해당 리뷰는 지앤선에서 도서를 제공해주셔서 진행하였습니다.

머신러닝이라는 것은 용어가 예전의 클라우드, 빅데이터를 처럼 버즈워드로 시작했다가 어느 순간부터는 대부분의 사람이 알아야 하는 필수가 되어 버렸다. 알파고를 넘어서 "딥러닝", "강화학습", 어느 순간 GAN이라는 게 나와서, 스스로 대결해서 스스로 학습해버리는.... 스카이넷이 얼마 남지 않은...

사실 말하기 부끄럽지만, 나름 꽤 많은 머신 러닝 책을 표지만 보고 지나간 사람으로... 내가 공부하기엔 너무 어려운게 아닌가 라는 생각을 여전히 가지고 있습니다. 나름 쉽게 설명하는 머신러닝 강의도 찾아다니고 책도 보는데, 왜 이렇게 어려울까 하는데... 제가 수학이 약했던...

 그 중에서 원래 원서가 굉장히 소문이 좋았던 Packt사의 Python Machine Learning 이라는 책이 한국어로 번역이 나와서, 리뷰를 할 수 있는 좋은 기회를 얻었습니다.

 일단 책의 내용이 굉장히 탄탄합니다. 그러면서 좀 쉽게(여기서의 쉽게는 나름 쉽게고 실제로 아예 여기 관련 내용을 모른다면 꽤 이해하기 어려운... 그래서 제가 잘 이해못하는...) 설명을 하고 있습니다. 실제로 여러 부분을 다루고 있구요. Python 으로 진행하면서, 머신러닝이라는 분야에 대해서 여러가지로 잘 설명하고 있습니다. (전 원래 베이지안이 전부인줄만 알았는데...)

 기존의 선형회귀, 로지스틱 회귀, SVM, 에이다 부스팅, K-Means, 딥러닝의 CNN 과 RNN 이야기도 나옵니다.(전 이걸 설명할 능력이 없는...)

 사실 이 책의 난이도가, 아무런 배경지식이 없으면 읽기 어렵다고 말씀드릴 수 있습니다. 저도 상당부분은 사실 여전히 이해를 못하고(상당부분 == 거의 다) 그냥 이런게 있구나로만... 머신러닝 책들은 왜 보기만 해도 어느 순간... 눈을 감고 있게 되는지...(기본적으로 수학을 공부하셔야 잘 이해가 될것 같습니다.)

 책을 보다보면, 쉬운 부분도 있고, 많이 어려운 부분들도 있는데, 이게 사람마다 체감하는게 완전히 다를 수 있을듯 합니다. 중간에 역전파(백프로파게이션) 을 이해하는데도 한참 걸린... 흑흑흑

 그러나 머신러닝은 정말 개발자가 최소한의 지식은 꼭 있어야 할 분야로 보입니다. 다만 이 책은 완전히 초급에서 보기는 그렇고, 최소한 용어가 이해된 중급 수준에서 보면 상당한 도움이 될듯합니다. 한국판 서적중에서 가장 자세한 편입니다.

알파고 이후로 한국에서도 AI(인공지능)에 대한 관심이 아주 높아졌다. 

머신 러닝 로드맵을 간단하게 나눠보면 4단계로 구분할 수 있는데

  Preprocessing -＞ Learning -＞ Evaluation -＞ Prediction

이번에 지앤선에서 나온 파이썬 머신러닝에서는 Preprocessing(데이터 전처리), Learning 에 대한 기본에 대해서 설명하고 있다.

1. 지도 학습

2. 비지도 학습

3. 강화 학습

이 책은 머신러닝을 하기 위해서 기본이 되는 알고리즘과 접근법에 대한 정리가 잘 되어 있고 파이썬과 파이썬 라이브러리를 활용해서 예제까지 할 수 있다. 

