<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Taeksoon Jang on Medium]]></title>
        <description><![CDATA[Stories by Taeksoon Jang on Medium]]></description>
        <link>https://medium.com/@taeksoon?source=rss-6c6faf97b49a------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*pYTPTyPdXNkOWcJm46Ytsw.jpeg</url>
            <title>Stories by Taeksoon Jang on Medium</title>
            <link>https://medium.com/@taeksoon?source=rss-6c6faf97b49a------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 19:56:57 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@taeksoon/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[3분 딥러닝 - 파이토치맛]]></title>
            <link>https://medium.com/@taeksoon/3%EB%B6%84-%EB%94%A5%EB%9F%AC%EB%8B%9D-%ED%8C%8C%EC%9D%B4%ED%86%A0%EC%B9%98%EB%A7%9B-901aeef18f48?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/901aeef18f48</guid>
            <category><![CDATA[tensorflow]]></category>
            <category><![CDATA[파이토치]]></category>
            <category><![CDATA[pytorch]]></category>
            <category><![CDATA[텐서플로]]></category>
            <category><![CDATA[딥러닝]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Fri, 20 Dec 2019 10:08:37 GMT</pubDate>
            <atom:updated>2019-12-20T10:08:37.666Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/130/0*nSS52WcezkjBjJkg" /><figcaption><a href="https://bookthumb-phinf.pstatic.net/cover/155/596/15559613.jpg?type=m140&amp;udate=20191205">https://bookthumb-phinf.pstatic.net/cover/155/596/15559613.jpg?type=m140&amp;udate=20191205</a></figcaption></figure><p>일할때는 Tensorflow를 사용하는데 체감상 주변에서는 모두 PyTorch를 사용하는 것 같다. 또 Tensorflow를 사용하다가 PyTorch로 넘어간 사람들의 삶이 얼마나 행복해졌는지 간증을 듣고있노라면 대체 얼마나 더 좋은건지 궁금하기도 했다. 그래서 이 책을 골랐다.</p><p>나는 Tensorflow와 PyTorch의 차이점에 중점을 두고 읽어보긴 했지만, 사실 딥러닝에 대한 개괄적 소개를 그저 PyTorch를 이용해서 하는 책이다. 그러므로 이 책이 얼마나 훌륭하게 딥러닝을 초보자들에게 설명해주는지와 PyTorch와 Tensorflow가 어떤 차이점이 있는지 내가 느낀 점을 나눠서 소개하려고 한다.</p><h3>책 소개</h3><p>저자가 NYU 출신이라서 NYU의 세계적인 딥러닝 연구자인 조경현 교수님 수업에서 사용된 과제를 교수님 허락 하에 책에 실었다. 과제의 내용은 아래와 같다.</p><blockquote>어떤 함수를 이용해 오염된 이미지를 복원하시오.