초보자도 머신러닝 프로세스를 완벽하게 이해해 보자!

4차 산업혁명과 인공지능 혁명이 시대의 화두로 떠오른지 5년여가 지났다. 머신러닝, 기계학습, 딥러닝 등 인공지능 분야의 용어가 일상에서 쓰이는 게 낯설지 않은 시대가 되었다. 직장에 디지털 트랜스포메이션 열풍이 불면서 직장인들도 파이썬 등 새로운 프로그래밍 툴을 배우기 시작하고 있고, RPA 등을 도입해 무언가 업무를 자동화해야 한다는 압박에 시달리고 있다. 그런데 도대체 머신러닝(기계학습)을 통해 어떻게 인공지능을 개발하고 훈련시키고 내 일상업무를 어떻게 바꿀 수 있는지 무언가 새로운 툴을 어떻게 개발할 수 있는지 비전공자들로서는 답답하고 막막하다. 도대체 머신러닝이 무엇이고, 무엇을 할 수 있는지 궁금증을 해소하기 위해 이 책을 살펴보기 시작했다.

스토리와 파이썬 코드로 머신러닝을 배워보자!

파이썬에 관심은 있지만 파이썬에 대해서는 아직 잘 모른다. 이 코딩 언어를 아직 잘 모르기 때문에 이 책의 내용을 심도있게 이해하기는 힘들었다. 이 책은 전문적인 내용을 담고 있기는 하지만, 앞의 내용은 대학교 수학과 통계 정도 알면 이해할 만하다. 도표와 스토리로 이론적인 내용을 쉽게 설명해 주고 있기 때문이다. 내용이 이해된 후에는 실제 파이썬 코드를 제시해 주고 이 코딩을 통해 무엇을 구현할 수 있는지 알려 준다. 아직 파이썬이 낯설어서 실제 코딩까지 실습해 보지는 못했지만, 파이썬을 공부한 후에 이 책을 보면 머신러닝의 이론과 실습을 통한 실제 구현이 가능해 보였다. 파이썬을 제대로 공부하기 위해 파이썬 책을 따로 구매했다. 파이썬을 통한 머신러닝 정복의 첫걸음이 이 책이 될 수 있다는 생각이 들었다.

다양한 모델의 이론과 장단점을 배우고 실제 구현해 보자!

이 책의 장점은 실제 문제를 제시하고 이를 머신러닝을 사용해 해결하는 프로세스와 솔루션을 실제 체험할 수 있다는 점이다. 문제 해결을 위한 다양한 모델을 제시해 주고 상황에 따라 어떤 모델을 선택하는 것이 최적인지에 대해 프로세스를 따라 진행하여 경험을 쌓을 수 있다. 학습 모델, 분류 모델, 회귀 모델 등 3개 카테고리에 따라 기본 이론, 평가 방법, 다양한 학습 방법, 조합과 최적화 등의 순서로 책의 내용과 파이썬 실습을 해 보면 다양한 모델의 이론과 장단점을 체득할 수 있고 실제 구현까지 해볼 수 있다.

라이브러리 사용을 통해 머신러닝을 쉽게 해 보자!

이 책의 제목에서 파이썬을 알았지만, 사이킷런을 무슨 용어인지 몰랐다. 책을 읽어보면서 머신러닝을 위해 기 구축된 라이브러리의 하나라는 것을 알았다. 모든 코딩과 프로세스를 밑바닥부터 시작한다면 정말 어려울 것이다. 하지만 이미 구축된 강력한 핵심 라이브러리를 통해 잘 짜인 알고리즘과 모델을 사용한다면 수고를 크게 덜 수 있다. 이는 초보자들도 큰 장애 없이 머신러닝 프로세스를 직접 진행해 볼 수 있는 지름길이라고 할 수 있다. 아직 막막하기는 하지만 이 책의 내용을 제대로 이해하고 코딩을 실습해 본다면 이미 머신러닝의 길에 들어선 인공지능 전문가가 되는 초석을 다진 게 아닌가 싶다.

