 큰 영향을 미치지 않습니다. 쓰레기가 들어가면 쓰레기가 나온다고 합니다. 머신러닝에 딱맞는 말입니다. 좋은 데이터가 좋은 머신러닝 모델을 만듭니다. 그래서 이 책은 TOP 10 알고리즘을 공략하면서 무엇보다 데이터 분석과 가공에 공을 들입니다. 데이터에 어떤 가공 기법이 필요한지 하나하나 분석하며 클리닝, 피처 엔지니어링, 차원 축소 등의 기법을 사용할 겁니다. 이렇게 데이터 분석 능력을 기르며 알고리즘을 익히면 현업과 캐글에서도 통하는 실력을 갖추게 됩니다.

★ 타깃 독자
__적어도 객체지향 프로그래밍 언어 하나를 아는 머신러닝 입문자
__머신러닝을 협업/캐글에서 더 잘 활용하고 싶은 데이터 사이언티스트와 개발자


★ 톱 10 알고리즘의 선정 기준
이 책은 10가지 머신러닝 알고리즘을 다룹니다. 어떤 알고리즘은 성능면에서 매우 뛰어나서, 어떤 알고리즘은 꼭 이해할 필요가 있어서 선택했습니다. 8가지 알고리즘은 지도 학습, 나머지 2가지 알고리즘은 비지도 학습에 포함됩니다. 정형 데이터라면, 이 10가지 알고리즘만으로 현업과 캐글 컴피티션에서 충분히 좋은 성과를 낼 수 있습니다.

▽ 머신러닝 TOP 알고리즘
__1. 선형 회귀(Linear Regression)
__2. 로지스틱 회귀(Logistic Regression)
__3. K-최근접 이웃(KNN)
__4. 나이브 베이즈(Naive Bayes)
__5. 결정 트리(Decision Tree)
__6. 랜덤 포레스트(Random Forest)
__7. XG부스트(XGBoost)
__8. 라이트GBM(LightGBM)
__9. K-평균 군집화(K Means Clustering)
__10. 주성분 분석(PCA)

★ 이 책의 구성
이 책은 학습 흐름을 끊지 않기 위해 개발 환경(코랩)부터 설명한 후, 다음과 같이 총 3단계에 걸쳐 머신러닝 알고리즘을 공략해나갑니다

[1단계 : 배경지식 익히기]
머신러닝을 본격적으로 다루기 전에 알아야 하는 기초 지식을 다룹니다. 1장에서는 머신러닝 알고리즘, 그래프, 라이브러리를 일목요연하게 소개합니다. 머신러닝 입문자가 큰 그림을 파악하는 데 도움이 될 겁니다. 이어서 프로그래밍에 사용할 파이썬 기본 지식(2장), 데이터 분석에 사용할 데이터 구조인 판다스와 넘파이(3장)도 다룹니다.

[2단계 : 답을 알려줘야 학습하는 지도학습 알고리즘]
지도 학습과 관련된 8가지 알고리즘을 알아봅니다. 지도 학습은 학습 데이터에 답(종속변수)이 포함되어 있습니다. 그 답을 잘 예측할 수 있도록 모델을 훈련시키는 방법을 문제해결 관점에서 알아보겠습니다. 가장 기초 알고리즘인 선형 회귀부터 캐글 컴피티션 및 실무에서도 유용한 최신 기법인 XGBoost와 LightGBM까지 폭넓게 다룹니다.

[3단계 : 답을 스스로 찾는 비지도학습 알고리즘]
비지도 학습 알고리즘 두 개를 다룹니다. 비지도 학습은 답이 주어져 있지 않다 보니, 학습 결과가 좋은지 나쁜지 평가할 만한 답안 또한 가지고 있지 않아서 목적이 모호할 수 있습니다. 그래서 다양한 시도를 할 때 활용될 수 있습니다. 지도 학습과 달리 비지도 학습에서 압도적으로 많이 사용되는 알고리즘이 한정적입니다. 그래서 가장 유명한 두 알고리즘만 다룹니다.

