제목이 정말 적절하다고 생각합니다.
'개발자는 어떻게 일하는가?'를 생각하면 자연스럽게 떠오르는 방식이 있습니다. 문제와 원하는 답이 주어지면, 그 안에 있는 규칙을 파악하고, 데이터를 활용하여 답을 제공하는 구조를 만드는 방식입니다.
이런 방식에 익숙한 개발자에게 학습은 조금 다른 형태를 가진다고 알려주며 시작합니다.
하지만, 언제가 그렇듯이 앞에 나오는 함축된 한마디가 이후에 있는 다양한 설명이 알려주고자 하는 바를 품고 있습니다.
머신러닝과 딥러닝이 뭔지 전혀 모르신다면 간략한 안내서를 함께 보신다면 훨씬 쉽게 읽으실 수 있으리라 생각합니다. 간략하다는 건 수식은 잘 보이지 않는 대신 그림이 많고 친절한 설명이 덧붙여져 있으며 얇다는 뜻입니다. 머신러닝을 이렇게 시작한다고 알려주기는 하는데 머신러닝이 어떻게 돌아가는지 간략하게는 알고 있다고 가정하는 듯합니다.
궁금해할 부분이 뭔지 알고 알려줍니다.
개발자의 성향을 너무 잘 알고 있습니다.
머신러닝과 관련된 책이나 블로그에서 사용하는 코드를 보면 다양한 파라미터가 정신없이 나옵니다. 비슷한 형태가 반복되기에 자주 접하다 보면 코드 형태는 머지않아 익숙해집니다. 그렇지만, 파라미터가 가지는 값들이 도대체 어디서 왔는지 설명해 주는 내용을 찾기는 정말 어렵습니다. 잘해야 '경험을 통해 얻은 값이다.' 정도입니다.
저자는 머신러닝에 배우면서 궁금하지만 속 시원하게 알 수 없어 답답해하는 부분들이 어디인지 알고 있는 것 같습니다. 그렇기에 파라미터가 가지는 값들이 어디에서 왔고 어떤 성격을 가지는지 조곤조곤 설명해 줍니다. 이것만으로도 속이 뻥 뚫리는 느낌을 받으실 분들이 계시리라 생각합니다.
모델을 만드는 현실적인 방법이 있습니다.
모델을 만드는 것보다 모델을 훈련시킬 데이터를 구하는 게 더 어렵습니다. 실제로 모델 훈련과 관련하여 다양한 데이터가 많을수록 좋다는 건 쉽게 알 수 있습니다. 하지만 데이터는 늘 부족하다는 걸 알기에 데이터를 보강할 수 있는 다양한 방법들이 제공됩니다. 이런 방법을 사용하더라도 아쉬움을 느끼게 됩니다.
길은 있습니다. 다만, 아직 모르고 있을 뿐입니다.
공개 데이터셋과 전이 학습이라는 멋진 방법이 있습니다. 게다가 이들은 점점 더 확장되고 강화될 것입니다.
모델을 어떻게 사용할 수 있는지 보여줍니다.
어떤 모델을 어떻게 만드는지 알려주는 자료는 어렵지 않게 찾을 수 있습니다. 물론 상황과 도구별로 수준이 천차만별이기도 일반화하기는 조심스럽습니다. 그렇더라도 어렵게 모델을 훈련시키는 것과 이를 적용하는 건 또 다른 문제입니다.
겨우 모델을 훈련해서 예측이 어느 정도 가능하게 되더라도 여기까지는 모델 구축 단계일 뿐입니다.
'이제 이걸 어떻게 하지?' 하는 막막함을 만나는 순간이기도 합니다.
이러한 막막함을 2부에서 친절하게 풀어줍니다. 어떻게 배포하고 무엇을 사용하는지 보여줍니다.
대표적인 환경인 앱, 브라우저, 서버, 각 환경에서 사용하는 방식을 익숙한 예제를 통해 만날 수 있습니다.
처음에는 코드에 얽매이지 말고 빠르게 전체를 먼저 읽어 보시길 권해 드립니다.
한번 읽고 덮는 책이 아니라고 생각합니다.
먼저 방향을 알고, 배우는 단계를 거쳐서, 변화와 다양한 시도를 통해 익숙해질 수 있을 것 같습니다.
"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."
