모바일 프로그래밍에 능숙하지 않아도 괜찮습니다.
머신러닝이 뭐고, 어떤 게 있더라 하는 정도만 알아도 좋습니다.
하고자 하는 바는 모바일 기기에 머신러닝을 어떻게 적용할 수 있는지 알아보는 데 있습니다.
그렇기에 머신러닝에 접근할 때면 자주 만나게 되는 정신없는 그림과 무자비한 수식은 없습니다.
간단한 모바일 애플리케이션에 여러 가지 머신러닝 시나리오를 적용합니다.
모바일 기기와 머신러닝이 생각보다 가까이 있다는 걸 보여줍니다.
같은 목표, 다른 디바이스
단순하지만 명확한 목표를 가진 애플리케이션을 만듭니다.
명확하다고 하지만 전통적인 프로그램으로는 풀기 힘든 목표들입니다.
디바이스를 달리하며 애플리케이션을 구현합니다.
자연스럽게 개념과 프로세스를 반복하며 머신러닝에 익숙하게 합니다.
머신러닝, 디바이스 애플리케이션 어느 쪽으로도 심각해지지 않습니다. 무리하게 깊이 파고들지 않는다는 뜻입니다.
디바이스에 머신러닝을 입히는데 집중합니다.
커스텀과 클라우드 모델
주어진 모델을 각 디바이스에 어떻게 적용하는지 알고 난 다음, 커스텀 모델을 알려줍니다.
ML kit로 다양한 모델을 사용하는 애플리케이션을 만들면 자연스럽게 아쉬움을 가지게 됩니다.
모델이 멋있기는 한데, 목표나 필요에 맞추기보다 모델에 맞춰 애플리케이션을 구성한다는 느낌이 주는 아쉬움입니다.
이때쯤 커스텀 모델을 어떻게 만드는지 알려줍니다. 독자가 뭘 원하는지 알고 있다는 뜻입니다.
경계 너머를 바라보다
구글 ML kit, TFLite와 커스텀 모델, Create ML과 Core ML, 파이어베이스와 클라우드까지 보고 나면, 책에서 일부러 다루지 않는 부분이 있다는 걸 어렴풋이 느낄 수 있습니다.
특정 범위 안에 있는 문제를 풀어나가는데 집중한다는 점입니다. 즉, 범위가 섞여있거나 연계하는 문제는 다루지 않습니다.
컴퓨터 비전에 텍스트 처리가 이루어져야 하는 것 같은 문제를 생각해 볼 수 있습니다.
먼저 온디바이스 AI에 익숙해지면, 다음은 경계를 아우르며 성장할 수 있을 것 같습니다.
"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."
