[서평] 파이썬을 활용한 머신러닝 쿡북(크리스 알본 저.박해선 역/한빛미디어)

안녕하십니까, 간토끼입니다.

오늘은 책쓰는 프로그래머 협회(이하 '책프협')의 이벤트로 받은 파이썬을 활용한 머신러닝 쿡북(Machine Learning with Python Cookbook)에 대한 서평을 작성해보도록 하겠습니다.

https://search.daum.net/search?w=bookpage&bookId=5054983&tab=introduction&DA=LB2&q=%ED%8C%8C%EC%9D%B4%EC%8D%AC%EC%9D%84%20%ED%99%9C%EC%9A%A9%ED%95%9C%20%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D%20%EC%BF%A1%EB%B6%81

파이썬을 활용한 머신러닝 쿡북 – Daum 검색

머신러닝은 최근 정말 핫한 소재죠.

통계학이나 수학을 전공하는 사람도, 컴퓨터과학(Computer Science), 혹은 컴퓨터공학을 전공하는 사람도,
아니면 정말 관련이 없을 것 같은 분야(인문학, 사회과학 등)에서도 머신러닝을 배워보려는 사람이 늘어나고 있습니다.

이러한 추세에 발 맞추어 시중에서도 괜찮은 책이 줄곧 출간되고 있는데요.
유감스럽게도 이 책은 '초심자'에게는 추천할만한 책은 아니라고 생각하며 글을 시작하겠습니다.

---

Q. 이 책은 어떤 책인가요?
'파이썬을 활용한 머신러닝 쿡북(Cookbook)'이라는 제목에 걸맞게, 이 책은 머신러닝의 다양한 레시피를 담은 책입니다.
즉 다른 입문서처럼 머신러닝의 기초 개념부터 설명하지 않습니다.

예를 들어 Regression, Hyper Parameter, Loss & Cost 등 기초적인 용어부터
Gradient Descent, Random Forest, Support Vector Machine 등 알고리즘에 대한 이해가 없는 분들은 이 책을 읽기에 적합하지 않습니다.

즉 머신러닝의 입문서를 시작으로 기초적인 개념을 익힌 분들 중,
입문서 내에 있는 예제보다 더 많은 예제와 실제 상황 및 작업을 다루는 것을 필요로 하는 분들에게 적합한 책이라고 할 수 있습니다.

이 책의 설명을 빌리자면, 작업 기반 접근 방식으로 머신러닝을 다루는 책이라고 정의하고 있는데요.
데이터 과학자(Data Scientist)나 머신러닝 엔지니어(Machine Learning Engineer)가 모델을 만들 때 자주 사용하는 작업에 유용한 약 200개에 달하는 해결책을 담고 있습니다.

그렇기에 머신러닝 시스템을 만들 때 있어 필요하다고 느끼는 부분들만 효과적으로 발췌하여 사용할 수 있겠죠.

예를 들어,
로지스틱 회귀분석(Logistic Regression)에 대한 개념을 익힌 독자가 실전에서 클래스 불균형(Class Imbalance) 문제에 맞닥뜨렸다고 가정하면,
이 책을 보유한 독자는 p.396(로지스틱 회귀 - 불균형한 클래스 다루기)를 펼쳐서 클래스 불균형 문제를 해결하는 방법을 빠르게 살펴보고 문제에 적용할 수 있을 것입니다.

p.396 - 불균형한 클래스 다루기

Q. 그럼 누구에게 추천하는 책인가요?
저도 머신러닝 수업을 갓 듣고 이론을 익히려고 노력하는 학부생인지라, 아직은 모르는 게 너무나 많습니다.
그럼에도 제가 생각할 때 이 책은 '머신러닝 이론을 최소한 수리적으로 접근하여 익힌 사람'을 위한 책이라고 생각합니다.

머신러닝(Machine Learning)은 컴퓨터 과학의 인공지능 중 한 분야로, 통계학과 수학의 다양한 이론이 결합되어 있죠.
크게 보면 수학에서는 해석학, 선형대수학 / 통계학에서는 회귀분석, 수리통계학, 베이지안 통계학, 확률론 등 다양한 수리적인 과목의 집합체라고도 볼 수 있을 것 같습니다.

