책을 아예 읽지 않은 이보다 1권만 읽은 사람이 더 무섭다는 이야기가 있습니다. 어떤 주제에 대하여 이해하고자 할때 하나의 방법이 아닌 여러가지 시선과 방법으로 알아보고 이해해야 올바른 이해가 가능하고 해당 주제를 가지고 좀더 발전된 (대화, 이후 예측 등) 시도를 할 수 있습니다.

하지만 여러권의 책을 읽어도 순서가 있는 법이라는 생각이 듭니다. 제 생각에는 이 책자의 1장에 수록된 굵은 글자의 의미를 한번 되집어보고 올바로 머리에 입력했다면 어디서 머신러닝에 대한 오해없는 논의가 가능할거라 생각이 들고 이후에 관심있는 분야에 대해서 다른 책이나 라이브러리 학습이나 실습으로 나아가는 단서를 잡기 좋은 설명이었다고 생각이 듭니다.

사실 1장의 내용에 한해서는 첨 읽을때는 무슨 내용인가 싶었고 잘 이해가 안되었습니다. 이게 뭔가 하고 덥었다가 몇일뒤에 한번더 읽고, 4-5번을 다시 읽어보니 진짜 기초에 대한 내용과 구현에 필요한 가장 기본적인 내용이 정리되어 있는걸 알게 되어 참 기뻤습니다.

그리고 해당 책은 계속 판을 늘리는데 최신 기술에 대한 내용을 추가해주는게 참 좋은것 같습니다.

꽤 긴 시간이 지난 후에도 예제가 보강된 해당 책자는 제목은 기술서처럼 표현되어있지만 사실 도입서가 아닌가 라는 생각도 들고 1장만 따로 정리해서 한권의 책을 내도 괜찮지 않을까 라는 생각도 듭니다.

진짜 우연찮은 생각치도 못한 기회에 해당 책을 접하게 되어 감사합니다.

파이썬은 인공지능과 머신러닝 분야에서 많은 인기를 얻고 있는 프로그래밍 언어예요. 파이썬이 다양한 분야에 사용되고 있다보니까 코딩으로 파이썬 기초에 관심 있는 분들이 많으신데요. 독학으로 파이썬 공부하면서 머신러닝 파이썬 기초 공부방법에 대해 알려드리려고 해요.

파이썬 기초 머신러닝 준비하기

①Python 프로그래밍의 기초 배우기

파이썬 독학을 테마로 파이썬 기초에 대한 내용을 많이 포스팅하고 있어요. 당연하게도 머신러닝을 본격적으로 학습하려면 Python 프로그래밍에 대한 이해가 필요하거든요.

파이썬 머신러닝 선택하기


②머신러닝 라이브러리 선택

파이썬에는 다양한 머신러닝 라이브러리가 있어요. 예를 들어 사이킷런Scikit-learn, 텐서플로TensorFlow, 케라스Keras와 같은 것들이 있어요. 각각의 라이브러리는 어떤 머신러닝 모델을 지향하느냐에 따라 선택하시는게 좋은데요.

저는 제이펍의 예제로 배우는 파이썬 머신러닝 3판을 보면서 공부하고 있어요. 각각의 라이브러리와 실제 파이썬 코드를 가지고 머신러닝에 입문할 수 있게 도와주기 때문에 파이썬 기초 머신러닝 교재로 만족스럽더라고요.

실습으로 익히는 기초 머신러닝

개인적으로 머신러닝 이론을 학습하는데 효율적인 방법은 실습을 통해 반복하는 것이었어요. 머리로 이해하는 것과 머신러닝 이론을 실제 모델로 구축하는 건 다른 문제이니까요.

이런 점에서 예제로 배우는 파이썬 머신러닝은 예제중심으로 실제 코드와 데이터셋을 중심으로 만들면서 배울 수 있다는 점이 장점이에요. 파이썬 기초 혹은 머신러닝에 대해 처음 공부하시는 분들이라도 라이브러리 설치와 환경셋팅부터 모델 구축까지 단계별로 진행되기 때문에 어려움 없이 공부하실 수 있어요.

출판사로부터 도서를 제공받아 직접 읽고 작성한 후기예요.

제이펍 출판사의 “예제로 배우는 파이썬 머신러닝”를 리뷰합니다.

최근 몇 년간 머신 러닝, 딥러닝에 대한 많은 도서가 출간되었고, 각 도서마다 특색을 가지고 있다. 입문자를 타겟으로 하는 많은 도서가 있는가 하면, 이미지, 영상에 대한 딥러닝, 혹은 언어를 포커스한 딥러닝 도서들도 있다. 이 책은 타 도서와 비교하여 어떤 내용에 포커스해서 차별화 포인트를 가지고 있을까.

도서 주요 내용만을 본다면 기존 머신러닝, 딥러닝 입문서에서 다루는 내용과 특별함을 가지고 있다고 생각치 않는다.