</blockquote><blockquote>(<a href="https://github.com/nyu-dl/Intro_to_ML_Lecture_Note/blob/master/homeworks/hw2.ipynb">https://github.com/nyu-dl/Intro_to_ML_Lecture_Note/blob/master/homeworks/hw2.ipynb</a>)</blockquote><p>딥러닝이 전통적 프로그래밍과 어떻게 다른지, 딥러닝 모델이 Universal Functino Approximator 로서 어떻게 기능하는지를 체험해 볼 수 있는 훌륭한 과제라고 생각한다. 과제는 공개되어있으니 궁금한 사람들은 직접 해결해보면 좋다.</p><p>딥러닝을 처음 소개하는 책에서 CNN, RNN을 언급하는 것까지는 상당히 일반적인데 이 책은 욕심을 더 내서 GAN, Autoencoder, Adversarial Attack, Reinforcement Learning까지 소개한다. 그리고 CNN과 RNN에서 대표 모델로 ResNet과 Seq2Seq도 소개한다. 책의 크기와 두께로 미루어 봤을때는 가볍게 읽는 튜토리얼정도 일 것 같았는데 이렇게 방대한 분량이 들어간게 신기하다. 물론 각 내용을 깊이있게 다루진 않지만 소개의 목적에서는 최근 중요하게 다뤄지는 것들을 최대한 많이 담아서 좋다고 생각한다. 개인적으로는 최근 이슈가 많이 되는 Adversarial Attack 내용을 이 기회에 접하게 되어 좋았다.</p><p>예제 코드는 부분별로 잘라서 설명하고 맨 마지막에 전체 코드를 담았는데 내가 선호하는 방식은 아니긴 하다. 물론 이는 취향차이라고 생각한다.</p><h3>Tensorflow vs PyTorch</h3><p>이 부분은 책 소개라기보단 개인적 소회이다. 물론 이 책은 간단한 딥러닝 소개서이므로 PyTorch의 구석구석을 잘 소개한 것은 아니기 때문에 엄밀한 비교가 될 수는 없고 그냥 내 감상이라고 보면 될 듯 하다.</p><p><em>(내가 현재 Tensorflow 2.0을 사용하므로 이를 기준으로 비교해보겠다.)</em></p><h4>Tensorflow</h4><p>우선 Tensorflow는 공식 문서의 구성부터 엉망진창이다. 크게 tutorial과 guide로 나뉘어져 있는데 굳이 왜 이렇게 구분했는지 의문이다. 잠시 눈을 감고 3분정도 생각해보면 tutorial은 정말 초심자를 위한 소개글이고 guide는 더 심화된 내용이지 않을까 싶은데 tutorial 내에서도 기본편과 심화편이 나뉘어있어서 혼란은 더욱 가중된다. 그리고 상당수 내용이 중복된다. Tensorflow는 일단 이 공식 문서부터 교통정리를 해야된다고 본다.</p><p>공식문서를 찬찬히 따라가면서 가장 황당했던건 곧 deprecated되는 API를 버젓이 소개하고 있다는 점이다. 처음에 코드를 따라치면서 실행해보면 이 API는 곧 deprecated 될 것이라고 나오는데 잘못 따라쳤나 싶어 문서를 확인해보면 거기서도 버젓이 같은 결과물이 실려있다. deprecated될 API 대신 뭘 사용해야 하는지도 잘 모르겠다. 내가 무지해서 그런 것일수도 있지만 이런 무지한 사람들도 잘 사용할 수 있게 찰떡같이 공식문서를 만들어놔야 사용자층이 더 넓어질 것 아닌가.</p><p>Tensorflow는 딥러닝 모델을 만드는 API의 큰 축이 크게 3~4가지이다. 크게 보면 Keras Sequential API, Functional API, Subclassing API가 있고 완전한 TF Custom API를 Keras API와 적절하게 섞는 방법이 있다. 입맛대로 골라 쓸 수 있는건 좋은데 초심자에겐 상당히 곤란한 지점이 아닐 수 없다.</p><p>욕뿐인 Tensorflow에서 가장 애증의 대상이 개인적으로는 Dataset API이다. 일단 이 Dataset API는 정말 훌륭하다. map &amp; reduce로 변환이 가능하며 batching, padding, sampling, 무한반복을 간편하게 사용할 수 있고 무엇보다 성능 개선을 위한 API가 너무 잘되어 있어서 데이터셋 로딩 과정에서 병목을 간단하게 해결할 수 있다. 개인적으로 Tensorflow를 계속 쓰는 이유는 오로지 이 Dataset API 한가지뿐이다.</p><p>그런데 왜 애증의 API이냐면 배우기가 너무 어렵다. 공식문서에서 소개하는건 전체 데이터를 메모리에 다 올릴 수 있는 경우 그냥 numpy로 읽어서 Dataset으로 변환하면 되는 경우인데 실무에서 그런 경우가 얼마나 될까 싶다. 결국 대용량 파일들을 학습하면서 읽어와야하는데 그러려면 tfrecord를 사용해야한다. 근데 이 tfrecord가 상당히 직관적이지 않다. 내가 못해서 그런것일테니 다시 말하면 나같은 평범한 개발자가 단박에 이해하기는 어렵다고 보면 되겠다. 