사물인터넷, 빅데이터, 인공지능, 사이버 물리 시스템, 이 네 가지 단어는 현재 맞이하고 있는 산업혁명 4.0 시대를 나타내는 핵심 키워드다. 이 단어들은 최근 몇 년의 격변기를 거치 면서, 이제는 상식적 용어가 됐다. 국내의 선도적 기업들 외에도 일정 규모 이상의 많은 중견 기업들이 사이버 물리 시스템의 필요성을 인식하기 시작했다.
그러나 아직까지 많은 실무자들에게 '사이버 물리 시스템'이라는 용어는 나머지 세 용어보다 덜 익숙한 것으로 보이며, 국내에서는 차라리 '스마트 팩토리' 또는 '스마트 그리드'처럼 '스마트(smart)'라는 용어에 더 친숙한 것 같다.
사이버 물리 시스템이란 본질적으로 학제간 연구의 성격을 지니며 시스템 통합적 개념이므로 아직 학문의 한 가지로 정립된 분야는 아니다. 따라서 산업의 각 영역에서 사이버 물리 시스템과 관련한 연구 논문은 급속히 증가하고 있으나, 사이버 물리 시스템 전반을 다루는 문헌은 아직 드물다. 이러한 현실에서 산업분야별 사이버 물리 시스템의 핵심 기술과 동향을 집약한 이 책의 출판은 의미가 크다고 생각한다. 분야별 전문 영역에 대한 깊은 이해를 전제로 하는 만큼 이 책의 모든 내용을 번역하는 것은 결코 용이하지 않았으며, 걱정도 많이 했다. 부디 이 책을 통해 관심 분야에서의 핵심 기술과 동향을 파악하는 데 도움이 되기를 바란다.
전 세계를 뒤흔든 알파고가 알려지기 꼭 1년 전이었다. 한참 딥러닝 공부에 몰두하고 있었던 역자는 적어도 2년 이내에 실리콘 밸리의 인공지능 열풍이 우리나라에도 몰아칠 것이라고 생각하고 있었다. 공부할 것은 태산이고, 기술의 발전은 가속을 받고 있는 상황에서 마음이 항상 바빴었다.
그 당시 국내 인터넷을 뒤져보면 컴퓨터 비전에 관련된 블로그나 카페는 더러 있었고, 이력이 꽤 된 것도 있었다. 그러나 딥러닝에 대해서는 거의 볼 것이 없었다. 그런 상황이 한 2년 이상은 지속될 것 같았다.
그러나 알파고에 대한 뉴스가 나오면서 정말 올 것이 왔구나 하는 생각이 들었고, 그 후 국내 인공지능의 상황은 생각보다 훨씬 빨리 돌아가고 있다. 이제는 여기저기에서 인공지능 관련 사이트가 생겨나고, 인공지능을 무기로 창업하는 회사들도 빠르게 증가하고 있다. 정부와 대기업들은 인공지능의 중요성을 새삼스럽게 강조하고 나섰다.
개발자에게 인공지능은 이제 필수 과목이 될 것이다. 아직은 경험 있는 개발 인력도 많지 않고, 많은 기업들이 무엇을 해야 할지 시행착오를 겪고 있는 것 같지만, 그럴수록 지금이 바로 인공지능 그중에서도 딥러닝을 준비할 최적기라고 확신한다.
사실 딥러닝을 혼자 공부하기는 쉽지 않다. 조그만 것이라도 깊이 이해하려고 하면 수학이 튀어나온다. 또한 항상 그렇지만 실무 응용에 써먹을 알고리즘은 교과서만으로는 부족하다. 그리고 불행하게도 개발자들이 지금까지 해왔던 것처럼 시스템 및 프로그래밍 언어에 대한 숙련도, 실무에 대한 지식, 가끔 반짝이는 아이디어, 그리고 밤샘을 두려워하지 않는 열정만으로 딥러닝을 마스터할 수는 없다.
딥러닝은 정교한 수학적 알고리즘의 집합체다. 알고리즘에 대한 깊은 이해 없이는 발전할 수 없다. 딥러닝을 공부하려고 하는 개발자는 적절한 교과서를 선택해 꾸준히 공부해야 할 것이다. 아울러 선형 대수학 확률통계, 이론, 기본적인 미적분학, 약간의 해석학 등의 수학도 필수적이므로 꾸준히 준비하기 바란다.