#머신러닝 #인공지능 #머신러닝입문서 #기계학습 #인공지능입문서 #파이썬 #싸이킷런 #길벗 #마크페너

별점 : ★★★★☆

'딱딱함은 질색, 코드로 익히면서 배우는 개념'

 저는 블로그 내용을 봐도 알 수 있듯이, 머신러닝에 대한 견문이 전혀 없는 상태에서 이 책을 접하게 되었습니다. 학부 수업에서 들었던 머신러닝에 대한 복잡한 수식과 머신러닝 특유의 '학습'이라는 낯선 개념들은 거부감을 엄청 주었고, 자연스레 멀리하게 되었습니다. 그런데 이번에 좋은 기회로 카카오 추천팀에서 일하게 되었습니다. 당연히 웹 쪽만 주구장창 공부했고, 머신러닝, 데이터 처리에 대한 사전지식이라고는 학부 수업때 꼴랑 한두번 해본게 다였던 저는, 발등에 불이 떨어지는 심정으로 이것저것 알아보기 시작했습니다. 그 첫 번째 시도가 이 책이었죠! 그런데 저는 이 책이 딱 저같은 부류의 사람들과 잘 맞는 책이라는 것을 단번에 느꼈습니다. 그 이유가 어떤 것인지 하나하나 살펴보죠.

 첫째, 이 책은 머신러닝을 파이썬으로 구현하고 있지만, 파이썬 문법이나 언어 특성에 대한 내용은 거의 다루지 않는다는 점입니다. 사람마다 장단점으로 작용할 수 있겠지만, 저는 이 부분에 대해서 매우 좋게 느꼈습니다. '파이썬' 이라는 언어에 집중하는 것 보다, 머신러닝을 구현할 때 파이썬이 활용하는 라이브러리들에 대한 정보에 집중해, 보다 많은 내용을 담을 수 있었던 것이죠. 그리고 개인적으로 파이썬 문법에 대한 내용들은 책이나 블로그, 인터넷 등에서 무수히 많은 정보들이 있고 찾아보면 다 나오니, 이런 책에 담기는 것은 낭비라고 생각합니다.

 둘째, 선 개념, 후 실습의 비율이 매우 적절합니다. 이 책을 펼쳐보면, 코드 example 이 없는 페이지를 찾기 힘들 정도로 많은 예제들이 들어 있습니다. 그래서 얼핏 보면 그냥 실습이나 코드 적용에 거의 몰두한 책이 아닌가 싶은 생각이 듭니다. 하지만 직접 읽어보면, 이는 오산이라는 것을 알 수 있습니다. 이 책은 개념 또한 example 코드로 설명합니다. 예를들어 loss function, 즉 손실에 대한 개념을 설명할 때, 그것에 대한 설명과, 수식을 잔뜩 늘어놓는 지루한 방법을 쓰지 않습니다.

def traning_loss(loss, model, training_data):