추천평 추천평 보이기/감추기

“머신러닝 알고리즘을 배우다 보면 배울 게 끝이 없어 보입니다. 이 책에 그 고민을 덜어줄 10개의 알고리즘이 엄선되어 있습니다. 10개의 예제를 통해 실습을 하다 보면 핵심 알고리즘과 필수적으로 알아야 할 기법을 ‘Learning By Doing’으로 배우게 됩니다.”
- 박조은 (오늘코드 데이터분석가)

“친절한 책입니다. 입문자의 눈높이에 맞추었지만 실무에서 진행될 법한 데이터 파악과 전처리 과정부터 시작해 알고리즘으로 나아가는 구성은 막 실무를 시작한 분에게도 알맞을 듯하네요. 전처리의 중요성을 새삼 느꼈습니다. 머신러닝 기본, 그리고 핵심 알고리즘 설명에 충실합니다. 흥미로운 예제와 데이터로 구성되어 있어 한 장 한 장이 새롭고 기다려지는 책이었습니다.”
- 안다혜 (여기어때컴퍼니 데이터엔지니어)

“머신러닝 알고리즘을 이해하고 실제 적용하는 일은 지루하고 어렵습니다. 이 책에 나오는 문제해결 과정을 따라 하다 보면 왜 이렇게 하는지에 익숙해지고 필요한 기법을 빠르게 학습할 수 있습니다. 이 책을 통해 머신러닝을 빠르게 익히고 실무에 적용해보면서 더욱 발전하는 자신을 경험해보시기 바랍니다.”
-강점우 (카카오페이 머신러닝 엔지니어)

“머신러닝이 무엇인지 확실히 개념을 익히실 수 있습니다. 개념뿐만 아니라 가장 많이 사용되는 10가지 머신러닝 기법을 예제와 코드를 통해 익히고 나서 앞으로 무엇을 더 공부하면 좋을지 스스로 터득할 수 있게 하는 길잡이 같은 책입니다.”
-권순범 (데이터 사이언티스트 『자연어 처리 쿡북 with 파이썬』 역자)

“머신러닝 공부를 이제 막 시작하는 입문자 또는 머신러닝 알고리즘 학습에 어려움을 겪고 있는 개발자에게 추천합니다. 복잡한 수식보다는 이해하기 쉬운 예시와 예제, 그리고 이해를 돕는 그림으로 설명합니다. 파이썬 지식이 없는 사람을 위한 문법도 설명하고 있어 독학하기 좋습니다.”
- 박가단 (SMHRD 주니어 프로그래머)

“머신러닝을 부담없이 시작할 수 있는 책입니다. 시작은 가벼웠지만 마지막 페이지를 덮을 때에는 많은 것을 얻어갈 겁니다. 이론으로는 몇 번이나 읽어봐도 알쏭달쏭한 머신러닝 개념을 예제를 통해 다질 수 있습니다. 저자가 제시하는 코드와 설명을 따라가다 보면 혼자서는 버거웠을 의미를 해석할 수 있게 됩니다. 이 책은 인터넷 강의에 버금가는 강의력이 있습니다. 덕분에 많은 시간을 절약해 머신러닝을 배울 수 있습니다.”
- 박서현 ((주)아이콘 프론트엔드 개발자)

“데싸노트님의 영상을 본 사람이라면 알겠지만, 어려운 이론보다도 우선 코드부터, 예제부터 실행해보기를 권합니다. 이 책 역시 복잡한 설명보다 코드를 이용해서 감각을 키우는 훈련을 시켜줍니다. 이 책을 통해 머신러닝과 조금 더 친해질 수 있을 거라고 생각합니다.”
- 송진영 (빅인사이트 데이터분석가)

“많은 분이 전공자가 아님에도 여러 방법으로 데이터 과학자에 도전합니다만 알아야 할 지식이 많아서 정말 쉽지가 않습니다. 이 책은 첫 단계를 비교적 쉽게 넘어갈 방법을 알려줍니다. 코드를 따라서 입력하고 설명을 읽으면 조금씩 길이 보입니다. 많은 분께 도움이 될 거라고 생각합니다.”
- 정현준 (매드업 CTO)