하지만 일단 한번 손에 익혀두면, 스파크에서 tfrecord로 데이터 추출하고 이를 분산 저장해서 학습 과정에 병목 없이 읽어들이는 일련의 과정이 상당히 편해지고 성능 튜닝까지 간단하다. 좀만 더 편하게 만들면 좋았을것을…</p><h4>PyTorch</h4><p>우선 공식 문서가 상당히 깔끔하다. 읽기 좋은 문서가 씹고 뜯기에도 좋은 법인데 그런 면에서 PyTorch의 문서들은 직관적이고 필요한 내용을 어디서 찾아야 하는지 쉽게 알 수 있다.</p><p>PyTorch는 딥러닝 모델을 만드는데 한가지 방법만을 소개하기 때문에 고민 없이 사용 가능하다. (심화과정에서 더 있는지는 모르겠으나 최소한 입문용 문서에는 한가지로 통일되어있다.) Tensorflow의 Keras Subclassing API와 유사한데 Tensorflow도 애초에 이거 하나만 제공했으면 어땠을까 싶다. 물론 아주 간단한 구조의 네트워크를 만들고 학습하는데는 Keras Sequential API가 훨씬 쉽다. 입문에는 이만한게 없지만 조금만 더 복잡한 일을 하려고 하면 결국 Functional API나 Subclassing API를 손대기 시작해야하는데, 서로간에 호환이 잘 안되는 부분이 꽤 있다는것이 문제다. 이걸 일일이 언급하다간 지면이 부족하므로 생략한다.</p><p>텐서 연산과 모델 학습을 위한 API들도 Tensorflow보다 더 직관적이라고 느껴진다. 직접 실험해본건 아니지만 성능에서도 PyTorch가 뒤지지 않거나 앞서는 경우가 많다고 하는데 Tensorflow도 PyTorch API에서 많이 벤치마킹해줬으면 한다.</p><p>Tensorflow의 Dataset API와 비슷한 역할이 PyTorch에서는 Dataloader &amp; Dataset API로 보여지는데 공식문서의 간단한 내용만 살펴보면 Tensorflow의 손을 들어주고 싶다. 기본적인 변환 파이프라인, 병렬처리는 제공하지만 Tensorflow에서 HDFS를 네이티브로 지원하고 성능 튜닝도 손쉽다는 점이 내 현재 상황에서는 많이 매력적이다.</p><p>책 소개 글인데 오히려 PyTorch와 Tensorflow의 비교 내용이 더 커져버렸다. 개인적으로 결론을 내리자면 PyTorch가 약간 더 나아보이므로 이 책으로 딥러닝을 입문하는 것은 아주 좋은 선택이라고 볼 수 있겠다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=901aeef18f48" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[파이썬 날코딩으로 알고 짜는 딥러닝]]></title>
            <link>https://medium.com/@taeksoon/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%82%A0%EC%BD%94%EB%94%A9%EC%9C%BC%EB%A1%9C-%EC%95%8C%EA%B3%A0-%EC%A7%9C%EB%8A%94-%EB%94%A5%EB%9F%AC%EB%8B%9D-1a8f377c3448?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/1a8f377c3448</guid>
            <category><![CDATA[딥러닝]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[머신러닝]]></category>
            <category><![CDATA[deep-learning]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Tue, 17 Sep 2019 17:15:58 GMT</pubDate>
            <atom:updated>2019-09-17T17:15:58.268Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/458/0*Pr8-63JwLFb5iOAv" /><figcaption><a href="https://bookthumb-phinf.pstatic.net/cover/150/859/15085920.jpg?udate=20190807">https://bookthumb-phinf.pstatic.net/cover/150/859/15085920.jpg?udate=20190807</a></figcaption></figure><p>프레임워크 없이 numpy만으로 딥러닝 네트워크를 구현하면서 학습한다는 컨셉의 <a