단순히 대용량이라는 개념을 넘어 '빅데이터'라는 용어가 사용된 것은 불과 10년 정도지만, 그동안 데이터 처리/분석 기술은 대단한 혁신을 이룬 듯 하다. 최근 IoT와 미디어 분야의 산업이 급속도로 커지면서, 배치(Batch) 방식을 이용한 대량 데이터 처리/분석보다 실시간, 대용량 스트리밍 데이터 처리, CEP(Complex Event Processing)의 중요성이 날로 높아지고 있다. 스트리밍 데이터 처리/분석에 대해서는 스톰(Storm), 스파크 스트리밍(Spark Streaming), 아파치 에이펙스(Apex) 등 유명한 솔루션이 많지만, 이 중에서도 아파치 플링크(Flink)는 단연 스트리밍에 최적화된 솔루션이라고 할 수 있다.
특히, 다양한 분석 기능을 제공하면서 점차 응용 분야를 확대해나가고 있는 점에도 주목할 필요가 있다.
이 책은 아파치 플링크의 기본 개념을 친절하게 소개하고 있다. 또한 플링크를 보다 빠르고 쉽게 익힐 수 있도록 다양한 기능에 관한 자세한 설명과 많은 예제 코드를 제공하고 있다. 그동안 상대적으로 플링크에 관한 서적이 거의 없었는데, 이 책이 가뭄의 단비 같은 역할을 해줄 것으로 생각된다. 아울러 플링크의 확산에도 많은 도움이 될 것으로 기대한다.
다른 분야와 마찬가지로 로보틱스 분야에서도 과거를 뛰어넘는 혁신 사례가 꾸준히 소개되고 있습니다. 그 예로 단순 반복 동작을 하던 로봇이 생각하는 로봇으로 진화하고, 좀 더 정교한 움직임을 보이는 다양한 지능형 로봇이 있습니다. 이는 어쩌면 인공지능, 머신러닝과 같은 관련 소프트웨어 분야와 고도의 하드웨어 관련 기술이 잘 융합된 결과가 아닐까 합니다. 이 책은 로보틱스에 관한 기본 개념을 정립할 수 있는 다양한 지식과 더불어 인공지능 기술이 로봇에 어떻게 잘 접목되고 활용될 수 있는지도 친절하게 설명하고 있습니다. 이를 통해 앞으로 더 나은 지능형 로봇이 만들어질 수 있는 기반을 잘 다질 수 있을 것으로 기대합니다.
- 남궁영환
아마도 요즘 가장 인기 있는 분야를 꼽는다면 인공 지능, 머신 러닝일 것이다. 인공 지능 분야의 발전은 컴퓨터의 발전과 매우 밀접하다. 예를 들면, 제한된 컴퓨팅 성능을 극복하기 위해 알파-베타 프루닝(Alpha-Beta Pruning)과 같은 알고리즘이 연구되기도 했다. 또, 인공 신경망 기법의 경우 해결이 불가능한 상태였으나 '퍼셉트론(Perceptron)'이나 '오류역전파(backpropagation)'와 같은 기법이 나오면서 꾸준히 발전해왔다. 이러한 머신 러닝 및 인공 지능은 최근 클라우드 컴퓨팅 기술의 눈부신 발전에 힘입어 거의 무한대에 가까운 컴퓨팅 자원을 사용할 수 있게 되면서, 과거에 어려움을 겪었던 대용량 데이터 분석, 높은 계산 복잡도를 요구하는 문제 해결 등에서 큰 진전을 보이고 있다.
최근 빅데이터 분석에 대한 관심이 높아지면서, 여러 분야에서 앞다투어 데이터 분석 기법, 솔루션들을 도입하거나 자체 개발하려는 시도가 많이 나타나고 있다. 한 가지 기억할 점은 머신 러닝, 데이터 마이닝 분야의 알고리즘 대부분은 학습(learning)을 통해 '패턴(pattern)'이라는 분석 모델을 만들어낸다는 점이다. 이는 알고리즘 자체만 봤을 때는 기존의 소프트웨어 개발 방식과 잘 맞지 않을 수 있다. 하지만 대용량 데이터를 처리하고 분석하기 위한 대규모 소프트웨어를 개발할 경우, 정합성의 검증은 필수적으로 요구된다.
