이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능?
- 문화비소득공제 가능
이 분야의 이벤트
카드뉴스로 보는 책
상세 이미지
책소개
목차
|
머리말
추천사 감사의 글 1장 빅데이터 비즈니스의 주요 요소 빅데이터 비즈니스의 주요 요소 - 데이터, 인프라, 조직 및 시스템, 사람 - 빅데이터 - 실재인가, 허상인가? - CERN: 빅데이터의 조상 - 빅데이터 비즈니스의 네 가지 관점: 데이터, 인프라, 조직 및 시스템, 사람 빅데이터 활용의 근본적인 질문: 해결하려는 문제가 무엇인가? - CERN이 LHC를 건설한 이유 - 기술이 먼저인가, 비즈니스 모델이 먼저인가?: 빅데이터 비즈니스의 딜레마 2장 빅데이터 비즈니스 모델의 핵심 - 데이터 수집 빅데이터 수집 과정과 비즈니스 모델의 차별화 - 빅데이터 원천으로서의 LHC 가속기 - 빅데이터 비즈니스의 핵심: 빅데이터 수집 과정의 차별화 빅데이터 비즈니스 모델 프레임워크: 자전거 모델 - CERN과 LHC 실험 프로그램의 비즈니스 모델 - 빅데이터 비즈니스 모델을 어떻게 만들 것인가?: 빅데이터 비즈니스의 ‘자전거 모델’ 빅데이터 측정과 수집의 원리 - LHC 검출기 및 가속기 데이터의 수집과 측정 - 빅데이터 비즈니스의 데이터 수집과 측정: 수집 과정과 비즈니스 모델과의 관계 빅데이터 저장과 표현을 위한 데이터 형식의 중요성 - LHC 실험 데이터 가공 과정과 데이터 형식 - 빅데이터 수집 과정에서 데이터 형식의 중요성 3장 빅데이터와 AI 기술 빅데이터 비즈니스에서 AI 기술의 역할과 중요성 - LHC 실험 데이터의 복잡성과 인공지능 기술 - 빅데이터 비즈니스에서 인공지능 기술이 필요한 이유: 자동화 인간 능력 증강 도구로서의 인공지능 - CERN이 인공지능 기술을 소환한 이유: 2015년 LHC 데이터 과학 워크숍 - 빅데이터 비즈니스 시스템과 인공지능 기술의 콜라보: 자동화를 통한 인간 정보 처리 능력의 증강 딥러닝에 숨겨진 지식 - 인공지능 모델의 해석 가능성 - LHC 빅데이터에서의 딥러닝과 인공지능 기술의 새로운 요구사항: 해석 가능성 - 빅데이터 분석에서 해석 가능한 인공지능 모델의 중요성 뉴로모픽 엔지니어링과 인공지능 가속기 반도체 - LHC 실험과 뉴로모픽 엔지니어링 - 빅데이터 비즈니스에서의 새로운 컴퓨터 아키텍처의 중요성 4장 빅데이터와 클라우드 컴퓨팅 기술 클라우드 기술의 시작 - 클라우드 컴퓨팅의 서막: CERN은 왜 클라우드 컴퓨팅이 필요했나? - 빅데이터 기술에서 가장 중요한 것: 자원 이종성(heterogeneity) 극복과 확장성(scalability) 빅데이터 자원 계층 문제 - LHC 빅데이터와 LHC 컴퓨팅 그리드(LCG)의 계층 구조 - 빅데이터 인프라 구축에서의 자원 계층 문제: 빅데이터 기술의 시작과 끝 네트워크 인프라의 중요성 - LHG Computing Grid를 위한 네트워크 인프라 - 빅데이터 인프라에서 네트워크 인프라의 중요성: 자원 계층 문제 해결 및 확장성 확보 고성능 컴퓨팅과 FPGA - CMS Level-1 트리거(Trigger)와 FGPA, GPU 기술 - 빅데이터 인프라, 고성능 컴퓨팅, 재구성 가능 컴퓨팅(Reconfigurable Computing): 스트림 처리의 중요성 분산 컴퓨팅 소프트웨어 스택 및 미들웨어의 중요성 - CMS 검출기에 영혼을 주는 CMS 온라인 소프트웨어 - 빅데이터 인프라를 완성하는 기술: 빅데이터 미들웨어와 