href="https://medium.com/@taeksoon/%EB%B0%91%EB%B0%94%EB%8B%A5%EB%B6%80%ED%84%B0-%EC%8B%9C%EC%9E%91%ED%95%98%EB%8A%94-%EB%94%A5%EB%9F%AC%EB%8B%9D-2363a2874140">&lt;밑바닥부터 시작하는 딥러닝&gt;</a>, <a href="https://medium.com/@taeksoon/%EB%B0%91%EB%B0%94%EB%8B%A5%EB%B6%80%ED%84%B0-%EC%8B%9C%EC%9E%91%ED%95%98%EB%8A%94-%EB%94%A5%EB%9F%AC%EB%8B%9D-2-4dc23d42c8be">&lt;밑바닥부터 시작하는 딥러닝 2&gt;</a>가 몇 년 동안 많은 인기를 얻었고, 나 또한 이 두 책으로 재미를 보았었다. 일본 IT 서적 특유의 잘 구조화되어있고 꼼꼼한 설명으로 좋은 인상을 받았었는데, 이번에는 비슷한 컨셉으로 한국인 저자가 집필한 책이 나왔다.</p><p>밑바닥 시리즈와의 차이점이라면 단연 두께가 두껍다는 것. 밑바닥 시리즈 2권을 합쳐도 이 책 한권에 미치지 못할 정도로 상당히 두껍다 (약 700 페이지 분량). 그도 그럴 것이 다루고 있는 범위가 밑바닥 시리즈 두 권을 합친 것보다 더 넓다. 밑바닥 시리즈는 1권에서 MLP(다중 퍼셉트론 레이어)와 CNN을, 2권에서 RNN + attention 을 다루었는데 이 책은 위 내용에서 attention을 빼고 오토인코더, 인코더-디코더, GAN을 추가로 다루고 있다.</p><p>밑바닥 시리즈와 마찬가지로 프레임워크 없이 직접 한땀 한땀 딥러닝 네트워크를 구현해야 하기 때문에 이론적 설명이 풍부하다. 차이점은 밑바닥 시리즈는 핵심 내용을 최대한 쉬운말로 잘 풀어내고 있다면, 이 책은 마치 전공 강의를 듣는 것처럼 엄밀한 설명에 중점을 둔다. 난 마침 기본적인 원리는 이해하고 있는 상태였기 때문에 이 책을 통해 간과하고 있던 디테일한 부분들을 짚어볼 수 있어서 좋았다.</p><p>한가지 정말 좋았던 부분은 코드의 생략 없이 구현 전체를 의미있는 단위로 잘 나눠서 담았다는 점이다. 보통 개발 서적의 예제 코드들은 핵심 내용만 책에 담고 나머지는 인터넷에서 찾아보게 하거나, 혹은 하나의 클래스나 함수가 매우 길어서 이를 부득이하게 나눠놓고 있는데 이럴 경우 예제를 그대로 구현할 시 구문 오류가 발생하여 코드를 읽기가 상당히 불편하다. 그런데 이 책에서는 하나의 함수 구현은 나누지 않고 반드시 한 단위에 포함시켰고, 구현이 길어질 클래스는 초기화 함수만 포함하고 구체적 기능을 담당하는 메소드는 별도로 정의해서 주입하는 방식으로 어떤 예제코드든 구문 오류가 발생하지 않도록 해 두었다. 어느 부분의 예제를 참고하든 작동이 가능하여 직접 실행해보며 이해할 수 있어 좋았다.</p><p>그리고 여러 딥러닝 모델을 소개하는데 그치지 않고 모델의 성능을 점진적으로 개선하는 과정을 보여주기 때문에 실무에서 적용할때도 성능이 잘 나오지 않으면 어떤 것들을 점검해봐야 하는지를 배울 수 있었다. 이런 구성이 실무에 적용할 때 많은 도움이 된다.</p><p>다만 책을 읽을 때 유의해야 할 점이 몇가지 있다. 우선 예제 코드의 완결성을 위해 채택한 방식이 실무에서 코드를 생산하는 방식과는 다르기 때문에 실제로 이용할때는 주의가 필요하다. 예제 코드들은 jupyter notebook에서 실행되는 것을 전제로 하기 때문에 코드 재사용성, 캡슐화와 같은 OOP 원칙을 아주 잘 따르고 있지는 않으므로 이 부분은 염두에 두어야 한다.</p><p>그리고 한가지 아쉬운 점이 있다면 프레임워크 없이 구현하며 배우는데 초점이 맞춰져 있지만 그래도 구현 방식이 여타 딥러닝 프레임워크의 아키텍쳐와 닮아있다면 더 좋았을 거란 생각이 든다. 예를 들어 일반적인 딥러닝 프레임워크에서는 네트워크를 학습할때 Stochastic Gradient Descent, Adam 과 같은 학습 방법을 optimizer 라는 모듈로 따로 정의하는데 이 책에서는 단순히 forward와 backward 과정 중 하나로 취급하고 새로운 학습 방법을 사용할때는 네트워크 클래스 자체를 상속하는 방식을 사용한다. 실무에서는 결국 프레임워크를 사용하기 때문에 이런 부분까지 고려가 되었다면 더 좋았을 것이다.</p><p>나는 이번에 책을 읽으면서 예제 코드를 전부 따라하기 보다는 코드를 읽어서 의도를 파악한 뒤 해당 기능을 기존 프레임워크 (tensorflow)를 사용해서 구현하는 방식으로 학습했다. 그래서 딥러닝 구현 외에 성능 향상, 데이터 정제 과정에 집중 할 수 있어서 좋은 기회가 되었다. 워낙 기본에 충실한 내용을 담고 있는 책이라서 독자의 취향대로 학습을 한다면 얻는 것이 많을 것이다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1a8f377c3448" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[매니징 쿠버네티스 (Managing Kubernetes)]]></title>
