한빛미디어

이 책은 AutoKeras의 창시자 그룹에 속해있는 텍사스 A&M 대학교와 관련이 깊은 청취안 송, 하이펑 진과 시아 후 교수님이다. 번역자는 etri의 박찬성역자님이다. 사실 이 책을 보기전에 AutoKeras 처음 오픈될 때 사용을 해봤는 데 코드는 짧게 작성하는 반면 실행시간이 너무 오래 걸렸던 기억(그 때 출장중인 모텔에서 아주 간단한 모델을 실행하는 데만 3일 이상) 이 있다. 그리고 아직은 적용하기 힘들겠다고 생각했었다. 하드웨어 성능은 더 비약적으로 발전하는 상황에서 모델 크기가 더 이상 커지지 않을 때 더 관심을 가져야 겠다고 생각했으나 시간이 흐르고 보니 현실은 반대였다.

이 책을 일독하고 나니 2장의 내용에서 부록B를 먼저 보라고 여러번 강조한 이유를 알겠다. 2~3장의 내용과 부록B의 내용은 서로가 상호참조하는 식으로 선수과정 형태의 내용이어서 꼭 숙지하고 다음으로 넘어가는 것이 좋다.

이 책의 장점은 엄청나게 많은 내용을 두껍지도 않은 한 권의 책에 다 담았다는 것이다. 따라서 기존에 머신러닝/딥러닝을 공부하던 사람은 복습을 하면서 최신API도 학습할 수 있다는 장점이 있다.

이 책의 단점은 번역이 매끄럽지 못한 느낌적인 느낌이 있다. 물론 역자분은 실력자이시니까 원서보다 백배 천배 이해하기 쉽게 번역한 것이겠지만 여전히 어순이나 단어선택이 영어 원문이 생각나는 느낌이 많고 은/는 이나 을/를 등의 조사가 잘못 연결된 경우가 꽤 자주 보인다.

이 책을 다 읽고 난 소감은 딥러닝의 내부 동작 알고리즘이 생물학적인 뉴런과 크게 벗어나서 자세히 알 필요가 없는 것처럼 (물론 다른 분야도 그렇지만) " API가 내부 구현이 어떻게 되어 있는지 알 필요가 없이 사용법만 익히면 되는 세상이 되고 있구나 "라는 점이다.

당연한 얘기일 수 있으나 도메인 지식이 속속들이 꿰고 있고 딥러닝에 대한 지식이 출중하다면 자동화된 메타러닝이 필요가 없다. 대부분의 경우에 그렇지 못하기 때문에 하이퍼파라미터 튜닝에 상당히 불필요한 시간을 소모하고 있는 경우가 종종 있고 이럴 때 튜닝 작업을 메타러닝을 통해 AI가 해결해 준다면 그 튜닝시간으로 소모할뻔한 시간을 다른 작업시간에 투자할 수 있다는 관점에서 자동머신러닝은 필요하다.

하지만 이 책에서도 계속 강조하는 것처럼 수동튜닝보다 결과가 안 좋을 확률이 높다는 것은 항상 감안하고 적용하면서 수동튜닝도 병행해야 하는 것은 어쩔 수 없는 현실이다.

AI에 의해서 기존 일자리가 사라지고 프롬프트 엔지니어나 RAG생성/관리 엔지니어가 필요하게 되는 것처럼 메타러닝을 진행하는 엔지니어 일자리도 계속적으로 생겨날 것이고 이 때 머신러닝/딥러닝에 sklarn/ keras를 적용한다면 이 책을 통해서 큰 그림뿐만 아니라 세밀한 접근방법과 실전에서의 pain point가 무엇이 더 있을 수 있는 지 생각하게 해 주는 책이기 때문에 많은 개발자들에게 이 책을 추천한다.

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