이 책에 대해 간단히 말하자면, 결코 데이터를 만만하게 보지 않는 사람들을 위한 책이라고 생각합니다. 비즈니스 데이터 과학이라는 책의 제목에서 알 수 있듯 통계학, 경제학, 머신 러닝 등에서 활용되는 다양한 데이터의 개념들을 보다 전문적으로 학습할 수 있는 도서입니다. 특히 저자인 맷 테디는 경제학과 통계학을 전공하며 시카고 대학교에서 데이터 과학 커리큘럽을 직접 개발한 경험이 있는데요. 데이터 과학의 권위자가 집필한 도서인 만큼 그 내용과 범위가 꽤 깊이 있게 다뤄진다는 점이 흥미로웠습니다. 해당 도서는 크게 5가지의 특징을 가지고 있습니다.

- 비즈니스 의사 결정에 필요한 통계학, 경제학 이론과 머신러닝 알고리즘

- 텍스트 분석, 가격 결정 및 수요 측정, A/B 실험, 고객 행동 분석의 사례

- 머신러닝 도구를 사용하여 비즈니스 의사결정을 내리는 방법

- 인공지능으로 비즈니스 문제를 해결하는 방법

- 풍부한 R 코드 예제

다음과 같이 간략한 특징을 짚어 보았는데요, 프로그래밍 언어인 R을 활용하여 모델링과 관련한 내용을 더욱 자세히 설명해주고 있어 데이터를 통해 비즈니스에 인사이트를 얻고 싶은 분들에게 추천드리고 싶은 책입니다. 어려운 데이터의 실습 영역들을 다루며 친절하게 설명을 하고 있지만, 프로그래밍 언어를 다룬다는 점과 수학적 지식이 어느 정도 요구된다는 점에서 보다 전문적인 지식을 쌓고 싶고, 깊이 있게 공부를 해나가고 싶은 분들이 읽으면 정말 좋을 것 같습니다. 항상 현업에서도 데이터를 가지고 어떻게 하면 인사이트를 뽑아내고, 제대로 분석을 할 수 있을 지 항상 고민을 해왔는데요, 다양한 알고리즘은 물론 친절한 실습 설명을 통해서 데이터와 한층 더 가까워질 수 있는 도서였던 것 같습니다.

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

올해 마지막 서평을 쓸 책은 `비즈니스 데이터 과학`입니다. 요즘 데이터 과학 분야 책을 보면 모든 데이터는 `인공지능/딥러닝`으로 이어지던 흐름에서 `ML/DL`과 별개로 활용 가능한 데이터 가공 및 모델링 등 분화하는 듯 합니다. 이 책도 회귀로 시작해서 인공지능을 끝을 맺습니다. 인공지능 모델들이 현재까지는 데규모 데이터를 다루는데 효과적인 것은 현재까진 사실에 가까우니까요.

데이터 과학를 다루는 많은 책들이 대부분 `Python` 기반의 코드를 다루는 것과 대조적으로 개인적으로는 오랜만에 만나는 `R`로 쓰인 책입니다. 아무리 `Pyhton`이 쉽고 데이터 사이언스가 견인해서 컸다고는 하지만 통계계통 사용자들의 안식처인 `R`과 `matlab`의 규모를 무시할 수 없는 듯 합니다.

`R`로 쓰여졌지만 코드를 중심으로 전개되는 책이 아니어서 `R`과 친하지 않으셔도 전혀 책을 읽고 공부하시는데 지장이 없을 듯 합니다. 물론 특정 언어의 기본 문법만 익히셨다면 언어 공부를 더 하긴 하셔야 코드가 이해가 갑니다.

수식과 그림이 데이터를 다루는 인사이트를 가져옵니다. 여러분이 아무리 숫자에 대한 감각이 좋으셔도 서로 다른 스케일을 가지고 있는 고차원 데이터를 보고 정규화나 시각화 없이 데이터를 이해한다는 것은 사실 불가능에 가깝다고 생각 됩니다. 가능하신 분은 이 책 구매를 고민하시면서 이 글을 읽지도 않으실테지만요.