'모델과 전체 학습 데이터를 이용한 학습 손실의 총합'

~~~~~생략.

와 같이 직접 함수부터 제시해서, 이 개념이 코드에 어떻게 적용되는지 부터 보여줘서 독자로 하여금 빠른 직관적 이해를 가능하게 하는 것이죠!

셋째, 가벼운 설명입니다. 가볍게 대략적으로 설명한다는 것이 아닌, 최대한 딱딱하지 않게 설명하려고 노력하는 모습을 볼 수 있습니다. 어느정도로 이 부분에 집착하신면, 수식이 나오게되면 글쓴이께서 독자들에게 사과를합니다... 이는 독자들이 이해를 쉽게쉽게 하게끔 하려는 노력을 볼 수 있습니다. 앞서 말씀드린 개념을 설명할 때도 코드를 이용한다는 점도, 이런 부분에서 나온게 아닌가 생각이 듭니다. 또한, visualization 부분에도 엄청 힘을 쓰시고, 개념에 대한 마인드맵이나 그림, 실생활에서의 예제를 중간중간 삽입해서, 보다 가볍게 접할 수 있습니다.

위 세 가지는 제가 느낀 이 책의 특색, 장점들입니다. 하지만 쉽게 설명하려고 하기 때문에 때로는 그냥 받아들여야 하는 부분이 있고, 파이썬이나 기본 라이브러리들에 대한 설명은 하지 않기 때문에, 이 부분에 대해서는 직접 공부를 해야 한다는 점은 책을 구매하는 분으로 하여금 고려해보셔야 할 것 같습니다!

요즘은 CS 전공자가 아닌 사람들도 머신러닝이 뭔지는 다 알고있을 정도로, 머신러닝이 핫해지고 중요성이 높아지는 시대입니다. 그런데도 인터넷에서의 머신러닝에 대한 reference 들은 정작 CS의 다른 분야에 대한 정보에 대하면 턱없이 부족하다고 생각합니다. 웹 공부를 한 저의 입장으로서는 웹은 정말 구글에만 검색해도 쉽게쉽게 정보를 구할 수 있거든요. 이 책은 뭔가 온라인 게시글에 올려도 좋겠다, 혹은 e-book으로 적합하겠다 같은 느낌이 들더군요. 책 읽을 때의 딱딱함보다는, 온라인 블로그에서 읽는 게시글의 가볍고 좀 트렌디한 느낌? 을 받았던 것 같습니다.

아무튼 아직 읽는 중이지만, 무언가 저와 비슷한 특성을 가진 사람들에게 잘 맞을 것 같다는 생각이 듭니다. 저처럼 개념이나 수식만 보는 것보다, 직접 실습을통한 인식 이후의 직관적인 이해를 원하시는 분, 파이썬과 CS 지식은 있지만 머신러닝에 대해서는 잘 모르는분들에게 적합한 책인 것 같습니다.

저는 인턴 생활을 하는 데에 머신러닝 기초 base 지식 측면에서 도움을 많이 받았고, 앞으로도 개념서 + 실전적용서 두 가지 모두의 역할로 저에게 도움을 줄 책입니다!

최근 들어 인공지능,딥러닝에 대한 인기가 갈수록 높아지자 그와 관련된 책들이 무척 많이 나오고 있다. 나도 그 인기를 실감하며 많은 책을 보면서 관심을 가지고 있는데, 이번에 길벗에서 머신러닝 도서를 받아보게 되었다. 좀 더 찾아보니 이 책은 아마존에서도 인기있게 팔렸다는 머신러닝 도서라고 한다. 제목으로 보아도 파이썬과 사이킷런을 활용해서 머신러닝을 다루는 기술을 설명하는 도서인듯 한데, 처음 보았을때 도서의 분량이 제법 많은 것을 보고, 어떤 내용이 담겨있을지 기대가 되기도 했다.

머신러닝 도서라고 하더라도 기본적인 파이썬 문법으로 분량을 채운 도서가 많았는데, 이 책은 그런 기초적인 설명을 줄이는 대신 머신러닝과 관련된 패키지 분석방법에 대한 내용을 하나부터 열까지 정리해놓고 있어서 확실한 분석방법을 익히려는 독자들에겐 무척 도움이 되는 듯 보였다.

또한 단순히 몇개의 라이브러리만 사용하는 것이 아니라 Numpy,Pandas 같은 기본적인 라이브러리부터 pasty statsmodel 같은 모델 생성 패키지, scikit-learn,PyMC3, TensorFlow같은 분석모델 등 각 상황에 맞게 사용하는 라이브러리가 무척 다양한 데다 이 라이브러리에서 어떤 메소드를 사용하면 되는지 친절하게 설명해주고 있어 다양한 분석방법을 배우길 원하는 독자들에겐 무척 도움이 되리라고 생각한다.

