데이터를 바탕으로 결과를 예측하는 데이터 예측이라는 대표적인 머신 러닝 적용 분야를 통해 다양한 머신 러닝의 기본 원리를 알아보고, 각 방식의 장단점과 상황에 맞는 선택 기준을 알아본다. 실제 머신 러닝을 사용할 때 알고리즘 선택 만큼이나 중요한 데이터 준비, 데이터 탐색 과정을 비롯해 수립한 모델의 평가 및 적용, 모니터링에 이르는 데이터 예측 프로젝트의 전 과정을 상세히 다룬다. 이와 관련된 여러 개념을 다양한 분야의 적용 예제, 사례 연구를 통해 구체적으로 이해하기 쉽게 설명한다.

이 책은 전산 과학, 자연 과학, 사회 과학, 공학, 경영학 학부생과 대학원생을 위한 머신 러닝, 데이터 마이닝, 데이터 분석이나 인공지능 강의에 사용할 수 있다. 또한 이 책은 데이터 분석가 관점에서 머신 러닝을 산업에 적용하는 사례 연구를 담고 있으므로, 현업 실무자의 입문서나 해당 분야 산업 교육 교재로도 사용할 수 있다.

1장. '데이터 예측 분석을 위한 머신 러닝'에서는 머신 러닝을 소개하고,표준 데이터 분석 프로젝트의 생애에서 머신 러닝의 역할을 설명한다. 2장. '데이터에서 통찰을 거쳐 결정으로'에서는 머신 러닝을 바탕으로 비즈니스 목적에 맞는 예측 분석 해법을 설계하고 구축하기 위한 체계를 제공한다. 모든 머신 러닝 알고리즘은 학습에 필요한 데이터셋을 가정하고 있으며, 3장. '데이터 탐색'에서 예측 모델 수립에 사용할 데이터셋을 설계, 구축하고 품질을 확인하는 방법을 설명한다. 4장부터 머신 러닝을 소개한다. 4장. '정보 기반 학습'에서는 정보 수집을 통한 학습, 5장. '유사도 기반 학습'에서는 유추를 통한 학습, 6장. '확률 기반 학습'에서는 가능성 높은 결과를 예측하는 학습, 7장. '오류 기반 학습'에서는 오차를 최소화하는 해법을 찾는 방식의 학습을 제시한다. 각 장들은 크게 두 부분으로 구성된다. 첫 번째 부분에서는 해당 장에서 제시할 주제에 대해 비공식적인 소개를 하고, 내용을 이해하는 데 필요한 근본적인 기술적 개념에 대해 자세히 소개하고, 제시한 학습 방식이 사용하는 표준 머신 러닝 알고리즘을 자세한 적용 예제를 곁들여 설명한다. 두 번째 부분에서는 표준 알고리즘을 잘 알려진 변형 알고리즘으로 확장하는 다양한 방법을 설명한다. 기술적 내용이 실린 장을 이렇게 두 부분으로 구성한 이유는 이렇게 하면 각 장의 내용이 자연스럽게 분리되기 때문이다. 결과적으로 각 장의 첫 번째 부분(기본 발상,원리, 표준 알고리즘, 적용 예제)만 강의에서 다뤄도 주제가 포함된다. 8장. '평가'에서는 예측 모델 성능 평가 방법을 설명하고,다양한 평가 지표를 소개한다. 그리고 표준 방식 다음에 확장과 변형을 설명한다. 기술적인 내용을 다루는 이런 장들은 데이터셋이 포함된 자세한 완전한 실세계 예제들과 예제를 뒷받침하는 논문을 통해 예측 분석과 연결이 유지되고 있다. 9장. '사례 연구: 고객 이탈'과 10장. '사례 연구: 은하 분류'의 사례 연구를 통해 더 넓은 사업적 맥락과 머신 러닝과의 연결 고리를 볼 수 있다. 특히 사례 연구들은 예측 분석 프로젝트의 성공에 필수적인 모델 수립 너머의 비즈니스 이해, 문제 정의, 데이터 수집 및 준비, 통찰을 얻기 위한 의사소통과 같은 다양한 문제와 작업들 을 강조하고 있다. 마지막으로 11장. '데이터 예측 분석을 위한 머신 러닝의 예술'은 머신 러닝의 다양한 근본 주제들을 살펴보고, 주어진 작업에 적절한 머신 러닝 방식을 모델 정확도 이상의 요소들을 고려해 선택하는 방법들도 살펴본다. 또한 모델의 특성과 비즈니스 필요 사항도 다룬다.