- 머신러닝 학습을 위해서 책에서 사용된 파이썬 패키지

NumPy, SciPy, scikit-learn, matplotlib, pandas

머신러닝을 처음 접하거나 이제 시작하는 사람들에게는 좋은 로드맵이 될 수 있지만 머신러닝의 특성상 어느정도의 런닝커브가 없을 수는 없다. 처음부터 정독을 하는것보다 속독으로 전체 흐름을 한번 파악한 후에 관심가는 섹션별로 하나씩 접근하는게 좋을 학습방법이 될 같다.

책을 처음 넘겨보며 상당히 당황했다. 뭔가 기호가 들어간 수학 수식이 꽤 있었기 때문이다. 개인적으로 프로그래밍에도 익숙하지 않지만, 수학/과학과는 더더욱 담을 쌓아왔던 지라 약간 두렵기까지 했다. 부담감을 느끼며 3주간 공부한 지금도 사실 책 내용이 모두 이해가 되지는 않는다. 그렇지만 아마 나와 비슷한 상태에서 책을 구매하는 사람들 - 특히 IT기획자/개발자- 이 많지 않을까 생각해서 리뷰를 적어보기로 했다.

이 책의 원서 출판사는 PACKT이다. 이 출판사는 번잡한 내용을 최대한 생략하고 핵심만 추려서 빠르게 책을 출간하는 것이 특징이다. 그래서 PACKT의 도서는 개개인마다 호불호가 갈리는 것으로 유명하다. 이 책은 더더욱 그럴지도 모른다. 머신러닝이란 방대한 하나의 학문에 대해서, 넓고 얕게 살펴보고 넘어간다. 특히 맨 첫장부터 Top-Down 방식으로 머신러닝의 가장 기초부터 빠르게 요약을 해나가는데, 이 분야에 대해서 큰 줄기를 잡고 이후 그림을 그리는데는 대단히 유용할 것으로 보인다. 보통 기초적인 개념을 잡아주는 책은 내용의 신뢰성이 무척 중요한데, 이 책은 아마존(Amazon) 머신러닝 분야에서 화제를 불러일으키며 상당기간 동안 1위를 할만큼 내용적으로 검증되었다는 장점이 있다.

저자 세바스티안 라슈카는 컴퓨터 생명공학 영역의 박사일 뿐만 아니라, 오픈소스 파이썬 패키지 개발에 꾸준히 기여하고 있다. 덕분에 저자는 파이썬 코딩의 기본적인 규칙에 익숙하다. 책 내용도 너무 학술적인 면으로 치우치지 않고, 깔끔하게 작성된 코드와 균형을 이루고 있다는 점이 매력적이다.

번역은 깔끔하다. 역자가 대기업 데이터 마이닝 시스템과 머신러닝 시스템 컨설팅을 진행하고 있는 머신러닝 분야에 전문가기 때문에, 실무에서 많이 사용하는 한국 단어로 번역했다고 한다. 어쩌면 학술 개념에 충실하면서도 너무 딱딱한 단어들보다 오히려 번역이 더 자연스럽다고도 볼 수 있다. 다만 애교로 볼만한 자잘한 오타들은 간혹 눈에 띈다. 예를 들어 파이썬의 Flask 웹 프레임워크를 플래시 웹 프레임워크라고 번역하는 것 같이 말이다.

또한, 책 내용도 파이썬 코드로 작성된 다양한 머신러닝 모델을 소개해주고, 이를 직접 사용해 보는 경험이 좋았다. 개인적으로는 IMDB 영화 리뷰 데이터를 획득해서 이를 감성분석으로 분류한 후, 파이썬 Flask 프레임워크와 SQLite 데이터베이스에 올려서 영화 리뷰 분류기를 만드는 과정이 특히 재미있었다.