이론보다는 실무 예제에 무게를 둔…

목차 내용을 보자면, 나이브 베이즈, 서포트 벡터 머신, 로지스틱 회귀, …등 분명 머신러닝에 대한 이론적으로 일반화된 내용을 다루는 것은 분명하지만,

CHAPTER 2 나이브 베이즈를 이용한 영화 추천 엔진 구축 41

CHAPTER 3 서포트 벡터 머신을 이용한 얼굴 인식 71

CHAPTER 4 트리 기반 알고리즘을 이용한 온라인 광고 클릭률 예측 101

CHAPTER 5 로지스틱 회귀를 이용한 온라인 광고 클릭률 예측 137

아래에 표현하였듯이 어플리케이션 개발과 예제에 초점을 두고 있다.

나이브 베이즈를 이용한 영화 추천 엔진 구축을 보자면, 물론 나이브 베이즈가 무엇인지 이론적인 내용을 전개하나,

결국은 “영화 추천 엔진 구축”을 위해서 나이브 베이즈 이론을 어떻게 사용될 수 있는지를 보여주고 있다. 이론보다는 실습 예제를 좀 더 포커스하여 내용 전개를 하고 있다는 점이 다른 머신러닝 도서과 구별되는 특징이라고 할 수 있다.

물론 머신러닝의 기본적인 이론은 도서 전체 곳곳에 녹여져 있다. 가령 나이브 베이즈 이론을 배우면서, 정밀도와 재현율, F1 스코어가 어떻게 사용되고 계산되는지…

이외에도 CNN을 다루기 이전에 서포트 벡터 머신을 이용한 얼굴 인식을 다루는가 하면, 온라인 광고 클릭률 예측에 대해서는 트리 기반 알고리즘을 이용하기도, 혹은 로지스틱 회귀을 이용하여 풀어가는 내용을 담고 있다.

충실한 입문서-중급서 내용 전개 …

도서의 각 챕터마다 다루고 하는 내용을 소개하고

챕터 마지막 부분에 요약을 둠으로써 배운 지식의 되새김을 하도록 전개하고 있다.

물론 연습 문제를 통해 본문에서 배운 이론과 예제를 독자로 하여금 확장해서 응용하도록 유도하는 부분도 마음에 든다.

굳이 단점을 고르라면 내용의 충실도와 짜임새 있는 편집 모두 좋았으나, 그림에 대한 사용과 예제가 조금 부족하지 않았을까 싶은데, 그림을 통해 시각적인 효과 역시 무시 못하기 때문입니다. (충분하다고 생각이 되면서도 입문서로 접근하는 독자라면 그런 느낌을 받지 않을까)

타겟 독자는 누구일까… 전체적인 내용은 머신러닝 입문서에 해당하는 내용이긴 하지만, 입문을 하더라도 중급으로 확장하고자 할 때, 좀 더 예제를 통한 머신러닝, 딥러닝 지식을 높이고자 하는 독자가 아닐까 싶다.

" 이 책은 제이펍의 전문서 리뷰어로 채택되어 읽게 된 책입니다."

#의사결정나무, #머신러닝솔루션, #numpy, #sklearn, #tensorflow, #torch

이 책의 저자는 구글의 머신러닝 소프트웨어 엔지니어로 광고 최적화를 위한 시스템을 개발중인 위시(헤이든)류님이고 역자는 [쏙쏙 들어오는 인공지능 알고리즘]과 [머신러닝 엔지니어링]을 번역하고 삼성리서치에서 연구하고 있는 구정회님이다.

구글 엔지니어라고 하면 텐서플로를 사용해서 딥러닝을 소개할 것이라고 생각할 수 있는 데 이 책을 보면 꼭 그렇지는 않다. numpy와 sklearn이 대부분이며 뒷부분에는 torch도 소개하고 있다.

파이썬을 설치하는 방법과 아나콘다 설치방법을 자세히 설명하고 있다.

선형시스템에서 분리할 수 없는 문제에 대해 쉽게 설명해 준다.

의사결정트리를 순수 파이썬으로 구현하는 이론과 코드

분류모델에서 특징을 어떻게 선택하는지에 대한 설명

머신러닝 모델의 전체 플로우

이 책의 장점은 기존에 있던 다양한 머신러닝 알고리즘과 CNN과 transformer등 최신 딥러닝 알고리즘을 소개하고 있다는 점이다.

이 책에서 핵심적으로 다루고 있는 내용은 머신러닝 및 데이터 과학에서 다루는 주요개념들과 파이썬을 활용한 데이터 마이닝 및 분석, 아파치 스파크로 복잡한 데이터를 이용한 모델 훈련 확장, NLTK, Gensim같은 파이썬 라이브러리를 통한 텍스트 분석, 머신러닝 모델 선택, 구축, 성능 평가, 최적화 방법, 순수파이썬, 텐서플로2, 파이토치, 싸이킷런 등으로 영화추천, 얼굴인식, 주가예측, 옷이미지분류, 시퀀스예측, 강화학습등에 대해서 소개하고 있다.

이 책은 머신러닝에 대해서 열정이 있는 사람이라면 한번쯤은 꼭 읽어봤으면 하는 마음이 들 정도로 간략하고 명료하게 잘 설명하고 있는 책이라 인공지능에 관심있는 분들에게 추천한다.

" 이 책은 제이펍의 전문서 리뷰어로 채택되어 읽게 된 책입니다."