이 책을 쓰는 목적은 머신 러닝의 기본 원리에 대한 접근 가능한 입문용 교과서를 제공하고 사업 분야, 과학 분야, 기타 조직의 실제 데이터 예측 분석 문제를 푸는 데 사용하는 머신 러닝 방법을 제공하는 것이다. 따라서 이 책은 머신 러닝 책들이 다루는 표준 주제를 넘어 예측 분석 프로젝트의 생애, 데이터 준비, 속성 설계, 모델 적용 등의 주제를 다룬다. 이 책의 설계는 수년간의 머신 러닝 강의 경험에 따른 것이며 책의 접근 방식과 자료들은 강의실에서 개발되고 실제 테스트를 거친 것들이다. 이 책은 접하기 쉬운 책으로 만들기 위해 다음과 같은 원칙들을 따른다. 1. 머신 러닝의 전체를 개관하기보다는 가장 중요하고 인기 있는 알고리즘을 명확하게 설명한다. 교사로서 분야를 관통하는 핵심 개념에 대한 깊은 지식을 학생에게 전달하면 학생에게 단단한 토대가 돼 해당 분야를 학생 스스로 탐색할 수 있다고 믿는다. 이렇게 좁게 집중함으로써 분야의 근본 알고리즘과 그 사용에 대해 소개하고, 설명하고, 시각화, 개념화하는 데 더 많은 시간을 할애할 수 있었다. 2. 알고리즘의 기술적, 형식적 설명을 제시하기 전에 알고리즘이 하려고 하는 바를 편안하게 설명한다. 각 주제에 대한 비공식적 소개를 제공함으로써 학생에게 더 기술적인 내용을 공략할 수 있는 탄탄한 토대를 제공한다. 이 교재를 이용해 학부생, 대학원생,전문가 등의 여러 청중에게 가르쳐 본 경험에 따르면 비공식적인 소개를 통해 학생이 주제에 쉽게 접근할 수 있었다. 3. 완전히 동작하는 예제를 제공한다. 이 책이 제시하는 예제는 모두 완전히 동작하며 이를 통해 독자들은 이해한 바를 자세히 확인할 수 있다.

존 캘러허(John D. Kelleher)

더블린 공과대학 컴퓨터학과 강사이자 연구원이다. 전문 분야는 인공 지능, 데이터 분석, 머신 러닝, 자연어 처리, 공간 인식, 문서 분석 등에 걸쳐 있다. 더블린 시립 대학교, 유럽 미디어 연구소, 독일 인공 지능 연구 센터(DFKI) 등의 여러 대학과 연구소에서 일한 바 있다.

브라이언 맥 네미(Brian Mac Namee)

아일랜드 더블린에 살고 있으며, 더블린 대학의 강사이자, Analytics Store의 이사이다. 데이터 분석, 머신 러닝, 데이터 시각화, 인공 지능에 관해 고민하고 글 쓰는 데 많은 시간을 보낸다.

이퍼 다시(Aoife D'Arcy)

2009년 컨설팅 및 교육 회사 Analytics Store를 설립했다. 이 회사는 고급 데이터 마이닝 및 분석 기술들을 이용해 고객이 데이터에서 실행 가능한 통찰을 끌어낼 수 있도록 도와 준다. Analytics Store의 이사이자 수석 컨설턴트로 여러 회사와 함께 사기 검출, 신용 위험, 고객 통찰 등에 대한 해법을 개발해왔다. 또한 고객과 협력해 데이터 마이닝 및 분석에 대한 맞춤식 교육 과정을 개발하고 제공한다.

