개인적으로 몇 일 전에 이 책과 제목이 유사한 동 저자의 책을 완독했었다. 다만 그것은 기본편이었고, 오늘부터는 심화편을 읽어보려 한다.
목차를 잠깐 살펴보니 얼추 큰 뼈대는 비슷해보였다. 이후 처음부터 끝까지 대강 훑어봤는데 확실히 기본편 보다는 좀 더 세부적인 내용들이 등장하는 듯하다. 물론 일부 겹치는 부분들도 없진 않겠지만, 말그대로 심화편이다보니 기본편에 플러스 알파가 더해진 느낌이다.
오늘 처음 밑줄친 부분에서 저자는 수학과 통계를 잘 알고 있어야 실제 프로젝트에서 인공지능 모델을 개발할 때 응용할 수 있는 여지가 많아진다고 말한다. 이런 걸 보면 역시 분야를 막론하고 어디서나 기본이 중요하다는 것을 다시금 느끼게 된다.
수학이나 통계를 잘 모르면 모델의 정확도를 높이는 데 중요한 역할을 하는 수치인 하이퍼 파라미터 튜닝의 개념을 이해하지 못한다. 그럼 새로운 데이터를 접했을 때 원하는 정확도를 얻지 못한다. 다른 딥러닝 모델과 결합하여 새로운 모델을 만드는 작업도 할 수 없을 것이다.- P29
AI 빅데이터 분석은 딱 하나의 정형화된 공식이 있는 게 아니다. 데이터의 성격이나 프로젝트 목적에 따라 다양한 형태의 모델을 생성해야 한다. 이때 수학이나 통계학적 지식은 필수다.- P29
컴퓨터를 이용해 알고리즘을 계산하려면 프로그래밍 언어를 이용해 계산에 필요한 원리를 컴퓨터가 알 수 있게 해야 한다. 즉, 인공지능 개발 분야에 맞는 프로그래밍 언어를 찾은 후 해당 언어를 공부해야 한다. AI 빅데이터 분석에 많이 사용되는 프로그래밍 언어는 파이썬 Python, R, 스파크Spark 등이 있다.- P30
티오베TIOBE는 소프트웨어 코드 품질을 관리해주는 업체이다. 꽤 오랫동안 데이터를 수집, 분석했기 때문에 신뢰도가 있는 동향을 파악하는 데 유용한 자료를 제공한다.- P31
AI 빅데이터 전문가는 단순히 수학이나 프로그래밍을 잘하는 데 그치지 않고 전반적인 문제 해결 능력이 있어야 한다. 즉, 어떠한 비즈니스 관점의 문제가 발생했을 때 비기술적인 관점에서 문제의 본질을 파악하고 해당 문제를 해결하는 데 필요한 구체적인 목표를 설정할 수 있어야 한다.- P33
기술적으로 구현한 알고리즘을 통해 어떠한 결과가 나오면 이를 해석해서 비즈니스에 접목할 수 있는 능력도 필요하다. 즉, 단순히 수학적으로 어떤 결과가 나왔다고 끝이 아니라 이를 제대로 해석해서 실제 비즈니스 의사 결정에 어떻게 적용할지도 생각해야 한다. 결과를 타인에게 효과적으로 전달하기 위한 보고서 작성, 의사소통 능력도 필요하다.- P33
산업 분야마다 데이터가 다양할 뿐만 아니라 성격이 다르기 때문에 데이터를 제대로 이해하려면 산업 분야 각각을 대략적으로라도 이해하고 있어야 한다. 실제로 인공지능 개발에 필요한 알고리즘이나 산업 분야의 최신 트렌드는 빠르게 바뀌므로 최신 논문도 항상 읽어봐야 한다. 이를 쫓다 보면 자연스레 영어 독해 능력의 필요성도 느낄 것이다.- P33
여기서 말하는 공부는 꼭 특정 분야의 자료를 읽는 게 아니다. 매일 책, 논문, 신문을 읽고, 여기서 나온 모든 주제가 AI 빅데이터와 어떻게 접목될지 생각해보는 것이다.- P33
AI 빅데이터를 제대로 배우려면 알고리즘에 대한 수학 이론, 데이터 전처리, 직접 프로그래밍하고 이를 직접 변형하는 정도까지 다루어야 한다.- P42