게다가 영어로 판매되던 책임에도 책의 내용이 우리나라 말이 거리낌없이 매끄럽게 번역이 괜찮게 되어있어서 읽는게 어색하거나 거부감이 없다는 게 또 하나의 장점인 듯 하다. 방대한 분량과 알짜배기 내용들, 또한 수준깊은 설명까지 모든 것이 하나로 잘 엮인 분석 방법책이란 생각이 든다. 머신러닝, 데이터 분석을 제대로 공부하고 싶은 사람은 한번쯤 소장할 만한 도서이며, 혹여 구매가 망설여진다면 구매하기를 한번 권하고 싶은 도서이다. 다만, 파이썬을 아예모르거나 초보인 사람 또는 이 책으로 스스로 공부하기를 힘들어하는 사람이라면 좀 더 고려해보고 구매해보길 추천하고 싶다.

안녕하십니까, 간토끼입니다.

오늘은 길벗 출판사에서 받은 머신러닝을 다루는 기술 with 파이썬, 사이킷런에 대한 서평을 작성해보도록 하겠습니다.

어쩌다보니 서평을 쓰는 책들의 대부분이 머신러닝에 관한 것 같습니다.

그도 그럴 것이 블로그 이름도 "데이터마이닝랩(DataMining Lab)"이잖아요 ㅎㅎ

사실 제가 블로그에서 다루고자 하는 Topic들도 통계학, 데이터과학, 머신러닝(또는 딥러닝), 인공지능 등 다양한 주제들이나, 이러한 것들은 모두 "데이터를 바탕으로 한 패턴 학습"이라고 함축하여 칭할 수 있습니다.

이러한 패턴 학습에 접근하는 방법은 다양합니다.

수학적으로, 혹은 통계학적인 방법론을 이용하여 이론적으로 접근할 수도 있고, 많은 사람들이 접근하는(혹은 그러기를 원하는) 프로그래밍적인 방법도 있죠.

개인적으로 전자를 선호하지만, 후자를 선호하는 사람들이 대부분인 것 같긴 합니다. 최근 트렌드도 그러한 것 같고요.

이 책은 그러한 트렌드에 부합하는 책입니다.

즉 "다양한 분야의 독자들이 빠르게 지식을 쌓아 머신러닝에 도전할 수 있게 하는 책"입니다.

Q. 이 책은 어떤 책인가요?

이 책은 "데이터를 바탕으로 한 패턴 학습" 중에서 "머신러닝(Machine Learning)"에 초점을 맞춘 책입니다.

사실 이 길벗에서 출간한 책 중 "머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로"라는 비슷한 책이 있는데요.

처음 이 책을 보았을 때 이 둘 간의 차이점이 무엇일까 궁금했었습니다.

표지도 거의 비슷합니다. ㅋㅋㅋㅋ

차이점부터 말하자면 "머신러닝 교과서"는 머신러닝부터 딥러닝까지 포함하며 좀 더 수리적으로 접근하는 책입니다.

그러나 제가 지금 리뷰하는 "머신러닝을 다루는 기술"은 머신러닝에 좀 더 집중하는 대신, 머신러닝에 대해 아무것도 모르는 초보자가 쉽게 진입할 수 있도록 수리적인 내용보단 코드를 통한 이해에 중점을 두었습니다.

간단하게 책 구성을 소개해보죠.

1부에서는 머신러닝의 기초를 쌓습니다.

1장은 머신러닝의 개념, 2장은 머신러닝에서 반복적으로 등장하는 수학적 내용 등을 소개하고, 3장과 4장에서는 사례를분류와 회귀의 기초 개념에 대해 소개합니다.

이후 2부에서는 응용 머신러닝 시스템의 가장 중요한 측면을 살펴봅니다.

즉 머신러닝의 알고리즘을 이용해 직접 만든 모델을 평가하고 성능을 개선할 수 있도록 성능 측정 방법을 제공합니다.

3부에서는 추가적인 기법에 대해서 다룹니다.

분류와 회귀의 더 많은 알고리즘인 서포트 벡터 머신, 로지스틱 회귀, 판별분석 등을 배우고, 피쳐 엔지니어링과 하이퍼파라미터 튜닝 과정에 대해서 학습합니다.

마지막으로 4부에서는 최신 머신러닝 기법을 소개합니다.

핫한 앙상블 기법과 자동화된 피쳐 엔지니어링, 그리고 이미지와 텍스트 등 비정형데이터를 피쳐 엔지니어링 하는 방법론 등에 대해서 다룹니다.

이처럼 오직 머신러닝에 주목하여 초심자들에게 "머신러닝"을 효과적으로 배우고, 입문할 수 있도록 도와주는 책이라고 할 수 있습니다.

Q. 그럼 누구에게 추천하는 책인가요?

개인적으로 이미 머신러닝을 공부해본 사람보다는 머신러닝을 배워보려는 입문자들에게 추천합니다.

특히 파이썬 프로그래밍 역량은 갖추었으나 수학적 지식이 충분하지 않음에도 머신러닝을 배워보려는 개발자들에게 추천하는 책입니다.