그러나 일각에서는 이러한 수리적인 요소의 이해는 크게 중요하지 않다고 보는 시각도 있는 것 같습니다.
어차피 코드로 문제를 해결하는데, 알고리즘의 심화적 이해 없이도 결과만 잘 나오면 되는 게 아니냐는 것이죠.


개인적으로 저는 이러한 입장에 대해 반대합니다.
프로그래밍은 결국 이론을 구현하는 도구일 뿐이라는 거죠.

타인이 만들어놓은 코드를 사용하는 것은 당장의 성과를 내는 데 있어 문제가 전혀 없을 수 있으나,
좀 더 복잡한 문제를 맞닥뜨렸을 때, 스스로 문제를 정의하고 알고리즘을 적용해야만 하는 상황에 부딪힌다면 분명 한계가 있을 것이라고 생각합니다.

즉, 알고리즘에 대한 심층적 이해와 데이터에 대한 특성을 제대로 파악하지 못한다면,
왜 특정한 상황에서는 이러한 알고리즘이 적용되지 않는지 결국 알아내지 못할 것이라고 생각합니다.

개인적으로 초보자가 빠지기 쉬운 함정은 남이 만들어놓은 깔끔한 데이터와 아름다운 코드를 그대로 따라치는 상황에서 발생하는 것 같습니다.
책에 나온대로 코드를 따라쳤더니 높은 정확도와 화려한 plot이 출력되는 것을 보면서,
'어? 머신러닝 별 거 아니네... 어차피 좋은 알고리즘만 적용하면 결과는 당연히 잘 나오는 거 아니야...? 코드도 남들이 만든 거 쓰면 될 것 같고... ' 라는 생각을 갖게 만들어준다는 거죠.

물론 저도 그렇게 되지 않으려고 항상 경계하고 있습니다만... 참 어려운 문제인 것 같습니다.

말이 좀 길어졌으나, 결론은 이 책에 나온 다양한 코드들이 초보자보다는 숙련자에게 도움이 될 것이라는 생각입니다.

---

Q. 이 책의 장점은 무엇인가요?
먼저 이 글을 번역하신 박해선님은 명실상부한 대한민국 인공지능 서적의 번역가시죠!
머신러닝 교과서 with 파이썬, 사이킷런, 텐서플로 / 핸즈온 머신러닝 등 세계적인 베스트 셀러를 번역하시고,
Do it! 정직하게 코딩하며 배우는 딥러닝 입문 등을 집필하신 인공지능 전문가이시기도 하고,
국내 6명뿐인 구글 인증 머신러닝 전문가(ML GDE; Machine Learning Google Developer Experts)이시기도 합니다.

그렇기에 박해선 님께서 번역하신 서적들은 말투가 어색하다는 번역서의 단점이 전혀 느껴지지 않습니다!
믿고 읽으셔도 된다고 생각합니다 :)

그리고 쿡북(Cookbook)인 만큼, 다양한 레시피가 담겨있다고 했죠.
실제로 책이 각 챕터마다 [과제] -> [해결] -> [설명] 순으로 일목요연하게 구성되어 있습니다.

챕터마다 [과제] 가 주어지고, 그에 따른 [해결]을 확인할 수 있습니다.

그리고 이 책의 한국어판만의 특징이라고 하는데요.
바로 번역자 박해선님의 추가적인 설명(덧붙임)이 일부 챕터에 추가되어 있습니다.

모든 챕터에 있는 것은 아니지만, 추가 설명이 필요한 챕터에는 [덧붙임]이 있습니다.

[덧붙임] 덕분에 설명이 부족한 챕터에는 보다 알찬 설명을 느낄 수 있다는 거죠.

매우 좋은 장점인 것 같습니다.

---

제가 아무리 서평을 잘 쓴다고 한들, 역시 백문이 불여일견일 것 같습니다.

직접 보고 판단해보시죠! 강추하는 책입니다.

좋은 책을 리뷰할 수 있도록 기회주신 책쓰는 프로그래머 협회와 번역가 박해선 님께 다시 한번 감사드립니다.


감사합니다.
잘 읽으셨다면 게시글 하단에 ♡(좋아요) 눌러주시면 감사하겠습니다 :)
(구독이면 더욱 좋습니다 ^_^)

---

- 간토끼(DataLabbit)
- University of Seoul
- Economics, Data Science