독자리뷰
학습과 평가, 그 이후에는 뭐가 있을까요?
lkc0***
2021-11-21
머신러닝 디자인 패턴
디자인 패턴이란 전문가 수백 명의 경험을 간단하고 접근하기 쉽게 체계화한 것이다. 이 책에는 데이터의 표현, 운영, 반복성, 재현성, 유연성, 설명 가능성, 공정성에 대한 30가지 디자인 패턴이 담겨 있다.
- 저자 : 발리아파 락슈마난 , 세라 로빈슨 , 마이클 먼
- 번역 : 맹윤호 , 임지순
- 출간 : 2021-11-01
한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."
머신러닝, 딥러닝이 많은 각광을 받게 되면서 처음에 가장 관심이 쏠린 부분은 아무래도 모델링 혹은 학습 부분입니다. 생산 단계(Production Level)보다 연구 단계(Research Level)이 선행되다 보니 많은 서적이 정해진 데이터셋 하에서 좋은 모델을 설계하여 성능을 내는 쪽에 편중되어 있었습니다.
하지만 최근에는 머신러닝이 많은 서비스에 적용되면서 서빙 단계에서 머신러닝을 잘 사용하기 위한 MLOps 등이 많은 주목을 받고 있습니다. 코세라에도 Andrew Ng 교수님이 MLOps 개설하셨고, (그러나 본인은 등장하지 않으시는...) 국내 강의 사이트인 패스트캠퍼스에도 MLOps 강의가 생겼습니다. 또한 기업의 MLOps 만을 담당하는 스타트업도 있지요.
이제는 서가에서도 머신러닝의 서빙과 관련된 서적을 어렵지 않게 발견할 수 있는데요. 본 책 역시 Production Level 이 강조되는 흐름에 발맞춰 등장한 MLOps 책 중 하나라고 할 수 있겠습니다.
디자인 패턴 사전
본 책에서는 총 30가지의 머신러닝 디자인 패턴에 대해 논하고 있습니다. 머신러닝을 설계하다보면 고려해야 할 사항이 상당히 많은데요. 이러한 고려사항에 대해서 일정한 패턴을 정해두면 재현성있는 결과를 도출할 수 있습니다. 본 책에서 제시하고 있는 30가지 패턴은 여러 도메인에서 데이터를 적용하고 모델을 서빙하는 과정에 있어서 고려해야 할 사항을 빠짐없이 제시하고 있습니다.
머신러닝을 서빙하는 사람이라면 데이터를 준비하는 과정부터 모델 서빙, 그리고 결과로부터 모델을 설명하는 과정까지 여러 과정을 고려해야만 하는데요. 실제 데이터는 연구 단계에서와 달리 굉장히 고려해야 할 사항이 많기 때문에 예상치 못한 변수가 많이 발생하게 되는데요. 이 책에서는 이런 변수를 사전에 방지하기 위한 여러가지 방법을 사전식으로 조목조목 짚어가며 설명하고 있습니다. 어떤 도메인의 서비스라도 자사 서비스에 머신러닝을 적용하고자 하는 사람이라면 한 권 쯤 비치해두고 볼 만한 책이라고 할 수 있겠습니다.