전형적인 기술서의 번역체를 가지고 있지만 다듬어진 번역체라 읽는데 거슬리는 부분은 없었습니다. 책을 읽다가 멈추는 대부분의 장소는 수식 위 였고, 수식의 첨자가 어떤 함의를 가지고 있는지 이해를 위해서 였습니다.

`R`의 기반을 두고 계시면서 데이터 과학을 좀 더 공부해보고 싶었던 통계학과나 비전공자라면 입문서적으로 추천드릴 수 있습니다. 수식을 배제하지 않고 적극적으로 사용 중이기 때문에 수학과 전혀 관련없던 전공을 하셨다면 애로사항이 있으실 수 있지만, 데이터 과학을 위해선 시기의 차이일 뿐 수학은 하셔야 하기에 겸허히 받아드리셔야 합니다.

내년에도 서평을 계속 이어 갈지 아직 알 수는 없지만 내돈내산 서평도 꾸준히 이어가 보도록하겠습니다.

---

한빛미디어 `2022 도서 서평단 "나는 리뷰어다"`의 일원으로 도서를 제공받아 작성한 리뷰입니다.

비즈니스 데이터과학

비즈니스 의사결정을 위한

통계학, 경제학, 인공지능의 만남

멧 태디 지음 / 이준용 옮김 / 한빛미디어

아마존 수석 이코노미스트(부사장)의 노하우와 사례로 가득한 실무 중심의 비즈니스 데이터 과학

오늘날에는 머신러닝과 통계학, 데이터 기반의 사회과학 및 경제학과 같은 분야에서 끊임없는 지적 융합이 일어나고 있으며, 이러한 융합은 데이터 분석의 질을 높여줍니다.

이 책은 최선의 데이터 분석 방법을 설명하기 위해 머신러닝과 통계학 그리고 경제학을 융합합니다.

머신러닝과 통계학으로 자동화 및 확장 방법을 배우고, 경제학에서 인과관계 및 구조 모델링을 위한 도구를 가져오며, 이러한 방법들이 비즈니스 의사결정과 어떤 관련이 있는지 설명합니다.

‘무슨’ 일이 일어났는지가 아니라 ‘왜’ 이런 일이 발생했는지에 초점을 맞추어 설명하기 때문에 다양한 모델의 핵심 개념을 쉽게 이해할 수 있습니다.

저자가 학생들을 가르치며 얻은 노하우와 이베이, 마이크로소프트, 아마존에서 경험한 사례들이다.

비즈니스 분야에서 데이터과학의 활용도는 날로 증가하고 있다.

다양한 적용 케이스를 실제로 R을 이용하여 분석 예측한 결과를 소개하고 있다.

현업에서 바로 적용 가능한 사례들일 수 있다.

참고하여 자신의 비즈니스 분석 예측 분야에 적용할 수 있으면 더 바람직한 결과를 얻지 않을까?

통계학을 접하지 않은 독자가 읽기에는 용어 자체가 생소할 수 있다.

그러나 너무 기피할 필요는 없겠다. 저자의 의도를 역자가 이해하기 쉽게 설명을 하고 있다.

편집자는 수고가 많았겠구나 하는 생각이 절로 든다. 통계학 용어는 강조를 하여 쉽게 볼 수 있게 하였다.

‘구슬이 서 말 이라도 꿰어야 보배!’ 라 한다.

자신의 비즈니스 분야에 적용하여 좋은 성과를 얻는것은 독자의 몫일 것이다.

2023년 새해엔 좋은 비즈니스 성과를 얻기 기원한다.

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

#비즈니스_데이터과학 #데이터과학 #비즈니스 #의사결정 #통계학, #경제학, #인공지능 #만남 #멧_태디 #이준용 #한빛미디어

저자인 맷 태디는 아마존 08년부터 18년까지 시카고 대학교 부스 경영대학원에서 계량경제학 및 통계학 교수로 재직하였으며, MS의 수석 연구원과 이베이의 연구원을 포함하여 다양한 산업 분야에서 일한 경험이 있으며 현재는 아마존 부사장으로 재직하고 있다.

