기초부터 GAN까지 짚어주는 ‘파이토치 첫걸음‘

파이토치 첫걸음 - 딥러닝 기초부터 RNN, 오토인코더, GAN 실전 기법까지 ㅣ 머신러닝/딥러닝 첫걸음 시리즈
최건호 지음 / 한빛미디어 / 2019년 6월

언젠가부터 팀원들이 텐서플로 외에 파이토치를 쓰는 비중이 늘어나서 관심을 갖게 되었습니다. '파이토치 첫걸음'은 꽤 얇은데 딥러닝 기초부터 GAN 실전기법까지 다룬다는 모토를 내세웠기에 혹하여 골랐습니다.

좀 읽어 보니, 이 책은 딥러닝 입문서는 아니고 정말 파이토치 입문서입니다. 만약 '경사하강법' 같은 용어가 생소하다면 이 책보다는 다른 머닝러신 입문서를 먼저 보는 게 좋겠습니다. 얇은 책에 많은 내용이 담겼다는 얘기는 그만큼 기초를 필요로 한다는 얘기입니다. 반대로 입문서를 뗀 독자에게는 복습 겸하여 스킬을 올리기에 적당할 겁니다.

• 신경망 첫걸음
  수포자도 이해하는 신경망 동작 원리와 딥러닝 기초
  http://www.hanbit.co.kr/store/books/look.php?p_code=B1910379076
• 골빈해커의 3분 딥러닝
  텐서플로 코드로 맛보는 CNN, AE, GAN, RNN, DQN (+ Inception)
  http://www.hanbit.co.kr/store/books/look.php?p_code=B7257101308

책 표지에는 밑바닥부터 시작하는 딥러닝, 텐서플로 첫걸음, 딥러닝 첫걸음을 관련도서로 추천합니다.

 

어찌 보면 이 책에서 가장 어려운 부분은 '설치하는 법'이 아닐까 합니다. 파이썬, CUDA, cuDNN 순서로 설치해야 하는데, Windows 환경인 독자는 이 책을 참고하기가 힘듭니다. 검색을 잘 해보도록 합시다. PyTorch KR 같은 커뮤니티에서 도움을 받을 수도 있겠습니다. 정 힘들다면 저자가 권하는 대로 Colab을 써도 학습하는 데에는 문제가 없습니다.

 

설치하는 법을 지나면 책을 쫓아가면 되니 왠지 상대적으로 수월한 느낌마저 받습니다. 유명한 모델을 설명하면서 학습에 대한 각종 노하우를 설명하는 이 책이 머신러닝 입문자를 넘어선 독자에게는 큰 도움이 되리라 봅니다.

 

저는 책을 다 보고 살짝 당황했는데, GAN을 설명하고 나서는 훅 끝나는 느낌을 받았습니다. 이후에는 뭘 해 보면 좋겠다는 얘기를 할 법도 한데, 확실히 딥러닝 입문서는 아니다 보니 쿨하게 끝납니다. 제가 생각해도 이 정도 수준까지 오른 독자는 이미 하고 싶은 게 있을 법도 합니다. 하산하면 됩니다.

[100자평] 만화로 쉽게 배우는 베이즈 통계학

만화로 쉽게 배우는 베이즈 통계학
타카하시 신 지음, 이영란 옮김, 정석오 감수 / 성안당 / 2018년 7월

정말 베이즈 통계학을 잘 알고 싶다면, 이 책을 입문서로 쓰지는 않길 바랍니다.
(통계전공자 제외)

정말 탐구적인 <알고리즘이 욕망하는 것들>

알고리즘이 욕망하는 것들 - 우리 삶과 사회 깊숙이 침투한 알고리즘의 내면을 성찰하다
에드 핀 지음, 이로운 옮김 / 한빛미디어 / 2019년 3월

읽는 내내 참 특이한 책이구나 하는 느낌을 떨치지 못했습니다. 코딩은 하지만 개발자라고 불리지는 못할 업무를 지속하면서 알고리즘에 대한 갈증은 커져만 가던 형국이라 골랐던 책인데, 예상보다 심오한 주제가 많이 나옵니다. IT 업계에서 한 때 guru라는 어휘가 유행한 적이 있는데 딱 그런 문화랄까요?