분산 컴퓨팅 소프트웨어 모니터링과 운영 인텔리전스 - CMS 온라인 데이터 수집 시스템의 모니터링 문제 - 빅데이터 시스템 운영의 복잡성을 어떻게 해결할 것인가?: 운영 지능화(Operation Intelligence) 5장 빅데이터 주요 기술의 요건 빅데이터와 병렬 처리 - LCG 데이터 병렬 처리 프레임워크: 프루프(PROOF) - 빅데이터 문제 해결의 기본적인 도구: 병렬 처리 프레임워크 빅데이터 분석 플랫폼의 요건 - LHC 실험의 공식 데이터 분석 플랫폼: 루트(ROOT) - 빅데이터 문제 해결 과정을 묶어주는 끈: 데이터 분석 플랫폼 대용량 확장형 스토리지 - LHC 실험의 데이터 그리드 요구 사항 - LHC 실험의 대용량 데이터 스토리지 기술: LCG SE, SRM, CASTOR, dCache, DPM, StoRM - LHC 컴퓨팅 그리드의 이종 데이터 저장 장치 통합 표준: SRM - 빅데이터를 담는 그릇: 대용량 확장형 스토리지 빅데이터 가시화 및 큐레이션 - LHC 실험 데이터 분석에서의 데이터 가시화: 이벤트 및 모니터링 데이터 - 빅데이터: 가시화와 큐레이션의 중요성 워크플로우 엔진과 관리 도구 - LHC 컴퓨팅 그리드의 워크플로우 관리 기술 - 빅데이터 시스템에서 워크플로우 관리 기술의 중요성 작가 인터뷰 |
저자 소개 1
한국과학기술원(KAIST)에서 물리학 학사를, 포항공과대학교에서 인공신경망 및 플라즈마 연구로 석·박사 학위를 받았다. 졸업 후 유럽입자물리학연구소(CERN)에서 LHC 빅데이터 인프라 및 데이터 분석 기술 연구에 참여했다. 이후 한국과학기술정보연구원(KISTI), 포항공과대학교, 삼성 SDS, SK텔레콤 기업연구소를 거치며 대규모 기계 학습과 클라우드 컴퓨팅, 지능형 빅데이터 분석 시스템을 깊이 있게 연구해 왔다.
현재는 구글의 인공지능 분야 솔루션 리드로 재직 중이다. 기업들이 고급 AI 및 양자 인공지능을 비즈니스에 성공적으로 도입하고 활용할 수 있도록 돕는 전문 컨설턴트
한국과학기술원(KAIST)에서 물리학 학사를, 포항공과대학교에서 인공신경망 및 플라즈마 연구로 석·박사 학위를 받았다. 졸업 후 유럽입자물리학연구소(CERN)에서 LHC 빅데이터 인프라 및 데이터 분석 기술 연구에 참여했다. 이후 한국과학기술정보연구원(KISTI), 포항공과대학교, 삼성 SDS, SK텔레콤 기업연구소를 거치며 대규모 기계 학습과 클라우드 컴퓨팅, 지능형 빅데이터 분석 시스템을 깊이 있게 연구해 왔다.
현재는 구글의 인공지능 분야 솔루션 리드로 재직 중이다. 기업들이 고급 AI 및 양자 인공지능을 비즈니스에 성공적으로 도입하고 활용할 수 있도록 돕는 전문 컨설턴트로 활약하고 있다.
현재는 구글의 인공지능 분야 솔루션 리드로 재직 중이다. 기업들이 고급 AI 및 양자 인공지능을 비즈니스에 성공적으로 도입하고 활용할 수 있도록 돕는 전문 컨설턴트로 활약하고 있다.
품목정보
- 발행일
- 2026년 05월 26일
- 쪽수, 무게, 크기
- 388쪽 | 528g | 152*224*18mm
- ISBN13
- 9791176560085
책 속으로
|
빅데이터 자체가 비즈니스의 목적이나 비즈니스 모델이 될 수는 없다. 빅데이터를 다루는 것은 데이터 기반 비즈니스의 한 단면에 불과하다. 빅데이터를 수집하고 비즈니스에 맞는 정보로 가공하는 과정에서, 빅데이터를 비즈니스 운영 조건에 맞게끔 신속하고 빠르게 처리하는 시스템을 갖추는 과정에서 비즈니스의 경쟁력으로 자리잡게 된다.
