대부분의 머신 러닝 입문자들은 현재 머신 러닝 기법 중 가장 성능이 좋고 광범위하게 적용할 수 있는 딥러닝으로 입문할 것이다. 딥러닝을 공부하다 보면 DNN, CNN, RNN 같은 신경망이 어떤 배경으로 탄생하고 발전해왔는지 궁금해지는데, 이 책은 그런 궁금증을 해소해줄 뿐만 아니라 신경망의 이론적 기반을 더욱 탄탄히 하는 데 도움을 줄 수 있다.
인간이 자신의 뇌와 신경망을 직접 들여다보고 이해하기 시작한 것은 불과 100년 전이다. 19세기 말에 생체 신경망의 연구가 본격적으로 시작됐고, 그 후 얼마 지나지 않아 사람들은 기계로 생체 신경망을 모방하면 인간 수준의 추론을 할 수 있으리란 믿음으로 인공 신경망을 연구하기 시작했다. 1940년대에 인공 신경망의 역사가 시작됐으니, 그 역사는 컴퓨터의 역사와 비교해봐도 결코 짧다고 할 수 없다.
지난 70여 년 동안 인간 수준의 인공 신경망을 만들기 위해 수많은 노력이 있었으며, 그 안에서 다양한 형태의 신경망이 나타나고 발전해왔다. 이 책에서는 인공 신경망의 역사에 변곡점을 만든 주요 신경망의 개념과 구조, 훈련 방식을 체계적이고 상세하게 소개하고 있다.
이 책은 신경망 이론 입문서로서 전 세계 독자들에게 많은 사랑을 받고 있으며, 대학원 교재로 채택될 정도로 그 효용성을 인정받고 있다.
이는 다음과 같은 차별화된 특징들 때문이다.
1. 신경망 이론의 수학적 이해를 돕기 위해 선형대수 이론을 주요하게 다루고 있다.
2. 예제와 문제 풀이를 통해 개념을 아주 쉽게 설명하고 있어서 누구나 흥미롭게 이해하고 따라갈 수 있다
3. 신경망 이론의 수학적 증명을 포함하고 있어서 수학적 타당성을 깊이 있게 이해하게 해준다.
모쪼록 이 책이 신경망의 이론적 기반을 더욱 탄탄히 다질 수 있는 기회를 독자들에게 제공할 수 있기를 바란다.
이 책은 지도 학습과 자율 학습을 비롯한 머신 러닝 기술과 웹 마이닝, 자연어 처리 기법을 적용해서 개인의 선호도에 따라 영화를 추천하고 영화 리뷰에 대한 긍정과 부정의 감성을 분석하는 실용적인 웹 애플리케이션의 예를 제시하고 있다. 컴퓨터 비전이나 음성 인식 등의 다양한 센서 정보를 이용한 머신 러닝을 구현해보기 전에 텍스트 데이터만으로 머신 러닝을 실습해볼 수 있는 가장 기본적인 예시가 아닌가 생각한다. 특히 웹 애플리케이션에 머신 러닝을 적용해보려는 사람들에게 이 책이 많은 도움이 될 것이다.
어느 정도 이론적 배경이 있는 사람들에게 이 책은 어렵지 않게 느껴질 것이다. 하지만 다양한 이론과 지식들이 소개되고 있기 때문에 새로운 내용이 나올 때마다 관련 자료나 논문을 확인하면서 따라갈 가능성이 높다. 개인적으로 권장하는 이 책의 활용하는 방법은, 머신 러닝 알고리즘을 어느 정도 아는 입문자의 경우 책을 따라가며 빠르게 실습해보고, 관심이 있는 부분을 별도의 전문 서적이나 논문을 통해 심도 있게 학습해보는 것이다. 하지만 이론과 알고리즘을 좀 더 체계적으로 이해한 후에 실습을 해보고 싶다면 해당 전문 서적을 선행 학습한 후에 이 책을 따라가면서 지식을 점검하고 실습을 통해 내재화하는 것도 좋다.
이 책을 번역하면서 정확한 내용을 전달하기 위해 저자와 이메일을 주고받으며 애매한 부분에 대한 내용을 재확인하고, 오류 부분은 수정 방향을 논의한 후 번역본에 반영했다. 그리고 내용에 의문이 생길 만한 부분은 설명을 보충하기 위해 옮긴이 주석을 추가했다.
요즘 국내 기업들이 인공지능 부서를 신설하거나 재정비하면서 인재를 영입하기 위해 전쟁을 벌이고 있다고 한다. 또한 수많은 인공지능 커뮤니티에는 학생, 교수, 연구원, 개발자, 전문가들이 새로운 알고리즘과 논문, 제품, 자신들이 연구하고 실험해본 코드를 공유하고 토론하며, 머신 러닝에 대한 뜨거운 관심을 보여주고 있다. 이렇게 머신 러닝에 대해 관심을 갖고 미래를 준비하고 있는 많은 분들께 이 책이 조금이나마 도움이 되기를 바란다.