이 책의 저자 또한 이 책을 쓰면서 초점을 둔 부분은 "수학적인 내용을 최소화하면서 가장 널리 사용하는 머신러닝 도구와 기법에 숨어있는 개념을 소개하는 것"이라고 언급하였습니다.

이렇게 귀여운 일러스트도 있습니다.

독자의 초점이 "입문자 수준"에 있는 만큼, 전반적으로 책이 딱딱하지 않고 굉장히 부드럽습니다.

어느정도의 기초 지식(그래도 통계학, 수학에 대한 기초 개념은 있어야겠죠...^^)만 있다면 충분히 읽으실 수 있을 거라 생각합니다.

Q. 이 책의 장점은 무엇인가요?

첫째, 수학을 최소화하고 직관적 이해를 키웠다는 것입니다.

책을 읽다 보면 수식이 정말 없습니다.

놀라울 정도로 없습니다.

제가 위에서 언급했던 것처럼 파이썬 프로그래밍 역량은 갖추었으나 수학적 지식이 충분하지 않음에도 머신러닝을 배워보려는 개발자들에게 추천하는 책입니다.

물론 그럼에도 불구하고 "수학적 직관"은 제공합니다.

즉 수식 없이도 여러 알고리즘을 누구나 이해할 수 있도록 잘 풀어서 설명한다는 게 이 책의 장점이라고 할 수 있습니다.

이처럼 나이브 베이즈에 대해서 설명하면서도 수식 없이 직관적 이해를 돕는 설명만 제공합니다.

물론 장점일 수도 있고, 단점일 수도 있겠죠?

그리고 둘째, 오로지 "머신러닝(Machine Learning)"에 집중한 책입니다.

제가 위에서 비교한 '머신러닝 교과서' 책의 경우, 머신러닝뿐만 아니라 딥러닝, 그리고 텐서플로우의 내용 또한 포함되어 있습니다.

따라서 초심자 입장에서는 다소 혼란스럽고 어려울 수 있습니다. 책 한 권에서 다양한 주제를 다루기 때문이죠.

그러나 이 책은 처음부터 끝까지 보편적인 머신러닝 프로세스에 대해서 다루고 있으므로, 집중하여 한 권을 읽기 좋습니다.

그러한 의미에서 초심자에게 추천하는 겁니다. ㅎㅎ

정리하자면 이 책은 전문적인 내용을 소개하면서도 독자가 흥미를 잃지 않게끔 비유와 다양한 예시, 그리고 직접 해볼 수 있는 구현 코드까지 적절하게 소개하며 초심자들에게 알맞는 구성을 갖추고 있는 책입니다.

초심자라면 긴 말 할 것 없이 이 책을 추천합니다.

감사합니다.

머신러닝을 산업계 구분없이 데이터가 있는 영역이라면 다양하게 활용되고 있는 기술입니다. 이미지 처리, 자연어 분석, 시계열 데이터 분석 등등, 자동으로 동영상 자막도 달고, 카메라 영상으로 부터 차량, 사람, 바이크 등등 구분하기도 합니다. 머신러닝의 성능은 의심의 여지는 없는 것 같습니다. 어떻게, 어떤 결과를 얻기위해 잘 활용하는냐가 관건입니다. 최근 머신러닝은 주로 CNN, LSTM, GAN과 같은 최신 딥러닝 기술이 인기입니다. 최신의 딥러닝 알고리즘을 배우고 따라가기도 힘들만큼 많은 연구가 이루어 지고 있습니다.

이 책은 최신 딥러닝 기술을 다루지는 않습니다. 그래서 처음 책을 펼쳤을 때 ‘어.. 뭐지’ 하는 느낌을 받았습니다. 하지만 딥러닝을 계속 공부하시는 분은 느끼시겠지만, 하면 할 수록 기본기에 대한 갈증을 느끼게 됩니다. 특히나 기존에 통계/확률/수치처리 등에 대한 전공이 아니라면 더욱 그러 합니다. 기본적인 가중 평균, 분산, 표준편차, 공분산, 확률밀도함수, 가우시안분포, 정규화 등등. 결국은 알아야 할 내용이더군요. 그런 부분에 대한 필요성을 느끼시는 분은 이 책이 상당히 도움이 될 것으로 판단됩니다.

책을 읽어 가면서 python script를 jupyter notebook을 통해 실행시켜 볼 수 있으므로 데이터 셋들은 다루는 방법, 고전전인 머신러닝 기법들, 전처리 방법, 하이퍼파라메터 조절 기법, 모델 평가 방법들을 배울 수 있습니다. Anaconda로 가상 환경을 설정하여 필요한 패키지들을 설치 하면 무리 없이 따라 할 수 있습니다. 단, code by code 로 설명되어 있지는 않기 때문에 생소한 함수는 구글링 하면서 봐야 합니다. python 중급 정도 실력이면 편하게 보실 것 같네요.. 저는 초급이라서. -_-;;