딥러닝이 복잡하지만 결국 컴퓨터 프로그램으로 구현해야 하는 것이므로 딥러닝 프로그램을 만들 줄 아는 것은 당연히 기본이 돼야 한다. 딥러닝은 직접 구현해보고 실험해보는 것이 무엇보다 중요하다. 반복되는 시행착오를 통해 딥러닝 알고리즘에 대한 이해가 깊어질 수 있으며, 새로운 아이디어도 떠오를 수 있다. 무엇보다 빠르게 구현해보고 검증해보고 분석하는 과정이 필수적이다.
인공지능 구현을 위한 프로그래밍 언어로, 과거에는 프롤로그(Prolog), 리스프(Lisp) 같은 언어들이 대세였으나, 최근에는 주로C++, 파이썬(Python), 자바(JAVA)가 대세를 이루고 있다. 각 언어마다 장단점이 있지만, 자바는 특히 큰 장점이 있다. 자바는 현재 기업 환경에서 가장 널리 쓰이는 언어며, 개발자의 수도 가장 많다. 자바는 환경 자체가 기업 환경에 초점이 맞춰져 있으므로 다른 언어에 비해 실무에 적용할 때 절대적으로 유리하다.
이 책의 저자는 딥러닝에 대한 사전 지식이 없는 개발자들도 딥러닝을 배울 수 있게 되도록이면 수학식을 적게 사용하면서 책을 저술했다. 이 책을 따라가면 딥러닝의 핵심적인 알고리즘을 거의 다 경험해볼 수 있다. 그리고 가장 핵심적인 딥러닝 라이브러리의 사용법도 간단히, 그러나 활용을 시작할 수 있을 만큼 소개하고 있으므로, 그 라이브러리를 이용하고자 할 때 큰 어려움 없이 시작할 수 있을 것이다.
끝으로 이 책을 통해서 딥러닝의 세계에 들어오는 독자들을 열렬히 환영한다.
먼저 이 책은 데이터 과학, 머신러닝 혹은 딥러닝을 가르치는 책이 아니다. 그렇다고 쿠버네티스를 처음 접하는 사람에게 개념부터 실용까지를 친절하게 안내하는 핸즈온(hands-on) 타입의 책도 아니다. 그럼에도 꼭 읽어봐야겠다고 생각했다. 이것이 처음 이 책을 접했을 때의 느낌이다. 그런데 이 책은 누구를 위한 책일까?
국내에 인공지능의 바람이 불기 시작하던 10년 전과 비교하면, 웹에는 인공지능에 대한 정보가 넘쳐나고 있다 특히 요즘은 이론보다는 실습을 위주로 하는 핸즈온 방식의 서적이 그득하다. 머신러닝이나 딥러닝 강의를 듣고 이론을 코드로 구현하는 것이 훨씬 용이해졌다는 뜻이다. 인공지능에 열정이 있고 코딩 소질이 있는 학생들은 약간의 이론만 듣고도 꽤 멋있는 애플리케이션을 만들어 와서 나를 감탄하게 한다.
그러나 최신의 딥러닝 알고리즘을 응용해 멋진 애플리케이션을 만들었다고 하더라도 고객에게 서비스하려면 추가로 많은 노력과 지식이 필요하며 사내 다른 부서나 동료들과의 협업이 필요하지만 학교 교과 과정을 통해 전달하거나 경험하기엔 다소 부족한 면이 없잖다.
현대 소프트웨어 개발은 애자일 방법론으로 전환된 지 오래다. 컨테이너 오케스트레이션 플랫폼인 쿠버네티스는 사실상 업계 표준으로 여겨지고 있다. 이 책은 머신러닝 엔지니어 또는 데이터 과학자가 머신러닝 개발의 수명주기의 각 단계에서 실무적으로 고려해야 할 것들과 도움을 줄 수 있는 도구 그리고 개발을 완료한 이후 쿠버네티스에서 마이크로서비스로 배포하는 과정들을 쉽지만 자세히 설명하고 있다. 간단한 머신러닝 모델에서 시작해 모델의 구축, 훈련 및 배포의 각 단계별로 소스 코드와 함께 친절히 설명하고 있다.
독자가 머신러닝이나 데이터 과학 분야를 담당하는 엔지니어라면, 효과적이고 효율적으로 배포하기 위해 알아야 할 것들을 짧은 시간 내에 전체적으로 훑어보고 향후 공부해야 할 방향을 잡는 데 큰 도움이 될 수 있을 것이다.