“이 책을 한 줄로 요약하자면 ‘Learning By Doing’이라고 할 수 있습니다. 파이썬 입문자부터 머신러닝 알고리즘을 되짚어보고 싶은 현업 개발자까지, 모두에게 이 책을 추천합니다. 배우기 전에 실행하고, 실행하는 과정에서 배움에 대한 두려움을 없앨 수 있을 겁니다.”
- 조동민 (넥슨코리아 데이터 분석가)

“머신러닝 모델들의 개념을 쉽게 익힐 수 있게 허들을 낮춘 책입니다. 입문자들이 모델 개념을 이해하고, 실제로 적용해볼 수 있도록 코드를 제공해 쉽게 실습해볼 수 있습니다. 생각날 때마다 찾아볼 수 있는 레퍼런스용으로도 좋습니다.”
- 최선경 (토스증권 데이터분석가)

“복잡한 머신러닝 알고리즘이 많지만 실무에 적용되는 알고리즘은 많지 않습니다. 이 책은 우수한 성능과 다양한 활용 사례로 유명한 10가지 머신러닝 알고리즘을 소개합니다. 알고리즘 개념에 대한 올바른 이해와 코드 실습을 통해 실무에 빠르게 머신러닝을 적용할 수 있게 돕는 입문서 겸 활용서입니다.”
- 최우성 (한전 전력연구원 책임연구원(AI프렌즈 운영진))

“인공지능 분야에서 첫 걸음마를 뗀 분들부터 오랜 시간 현업에서 종사하시는 분들에게 추천드립니다. 체계적으로 입문하는 용도로도 좋지만, 오랜 시간 실무에 집중하다가 기본을 다시 확인하고 정립하는 용도로도 좋습니다. 저도 인공지능 분야에서 종사하지만, 이 책을 통해 제가 놓치고 있던 부분을 채우는 시간을 가질 수 있었습니다. 다음에 다시 읽을 때도 같은 내용이지만 또 다른 부분을 채울 거라고 생각합니다. 인공지능의 세상에서 다음 스텝으로 넘어가기 전에 걸어오셨던 길을 이 책을 통해서 다시금 돌아보시길 바라봅니다.”
- 황후순 (아일리스프런티어 프로그래머)

회원리뷰 (7건) 리뷰 총점8.7

혜택 및 유의사항?
데싸노트의 실전에서 통하는 머신러닝 리뷰 내용 평점5점   편집/디자인 평점5점 얍*얍 | 2022.10.03 | 추천0 | 댓글0 리뷰제목
데싸노트의 실전에서 통하는 머신러닝 책을 읽을 기회가 생겨 간단하게 읽고 서평을 써 보게 되었다. 피처 엔지니어링 + TOP 10 알고리즘 + 실무 노하우로 익히는 실무형 문제풀이 해법서라고 소개되고 있다.     저자는 해외의 데이터 사이언티스트로서 머신러닝과 데이터 과학을 공부한 것으로 보인다. 이 책을 읽고 찾아보니 AI분야에선 근래에 활발히 연구되고 있는 딥;
리뷰제목

데싸노트의 실전에서 통하는 머신러닝 책을 읽을 기회가 생겨 간단하게 읽고 서평을 써 보게 되었다. 피처 엔지니어링 + TOP 10 알고리즘 + 실무 노하우로 익히는 실무형 문제풀이 해법서라고 소개되고 있다.

 

 

저자는 해외의 데이터 사이언티스트로서 머신러닝과 데이터 과학을 공부한 것으로 보인다. 이 책을 읽고 찾아보니 AI분야에선 근래에 활발히 연구되고 있는 딥러닝 외에도 머신러닝이 필요에 맞추어 사용되고 있다고 한다. 딥러닝이 목적이 세분화 되어있고 사용하기 까다롭다고 한다면 딥러닝을 제외한 머신러닝은 정형화가 잘 되어 있고 사용하기 좀 더 쉬운 알고리즘으로 보인다.

 

 

이 책에선 다음의 10가지 알고리즘을 다룬다고 한다. 