이 책은 데이터과학과 파이썬에 입문하는 사람들을 위해서 작성한 프로그래밍 도서가 아닌만큼, 어느 정도의 기초 배경지식이 요구된다. 한국에서 유행하는 따라하기 스타일의 책처럼 세세한 부분까지는 다 알려주지 않는다. 그래서 독자는 데이터과학 분야에 많이 사용되는 수학을 어느 정도 알아야 하고, 파이썬 코딩과 패키지 세팅도 웬만큼 할 수 있어야 한다. 특히, Windows O/S 사용자는 파이썬의 데이터 과학 패키지 설치가 까다로운 경우가 있는데, 이 책에서는 '무슨무슨 패키지들의 몇 버전을 설치하세요' 라고 단 몇 줄에 설명이 끝나서 좀 힘든 부분이 있었다.

결론적으로, 머신러닝을 본격적으로 시작하기에 앞서 전체 그림을 그리길 원하는 사람들을 위한 책이다. 이 분야에서 뭐가 좀 재미있고, 앞으로 어떤 걸 공부하면 재미있을 지 살펴본다고 할 수도 있겠다. 물론 난이도가 상당히 있어서 책장이 쉽게 넘어가지는 않지만, 앞으로 머신러닝 분야에 도전해보겠다고 생각하는 사람이라면 초급 교과서로 가져갈만한 도서이다. 위에서 상술했듯이 책 자체가 머신러닝 왕초보를 위한 입문서는 아니지만, 이제 막 입문을 뗀 초보자가 중급으로 가기 위한 필독서로 생각된다.

프로그래밍 중에 가장 핫한 분야인 머신러닝. 그 분야를 다루는 책이다.  책을 처음 받고서 가볍게 훑어 보았는데 많은 수학공식이 있어서 처음부터 지레 겁먹었다. 수알못인 나로서 이 책을 리뷰하는게 쉽진 않지만 오히려 수알못 개발자 분들에게 이 책은 어떤 책일지 가늠할 수 있는 좋은 기회라고 생각해서 열심히 읽어보았다.

수학자나 과학자들에게 이 책은 훌륭한 머신러닝 입문책이라 생각된다. 하지만 대다수 수알못인 사람들에게 머리가 아픈 책으로 느껴질거라 생각된다. 하지만 이 책은 머신러닝의 가장 기본적인 개념들을 다루면서 이 책을 읽는 독자에게 머신러닝에 대한 흥미를 이끌어내려는 저자의 노력이 담겨 있다. 머신러닝을 알기 위해서는 데이터과학이나 수학에 기초지식이 있어야 한다. 전문용어와 복잡한 수학 공식이 책 사이사이에 포진해있어 접근하기 쉽진 않기 때문이다. 하지만 어려운 부분들을 넘어가면서 예제를 따라가다보면 대략적인 이해를 하는 것은 크게 어렵지 않다고 본다. 이 책이 본인처럼 어렵다고 느껴진다면 어려운 부분들은 넘어가고 예제만 따라가며 큰 틀에서 머신러닝을 이해하는 것도 좋다. 책을 다 읽고나서 여전히 머신러닝에 흥미를 느낀다면 다시한번 보자. 어려운 부분들이 무엇인지 구체적으로 보일것이고 그 부분을 공부해 간다면 머신러닝의 기본적인 개념을 마스터 할 수 있을 것이라 생각된다.

책 내용은 교과서적인 순차로 정리되어 있다. 머신러닝의 개념부터 알고리즘 종류와 튜닝, 웹에 임베드, 딥러닝과 GPU사용등 포괄적인 부분들을 순차적으로 다룬다. 처음에는 어려워 보였던 책이 전체적으로 훑어보게 된 후에 상당히 입문적인 내용으로 담겨있다고 생각이 바뀌었다. 물론 모든 것을 이해하기에는 여전히 힘들지만 전체적으로 본다면 머신러닝에 흥미를 일으키기에 훌륭한 책이다.

예제는 아나콘다 쥬피터를 이용해서 보면 좋다. https://www.continuum.io/downloads

예제 - https://www.packtpub.com/books/content/support/17955