인공지능은 현대 과학의 오랜 꿈이다. 2001년이 지난 지 오래지만, 우리는 아직도 ‘2001년 스페이스 오디세이’의 HAL과 같은 평균 이상 인간의 능력을 갖추고 인간을 대신해 인간의 일을 하는 존재를 꿈꾼다. 컴퓨터 프로그래밍을 처음 접했을 때 컴퓨터가 바둑으로 인간을 이기는 날이 언제 올까 궁금해하며, 나름의 알고리즘을 공상해보곤 했다. 절대 오지 않을 것 같던 그 순간이 어느 날 갑자기 눈앞에 나타났을 때의 그 충격과 흥분이 생생합니다. 제한적인 분야에서 인간을 대신하는 약한 인공지능들은 대부분 인간의 학습과 추론 과정을 흉내 내는 머신 러닝을 이용합니다. 사실 머신 러닝은 우리 생활 속에 이미 깊이 들어와 있습니다. 요즘 컴퓨터들은 인간과 바둑, 체스 같은 게임을 겨루기도 하고, 음성을 인식해서 질문에 답하기도 하고, 외국어 문서를 번역해주기도 하며 심지어는 인간을 대신해 자동차 운전을 하기도 합니다. 이런 최근의 성과들은 딥러닝으로 대표되는 머신 러닝 분야 최신 기술들에 의존하고 있습니다. 모든 머신 러닝은 본질적으로 학습을 통해 직관과 통찰을 얻어내고, 이를 이용해 주어진 상황에 맞는 예측을 추론해내는 과정으로 볼 수 있습니다. 이 책은 이 과정을 대표하는 과거 데이터를 바탕으로 미래의 결과를 예측하는 데이터 예측 분야를 통해 머신 러닝의 기본 원리들을 설명합니다. 머신 러닝 알고리즘들은 인간의 귀납적 학습과 추론 과정을 관찰해 얻은 간단한 발상들을 이용합니다. 이 책은 다양한 발상에 따른 각 알고리즘의 장단점과 적절한 선택 기준들을 설명합니다. 그뿐만 아니라 머신 러닝을 적용할 때 알고리즘 선택보다 더 현실적으로 와 닿는 문제인 데이터 준비,데이터 탐색, 모델 평가 및 적용, 모니터링에 이르는 데이터 예측 프로젝트의 전 과정도 상세히 다루고 있습니다. 머신 러닝 알고리즘이 내포하고 있는 다소 난해한 개념들을 다양한 분야의 적용 예제, 사례 연구를 통해 구체적이고 실제적으로 이해하기 쉽게 설명합니다. 최근 각광 받고 있는 최첨단 머신 러닝 알고리즘을 처음 접하게 되면 아주 난해한 외계인이 던져준 마법 상자 같은 인상을 받기가 쉽습니다. 그러나 머신 러닝의 발전 과정을 살펴보면 마법 같은 알고리즘보다는 문제의 대상을 파악하고 주어진 데이터에 맞는 해법을 찾고 적합한 머신 러닝 모델을 설계하는 전체 과정을 이해하는 것이 더 중요하다는 것을 알게 됩니다. 이 책은 머신 러닝에 대한 이러한 기본기를 구체적으로 단단하게 갖출 수 있게 도와주는 좋은 책입니다. 여기서 쌓은 탄탄한 배경지식들은 이 책이 미처 다루지 못한 비지도 학습, 강화 학습, 딥러닝 등의 최신 개념들을 좀 더 수월하게 익히는 데 큰 도움이 될 것입니다.

황정동

서울대학교에서 전산학과 물리학을 전공하고 네오위즈에서 시스템 프로그래밍 시스템 및 네트워크 운영 등의 업무를 맡아 대규모 리눅스, 시스템과 네트워크를 관리하고 설계했다. 검색 전문 회사인 첫눈에서 웹봇을 개발했으며, NHN 검색센터에서는 언어 처리 관련 라이브러리 개발에 참여했다. Cauly 등의 모바일 광고 플랫폼 개발 경험도 있으며, LINE+에서 대규모 메시징 플랫폼 개발 및 운영에도 참여했다. 현재는 프리랜서 엔지니어로 활동 중이다.