            <link>https://medium.com/@taeksoon/%EB%A7%A4%EB%8B%88%EC%A7%95-%EC%BF%A0%EB%B2%84%EB%84%A4%ED%8B%B0%EC%8A%A4-managing-kubernetes-9ba8d93c40db?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/9ba8d93c40db</guid>
            <category><![CDATA[devops]]></category>
            <category><![CDATA[kubernetes]]></category>
            <category><![CDATA[클라우드]]></category>
            <category><![CDATA[쿠버네티스]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Sun, 14 Jul 2019 13:20:53 GMT</pubDate>
            <atom:updated>2019-07-14T13:20:53.178Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/458/0*Gxq_lP_EqhUpmfuJ" /><figcaption><a href="https://bookthumb-phinf.pstatic.net/cover/149/319/14931985.jpg?udate=20190712">https://bookthumb-phinf.pstatic.net/cover/149/319/14931985.jpg?udate=20190712</a></figcaption></figure><p>이 책의 대상 독자는 어떤 사람들인지 책의 서두에 잘 나와있다.</p><blockquote>“</blockquote><blockquote>이 책은 쿠버네티스를 운영하는 사람이나 아키텍처와 설치 및 유지 방법에 대한 깊은 지식을 얻고자 하는 사람을 대상으로 합니다.</blockquote><blockquote>…</blockquote><blockquote>물론 쿠버네티스 사용자나 개발자에게도 유용한 정보가 있긴 합니다만, 궁극적으로 이 책은 대부분의 쿠버네티스 사용자에게 필요한 것보다는 낮은 수준으로 구성되어 있습니다. 대신 쿠버네티스 환경에서 애플리케이션을 개발하는 개발자를 위해 클러스터를 안정되게 유지/확인하는 일을 맡는 인프라 운영자를 위한 세부 정보에 더 집중했습니다.</blockquote><blockquote>”</blockquote><p>즉 (나같은) 쿠버네티스 클러스터에 어플리케이션을 배포하려는 사람을 위해 쓴 책은 아니다. 오로지 쿠버네티스 사용법이 궁금하다면 다른 책을 권한다. (이 책에서는 <a href="https://book.naver.com/bookdb/book_detail.nhn?bid=13660110">[쿠버네티스 시작하기]</a>를 추천한다.)</p><p>하지만 라이브러리 혹은 프레임워크를 사용할 때 그 내부를 들여다 보는 것은 언제나 플러스다. (저자가 이 프레임워크의 창시자이므로 더 믿음이 간다.) 코드 레벨에서 샅샅이 뜯어보지 않더라도 이 프로젝트가 어떤 철학 위에 만들어졌고 어떤 아키텍쳐를 가지고 있는지를 알고 있으면 디버깅, 스케일 업 과정에서 큰 도움을 얻은 경험이 있다.</p><p>그래서 쿠버네티스 구성 요소와 아키텍처를 소개한 챕터 1–3은 누구에게나 큰 도움이 될 것으로 보인다. 하지만 (내 기준에서는) 다른 챕터들은 이해하기가 쉽지 않았다. 쿠버네티스 이용자 입장에서 자주 들여다보지 않을 개념들이 자세히 소개되니 일단 지금은 넘어가고 추후 관심이 생기면 다시 돌아보기로 하고 빠르게 넘어갔다.</p><p>아무쪼록 쿠버네티스 관련자들에게 큰 도움이 되었으면 하는 바람이다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9ba8d93c40db" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[밑바닥부터 시작하는 딥러닝 2]]></title>