이 책은 비지니스에서 데이터 관련 문제를 해결하는데 중요한 수학적 이론 및 실용적인 방법들을 소개하고 있다. 저자의 특별한 시각과 비지니스 경험에서 얻은 지혜들을 담고 있기에, 많은 인사이트들을 얻을 수 있을 것이다.

이 책은 데이터 기반 회사에서 데이터 과학자로 일하려는 사람에게 촛점을 맞춰 저술되었다.
이 책을 통하여 비즈니스 정책에 중요한 영향을 미칠 변수를 식별하고, 정책 변경에 따른 재동의 반응을 파악하기 위한 SNS 데이터를 수입하여 분석할 수도 있다.

과거 데이터에서 패턴을 찾는 것은 유용하기 때문에 이 책에서 여러가지 패턴 인식 방법에 대해 배우겠지만 비즈니스 문제에 대해서 더 깊은 분석을 위해서는 '무슨 일'이 일어났는지보다 '왜' 이런 일이 발생했는지를 파악해야하며, 이 책에서는 상관관계 뿐만 아니라 인과관계 분석에도 도움이 되는 기법들을 설명하고 있다. 주류 데이터 과학보다는 경제학에 더 가깝기에 실무에 실질적인 도움이 될 것이다.

솔직히 말해 개인적으로 친근함이 느껴지는 책은 아니다. 시작부터 수두룩하게 나열되는 수식들과 어려운 용어들, 도표들에 정신을 압도당한다.
아무래도 비전공자나 입문자들을 대상으로 하는 가벼운 책이 아니다보니 그런 것 같다.

의사 결정과 관련된 최신 기술을 알고싶고, 신기술을 문제에 적용하는데 관심이 있고, 데이터 분석을 바탕으로 더 나은 의사 결정을 내리는 것에 관심이 있는 사람에게는 강력히 추천할만 하다.

챕터는 크게 11개로 나뉘며 챕터 0 '들어가며'를 제외하면 모두 10개의 챕터로 이루어져 있다.

1. 불확실성
2. 회귀
3. 정규화
4. 분류
5. 실험
6. 제어
7. 인수분해
8. 데이터로서의 텍스트
9. 비모수
10. 인공지능

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

몇년전 빅데이터란 말이 인구에 회자되던 시기가 있었다. 여전히 데이터 홍수의 시대에 살고 있지만 빅데이터란 말은 이제 좀 식상하기도 하고 너무 일반화 됐다고 해야하나? 아무튼 그런 시절이다... 지금은...

어디든 데이터가 넘처나지만 아직까지도 우리가 이 데이터를 잘 활용하고 있는지는 의문이다. 일부 데이터를 이용한 비즈니스에 성공한 기업이나 분야는 있지만 아직까지도 우리 인류 문명은 우리가 생산한 이 엄청난 데이터를 잘 활용하고 있지는 못한 것 같다.

수많은 데이터 중에서 의미있는 무언가를 찾아내는 것은 그만큼 어렵다...

데이터 하면 통계가 먼저 떠오른다... 통계적 분석 기법은 전통적으로 데이터를 분석하는 기술이고 여전히 유효하다... 경제학은 전통적으로 데이터를 수집하고 분석하는 전통적인 분야이고 학문이다, 경제라는 것이 원래 수치 데이터가 많다보니까...

인간의 사고와 인지로 데이터 사이의 의미있는 정보를 추출하고 활용하기에 세상은 너무 빨리 변하고 생산되는 데이터도 어마어마하다... 그렇기에 머신러닝이나 딥러닝과 같은 인공지능을 기반으로 한 분석과 예측이 요즘은 활발하게 이루어지고 있다.