머신러닝 관심 있으신 분이면 Andrew Ng 교수의 강의를 들어 보셨을 겁니다. 훌륭한 강의인데 아무래도 인기 있는 python 대신 octave로 실습하는 부분이 저는 좀 아쉬웠습니다. octave가 안 좋다는 건 아니지만, 기왕이면 python으로 했으면 좀 더 좋았을 걸 하는 생각이 있었는데, 이 책을 보면서 머신러닝 기본기를 python으로 실습해 볼 수 있는 부분이 좋았습니다. 또한 주로 numpy, sklearn과 panda를 이용하기 때문에 관련된 데이터 처리, 내장 함수들 사용법을 익히기에도 괜찮습니다. 저는 개인적으로 제가 잘 몰랐던 하이퍼파라메터 튜닝, 앙상블, PCA등의 개념을 잡을 수 있어 좋았습니다.

이 책의 리뷰어를 맡게 돼서 책 후기를 짧게 남긴다.

머신 러닝을 다루는 기술 with 파이썬, 사이킷런 마크 페너 저/황준식 역 길벗 | 2020년 06월

길벗 책은 워낙 it 관련해서 깔끔하게 정리된 책이 많아서

늘 무언가를 새로 배울 때 자주 찾아보는 출판사 중에 하나다.

근데 이번 책에는 반 기대 반 실망을 하게 됐는데,

생각보다 줄글이 매우 많았다.

각 코드들에 대해 한 줄씩 설명해주면 좋았을 것 같은데,

수식을 빼다보니 매우 줄글로 너무 많이 빗대어서 표현한다고 느꼈다.

하지만 그럼에도 불구하고 거의 sklearn의 모든 것들을 다루고 있다.

현업에서 데이터분석을 하다보면 sklearn을 써야하는 경우들이 있는데

sklearn으로 할 수 있는 모든 것들은 거의 다 다루고 있는 듯 싶다.

다만 체계적인 목차 분류가 되어 있지 않다는게 매우 아쉬웠다.

좋은 점

1) 생각보다 많은 내용을 다루고 있다.

거의 skelarn으로 할 수 있는 모든 걸 다루고 있다. sklearn으로 모델링을 해야 하는 사람이라면 한 번쯤 찾아봐도 괜찮을 거 같다.

2) 챕터마다 요약해준다.

각 챕터마다 “한계점과 아직 해결되지 않은 이슈들”이 적혀 있는데 이 부분이 유익하다. 그리고 각 챕터별로 요약해주는 게 좋았다.

3) 깃헙 소스코드가 제공된다.

물론 이건 이제는 거의 모든 it서적들의 특징인 듯 하지만, 깃헙 소스코드가 제공돼 쉽게 연습해볼 수 있다.

아쉬운 점

1) 줄글이 너무 많다.

개발자가 될수록 글을 싫어하는 것 같은데, 깔끔하게 한 문장으로 설명할 수 있는 문장들을 굳이 길게 설명한다는 생각이 들었다.

중요한 부분들만 따로 빼서 bold체로 해놓거나, 각 개념들을 한 문장으로 옆에 정리해줬다면 좋았을 것 같다.

2) 목차가 체계적이지 못하다.

물론 하나의 모델이 어떻게 점진적으로 발전해나가는지 볼 수 있다는 장점은 있지만,

하나의 task에 대해 완벽한 모델을 만들고 싶은 사람들에게는,

hold-out 방식으로 풀고 eda도 적은 연습 코드들이 답답할 수도 있을 것 같다.

물론 이 부분들이 나중에 뒤에 가서 추가 설명이 되기는 하는데,

너무 많이 왔다갔다 하며 책을 봐야한다는 단점이 있는 것 같다.

추천하는 독자

-회사 교육자료 등 분석 비전문가를 위한 교육자료를 만들어야 하는 사람

-sklearn으로 모델링을 해야 하는 사람

사실 처음 ai를 입문한다면 이 책을 추천하지는 않는다.

저자가 말하고 있듯, 파이썬은 중급 이상 정도 한다고 가정하고 설명이 진행된다.

그리고 각 코드들에 대한 설명을 자세하게 하지 않는데,

이런 부분들이 처음 읽는 독자들에게는 어려울 것 같다.

하지만 회사 교육 자료를 만들어야 하거나,

누군가 데이터 분석에 대해 설명해야 한다면 이 책은 꽤 좋은 책이 될 것 같다.

저자는 계속 개념을 쉽게 설명하려고 많은 비유를 든다.

그래서 누군가에게 개념을 쉽게 설명해야 한다면

이 책을 읽어봐도 좋을 것 같다.

관련 깃헙 링크

https://github.com/gilbutITbOOK/007017