선형 회귀

2. 로지스틱 회귀

K-최근접 이웃

나이브 베이즈

결정 트리

랜덤 포레스트

XG부스트

라이트GBM

K-평균 군집화

주성분 분석(PCA)

 


알고리즘은 달라도 머신러닝 실행 순서는 학습 -> 예측 -> 평가로 진행된다고 한다. 이 부분은 거의 정형화되어 있어서 성능에 큰 영향을 미치지 않는다고 한다. 쓰레기가 들어오면 쓰레기가 나온다고 한다. 머신러닝에 딱맞는 말이라고 하는데 좋은 데이터가 좋은 머신러닝 모델을 만든다고 소개하고 있다. 내가 생각했을 때도 알고리즘 자체는 정형화되어 있다고 한다면 딥러닝을 제외하고 머신러닝을 생각했을 때 좋은 데이터를 많이 확보하는 게 관건이 될 것으로 생각 된다.

 

이 책은 TOP 10 알고리즘을 송략하면서 무엇보다 데이터 분석과 가공에 공을 들인다고 한다. 데이터에 어떤 가공 기법이 필요한지 하나하나 분석하며 클리닝, 피처 엔지니어링, 차원 축소 등의 기법을 사용 한다고 한다. 이렇게 데이터 분석 능력을 기르며 알고리즘을 익히면 현업과 캐글에서도 통하는 실력을 갖추게 된다고 한다.

 


 

머신러닝을 줄여서 ML, 우리말로 기계학습이라고도 한다. 의미만 살펴보면 머신이 학습을 하는 것을 말하는 것이다. 어떻게 학습을 하는지 전통적인 프로그램과 머신러닝을 비교하며 알아볼 수 있다.

 

 

예를 들어 입력값에 10을 더하는 프로그램을 사람이 만든다고 하면 입력값으로 3을 주면 출력값은 13이 된다. 이처럼 전통적인 프로그램에서는 사람이 모델을 만들지만 사람이 만든 분석 프로그램인 머신러닝 알고리즘에 입력값과 해당 정답값에 대한 결괏값을 입력해 주면, 입력값과 정답값 간의 관계를 찾아서 머신러닝 알고리즘이 새로운 프로그램(모델)을 만들어 준다고 한다.

 

 

즉 머신러닝은 머신러닝 알고리즘으로 입력된 데이터(입력값과 정답값) 간의 관계를 밝혀내서 그 관계를 새로운 프로그램(머신러닝 모델)으로 만들어 새로운 데이터가 주어졌을 때 결과를 예측하는 일련의 과정이라고 한다.

 

 

이 책에서 다루진 않지만, 딥러닝은 우리말로 심층학습이라고도 하는데 인공 신경망을 기반으로 한 특수한 머신 러닝 기법으로, 빅데이터 기술과 하드우에 발전, 새로운 알고리즘 등장으로 각광받게 되었다고 한다. 딥러닝은 이 책에서 다루는 머신러닝 알고리즘과는 달리, 주로 자연어 처리나 이미지, 비디오 분석 같은 목적으로 사용된다고 한다. 물론 딥러닝도 엑셀 같은 형태의 데이터들을 더 잘 다룰 수 있게 진화하고 있으나, 아직까지 해당 분야에서 성능이 탁월하지는 못하다고 한다.

 

 

딥러닝은 인간의 두뇌 작동 방식을 본떠 개발된 것으로 입력층과 출력층 사이에 은닉층을 두어 인간의 신경망처럼 작동한다고 한다. 그래서 이를 인공 신경망이라고 부른다고 한다.

 

 

그럼 이것으로 데싸노트의 실전에서 통하는 머신러닝 책의 리뷰를 마칠까 한다.

이 글은 골든래빗으로 부터 책을 증정받아 작성되었습니다.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
《데싸노트의 실전에서 통하는 머신러닝》 리뷰 내용 평점4점   편집/디자인 평점4점 h******h | 2022.09.15 | 추천0 | 댓글0 리뷰제목
  !!골든래빗 출판사로부터 책을 제공받아 작성했습니다!! - 학원 출신 AI개발자를 도와주는 책 최근 몇 년간 정부의 지원을 받은 인공지능 부트캠프들이 우후죽순 생기고 있다. 학계나 업계에 몸담고 있는 사람이라면 이런 상황에 대해서 모두가 나름대로 할 말이 많으실 줄 안다. 다만 이번 글은 서평단에 선정되어 책을 평가하는 것이 목적이니만큼 각자 가진 의견의 차이에 대;
리뷰제목

 

!!골든래빗 출판사로부터 책을 제공받아 작성했습니다!!