이 책은 머신 러닝 기법을 개발하는 데 소프트웨어 개발 기법 중 하나인 테스트 주도형 개발(TDD) 기법을 효과적으로 적용하는 방법에 대해 설명하고 있다. 불확실한 확률 계산 작업을 TDD 기법을 통해 단계별로 테스트를 성공시키면서 개발할 수 있는지에 대한 내용은 기존에는 볼 수 없었던 참신한 시도라고 생각한다. 이 책에서 소개하는 내용을 바탕으로 TDD를 이용해 꾸준히 알고리즘을 개발하면 매우 복잡한 성격의 머신 러닝 알고리즘도 체계적으로 구현해낼 수 있을 것이다.
최근 10년은 머신 러닝 분야에 있어 가히 르네상스라 할 만하다. 특히 여기에 가장 큰 기여를 한 기술을 꼽는다면 단연 딥러닝이다. 아울러 GAN(Generative Adversarial Networks), RN(Relational Networks) 등은 향후 다양한 분야에서 큰 영향력을 발휘할 것으로 예상된다. 하지만 지금의 머신 러닝, 인공 지능의 대중화와 눈부신 발전은 오랜 기간 폭넓고 꾸준한 연구가 이뤄지지 않았다면 불가능했을 것이다.
이 책은 딥러닝의 대표 알고리즘들을 자세하게 설명하며 파이썬으로 직접 실습해볼 수 있도록 코드를 제공하고 있다. 특히 풍부한 최신 지식을 참고 자료로 제공하는 점이 무척 의미가 있다. 독자들이 이 책으로 꾸준히 학습해서 머신 러닝을 좀 더 잘 이해하고 다양하게 활용할 수 있기를 기대한다.
최근 몇 년간 빅데이터와 머신 러닝에 대한 대중의 관심과 기술 발전은 놀라울 정도입니다. 특히 클라우드 컴퓨팅이 보편화되면서 필요한 만큼의 컴퓨팅 자원을 적절하게 활용하는 방식의 접근법은 기존 데이터 분석 방식을 전면적으로 바꾸고 있다. 또한 대용량의 데이터 처리/분석이나 엄청나게 복잡도가 높은 데이터도 적절한 시간 내에 분석할 수 있게 됐다.
하지만 데이터 분석 분야에서 제한된 환경을 극복하기 위한 끊임없는 노력과 성과는 무엇보다도 중요한 부분이다. (예를 들면 근사화(Approximation) 기법, 샘플링(Sampling) 기법 등을 통해 분석 정확도와 소요 시간에 대한 트레이드오프를 적절하게 활용하는 것이다.) 이론적 배경을 갖추는 것이 중요한 이유는 이론은 컴퓨팅 자원의 활용만으로는 해결하기 어려운 사안을 극복할 수 있도록 단초를 제공하기 때문이다. 그래서 기술이 빠르고 다양하게 발전할수록 기본에 충실해야 하는 것이 더욱 중요하다.
이 책은 머신 러닝과 빅데이터에 대한 풍부한 이론과 다양한 소스코드를 제공하며, 최신 기술도 쉽고 자세하게 설명한다. 많은 분들이 이 책을 통해 실제 업무에서 머신 러닝을 잘 활용하실 수 있기를 기대한다.
2020년 현재 인공지능, 머신러닝, 딥러닝은 모든 분야에서 엄청난 성과를 만들어내고 있습니다. 불과 몇 년 전만 해도 딥러닝, 머신러닝이 컴퓨터 비전, 이미지 분석, 자연어 처리 등에서 제한적인 결과만 얻는 수준이었음을 생각하면 놀라울 따름입니다.
한편 자율 주행 차량 분야 역시도 인공지능과 딥러닝 등을 활용하는 대표적인 분야 중 하나일 것입니다. 이런 것들에서 연상되는 인공지능, 머신러닝, 딥러닝, 강화학습 등을 가장 잘 적용할 수 있는 분야 중 하나로 로보틱스가 있습니다.
