한빛미디어

이 책은 국내에서 2017년 초판 발행후 2번째로 번역개정한 판본으로 코랩에서 바로 예제를 실행하도록 수정 및 사이킷런 변경사항등을 수정해 발간한 도서로 어려운 수학기호가 난무하는 다른 머신러닝 책과는 달리 사이킷런 라이브러리를 활용해 파이썬 언어로 이를 구현하도록 안내하고 있어 난해함으로 머신러닝에 대한 접근을 포기했던 일반인에게도 진입장벽이 낮아지게 되고 역으로 이러한 실습을 통해 수학적, 수리통계적 접근을 가능하게 가이드 하고 있다.

저자는 안드레아스 뮐러, 세라 가이도 2명이 공저하였으며 안드레아스 뮐러는 독일 본대학에서 머신러닝으로 박사학위를 받은 후 아마존에서 컴퓨터 비전부문에서 연구자 생활을 하다 다시 뉴욕대 데이터 과학센터로 자리를 옮기고 현재는 컬럼비아대에서 'Applied Machine Learning' 과목을 가리치고 있다.

한편, 다른저자 세라 가이도는 스타트업에서 활동하는 데이터 과학자로 미시건대 대학원에서 수학하였다.

저자의 약력에서 살펴볼 수 있듯 기술에 대한 근본 이해를 바탕으로 응용성, 실용적 활용에 촛점을 두고 머신러닝을 바라보고 있어 본책은 현업에 종사하며 이러한 기술을 어떻게 활용할 것인가에 대한 원초적 물음을 가진 분들에게도 등불이 될 수 있어 보이며 책 내용은 기본적으로 파이썬 코드를 통해 실습이 가능하도록 구성되어 있다.

책 내용은 전체적으로 본문 493페이지 가량의 두껍지도 않고 얇지도 않은 적당한 분량으로 총 8장으로 구성되어 있으며

8장중 

1장은 머신러닝에 대한 간단한 소개와 사이킷런, 파이썬에 대한 간단한 설치 안내와 통계학에서 대표적으로 다루는 예제인 붓꽃 품종 종류에 대한 머신러닝에 대해 간략히 설명하고 있다.

2장은 지도학습에 대해 지도 학습 알고리즘을 중심으로 다루고 있다

3장은 비지도 학습과 데이터 전처리를 다루고 있으며 통계학에서 많이 활용하는 주성분분석(PCA), 비음수 행렬 분해, 군집등에 대해 학습한다.

4장은 데이터 표현과 특성공학을 다루고 있으며 구간분할, 이산화, 선형모델, 트리모델등을 다룬다.

5장은 모델에 대한 평가와 성능향상을 언급하고 있으며 사이킷런의 교차검증, k-겹 교차 검증, 반복 교차 검증을 다루고 있다.

6장은 알고리즘 체인과 파이프라인을 다루고 있으며 파이프라인 구축, 그리드 서치에 대해 설명하고 있다.

7장은 텍스트 데이터 다루기를 설명하고 있으며 비정형 데이터 분석등을 통한 간략한 맛을 보여준다.

8장은 1장에서 7장까지의 내용을 마무리하는 장으로 앞의 내용을 정리하며 앞에서 설명중 부족했던 부분인 다른 머신러닝 프레임워크, 신경망등에 대해 언급하고 있다.

이 책의 장점으로는 앞에서도 언급하였지만 어려운 수학을 앞세워 머신러닝에 대해 호기심을 가져오도록 사례 중심으로 접근하여 궁극으로 다시 수학으로 역회귀 하도록 하는 좋은 책이라고 볼 수 있다.

전체적인 총평은 난이도가 높은 편은 아니라고 보이나 이미 컴퓨터학 통계학관련 전공 학생, 전공과 무관하게 프로그래밍의 개념이 어느정도 있는 직장인, 파이썬에 대해 알고 있고 많이 공부하고자 하는 초중고생 일반인에게 적합해 보이며 기본적으로 파이썬, 프로그래밍 언어에 대한 이해도를 가지고 있다는 전제로 서술되어 있으므로 이에 대한 이해가 부족한 독자들은 책을 읽기전이나 읽는 도중에 이와 관련한 학습이 필요하다고 생각된다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."