- 학원 출신 AI개발자를 도와주는 책
최근 몇 년간 정부의 지원을 받은 인공지능 부트캠프들이 우후죽순 생기고 있다. 학계나 업계에 몸담고 있는 사람이라면 이런 상황에 대해서 모두가 나름대로 할 말이 많으실 줄 안다. 다만 이번 글은 서평단에 선정되어 책을 평가하는 것이 목적이니만큼 각자 가진 의견의 차이에 대해서 논쟁하고 싶은 것은 아니고, 바로 그 ‘국비학원 출신 AI 개발자’ 당사자로서 나에게 필요했던 것들과 이 책이 나의 필요를 어떻게 채워주었는지에 대해 이야기해볼까 한다.

AI뿐만 아니라 개발 관련 부트캠프에는 대개 개인 또는 팀 프로젝트를 기획하고 완수하는 과정이 꼭 포함되어 있다. 이렇게 학원 수업의 연장선으로 진행한 프로젝트는 드물게는 포트폴리오에 자랑스럽게 넣을 만한 프로젝트가 되기도 하지만, 많은 경우 부끄러워서 어디 내놓지 못하겠다 싶은 결과물이 되어 버린다. 전자와 후자를 가르는 요인 중 물론 가장 중요한 것은 나의 주도성과 학습에 들이는 노력일 것이다. 하지만 이것만이 프로젝트의 수준을 결정짓지는 않는다. 게다가 소위 ‘국비학원 출신 비전공자’로서 경험도 학습량도 일천한 상황에서는 아무리 열심히 하려 한들 단시간에 뽑아낼 수 있는 결과물의 수준에 한계가 있을 수밖에 없다. 

돌이켜보면 매순간 그때 할 수 있는 만큼은 충분히 열심히 했다고 생각했는데, 부트캠프를 졸업하고 처음 합격했던 회사에서 프로젝트에 투입되었을 때까지도 나는 여전히 혼란스러웠다. 독자적인 AI 기술을 가진 기업은 그리 많지 않고, 그 중에서도 개발과 무관한 전공으로 단기간에 부트캠프를 수료한 취준생이 갈 수 있는 기업은 더더욱 적다. 일부 부트캠프가 아무리 네카라쿠배 어쩌고 초봉 6천 어쩌고 하는 자극적인 광고 멘트를 내걸어도 그걸 그대로 믿을 사람이 많지야 않겠지만, 취준에 뛰어들 때 약간이나마 걸었던 기대가 무색할 정도다. 현업에서 내가 다룰 문제도, 그 문제를 해결하기 위해 써볼 만한 모델도(적어도 내가 있는 위치에서는) 꽤나 한정적이었던 것이다.

게다가 일단은 ‘개발자’ 명목으로 공부한 거니 개발만 잘하면 어떻게 풀릴 줄 알았다면 더더욱 문제다. 코드야 어디 오픈 소스로 공개된 것을 ‘무지성’으로 가져다가 돌릴 수는 있어도(이 말이 그렇게 하라는 뜻으로 받아들여지지 않기를 바란다! 절대 그런 의미가 아니다) 내가 진행하는 또는 진행하려는 프로젝트를 다른 사람에게 설득력 있게 설명하는 글, 즉 기획서를 쓰려는 순간, 나의 수준이 얼마나 얕은지 금방 드러나곤 했다. 오죽하면 부트캠프를 수료하고 넉 달 가까이 포트폴리오를 정리하지 못했을 정도다. 

여러분과 나는 문제상황을 명확하게 정의할 수 없다면 해결책도 찾아낼 수 없다는 사실을 이미 충분히 배웠다. 그리고 그것은 비즈니스나 개발 수준에서의 문제뿐만이 아니라, 내가 커리어 상에서 겪고 있는 문제도 마찬가지다. 그런데 나의 문제를 직시하기 싫거나 내 언어로 설명할 수 없으니 자꾸 ‘개념이 부족해서’, ‘비전공이어서’, ’개발 이력이 짧아서’, ‘문과라서’(?) 같은 해괴한 자가 진단을 내리게 된다(별 상관은 없지만 이 책의 저자인 데싸노트 권시현 님도 소위 ‘문과 출신’ 데이터 사이언티스트라고 하시니 앞으로 공부하면서 뭐가 막혀도 출신 핑계는 대지 말도록 하자). 