그렇다 해도 이 책은 개발자만 대상으로 하지 않았습니다. 오히려 알고리즘의 배경부터 부수효과까지 폭넓게 다루므로, 개발업무에 익숙하지 못한 IT 업무 종사자에게 유용합니다. 개발자에게는 코드를 잠시 벗어나 업무의 당위에 대해 생각해 볼 기회를 줄 겁니다. 나아가 코드 자체만이 아니라 데이터와 인프라까지 언급하기에 시야를 넓혀주는 계기도 되지 않을까 합니다. 저자는 알고리즘의 범위를 넓혀서 이야기하는데, 2019년을 기준으로 보니 동감하게 되었습니다.

서문이 참 긴 편입니다. 이 분위기가 책 종장까지 이어집니다. 서문의 끝 부분에는 '책의 구성'에 대한 설명도 분량이 좀 됩니다. 저자가 생각해도 이 정도 안내는 있어야 독자가 놀라지 않을 거라고 판단했을 법합니다.

1장 '알고리즘을 아는가'는 저 같은 사람은 책을 놓을 수도 있겠습니다. <스노 크래시> 인용은 제게 생경하기만 했으며 사설이 너무 길다는 생각을 지우지 못했습니다. 그래도 거대하기만 한 컴퓨터 세계를 이해하고픈 이에게는 도움이 되겠습니다. 다 아는 얘기 같거나 진도가 영 나가지 못하면 그냥 넘겨도 좋은 장이라고 봅니다.

2장 '스타 트렉 컴퓨터 구축'은 역시 트레키가 아닌 저로서는 1장에서 좀 시달렸다가 이제는 또 스타 트렉인가 냉소했습니다만, Siri 얘기가 먼저 나와서 평정을 찾았습니다. 애플이 인수하기 전부터 이후의 발전 및 변천사는 흥미로웠습니다. 이후에는 온톨로지 얘기가 한참 나옵니다만 익숙한 개념이 아니라면 숙독하는 게 좋겠습니다. 2장 이후에도 온톨로지 개념을 들 때가 있기 때문입니다. 확장한 알고리즘 세계에서는 논리를 코드로만 구성하지 않고 데이터를 적극적으로 사용한다고 표현해도 무리가 없겠습니다.

3장 '하우스 오브 카드: 추상화의 미학'은 이미 널리 알려진 넷플릭스 추천 시스템을 보다 자세히 설명합니다. 특히 협업 필터링 기법의 대표격으로만 여겨진 넷플릭스가 실은 '하이브리드 모델'을 썼다는 사실은 이미 접하여 알고 있었던 터이지만 새롭게 느껴졌습니다.

4장 '카우 클리커 코딩: 알고리즘이 하는 일'은 금융에 익숙하지 않은 독자는 눈을 의심할 만한 이야기가 나옵니다. 아는 사람은 아는 HFT(High Frequency Trading, 극초단타매매)가 저 심심한 정의에 비해 얼마나 미친 짓인지 덤덤하게 기술합니다.

5장 '비트코인 헤아리기'는 그야말로 알고리즘이 본때를 단단히 보인 사례가 나옵니다. 광풍이라고 해도 과언이 아닌 블럭체인 기술과 파급효과를 다룹니다. 저자는 아비트리지가 콘텐츠를 압도하는 시대를 논했습니다. 4장에서 이어지는 논리로서 앞으로 알고리즘을 다루면서도 알고리즘에 영향 받을 우리가 알아 둬야 할 현실입니다.