로보틱스에서도 기존의 한계를 극복하기 위한 성과를 만들어내고 변화무쌍한 실제 환경에서 좀 더 똑똑하게 적응하고자 많은 양의 데이터와 고도의 수학, 통계학, 알고리즘 기법들이 동원되고 있습니다. 즉, 훨씬 복잡한 환경에서 각종 상황 파악을 기반으로 최적의 액션을 선택하게 하려면 이들을 수학적으로 모델링하고, 논리적으로 증명하고, 일관성 있게 동작할 수 있도록 하는 알고리즘의 개발이 필수적입니다.
이 책은 확률론, 통계학, 선형 대수 등 다양한 수학적 지식을 기반으로 한 로보틱스 분야의 연구 성과를 풍부하게 소개하고 있습니다. 내용을 이해하기 다소 어려울 수도 있지만, 기본 개념을 확실히 다지고, 이를 어떻게 수학적으로 유도하는지 연습하고, 알고리즘으로 어떻게 표현하며, 실제 시뮬레이션 결과는 어떻게 나오는지 등을 차근차근 학습하면 좋은 결과를 얻을 수 있으리라 생각합니다.
클라우드 컴퓨팅이 세상에 알려진 것이 이제 10년 남짓 된 것 같습니다. 하지만 이 짧을 수도 있는 10년 동안의 변화는 과거와 비교했을 때, 그 무엇과도 비교할 수 없을 만큼 크지 않나 생각됩니다. 이를 가능하게 한 가장 중요한 요소를 꼽으라면 단연 아마존 웹 서비스(AWS)라 하겠습니다.
AWS는 2006년부터 지금까지 끊임없는 변화와 혁신을 통해 클라우드 시장을 선도하고 있으며, 이제는 수많은 비즈니스 영역에서 IT와 소프트웨어 관련 기술을 논할 때 필수 불가결한 부분으로 자리 잡고 있습니다. 특히 'Pay-as-you-go'라는 참신한 개념은 기존의 인프라 도입, 운용, 관리에 대한 고정 관념을 완전히 뒤바꿨으며, 이는 비즈니스의 발전 속도에도 엄청난 영향을 끼쳤습니다. 넷플릭스, 에어비엔비 같은 수많은 회사들의 성공 사례가 이를 증명하고 있습니다.
모든 웹 서비스 기반 비즈니스는 서비스 성능, 확장성, 보안, 안정성, 가용성 등 여러 가지 측면을 종합적으로 면밀히 고려해야 합니다. 이 책은 이와 관련해 AWS의 가장 중요한 내용 중 하나인 네트워크에 관한 서비스를 중점으로 소개하고 있습니다. VPC, 라우팅, 게이트웨이 등을 클라우드상에서 어떻게 구축하고, 설정하며, 관리하는지 등을 쉽게 배우고 익히실 수 있을 것입니다. 다만, AWS의 변화 속도가 너무 빠르기 때문에 인터페이스, 기능상의 업데이트 등에 관해서는 AWS 기술 문서를 함께 참고하시면 훨씬 더 좋을 것입니다.
'산업혁명'이라고 부르는 시대별 대변혁을 찬찬히 살펴보면, 혁신의 출발은 늘 과거의 엄청난 저항을 받았던 것 같습니다. '익숙한 것과의 결별', '오래 살아남기'처럼 수많은 난관을 극복한 후에야 비로소 '이것이 진정한 혁신입니다'라고 많은 사람들에게 인정을 받곤 하죠. 클라우드도 초기에는 기존의 인프라, 네트워크, 스토리지 기술의 연장선상에 있는 그 무언가로 취급받았던 것 같습니다. 그러나 성능, 확장성, 안정성, 경제학, 기업 문화, 데브옵스 등 새로운 관점에서 클라우드를 생각하기 시작했고, 이것은 결국 지금의 커다란 변화와 혁신의 핵심 요소가 되어 있습니다.
이 책에서 소개하는 다른 기업들의 다양한 경험담을 통해 혁신을 위해 어떤 노력을 해야 하는지, 실패했을 때 어떻게 지혜롭게 극복하면 되는지 등의 노하우도 잘 얻으셨으면 하는 바람입니다. 세상은 끊임없이 바뀌고 있습니다.