- 프로젝트 고민할 때 펴보세요
아무리 그래도 이 책 한 권만 사서 보라는 말씀은 드리지 못하겠다. 이 책에도 아주 기본적인 개념 설명은 당연히 실려 있지만 책의 제목처럼 ‘실전에서 통하는’ 머신러닝 모델을 찾아야 할 사람이라면 그 부분은 볼 필요가 없을 것이기 때문이다. 그래서 학부 저학년 수준 기초통계나 기본 파이썬 문법 등은 익힌 상태라는 전제, 또는 핸즈온, 밑바닥, 케라스 창시자 시리즈 등등 어지간히 두껍고 유명한 개념서들은 간단히 훑어보고 책장에 한 권씩 다 꽂아두었다는 전제 하에 이 책이 특별히 좋았던 점을 이야기해보겠다. 

가장 유용하고 보편적으로 쓰이는 대표적인 머신러닝 모델을, 그 모델에 가장 어울리고 또 유명한 예제의 코드를 돌려가며 설명한다는 구성이 신선하지는 않다. 하지만 복잡하고 어려운 수학적, 통계학적 설명은 최소화하고(물론 있을 건 다 있다!) [문제 정의 및 선택한 모델 설명→라이브러리, 데이터 불러와 확인하기→전처리→모델링→모델 평가→하이퍼파라미터 튜닝→마무리] 라는 기본 틀을 정해 알려준다면, 이건 내 프로젝트에 얼마든지 응용할 수 있다. 즉 책 제목대로 ‘실전에서’ 통하는 것이다. 유명하다는 이 책 저 책 열심히 수집해본 결과 이렇게 바로 접목 또는 활용할 수 있는 책이 생각보다 드물었다. 내가 겪는 문제의 해결책을 엉뚱한 데서 찾느라 애를 먹은 경험이 있는 당사자로서 말하는 것이다. 

실전 대비라는 주제로 기획되었으니 예제 코드와 그에 대한 설명도 시원시원하다. 평소에 가볍게 필사하며 연습할 용도의 코드는 깃허브에도 많이 있으니 그런 것 말고, 내가 당장 풀어야 하는 바로 그 문제를 남들은 어떻게 풀었는지 궁금하고 가능하다면 조금 참고라도 하고 싶은 그런 때 이 책을 열어보면 좋겠다(당연하게도 이렇게 잘 정리되어 있는 코드라면 평소에 공부 겸으로 쓰는 데도 도움이 된다). 

- 아, 그때 그거 뭐였더라? 가물가물하다면
희한하게도 ‘실전에 충실한 책’이라고 하면 왠지 이론이나 개념에 대한 설명은 부족할 것 같다는 인상을 주는 모양이다. 하기야 대입 수험생 시절을 돌이켜보면 실전대비라는 이름이 붙은 문제집에서는 개념 설명을 길게 하지 않거나 아예 없는 경우가 많았었다. 

이 책은 똑같이 ‘실전’이라는 이름이 붙어 있지만 실전대비 문제집보다는 기본 원리를 충실하게 설명해준다. 깊게 들어가면 한없이 깊게 들어갈 수도 있는데 실전에서 당장 그럴 필요는 없으니 굳이 넣지 않은 것에 가깝다. 앞에서도 말했듯 코드를 치면서 반드시 이해하고 있어야 하는 원리에 대해서는 충분할 정도로 자세하게 알려준다. 