위에서 언급한 사항은 책 내용 중 일부에 불과합니다. 앞서 말했다시피 저자는 알고리즘이 다루는 범위를 확장해서 이야기를 풀어 나갔고, 책 여기 저기에서 인공지능, 머신러닝도 중요시 했습니다. 그런 시대이기 때문입니다. Geek 한두 명이 알고리즘을 짜서 세상을 뒤흔드는 시대는 저물었다는 말입니다. 저자는 이 대변혁 시점에서 방향을 하나 제시하지는 못했지만 독자가 눈을 들어 세상을 바라보기를 원했다고 봅니다. 알고리즘을 만드는 알고리즘이 조만간 나올 텐데 인간의 역할은 어떻게 변할까요? 저자가 그랬듯이 우리도 고민해 볼 필요가 있습니다.

덧. 알고리'즘'보다는 알고리'듬'이라고 쓰고 싶습니다.

통계 비전공자에게 길을 알려주는 <이렇게 쉬운 통계학>

이렇게 쉬운 통계학 - 누구나 쉽게 업무에 활용하는 기초 통계
혼마루 료 지음, 안동현 옮김 / 한빛미디어 / 2019년 3월

비즈니스 인텔리전스 시스템을 개발하고 운영하다가 빅데이터와 인공지능 데이터 아키텍처를 다루게 된 컴퓨터공학 전공자로서 통계에는 항상 갈등을 느껴 왔습니다. 통계용어에는 익숙해진 지 오래지만 체계적으로 배운 적은 따로 없었던 상태에서 전공서적은 꽤 어려웠습니다. 스스로 잘 이해했는지 의구심이 많이 들기도 했습니다.

그러다 마침 한빛미디어의 <이렇게 쉬운 통계학>을 만났습니다. 기대를 많이 했습니다. 다 읽고 난 뒤의 느낌은 '역시 쉽지 않다'였습니다. 물론 이 책은 제가 읽었던 통계학 서적 중에서 참 쉬운 축에 속합니다. 더불어 꽤 분명한 미덕이 있기에 통계를 독학하거나 어느 정도 감을 잡고 싶다면 추천하겠습니다.

이런 종류의 책이 그렇듯 몇 군데 책을 놓을 만한 어려운 곳이 있습니다. 평균, 중간값, 최빈값 얘기가 계속 이어지다가 분산과 정규분표로 바로 넘어가는 듯하게 느껴지기도 합니다. 하지만, 이 책은 주인공이 없지만 확실히 스토리를 가지고 있습니다. 통계학이란 무엇인지 훑어보고 모집단의 특징을 도출하여 가설을 세우고 검증하는 스토리입니다. 통계라는 업의 본질을 느끼게 해 주려고 저자가 노력한 게 느껴지는 듯합니다. 중간중간 계속 읽기 힘들다는 생각이 들면 완벽히 이해하겠다는 부담은 내려놓고 다음 장으로 넘어가도 좋겠습니다.

이 책은 다른 통계책에 비해 짧게 다루는 주제가 꽤 있습니다. 가설검정이 대표적입니다. 저자의 의도는 이해가 갑니다. 길게 얘기하는 게 취지와 맞지 않아서일 것입니다. 조던 엘렌버그가 지은 <틀리지 않는 법>은 가설검정 얘기를 좀 길게 하는 편입니다. 두 저자가 비전공자를 대상으로 이 주제를 다루는 접근법이 달라 좀 흥미로웠습니다. 어쨌든 <틀리지 않는 법>은 책 두께가 남자 어른 손가락으로 두 마디는 됩니다. 글꼴 크기도 <이렇게 쉬운 통계학>에 비해 살짝 작습니다. 모셔두기 십상인 <틀리지 않는 법>보다 <이렇게 쉬운 통계학> 쪽이 저자가 의도한 바를 독자에게 전달한 효과가 크지 않을까 합니다. 물론 둘 다 후회 없이 좋은 책입니다.