데이터 사이언스 그리고 데이터 사이언티스트가 되기 위해서 효과적인 방법은 그렇게 많지 않은 것 같다... 통계를 비롯한 수학적 지식도 있어야 하고 데이터가 속한 도메인 영역 또는 여러 영역을 아우르는 융합적 지식과 사고도 필요하고 조금 고급지게... 아니 시류에 편성하고자 한다면 인공지능에 대한 지식과 기술도 필요하니... 참 어려운 분야가 아닐 수 없다... 

이들을 아우르는 재미난 책이 지난 6월에 출판됐다. "비즈니스 데이터 과학"

데이터 사이언스라고 하는 새로운 분야에 대한 접근방법을 제시하지만 철저히 비즈니스 현장에서 데이터 기반의 의사결정을 위해 필요한 방법들에 대한 내용을 중심으로 다룬다.

이를 위해 통계적 방법뿐만 아니라 빅데이터를 다루기 위한 머신러닝 기법에 대해서도 친절하게 안내하고 있다.

데이터 사이언티스트가 되기 위한 사람들에 초점을 맞춘 책으로 데이터 분석에서의 과학적 접근법을 배우려는 사람들에게 좋은 입문서가 될 것을 생각한다.

많은 수식이 동반되는 책이다 보니 이렇게 기호를 설명하는 친절함도 보여준다.

다만 아쉬운 점은... 수식들에 대한 상세한 설명이 없고... 개인적으로 R이 아닌 파이썬으로 되어있었으면 좋았을것 같다는 생각을 해본다.

※ 본 리뷰는 IT 현업개발자가, 한빛미디어 책을 제공받아 작성한 서평입니다.

소개하고자 하는 도서는 통계에 기반하여 머신러닝에 대해서 설명하고자 한다.

일반적으로 데이터 분석 및 머신러닝에 대한 절차 및 과정에 대한 설명을 주요하게 다루는 것이 아닌

머신러닝 내에서 적용되는 skill이 통계적 관점에서 어떻게 해석되어지고 어떠한 이론을 기초로 해서 적용되는지에 대해서 풀어 나간다.

도서 내 실습은 R언어를 통해서 표현되지만, 이해를 돕는 정도이기에 해당 언어를 몰라도 본문 내용 이해에는 큰 지장이 없다.

목차

Chap1. 불확실성

통계는 크게 2가지 관점인 빈도주의와 베이지안주의로써 나뉘어져서 표현될 수 있다.

빈도주의는 확률에 대해서 객관적으로 해석함으로써, 관찰된 데이터와 관찰되지 않은 데이터들에 의한 우도에 의존한다.

베이지안 주의는 빈도주의와 반대로 주관적 해석함과 더불어서 조건부 확률에 대한 개념을 활용한다.

Chap2. 회귀

어떠한 x값을 토대로 y값을 유추함을 말하는 개념으로써, 

이때, x는 입력변수, y는 반응변수라 말할 수 있다.

이 수식을 설계하는 방법에 대해서 이번 장에서 설명한다.

Chap3. 정규화

흔히 머신러닝 내 정규화는 데이터의 분포를 일정하게 변환 함을 말한다.

이를 통계적 관점에서 표본내 편차와 표본외 편차라는 두 관점에서 왜 정규화를 해야 하는가,

또한 어떠한 방법으로 정규화하는지를 이번 장에서 설명한다.

Chap4. 분류

분류는 label 이 존재하는 지도학습 분류와 label 이 존재하지 않는 비지도 학습 분류로 나뉜다.

위 두 분류에서 확률적으로 어떻한 방법들을 사용해서 분류하며 이에 소요되는 비용에 대해서 서술한다.

또한, 병렬처리는 통해서 얻을 수 있는 이점에 대해서 설명한다.

Chap5. 실험

일반적인 실험의 경우는 설계한 분류, 회귀 모델들을 어떠한 방식으로 학습 시킬 것인가에 대한 설명일 것이다.