지난해 금융 AI 솔루션을 연구하고 개발하는 우리 팀에서는 로보어드바이저를 만들고 싶어 하는 사람들에게 우리의 경험과 지식을 나눌 수 있으면 좋겠다는 이야기가 나왔다. 퀀트 투자와 관련된 책이 이미 시중에 있고 인터넷으로 자료도 쉽게 찾아볼 수 있지만, 로보어드바이저의 핵심 엔진을 만들고 운영해 본 경험을 바탕으로 쓴 책이라면 사람들에게 실질적인 도움이 되지 않을까 하는 생각에 모두 공감했다. 그렇게 팀원들은 의기투합했고 각자 주제를 맡아서 원고를 쓰기 시작했다. 하지만 다섯 명의 저자의 머릿속에 있는 지식을 마치 한 사람의 머리에 있는 것처럼 일관되고 자연스럽게 표현하는 일은 만만치 않았고, 바쁜 일상에서 원고 작업을 하기 위해 많은 노력을 기울여야만 했다.
대학원에서 인공지능 강의를 병행하고 있기에 금융 AI에 관심이 있는 학생들을 종종 만날 수 있었고 그중에는 로보어드바이저를 직접 만들고 싶어 하는 분들도 있었다. 그분들과 이야기하면서 현실적으로 금융 지식이 있다고 하더라도 개발이 익숙하지 않거나 반대로 개발 능력이 있어도 금융 지식을 따로 습득해야 해서 퀀트 투자를 하고 싶어도 시도하지 못하고 꿈으로만 간직하고 있는 사람들이 많다는 사실을 알게 됐다. 그래서 이 책이 그런 분들에게 좋은 가이드가 됐으면 좋겠다는 생각이 들었다.
이 책에서는 금융 이론을 처음 접하는 사람들도 쉽게 따라가며 이해할 수 있도록 경험적인 스토리 기반으로 설명하는 방식을 취하고 있다. 그리고 코드는 상세한 예외 처리는 과감히 생략하고 주요 로직이 드러나도록 최대한 간결하게 작성했다. 또한 코드를 의미상으로 이해하고 따라갈 수 있도록 라인 단위로 설명하고 있으며, 현재 어떤 단계를 구현하고 있는지 상세히 파악할 수 있도록 했다. 또한 책의 전반에 걸쳐서 로보어드바이저의 주요 알고리듬을 난이도가 높아지는 순서로 배치해 독자들이 이해의 수준을 높여가면서 점진적으로 접근할 수 있도록 했다. 만일 이 책에서 제시하는 알고리듬을 확장하거나 심화하고자 하는 독자들은 참조하고 있는 문서와 오픈 소스를 분석해 보는 것을 추천한다.
평소에 어떤 것이 너무 궁금해서 공부는 하고 싶은데 "과연 할 수 있을까" 걱정만 하다가, 어느 날 아주 우연히 어떤 글이나 책을 보고 "아! 이렇게 쉬운 거였어?"하며 아주 허탈해한 적이 있을 것이다. 아마도 머신 러닝을 시작하고 싶은 많은 분께 이 책이 그런 경험을 선사하지 않을까 생각한다.
머신 러닝이 산업 전반에 빠르게 확산되는 중이고 뛰어난 성과를 보여줄 것이라는 기대감이 급격하게 상승하고 있기 때문에 이제는 머신 러닝을 IT 분야의 소수를 위한 것으로 취급하고 무시할 수는 없다. 그런데 막상 머신 러닝을 배우려면 선형 대수, 확률 통계, 미적분, 프로그래밍 언어와 같은 것들을 알아야 한다고 하니 공부를 시작하기가 영 부담스럽기만 할 것이다.
이 책은 수학이나 프로그래밍 언어에 대한 깊은 지식 없이도 머신 러닝의 개념을 직관적으로 이해하고 어떻게 활용하면 되는지를 아주 쉽게 설명해준다. 간결한 몇 줄의 R 코드로 머신 러닝의 존재감을 입증하면서 말이다. 그렇다고 결코 가볍지만은 않은 것이 이 책의 매력이다. 최신 기법과 기술까지 놓치지 않는 섬세함으로 독자들의 지적 욕구를 충분히 채워줄 것이다.
머신 러닝을 즐겁게 시작하고 싶은 독자분들께 이 책을 추천해본다.
머신러닝의 핵심은 정보를 실행 가능한 지능으로 변환하는 알고리즘과 관련 있다. 이러한 사실 때문에 머신러닝은 요즘과 같은 빅데이터 시대에 잘 맞는다. 머신러닝이 없었다면 정보의 방대한 흐름을 따라잡기가 거의 불가능할 것이다.
(교차 플랫폼, 비용이 들지 않는 통계 프로그래밍 환경인) R의 명성이 높아지고 있어서 머신러닝을 시작하기에 지금 같은 적기는 없을 것이다. R은 데이터 통찰력을 찾을 수 있도록 도와주는 배우기 쉽고 강력한 툴셋을 제공한다. 이 책에서는 실습 사례와 내부 핵심 엔진의 작동 방식을 이해하는 데 필요한 기초 이론을 결합해서 프로젝트에 머신러닝을 적용할 때 필요한 모든 지식을 제공한다.
