[100자평] Head First Python

Head First Python - 머리에 쏙쏙 들어오는 파이썬 안내서 ㅣ Head First 시리즈
폴 베리 지음, 강권학 옮김 / 한빛미디어 / 2011년 10월

단계별로 문제를 해결해 나가는 과정으로 파이썬을 설명해 주는 방식은 좋았다. 하지만 담고 있는 내용들이 너무 시간이 많이 지난 옛 코드 스타일이다. 비실용적인 내용은 그냥 무시하거나 넘겨지게 된다. 파이썬 입문서로 비추이다.

[100자평] 파이썬으로 하는 데브옵스

파이썬으로 하는 데브옵스 - 자동화, 클라우드, 머신러닝, 데이터 엔지니어링까지 ㅣ 에이콘 프로그래밍 언어 시리즈
노아 기프트 외 지음, 전진우 옮김 / 에이콘출판 / 2021년 6월

실무 프로젝트에 참고하려고 구매했는데 국내의 환경과 달라서 그런지 유용한 내용이 많이 없다. 챕터마다 여러가지를 소개하고는 있는데 현장에서 사용하고 있는 DevOps와 너무 동떨어져 보인다. 기대에 비해 아쉬움이 많이 남는다.

[독서-576] 점프 투 파이썬 - 문과생도 쉽게 배운다!

Do it! 점프 투 파이썬 - 전면 개정판 ㅣ Do it! 시리즈
박응용 지음 / 이지스퍼블리싱 / 2019년 6월

이지스퍼블리싱은 Do it! 시리즈로 유명하다. 저자는 서적의 내용을 위키독에 공유하고 있어서 인터넷으로 언제든지 손쉽게 확인해 볼 수 있다. 파이썬에 대한 기초를 다지기 위한 서적으로 적절하나 문과생이나 입문자까지 대상으로 하여서 설명이 장황하다.

https://wikidocs.net/book/1

파이썬은 인간다운 언어이다. 파이썬은 문법이 쉬워 빠르게 배울 수 있다. 파이썬은 간결하고 강력한 오픈 소스이다.

문자열 포맷 코드

%s 문자열

%c 문자

%d 정수

%f 실수

%o 8진수

%x 16진수

파이썬 자료형 : 리스트(List), 튜플(Tuple), 딕셔너리(Dictionary), 집합(Set)

모듈은 함수나 변수 또는 클래스를 모아 놓은 파일이다. 패키지는 모듈을 계층적으로 관리한다.

[독서-571] 파이썬 마이크로서비스 - 개발, 배포, 확장까지

파이썬 마이크로서비스 - 모범 사례로 알아보는 파이썬 마이크로서비스 개발, 테스트, 배포, 확장까지 ㅣ 에이콘 소프트웨어 아키텍처 시리즈
타렉 지아드 지음, 김현욱 옮김 / 에이콘출판 / 2019년 5월

마이크로서비스에 대한 개요부터 코딩, 테스트, 배포, 확장까지 전통적인 모놀리식 애플리케이션과 비교하면서 파이썬으로는 어떻게 마이크로서비스를 구성하는지 어떻게 업무에 적용해야 하는지 말해주고 있다. 파이썬으로 구현하는 마이크로서비스에 관해 자세하고 세세한 내용을 설명해 주기보다는 A부터 Z까지 전체적인 이해를 돕기 위해 나무보다는 숲에 대한 설명이 많다. 큰 걸음으로 빠르게 걷는 것처럼 진도가 나가고 있어서 챕터별로 상세한 내용을 알기 원하면 별도의 서적으로 학습을 해야 한다.

마이크로서비스 방식으로 개발하면 하나의 애플리케이션이 아니라 각각의 실행되는 분리된 컴포넌트로 구성할 수 있다. 독립적인 서비스로 개발할 수 있고 보다 작은 단위로 관리하여 프로젝트의 복잡성을 낮출 수 있고 상황에 따라 확장을 하기 쉬워진다. 이 책을 한 번 읽고 나서 파이썬 프로그래밍 실력이 늘지는 않았다. 하지만 마이크로서비스에 대한 관점과 이해도는 이전보다 좋아졌다.

[독서-565] 쿠브플로우 - 쿠버네티스에서 머신러닝이 처음

쿠브플로우! - 쿠버네티스에서 머신러닝이 처음이라면!
이명환 외 지음 / 아이생각(디지털북스) / 2020년 3월

책을 읽어보니 실무 경험이 있는 저자가 집필했음을 알 수 있다. 독자에서 필요한 정보만을 전달하려고 애쓰는 노력이 곳곳에서 보인다. 

Part 1은 두 장으로 구성되어 있는데 "1장 머신러닝의 기본 개념"은 가볍게 읽을 수 있는 내용이다.  "2장 딥러닝을 이용한 이미지 분석 실습"은 실습을 하기 위해 필요한 준비작업에 대한 내용이다. 구글 코랩으로 개발을 진행한다. 구글 코랩(Google Colaboratory)은 구글에서 제공하는 클라우드 기반의 Jupyter notebook 환경이다. Jupyter Note를 구글에서 새롭게 커스터마이징 했다. 

Part 2에서는 Kubeflow에 관해 배운다. ML 워크플로란 문제 해결을 위한 데이터를 분석/가공하고, 학습시켜 모델을 최적화시키며 그 모델을 서버에 배포시켜 예측을 하는 등의 일련의 과정을 말한다. 크게 모델 실험 단계와 모델 생산 단계로 나누어진다. ML 워크플로 툴들은 파이프라인 툴이란 형대로 구성된다. 쿠베플로우는 쿠버네티스를 사용하는 ML 툴킷이라고 정의할 수 있다. 쿠베플로우의 컴포넌트는 쿠버네티스의 오브젝트로 구성되어 있다.

쿠버네티스는 구글에서 사용하던 보그라는 컨테이너 오케스트레이션 시스템을 오픈소스로 공개한 것이다.  쿠버네티스는 클러스터 형태로 되어 있고 클러스터는 컨테이너를 실행하는 노드의 집합니다.