이번 장에서 말하고 싶은 것은 앞서 설계한 모델을 어떠한 통계적인 기법으로써, 옳은가 또는 옳지 않은가에 대해서

증명하는지에 대한 방법론을 제시한다. 

Chap6. 제어

앞 장에 실험은 완전 무작위 AB실험, 유사 실험 설계, 도구 변수 변수 시나리오 구성된다.

위 3가지 방법으로 실험을 진행하여도 결과가 원하는 방향으로 나오지 않을 수 있다.

이는 모든 요인를 관찰하는 것은 불가능하며, 이 결과를 신뢰 할 수 있도록 충분히 주요 요인이 제어 됫을거라는

기대, 추정이 필요하고 이러한 가정을 조건부 무시가능성의 가정이라고 말한다.

이에 대한 설명을 이번장에서 한다.

Chap7. 인수분해

일반적인 머신러닝에서는 차원축소라는 표현이 더 익숙하다.

차원 축소가 이루어 질 때, 통계적 관점에 대한 설명을 이번장에서 한다.

Chap8. 데이터로써의 텍스트

텍스트를 데이터로 사용하기위한 과정을 이번장에서 설명한다.

Chap9. 비모수

앞서 설명했던 장들은 모수로써, 입력이 반응에 영향을 미치는 방법에 제한을 둠을 말한다.

이는 결국 paramter 최적화를 통해서 데이처에 모델 적합함을 의미한다.

비모수라 함은 데이터 관촬을 통해서, 트리 및 포레스트 기반한 분류를 말하며,

이에 대해서 이번장에서 설명한다. 

Chap10. 인공지능

인공지능이라 함은 도메인 구조(비지니스 룰) + 데이터 생성 + 범용적 모델(ML, DL) 결합을 통해서 만들어 진다.

이에 대해서 이번장에서 설명한다.

정리

기존 데이터 분석에 대한 도서들의 방향성이 머신러닝에 대한 일반론적인 접근으로 풀어서 나아갔다면,

본 도서는 머신러닝에서 사용되는 수많은 skill이 통계적 관점에서 왜 쓰여졌는지에 대한 좀더 인사이트를 가질 수 있도록

풀어서 설명하고 있다.

물론, 통계에 익숙하지 않은 독자들이 더 많을 것이며, 본인 또한 그렇다.

그렇지만, 더 나은 데이터 과학자가 되기 위해서 배워야하는 기초지식으로는 의심치 않는다.

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

널리 알려진 데이터 과학 알고리즘들의 “왜, 무엇”에 초점을 맞추는 책으로, 다양한 실무 예제와 질문 및 개선 시도 등의 독특한 접근법으로 학습할 수 있다는 점이 일품이다.

그동안 데이터 과학이라 불리는 넓은 범위의 책을 제법 많이 읽어왔다고 생각했는데 이 책에는 그동안 다른 책에서 볼 수 없던 새로운 개념과 인사이트들이 담겨있었다.

보통 Python, R의 코딩 중심 책이거나, Pytorch나 Tensorflow와 같은 프레임워크를 활용하는 법이나, 주어진 예제의 성격에 따라 일반적인 패턴을 배우거나, 수학 중심의 이론을 살피거나, 기본 알고리즘을 배우는 책 정도로 분류할 수 있겠다.

그렇기에 대부분 마치 정해진 것처럼 당연히 그래야 하는 것 처럼 의문을 가지지않고 비슷한 예제를 참조해가며 모델링하고 왜 이 모델은 정규화를 적용해도 적용하지 않아도 비슷한 성능이 나오는지 등 제대로 이해하지 못한 채 넘어가는 스킬만 쌓여왔다.

제대로 된 모델링은 위해서는 주어진 데이터의 질감을 제대로 느끼고 데이터들의 상호 관계를 파악하며 세간에 알려진 기법을 적용하기에 어떤 무리나 한계점이 있는지 파악할 줄 알아야 한다.

그런 문제를 해결할 줄 알아야 뛰어난 예측 성능을 자랑하거나 변화하는 데이터에 유연하게 적응할 수 있는 모델을 설계할 수 있을 것이다.

