추가 적립 안내

머신러닝의 입문서로서 수학적 원리의 이해와 컴퓨팅 알고리듬의 실제 구현에 충실한 것을 목표로 하였다. 알고리듬의 구현에 사용하는 도구는 R이다. 데이터 과학에서 가장 널리 사용되는 언어로 R과 파이썬을 들 수 있겠는데 전자가 코딩 경험이 적은 사람에게는 더 편하게 접근할 수 있기 때문에 이것을 선택하였다. 분석 결과를 그림으로 나타내는 작업 등에서는 R이 더 강력할 뿐만 아니라 쉽기까지 하다.

제 1 장 인공지능과 머신러닝
제 2 장 R 프로그래밍
제 3 장 수학
제 4 장 통계학의 기본이론
제 5 장 표본, 통계량, 모수
제 6 장 추정의 이론과 엔트로피
제 7 장 머신러닝의 기본
제 8 장 머신러닝의 기법
제 9 장 신경망과 딥러닝

머리말

후세의 사람들에게 21세기는 어떠한 시대로 기억될 것인가? 인류가 지적 작업을 기계에게 맞기기 시작한, 즉 인공지능이 개화한 시대로 인식될 것이라고 본다.

인공지능은 호모 사피엔스, 즉 생각하는 인간이라면 누구나 관심을 가지는 주제이다. 컴퓨터가 발명된 이래 기계가 인간을 지적 대결에서 이길 수 있다는 것을 보여준 주요 사건으로 체스에서의 딥 불루(1997), 퀴즈 쇼 제퍼디에서의 IBM 왓슨(2011) 등을 들 수 있다. 이 두 예는 결코 작지 않은 성취임을 부인할 수 없지만, 이러한 진보들이 누적되어 인공지능의 시대가 머지않아 열리게 될 것이라는 이른바 전문가와 석학들의 말을, 당시 나는 약간의 과장과 호들갑으로 받아들이고 있었다.

2016년 3월 알파고의 등장은 나의 이러한 시각이 급선회하게 된 계기가 되었다. 바둑은 체스와 달리 현재 국면의 유불리를 수치화하여 평가하기가 극히 어렵고, 또한 수읽기 경우의 수가 너무 많기 때문에 바둑에서 기계가 사람을 이긴다는 것은, 적어도 현시대에는 불가능하다고 여겼는데 도대체 알파고는 어떻게 개발된 것일까?

인간이 컴퓨터에게 바둑 두는 법을 가르치려면 이러한 상황에서는 이렇게 하고 저런 상황에서는 어떻게 하고, 이런 식으로 수없이 많은 경우들을 체계적으로 분류하여 일일이 답을 알려주어야 할 터인데, 이런 방식으로는 도저히 기계가 사람을 이기는 수준까지 이르도록 할 수 없을 것이다. 이 문제의 돌파구는 기계에게 학습을 시키는 것이라고 한다. 아니, 기계가 학습을 한다고?

저자가 공과대학과 대학원을 나왔지만 수학으로 전공을 바꾼 것은 괴델의 불완전성 정리가 너무나 궁금했기 때문이다. 인간이 증명할 수 없는 명제가 있다는 사실을 수학적으로 증명했다니 대관절 이게 무슨 말인지조차 이해하기 힘들었다. 수리논리학으로 박사학위를 받는 과정에서 이 지적 갈증은 해소되었다.

수리논리학은 자연언어의 모호성과 복잡성을 피하여 인위적으로 만든, 수학적으로 엄격하게 정의된 형식언어를 연구 도구와 대상으로 삼는다. 이 언어는 컴퓨터에 입력하여 다룰 수 있는데 저자는 수학 명제가 비교적 간단한 경우에는 이 명제의 형식언어에 의한 증명이 주어졌을 때 컴퓨터가 이 증명의 옳고 그름을 판단할 수 있는 시스템인 Proofmood를 개발하였다. 그러나 이 시스템은 증명을 찾아내지는 못한다. 증명을 찾는 것은 바둑 등의 지적 게임에서 이기는 수를 찾는 것과 분명 비슷한 부분이 있다. 그렇다면 증명을 찾는 것도 머신러닝으로 해결할 수 있지 않을까?

이제 어떻게 기계가 학습할 수 있는지가 못 견디게 궁금해졌다. 늦은 나이에 새로운 분야를 공부하기가 망설여지기도 했지만, 머신러닝의 기반인 통계학, 수학, 프로그래밍에 대한 지식이라는 자산을 믿고 호기롭게 뛰어들어 지난 수년간 공부하고 강의하면서 얻은 결과물이 이 책이다.

이 책은 그러나 알파고를 이해하기에는 많이 부족하다. 높은 산을 정복하기 위한 베이스캠프 정도의 수준이라고 보면 될 것이다. 이 책은 머신러닝의 입문서로서 수학적 원리의 이해와 컴퓨팅 알고리듬의 실제 구현에 충실한 것을 목표로 하였다.

알고리듬의 구현에 사용하는 도구는 R이다. 데이터 과학에서 가장 널리 사용되는 언어로 R과 파이썬을 들 수 있겠는데 전자가 코딩 경험이 적은 사람에게는 더 편하게 접근할 수 있기 때문에 이것을 선택하였다. 흔히 통계 계산에 사용되는 도구로 SAS, SPSS, 엑셀 등을 떠올리는데, 이런 정형화된 소프트웨어로는 머신러닝이 요구하는 알고리듬을 구현할 수 없음은 물론이고, 분석 결과를 그림으로 나타내는 작업 등에서는 R이 더 강력할 뿐만 아니라 쉽기까지 하다.

이 책에 나오는 모든 코드뿐만 아니라 지면 관계로 생략한 코드는 이 책의 동반 사이트 https://jhjeong.mindconnect.cc/mlearn에 올려두었다. 또한 지면 관계로 다루지 못한 많은 수학 및 통계학 이론과 연습문제 일부의 해답 또는 힌트도 있으니 공부에 활용할 수 있다.