다만 이 책은 다 읽고 난 뒤에 이제부터 뭘 해야 할지 고민이 됩니다. 에필로그에 직감이 얼마나 틀릴 수 있고 통계가 얼마나 중요한지 얘기했으면서도 이 책 이후에 할 것을 알려주지는 않습니다. 다행히 한빛미디어는 책표지 오른쪽 날개에 이어서 읽을 책을 추천해 주었습니다. 저는 이 <처음 배우는 딥러닝 수학>, <데이터 과학을 위한 통계>, <헬로 데이터 과학> 중에서 <헬로 데이터 과학>을 제일 추천합니다. 비전공자를 대상으로는 제일 쉬운 다음 단계라고 보기 때문입니다. 그 다음으로는 <엑셀만 알아도 할 수 있는 데이터 과학>을 권합니다. 통계를 써먹어 보고 싶어 근질근질할 텐데 이 책을 통해 실제로 뭔가 해볼 수 있습니다. 길게 설명하지 않은 통계용어도 앞서 읽은 책에서 충분히 익숙해졌기에 어려울 게 없을 겁니다. 그 이후에는 R이나 파이썬도 할 마음이 생길지도 모르겠습니다. 화이팅입니다.

‘머신러닝 실무 프로젝트‘는 정말 실무를 얘기한다

머신러닝 실무 프로젝트 - 실전에 필요한 머신러닝 시스템 설계, 데이터 수집, 효과 검증 노하우
아리가 미치아키 외 지음, 심효섭 옮김 / 한빛미디어 / 2018년 6월

이 책 목차를 보고 한 번 놀라고, 정말 목차 대로 내용이 나왔는지 확인하면 두 번 놀랐다. 모 쇼핑몰 쇼핑 어드바이저 챗봇을 구축하고 운영하면서 익히며 고민했던 경험과 사례가 이 책에 그대로 녹아 있었기 때문이다.

1부. 머신러닝 실무 노하우
 - 머신러닝 프로젝트 처음 시작하기
 - 머신러닝으로 할 수 있는 일
 - 학습 결과 평가하기
 - 기존 시스템에 머신러닝 통합하기
 - 학습 데이터 수집하기
 - 효과 검증하기
 
2부. 머신러닝 실무 프로젝트
 - 프로젝트 1 : 영화 추천 시스템 만들기
 - 프로젝트 2 : 킥스타터 분석하기
 - 프로젝트 3 : 업리프트 모델링으로 마케팅 효율 높이기

이 책은 228쪽으로 얇다. 이정도 분량에는 일장일단이 있다. 애초에 저자는 머신러닝 입문서가 아님을 밝혔다. 아예 코세라 강의를 듣거나 입문서를 먼저 보라고 추천한다. 코드 한 줄 한 줄을 상세히 설명하지 않는다. 대신 Github에 Jupyter Notebook 코드를 올려 두었다.

그렇다 해도 책을 휘리릭 읽으면 내가 뭘 읽었는지 머리가 뭐가 남았는지 모를 수 있다. 우선 책을 1회차 읽고, 2회차에는 꼭 실습환경을 꾸며서 실제로 소스 코드를 실행해 보면 좋겠다. 윈7 사용자는 VM으로 Linux 환경을 먼저 구성해야 하는 번거로움이 있다.

이 책은 적지 않은 부분을 모델 평가에 할당했다. 실제로 참 어려운 부분이다. 다른 머신러닝 책도 모델 평가에 대해 다뤘지만, 데이터를 학습과 테스트 용도로 나누는 기술에 대해 설명하고 끝나는 때가 많았다. 반면 이 책에서는 업리프트 모델링과 적용방안까지 언급하면서 저자가 했던 고민에 대해 알려주는 게 인상적이다.

PC 한 대만 쓸 수 있는 학생은 이 책의 진가를 다 알기는 힘들 듯싶다. 하지만 회사원인 머신러닝 입문자는 회사의 자원을 쓸 방법을 찾아서 이 책의 범위를 뛰어넘은 실습을 해보자. 실력이 일취월장함을 자각할 것이리라.