그럼에도 풍부한 경험이 부족한 것은 차치하더라도 늘 그렇듯 써오던 모델이나 알고리즘을 정확하게 제대로 이해하지 못하니 설계할 때마다 어디서부터 시작해야 할지 막막했던 경험이 잦았는데 그럴때마다 이제 비벼볼만한 희망을 얻게 된 것은 이 책 덕분이라고 할 수 있다.

즉, 다른 책들이 “어떻게”에 초점을 맞춰왔다면 이 책은 "왜", "무엇"에 초점을 맞춘다고 정리해 볼 수 있다.

각 데이터의 상황이 어떤지 알고리즘의 한계가 무엇인지 명확하게 이해하고 있다면 모델을 설계하는데 적시적소 적절한 도구를 활용할 수 있음은 물론 예측과 다른 결과가 나왔을 때 문제 해결 방법이 무엇인지 감을 잡을 수 있다. 이 책은 그런 근원적인 내공을 쌓는데 많은 도움을 준다.

도입부인 “CHAPTER 0 들어가며”부터 첫인상이 범상치 않았다. 다음은 시간의 흐름에 따른 개별 주식 종목들의 수익률 분포도로 평균도 표기되어 있다.

유용한 정보이지만 특정 기간이 왜 더 불안정하게 수익률이 분산하는지, 언제 다시 발생할지에 관련된 답은 구할 수가 없다.

데이터로부터 원하는 것을 얻는 과정이 결코 쉽지 않음을 보여주는 현실에서 자주 맞닥드리는 문제로 포문을 여니 호기심이 샘솟았다.

데이터 과학의 큰 축 중 하나가 업무 도메인인만큼 여기서 전통적으로 오래 사용된 모델을 하나 들고 온다. CAPM이라는 모델인데 데이터 개별 주식 수익률을 시장 평균과 연결하는 모델이다.

아래 첫번째 그림은 CAPM의 산점도 인데 이것만으로는 직관적인 의사결정이 어렵다.

두번째 그림은 의사결정에 중요한 정보를 저차원 공간에 투영한 결과이다. 즉, 전체 원칙이나 모델을 훼손하지 않으면서도 의사결정을 가능하게 하는 소수의 변수를 찾는 과정이 소개되고 있고 그것이 이 책이 나온 이유라 설명하고 있다.

이즈음부터 이 책은 뭔가 다르구나라는 생각으로 정신없이 읽게 되었다. 물론 그림I-3이 나오기 위해 알파, 베타값이 어떤 의미를 담고 있는지 더 나아가 활용해볼만한 것이겠구나 느낄 수 있는 안목이 필요할 것이다.

다만 이를 위해서는 앞서 설명한 바와 같이 세간에 널리 알려진 뻔한 알고리즘이나 방법론들의 “왜”, “무엇”에 초점을 맞춰 학습할 필요가 있다. 뒷부분에 이어지는 내용들은 “왜”, “무엇”에 초점을 맞출 수 있는 학습을 도와준다.

일례로 부트스트랩의 주제도 다른 책에서 활용 방법이나 효과만 얻었던 반면 이 책에서는 중심극한정리와 비교하며 설명한다.

둘을 비교해가며 부트스트랩이 고전 공식으로 설명 불가능한 변수 선택, 계산 근사에 적용할 수 있다는 점이나 파라미터 수가 데이터 수보다 많을 때 적용하기 용이하다는 점 등을 알 수 있었다.

예제를 통해 리샘플링해가며 R언어를 코딩해가는 과정에서 데이터의 질감을 느끼며 이에 종속된 각 알고리즘들이 어떻게 변화하고 작동하는지 느낄 수 있다는 점이 신기했다.

실제 왜 그런지 느끼고 이해하는 과정을 통해 고전 모델이나 부트스트랩의 장, 단점을 명확하게 파악하게 되기 떄문에 다른 모델을 설계하거나 문제점을 보완할 때 적절히 활용할 수 있게 되는 것이다.