            <link>https://medium.com/@taeksoon/%EB%B0%91%EB%B0%94%EB%8B%A5%EB%B6%80%ED%84%B0-%EC%8B%9C%EC%9E%91%ED%95%98%EB%8A%94-%EB%94%A5%EB%9F%AC%EB%8B%9D-2-4dc23d42c8be?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/4dc23d42c8be</guid>
            <category><![CDATA[자연어처리]]></category>
            <category><![CDATA[딥러닝]]></category>
            <category><![CDATA[rnn]]></category>
            <category><![CDATA[attention]]></category>
            <category><![CDATA[deep-learning]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Sun, 09 Jun 2019 17:27:25 GMT</pubDate>
            <atom:updated>2019-06-09T17:27:25.310Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/458/0*4q8oE8KROhrz9Jsq" /><figcaption><a href="https://bookthumb-phinf.pstatic.net/cover/147/970/14797086.jpg?udate=20190603">https://bookthumb-phinf.pstatic.net/cover/147/970/14797086.jpg?udate=20190603</a></figcaption></figure><p><a href="https://medium.com/@taeksoon/%EB%B0%91%EB%B0%94%EB%8B%A5%EB%B6%80%ED%84%B0-%EC%8B%9C%EC%9E%91%ED%95%98%EB%8A%94-%EB%94%A5%EB%9F%AC%EB%8B%9D-2363a2874140">2년 전 정말 재미있게 읽었던 책</a>의 후속편이 나왔다. 당시에는 딥러닝을 공부하려면 기저의 원리를 정확하게 이해하는것이 필수라는 생각에 그 책을 집어들었다. 하지만 지금은 생각이 바뀌어서 각자 필요로 하는 것이 무엇인지가 가장 중요하다고 생각한다.</p><p>예를 들어 딥러닝의 동작 원리가 무엇인지 너무 궁금해서 이 의문을 해결하지 못하고서는 단 한발자국도 앞으로 나아갈 수 없는 사람에겐 딥러닝의 동작 원리를 이해하는 것이 가장 중요하다. 하지만 당장 딥러닝이라는 마법의 도구를 가지고 내가 직면한 문제를 풀어보고 싶은 사람에겐 Tensorflow나 PyTorch 홈페이지의 최상단에 있는 예제 코드라를 복사, 붙여넣기 해서 내 문제에 맞게 수정하여 돌려보고 결과를 내보는 것이 훨씬 더 가치있는 일이다.</p><p>전자의 경우에 이 책은 정말 흠잡을 데 없는 완벽한 안내서다. 물론 딥러닝 일반에 대한 의문을 해소하는데에는 1권이 좀 더 좋겠지만, 만약 딥러닝을 이용한 자연어 처리가 어떻게 이루어지는지에 관심이 많고 하지만 여전히 딥러닝이 무엇인지 잘 모르겠다면 2권으로 바로 시작해도 전혀 문제가 없을 것이다. 딥러닝의 근간을 이루는 수학적 원리부터 시작해서 1권의 요약본에 해당하는 내용을 제공한다.</p><p>자연어 처리의 세자기 접근법(시소러스, 통계기반 그리고 추론 기반 기법)에 대해 간략하게 소개한 뒤 본격적으로 딥러닝을 이용한 자연어 처리에 입문하게 되는데 주요 키워드는 아래와 같다.</p><ul><li>word2vec</li><li>RNN</li><li>BPTT (BackPropagation through Time)</li><li>LSTM (or GRU)</li><li>seq2seq</li><li>Attention</li></ul><p>위 키워드들에 대해 충분한 학습이 되어 있다면 최근 쏟아져 나오는 기술들을 이해하기 위한 기반은 다 갖추었다고 생각된다. 이 책의 내용 외에 더 찾아보아야 할 내용은 논문을 직접 보고싶거나 (책에 참고자료로 잘 정리되어있다.) Tensorflow, PyTorch와 같은 프레임워크로는 어떻게 구현하는지 정도라고 생각된다.