분명히 수업에서든 강의에서든 배운 적은 있는 원리가 갑자기 가물가물할 때, 당장 써먹어야 하는데 그게 뭔지 생각이 안 날 때 훑어보면 충분히 도움이 될 것이다. 제목부터 ‘실전에서 통하는’이라고 하지 않는가.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
[Book Review] 데싸노트의 실전에서 통하는 머신러닝 내용 평점5점   편집/디자인 평점4점 곰**씨 | 2022.09.15 | 추천0 | 댓글0 리뷰제목
  골든래빗 출판사로부터 책을 제공받아 작성했습니다. Intro 메일함을 생각 없이 읽다가 골든래빗 출판사에서 북스포일러를 모집한다는 메일을 보게 됐습니다. 처음 책 제목을 접했을 때는 아, 또 머신러닝 책 나오는구나라는 생각이었습니다. 그러나 책의 구성을 보고 생각이 조금 바뀌었습니다. 지금까지 제가 읽던 머신러닝 책과는 다르다는 느낌을 받았으며 읽어보고;
리뷰제목

 

골든래빗 출판사로부터 책을 제공받아 작성했습니다.

Intro

메일함을 생각 없이 읽다가 골든래빗 출판사에서 북스포일러를 모집한다는 메일을 보게 됐습니다. 처음 책 제목을 접했을 때는 아, 또 머신러닝 책 나오는구나라는 생각이었습니다. 그러나 책의 구성을 보고 생각이 조금 바뀌었습니다. 지금까지 제가 읽던 머신러닝 책과는 다르다는 느낌을 받았으며 읽어보고 싶다고 생각했기에 북스포일러에 도전했습니다.

Book Review

머신러닝에 재밌게 접근하기 좋은 책

이 첵은 각 Chapter마다 대략적으로 머신러닝 알고리즘을 소개하고 머신러닝 문제를 정의하여 그 문제를 풀어가는 과정을 보여줍니다. 이런 과정 속에서 머신러닝 알고리즘의 부가적인 내용을 더 알려주는 구성입니다. 머신러닝의 전체적인 과정을 체험을 해볼 수 있고, 실전 문제를 풀어보는 느낌이라 정말 재밌게 읽었습니다.

최신 머신러닝 알고리즘

이 책은 머신러닝에서 꽤 자주 사용되는 10가지 알고리즘을 각각 한 Chapter에 걸쳐 설명합니다. 다른 알고리즘은 그래도 한 번쯤 공부해봤지만 최근 캐글에서 핫하다는 XGBoost 같은 알고리즘은 대략적으로 보기만 했고 공부해본 적은 없기에 이 책이 궁금했습니다. 책의 구성도 시중에 나온 다른 책과 달랐지만, XGBoost나 LightGBM 같은 꽤 최근 알고리즘까지 다룬다는 점에서 이 책을 읽어볼 가치가 있었습니다.

아쉬운 오탈자

읽으면서 은근 오탈자가 눈에 보였습니다. 책을 만드는 것이 항상 완벽할 수는 없지만, 독자로서는 아쉬움이 큰 부분이었습니다. 얼른 더 많이 팔려서 2쇄에는 오탈자가 수정이 되기를 바랍니다.

대상 독자

머신러닝에 입문하는 초보자를 대상으로 수학 또는 통계적인 지식보다는 그림을 사용하는 저자의 노력이 책에서 보였으나 개념을 처음부터 자세히 알려주는 방식이 아니고, 진행하면서 알고리즘을 설명하는 방식은 머신러닝을 처음 공부하는 사람에게는 어려울 수 있을거라 생각합니다. 그러나 머신러닝에 경험이 있으신 분이라면 재밌게 읽으실 수 있을 것 같습니다.

머신러닝 알고리즘만 다루는 것이 아닌 머신러닝의 전체적인 과정이 궁금하신 분께 추천합니다. 저는 머신러닝에서 알고리즘도 중요하다고 생각하지만, 가장 중요한 건 학습하기 전 데이터 전처리 과정이라 생각합니다. 이 책은 알고리즘만 설명하는 것이 아니라 데이터 클리닝, 피처 엔지니어링, 시각화 등도 다룹니다. 이런 과정 속에서 정말 좋은 꿀팁을 얻을 수 있어 좋았습니다.

댓글 0 이 리뷰가 도움이 되었나요? 공감 0
  •  쿠폰은 결제 시 적용해 주세요.
1   30,600
뒤로 앞으로 맨위로 aniAlarm