단순히 이에 그치지 않고 새로운 과제를 자꾸 던져주는 점이 매력적이다. 부트스트랩으로 설명을 계속 이어가자면 추정량이 편향될 염려가 있을 때 신뢰구간을 고려한 더 복잡한 알고리즘을 적용해 볼 수 있음을 보여준다. 각 상황에 맞게 문제 해결 능력을 키울 수 있는 유연성을 키울 수 있게 도와준다.

뻔히 알고있는 줄로만 알았던 개념들을 새로운 각도로 정의하는 것 또한 신기했다. 몇년 동안 수도 없이 돌렸던 회귀의 개념이 새롭게 보이기 시작했다. 같은 사물이라도 여러 각도로 보면 더 이해도가 늘어나는 법이다.

회귀를 x에 대한 y의 조건부 확룔분포라고 정의한 책은 거의 보지 못한 것 같다. 달리 생각하면 당연한 말인가 싶으면서도 이런 사고나 접근법 덕분에 모델 설계에서 반짝이는 아이디어의 또 다른 진입로를 얻을 수 있다 생각한다.

개인적으로는 CHAPTER 5 실험 파트와 CHAPTER 6 제어 파트가 가장 마음에 들었던 부분이다. 그동안의 실무 궁금증을 상당부분 해소할 수 있었다. 고수에게 어깨너머로 혹은 간신히 사정해서 배울 수 있었던 스킬들이 상당히 많이 담겨있다.

고차원 교란 조정 스킬을 설명하는 하트가 그런 예이다. 간간히 통계 전문가가 아니더라도 설명하기 쉬운 기법이나 팁도 얻을 수 있다.

데이터를 기반으로 끊임없이 질문을 던지는 저술방식도 마음에 든다. PCA를 직관적으로 이해하는데 이만한 예를 찾기 어렵다.

통계학 교수로서의 탄탄한 이론과 전달력, 아마존 부사장이 되기까지의 실무 경험이라는 든든한 양대산맥이 아니면 이런 직관적인 질문과 알고리즘의 논리적 비약과 전개, 적절한 예제 선택 및 활용, 실무적인 관점에서 필요한 만큼의 이론 전달 등이 결코 쉽지 않을것이다.

예제 언어로는 R을 활용한다. 개인적으로는 Python이 마음에 들지만 이 책에 적합한 언어는 확실히 R이다. 범용 언어가 아닌 만큼 확실히 Python의 예열 과정이 없이 코드가 짧고 직관적이다. 책이 전달하고자 하는 개념을 빠르게 실습하며 이해할 수 있을거라 본다.

책 제목의 비즈니스는 무시하면 될 것 같다. 어느 데이터 과학분야에서도 큰 도움이 될만한 책이다.

데이터 과학이라는 용어에서 과학이라는 용어가 왜 끼어들었는지 실감나게 해주는 책이다. 그동안 당연히 그렇게 하라고 해서 그대로 따라하다 데이터 과학 분야의 영혼없는 껍데기가 된 느낌이라면 꼭 이 책을 읽어볼 것을 추천한다.

• 책소개 - 비즈니스 데이터 과학

빅데이터, 데이터분석, 인공지능이 대세가 되며 비전공자들도 코딩을 배우기 시작한다. 파이썬 또는 R을 가지고 분석을 하는 사람들도 하나둘 늘어나고 대학교는 물론 학원에서도 이를 가르치는게 많아지고 있는 상황이다. 이런 흐름은 자연스러운것은 인정하나 무언가 무턱대고 이걸 배우면 나도 실력이 늘어나서 전문가가 될수있다고 자신하는 분위기에는 크게 긍정하지 않는 상황이다.

개인적으로 현재 인공지능 기술은 능력이라고 생각한다. 코딩만 잘하면 데이터 분석을 잘하고 인공지능을 다루는 전문가가 된다는 것이 아니라는 말과 같다. 데이터분석과 인공지능과 관련된 코딩은 그걸 구현해낼수 있는 능력이지 실제 결과 해석이나 추론은 또 다른 도메인이나 배경지식이 필요하다고 생각한다.

