한빛미디어

딥러닝 등을 통해 AI 모델을 만드는 것 자체는 요즘 어려운 일은 아닙니다.

그냥, python 의 경우, scikit-learn 모델을 import 한 뒤, 적당한 모델을 골라, fit 해버리면 학습이 되어버립니다.

pytorch나 tensorflow를 이용하는 경우도 마찬가지죠.

모델을 선언 한 뒤, compile 하고, fit 해버리면 됩니다.

하지만, 그 다음에는 무엇을 해야 할까요?

아니, 그리고 그 전에는 또 무엇을 해야 할까요?

​

우선, 학습하려고 하는 데이터를 어떻게 모아야 할까요?

사이킷런에서 준비한 데이터를 그냥 가져다 사용하는 것만 해 보면 (e.g. from sklearn.datasets import load_iris) , 그렇게 학습을 위해 준비되지 않은 원 데이터에서 학습을 위한 준비를 어떻게 해야 하는지를 알지 못합니다.

​

fit과 predict를 해 보고 난 이후에, 학습된 모델을 어떻게 사용해서 실제 서비스를 만들어야 하는지를 모르게 됩니다.

​

기존의 AI 관련 책들이,

1) 어떤 학습 방법을 선택할 것인가?

2) 선택한 학습 방법을 적용하기 위한, fit과 predict방법

3. 그 결과에 대한 evaluation을 confusion matrix로 만들어서 학습된 모델을 평가하는 방법

에 관해 집중했다면,

​

이 책은, 학습을 하기 위한 전처리 과정과 후처리 과정에 대해 이야기를 합니다.

​

소위 말하는 학습의 파이프라인을 만들어서 하나의 체계를 만드는 방법에 대한 것 말이죠.

​

그렇기에 이 책은 코드 자체를 이야기하는 것 보다는, "입력 - 처리 - 출력" 과정에서의 "입력"과 "출력"에 관해 이야기를 해 줍니다.

​

최종적인 결과물을 만들기에 꼭 필요한 내용은 아니지만, 학습된 인공지능 모델을 사용하는 서비스를 만들기 위해서는 꼭 필요한 내용에 대한 소개 및 안내서입니다.

​

학교에서 회사로 넘어가기 위한 필수 내용을 친절하게 설명해주는 책이기 때문에, 실무에 들어가기 전, "땅바닥에 헤딩해가면서 배우는 거지" 라는 생각을 하시는 것이 아니라면, 꼭 미리 한번 읽어볼 것을 추천합니다.

​

​

-----

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

-----