우리가 바쁘게 일상을 보내다 보면 때로는 거대한 패러다임의 변화와 혁신이 우리 옆에 와 있다는 걸 알아차리기 어려울 수 있습니다. 현실에 안주하기보다는 끊임없는 고민과 실험이 중요하다는 걸 잊지 않으셨으면 합니다.
최근 수년간 클라우드 컴퓨팅 기술의 발전 속도는 가히 경이로울 정도입니다. 클라우드 서비스가 점점 복잡하고 다양해질수록, 이를 뒷받침하는 인프라의 규모 역시 폭발적으로 증가하게 될 것이고, 그에 맞는 시스템 유지, 보수, 배포, 관리 기법 및 솔루션 또한 당연히 필요할 것입니다. 쉬운 예로, 수십, 수천 대의 다양한 종류의 서버들로 구성된 기업 단위 시스템을 클라우드 환경으로 마이그레이션(Migration)시키는 작업을 생각해볼 수 있습니다. 또, 고품질 솔루션의 신속한 개발과 배포를 위해 디브옵스(DevOps)에 기반해 프로젝트를 수행하는 상황도 있을 것입니다. 어떻게 하면 이러한 작업들을 좀 더 효과적으로 할 수 있을까요?
이에 대한 답으로 퍼펫, 셰프(Chef), 앤시블(Ansible)과 같은 자동화 솔루션을 생각해볼 수 있습니다. 이들 중 퍼펫과 셰프는 클라우드 환경의 확산과 함께 국내외 수많은 기업과 조직에서 폭넓게 사용되고 있는데, 특히 퍼펫은 시스템 관리자 관점에서 서버 관리, 배포 및 운영을 위한 편리한 기능을 풍부하게 포함하고 있고, 지속적으로 최신 기술을 빠르게 적용시키고 있어 매우 매력적인 제품입니다. 하지만, 한국어로 된 참고자료가 많지 않아 상대적으로 사용 경험을 얻기 어려웠던 것이 사실입니다.
이 책은 퍼펫을 처음 접하시는 분들을 대상으로 하고 있으며, 핵심 사항들을 가급적 쉽게 이해할 수 있도록 친절하고 자세하게 설명하고 있습니다. 특히, 풍부한 예제 코드를 통해 각 기능들이 어떻게 동작하는지 확인해볼 수 있어 실무 적용에도 많은 참고가 될 것입니다. 아울러, 이 책을 통해 퍼펫을 잘 익히셨다면, 빠른 속도로 발전하는 퍼펫의 최신 버전도 무리없이 활용하실 수 있을 것이라 생각합니다.
모쪼록 이 책을 통해 대규모 인프라 자원 관리, 주기적인 시스템 관련 수명 업무의 효율화 등에서 많은 혜택을 얻으시길 기대합니다.
인공지능, 머신 러닝에 대한 관심이 날로 높아지고 있다. 이를 증명하듯 최근 인공지능과 머신 러닝과 관련된 다양한 내용의 책이 줄지어 출간되고 있고, 교육 과정의 인기도 뜨겁다. 그럼에도 현장의 목소리를 들어보면 여전히 머신 러닝이 쉽지는 않은 듯하다. 특히 비즈니스와 관련해서 머신 러닝 기술을 활용하려는 경우 높은 장벽을 실감하게 된다. 그런 이유로 실제 사례를 바탕으로 한 예제를 이용해 머신 러닝 기술을 직접 경험해볼 수 있다면 무척 유용할 것이다.
이 책은 머신 러닝에서 많이 활용되는 대표 알고리즘을 친절하게 잘 설명한다. 특히 예제 코드를 통해서 바로 단계별로 결과를 확인해볼 수 있고, 궁극적으로는 비즈니스 시나리오의 전체 흐름도 익힐 수 있다. 데이터 분석의 두 대표 영역인 텍스트 데이터 분석과 수치 데이터 분석(시계열 분석 포함)을 실제 업무에 활용할 수 있는 예제를 이용해 설명하는 점에도 커다란 의미가 있다. 머신 러닝에 대한 모든 것을 한 권의 책으로 배우고 익히기는 어렵겠지만, 이 책으로 꾸준히 공부하고 연습한다면 충분히 좋은 결과를 얻을 것이다.