--- p.51 우리가 관찰하고 측정하는 대상에 대해 잘 알고 있다면 관찰, 측정을 위한 데이터 수집 과정을 이해하고 데이터 분석을 보다 정확하게 할 수 있다. 만약 관찰하고 측정하는 대상이 미지의 것이고 모르는 것이라면, 우리가 가진 지식을 이용해서 가설을 세우고 지식의 지평선을 넓혀 가는 과학적 탐구의 과정을 거쳐야 한다. 데이터가 어떻게 수집되었고, 데이터가 뭘 말하고 데이터가 보여 주는 대상의 한계가 어디까지인지 이해하지 못한 상태에서 수행하는 데이터 분석은 아무 의미도 없다. --- p.82 데이터 분석과 해석을 위해 인공지능 기술을 사용할 때는 반드시 인공지능이 어떻게 데이터로부터 결과를 냈는지 그 과정을 사람이 해석할 수 있어야 한다. 만약 인공지능의 추론 과정을 사람이 해석할 수 없다면 인공지능을 통해 얻은 결론과 통찰은 인공지능에게만 의미 있는 지식이 되고 정작 인공지능을 사용해 데이터 분석을 한 과학자에게는 아무런 의미 없는 지식이 되고 만다. --- p.140 빅데이터 인프라의 자원 이종성 문제와 확장성 문제를 각 조직과 기업마다 어떻게 극복하느냐 하는 것이 중요한 경쟁력이 되는가 하는 것은, 현재 성공적인 빅데이터 비즈니스를 꾸려가는 주요 기업들이 이런 기술들을 차별화된 기술로서 선보이는 것으로 살펴볼 수 있다. --- p.194 빅데이터 시스템의 궁극적인 목적은 빅데이터 비즈니스를 지원하여 비즈니스의 가치를 높이고 기업의 수익을 높이는 것이다. 빅데이터 시스템이 빅데이터 비즈니스를 효과적으로 지원한다는 것은 빅데이터를 다룸으로써 인해 생기는 다양한 문제들을 해결하여 빅데이터 비즈니스가 원활하게 수행되도록 지원하는 것이다. --- p.263 빅데이터의 큐레이션이란 빅데이터 중에서 현재 사용하고자 하는 목적과 용도에 맞게 빅데이터의 일부를 추려내고 재배치하여 빅데이터가 가진 특정한 측면과 특성이 잘 드러나도록 빅데이터를 선별하고 표현을 바꾸는 것을 말한다. --- p.330 기존의 시스템 통합(System Integration: SI) 기업이나 IT 서비스 기업들도 고객에게 신속하게 빅데이터 비즈니스 시스템을 구축, 납품하는 솔루션으로서 워크플로우 기술을 활용해 보자. 빅데이터 비즈니스를 위한 협업 체계가 체계적으로 조직되고 데이터가 비즈니스 가치로 이어지는 것을 좀 더 쉽게 확인할 수 있으며, 빅데이터를 활용하는 것에 더 자신감을 가질 수 있을 것이다. --- p.364 데이터 과학에서 중요한 건 ‘데이터’가 아니라 ‘과학’입니다. 데이터는 과학적 사고방식과 과학적 문제 해결 프로세스를 실천하기 위한 도구일 뿐, 데이터 자체가 목표가 되어서는 안 됩니다. 사실 과학에서는 어떤 분야든 데이터를 씁니다. 자기 주장을 뒷받침하는 근거가 되기도 하고, 지금 현상을 제대로 보고 있는지 확인하는 관찰의 수단이기도 하니까요. ---『작가 인터뷰 중에서』 인공지능 자체만으로 기업 경영에 큰 변화를 가져오기는 어렵습니다. 인공지능이 적재적소에 잘 활용되어 자동화가 효과적으로 이루어질 때 비로소 기업이 더 기민해지고, 비용도 절감되는 거예요. 결국 어디에 인공지능을 적용할지, 어떤 의사 결정 과정을 어떻게 효율화할지를 제대로 고민하는 기업이 앞으로 시장에서 살아남을 가능성이 높습니다. ---『작가 인터뷰 중에서』 이 책은 전문적이고 어려운 내용을 담고 있습니다. 