실제로 코딩을 잘 하더라도 분석과정에서 어떠한 의사결정을 내리는 데에 정말 많은 지식과 근거가 필요하다는 것을 실습으로든 대회로든 다양한 분석과제를 하면서 잘 느껴지고 있고, 그렇기에 이런 다양한 지식을 배워야한다는게 느껴져 이 부분을 끊임없이 공부하다보니 이 분야가 절대로 녹록치 않다는것이 잘 느껴지는 요즈음이다.

이 책은 그 부분을 중요하게 캐치해서 전반적으로 설명을 하고 있다. 애초에 책에 대놓고 이 책은 R을 배우기 위해 서술한 책이 아니라고 적혀있다. 비즈니스 데이터 과학이란 내용에 맞게 통계학과 경제학 그리고 거기에 필요한 약간의 인공지능을 더불어서 설명을 하고 있는 것이다.

그렇기에 일반적인 인공지능 서적과 차별점이 바로 드러나게 된다. 물론 인공지능에 대한 이론도 들어가고 코드도 있고, 그와 관련된 실습도 적혀있지만 이에 대한 결과를 해석하고 어떤식으로 받아들이고 추론하는지에 대한 과정이 추가적으로 들어간게 꽤 있다. 왜 이런 과정에서 이런 식의 내용으로 추론을 했는지 그 근거를 여러 수식과 경제학이론, 통계 공식등으로 확인하면서 접근을 하게 되는것이다.

이전까지 다른 책들은 그저 가볍게 혹은 참고정도로 보여주는게 전부였다. 통계도 베이즈 정리나 정확도, 정밀도 등을 계산하는 정도로 가볍게 접근하는게 많았기에 이 책도 그렇다고 생각했지만 진짜로 비즈니스 이론과 그와 관련된 공식을 보여주니 그깊이가 다르다라는게 많이 느껴지기도 헀다. 

그렇기에 이 책을 추천하기 위해서는 가벼운 난이도로 접근하기는 어렵다고 느껴진다. 마치 정답이 나온 공식처럼 쭉 이어서 본다기 보다는 이 전체적인 추론과정을 정리하고 이를 알고리즘처럼 기억하거나 도식화하여 프로세스 단위로 기억하는 것이 가장 좋아보인다. 따라서 데이터분석을 입문하는 사람보다는 스킬을 막 배우고 난다음 어떤 분야에 활용이 가능한지, 어떻게 실전에 사용할수 있는지 궁금한 사람들에게 이 책을 추천하고 싶다.

데이터를 기반으로 의사 결정을 하는 과정을 자세히 설명하고 있는 책입니다.

데이터 과학을 공부하다 보면 학습한 기법들을 어느 상황에 적용해야 하는지 쉽게 감이 잡히지 않는데, 저자의 경험으로 상황에 맞게 문제를 해결하는 방법을 설명하고 있어 데이터 과학을 공부하고 계신 분들이라면 많은 도움이 될 거라 생각합니다.

특히 이 책이 흥미로웠던건 비즈니스 의사결정이 필요한 상황(사용자 분류, AB 테스트 등)을 먼저 제시하고 데이터를 분석하는 과정을 소개하고 있다는 점이였습니다.

보통의 데이터 과학 책들은 분석 알고리즘에 초첨을 두고 있는데, 이 책은 데이터 분석의 목적에 중점을 두고 있어 데이터를 여러 관점으로 바라보고 분석 기법을 선택하는 힘을 기를 수 있게 도와줍니다.

다만, 일정 수준 이상의 수학적 지식과 데이터 분석 기법을 알고 있어야 이 책을 이해할 수 있을 것으로 생각됩니다.

한빛미디어의 “핸즈온 머신러닝”이나 “데이터 과학을 위한 통계”을 먼저 보시고 읽으시길 권합니다.

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