정답은 없지만 오답은 있다는 격언은 기술 문서에도 꽤나 어울립니다. 완벽한 개발 문서는 없지만, 있는 것에 의의를 둔 문서가 너무 많습니다. 경우에 따라선 코드 작성보다 문서 작성에 더 큰 시간 투자가 필요하거, 유지 보수도 어려울 때가 많습니다. 그래서 코드만 잘 쓰면 굳이 문서가 필요 없이 코드만 읽으면 된다는 입장, 주석은 최소화해서 간결하게 적자 등 개발자 진영에선 개발 문서의 호혜를 입으면서 그렇게 호의적인 태도는 아닙니다.
구 MicroSoft Developer Network(MSDN), 현 Microsoft Docs는 관리가 정말 잘 되고 있는 개발 문서지만 때때로 스펙 변경이 문서에 반영되는 딜레이가 발생 하는 등 개발 문서 관리에 어려움을 개발 문서를 찾아 읽는 매 순간 경험하는 것이 개발자들의 현실이라고 생각합니다.
chatGPT가 AlphaGo 이후로 다시 한 번 대중의 관심을 인공지능으로 가지고 왔습니다. prompt engineer라는 용어가 나오고 중고생들부터 학계까지 광범위하게 사용하는 도구가 되었습니다. 이런 흐름 속에 입문을 고민하면서 어쩌다 데이터 분석 with 파이썬을 찾고 계실 것 같습니다.
데이터 과학이라는 큰 범주 내에서는 가까운 사이라고 생각할 수 있지만 AI의 ML/DL(머신러닝/딥러닝)에서 필요로 하는 능력과 데이터 분석은 다소 궤가 다르다고 봐야랍니다. DL을 위해서도 데이터를 분석하고 정제하는 능력이 필요하기 때문에 DL 공부를 염두에 두셔도 볼 만한 책입니다.
게임은 저렴해진 취미 생활이다. MS-DOS 시절 게임들 부터 윈도우 XP까지 시절의 국내 게임의 역사를 보면서 가장 먼저 눈에 들어온 것은 가격이었다. 젤다의 전설 신작의 가격이 $70가 말이되냐 안되냐로 싸우고 있는 시점에서 수록 된 게임 중엔 최대 5만 5천원에 판매 된 게임도 있다. 흔히 요즘 AAA급 게임의 풀 프라이스 정도의 가격이라 놀랄 수 밖에 없었다. 책에 다루고 있는 시대가 어린 시절 내가 천원으로 여러가지를 살 수 있던 시절이라 더더욱이 놀라웠다. PC가 대중적인 물건이 되어가던 시절이었다고는 하지만 당시 물가를 생각한다면 굉장히 고가라고 생각되는 가격들이었다.
올해 마지막 서평을 쓸 책은 비즈니스 데이터 과학입니다. 요즘 데이터 과학 분야 책을 보면 모든 데이터는 인공지능/딥러닝으로 이어지던 흐름에서 ML/DL과 별개로 활용 가능한 데이터 가공 및 모델링 등 분화하는 듯 합니다. 이 책도 회귀로 시작해서 인공지능을 끝을 맺습니다. 인공지능 모델들이 현재까지는 데규모 데이터를 다루는데 효과적인 것은 현재까진 사실에 가까우니까요.
데이터 과학를 다루는 많은 책들이 대부분 Python 기반의 코드를 다루는 것과 대조적으로 개인적으로는 오랜만에 만나는 R로 쓰인 책입니다. 아무리 Pyhton이 쉽고 데이터 사이언스가 견인해서 컸다고는 하지만 통계계통 사용자들의 안식처인 R과 matlab의 규모를 무시할 수 없는 듯 합니다.
React Native는 이제 많은 분들이 이름은 익숙하실 겁니다. 이 글을 읽고 계시면 작은 흥미는 있으실 거라고 생각합니다. React Native(이하 RN)은 안드로이드/IOS 개발이 모두 가능한 앱 프레임워크입니다.
OS에 종속 되지 않고 어플을 만들 수 있는 언어와 프레임워크는 RN 외에도 다양하게 존재합니다. C#의 자마린, 구글 Dart의 Flutter 등 선택지가 있습니다. RN의 가장 큰 장점은 메타라는 든든한 뒷배경과 새로운 언어의 추가적인 학습 소요가 적다는데 있다고 생각합니다. 자마린은 사실상 20년 이후 지원이 끝긴 상태고, Flutter를 하기 위해선 Dart를 배워야 하는데 아직까진 Flutter 외의 사용처가 없는 지엽적인 언어인게 장애물입니다.
골든래빗 출판사로부터 책을 제공받아 작성했습니다
책 바로가기
알파고가 가지고 온 인고지능 쇼크 이후 벌써 6년이라는 시간이 지났습니다. 그 기간동안 다양한 인공지능/딥러닝 관련 서적들이 나왔고, tenosrflow와 pytorch가 인공지능 프레임워크의 두 기둥으로 자리 잡았습니다. 다양한 프레임워크와 네트워크/모델들이 나왔고 그래서 상대적으로 초창기에 나온 책들은 기초적인 MLP, CNN, RNN 정도를 다루고 부록에 GAN, Transformer 등 나름 트랜디하게 뒤에 나온 모델들을 소개하는 정도였습니다. 이번 책은 퍼셉트론을 시작으로 GPT, ViT등 요즘 핫하다고 할 수 있는 대규모 모델 등까지 다루고 있습니다.
파이썬을 이용하다보면 프로젝트마다 필요한 라이브러리들이 다르고 파이썬의 버전도 다른경우가 대부분입니다. 그래서 다양한 가상환경 세팅을 위한 라이브러리들과 환경들이 존재합니다. 제목처럼 Anaconda에서 가상환경을 만들고 jupyter에 커널을 연결하는 방법을 소개드리겠습니다.
1. 환경만들기 conda create -n [env name] [python=ver] Anaconda Prompt에서 위와 같이 입력을 하시면 가상환경이 만들어집니다. 환경변수를 설정해놓으셨다면 윈도우 기준 꼭 Anaconda Prompt가 아니어도 CMD 등 에서도 가능합니다.
[env name] 옵션은 여러분이 만든 가상환경에 붙는 이름입니다. [python=ver]은 필요할 경우 기입하시면 됩니다. 특정 파이썬 버전이 필요하시면 해당 버전을 기입하시면 됩니다.