주된 독자층은 기업에서 빅데이터 기반 신사업을 기획하고 실행해야 하는 분들, 그리고 데이터 엔지니어와 데이터 과학자들입니다. 그분들이 현장에서 맞닥뜨리는 문제들을 풀어나갈 때 필요한 순간마다 꺼내볼 수 있는 참고 자료가 되었으면 합니다. 과학을 좋아하시는 분들께는 그냥 흥미로운 읽을거리로 즐겨 주셔도 충분히 가치가 있습니다. 어렵고 낯선 개념들이 많이 나오지만, 있는 그대로 즐겨 주시길 바랍니다. ---『작가 인터뷰 중에서』 |
출판사 리뷰
|
유럽입자물리학연구소(CERN)에서 ‘신의 입자’를 추적하던 과학자가 구글의 AI 리더가 되어 명쾌한 해답을 던진다. 저자는 AI 시대 기업의 생존은 단순히 데이터를 끌어모으는 것이 아니라, 이를 분석해 낼 탄탄한 ‘시스템’과 ‘과학적 사고방식’에 달려 있다고 단언한다. 시리즈의 포문을 여는 이 책 1편은 클라우드 컴퓨팅부터 기계 학습 인프라까지, 데이터 중심 조직으로 거듭나기 위해 반드시 갖춰야 할 기술적 뼈대를 치밀하게 해부한다. 쏟아지는 데이터의 홍수 속에서 갈 길을 잃고 헤매는 기업 전략가와 엔지니어들에게, 이 책은 혁신을 향한 가장 강력하고 완벽한 설계도가 되어줄 것이다.
|
추천평
|
인공지능 기술이 급격히 발전할수록 우리는 역설적으로 ‘데이터’라는 기본기로 돌아가야 합니다. 아무리 뛰어난 AI 알고리즘이라도 견고한 데이터 인프라와 올바른 전략 없이는 사상누각에 불과하기 때문입니다. 이 책은 막연한 환상을 걷어내고, 목적에 맞는 데이터 시스템 구축부터 조직 운영의 지혜, 미래 기술 로드맵까지 현장의 땀방울이 서린 실전 지침을 제공합니다. 쏟아지는 데이터 홍수 속에서 갈 길을 잃은 리더와 엔지니어들이 튼튼한 기초 체력을 기를 수 있도록 안내하는 완벽한 북극성이 되어줄 것입니다. - 윤진성 (공학박사 | 스태프 연구과학자, 구글)
|
|
거대 과학의 성지인 CERN에서 축적된 극단적 규모의 데이터 처리 역량과 조직적 통찰을 대중성과 깊이를 겸비해 풀어낸 귀한 책입니다. 생성형 AI라는 새로운 격변 속에서도 이 책의 가치가 돋보이는 이유는, 기술이나 플랫폼 이전에 ‘무엇을, 왜 다루는지’에 대한 본질적인 질문을 던지기 때문입니다. 문제 자체가 기술을 불러낸다는 철학 아래 데이터, 인프라, 조직, 사람의 문제를 날카롭게 해부합니다. 기술이 무섭게 낡아가는 시대에, 각자의 비즈니스 맥락에 맞춰 데이터를 다루는 질문의 틀을 제공해 줄 데이터 과학의 필수 고전입니다. - 황혁기 (RIST 수석 데이터 과학자)
|
|
35년 가까이 기업들의 디지털 도입 과정을 지켜보며 내린 결론은, 기술 자체보다 "이 기술로 무엇을 할 것인가"를 아는 사람이 결국 승리한다는 것입니다. 최고 수준의 데이터 사이언스를 경험한 저자는 거대 입자가속기 프로젝트 사례를 통해 기술은 목적을 달성하기 위한 도구일 뿐임을 명확히 보여줍니다. AI 시대에 수십 년 쌓아온 리더들의 현장 경험은 무용지물이 되는 것이 아니라, 오히려 과학적 의사결정의 가장 강력한 출발점이 됩니다. 데이터와 AI가 낯설게 느껴지는 경영자부터 기술 앞에서 막막함을 느끼는 모든 분에게 명쾌한 해답을 제시합니다. - 서길수 (연세대학교 경영대학 명예교수)
|
리뷰/한줄평0
22,500원
총 1개
22,500원