</p><p>만약 자신이 당장의 문제 해결에 더 관심이 있다면 이 책을 펼쳐보기보다는 조악하더라도 인터넷 여기저기서 예제 코드들을 짜깁기하여 조악한 결과라도 먼저 내보기를 추천하고 싶다. 운이 좋아 만족할만한 성능이 나왔다면 딥러닝 별거 아니네 하면서 계속 나아가면 된다. 원하는 성능이 나오지 않으면 여러 블로그, 유튜브를 검색해보면서 이것저것 붙여보고 튜닝도 해보자. 끝끝내 원하는 결과를 얻지 못하고 이제는 이게 도대체 어떻게 돌아가는건지, 수 많은 하이퍼 파라미터들이 어떤 역할을 하는건지 알아야겠다는 생각이 들면 그 때 이 책을 집어들면 가장 몰입감이 높을 것이라고 기대된다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4dc23d42c8be" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[RxJava 리액티브 프로그래밍]]></title>
            <link>https://medium.com/@taeksoon/rxjava-%EB%A6%AC%EC%95%A1%ED%8B%B0%EB%B8%8C-%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D-261bd2de9b8b?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/261bd2de9b8b</guid>
            <category><![CDATA[java]]></category>
            <category><![CDATA[reactive-programming]]></category>
            <category><![CDATA[rxjava]]></category>
            <category><![CDATA[리액티브]]></category>
            <category><![CDATA[자바]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Sat, 25 May 2019 12:32:13 GMT</pubDate>
            <atom:updated>2019-05-25T12:32:13.725Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*atAAWAb-77NSglqVFxcolg.jpeg" /><figcaption>Photo by <a href="https://unsplash.com/photos/iVVBVb2RqLc?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">frank mckenna</a> on <a href="https://unsplash.com/search/photos/reaction?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/200/0*7erOECU3nX4JYPuq" /><figcaption><a href="https://bookthumb-phinf.pstatic.net/cover/146/895/14689555.jpg?udate=20190516">https://bookthumb-phinf.pstatic.net/cover/146/895/14689555.jpg?udate=20190516</a></figcaption></figure><p><a href="https://medium.com/@taeksoon/rxjs-%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D-70c5b9f25023">RxJS 와 관련된 책</a>을 먼저 보고 두번째로 접하게 된 리액티브 프로그래밍 책이다. 앞선 책은 리액티브 프로그래밍의 개념을 가볍게 익히고 최대한 많은 연산자와 어플리케이션에 어떻게 적용하는지를 소개하는데 집중했다면, 이 책은 오로지 리액티브 프로그래밍으로 입문하는 장벽을 허무는데 집중한다. 보통 프로그래밍 책에서 있을 법한 샘플 프로젝트 어플리케이션 같은 것도 없다. 그래서 아래 내용들을 특히 자세하게 설명해준다.</p><ul><li>Reactive Streams 표준</li><li>Flowable/Subscriber (Reactive Streams의 구현체)와 Observable/Observer 의 차이</li><li>RxJava를 사용하기 위해 필요한 배경지식 (람다식, 비동기 개념)</li><li>RxJava의 비동기 처리 방식</li><li>RxJava의 근간이 되는 디자인 패턴</li><li>RxJava에서 스레드와 관련된 이슈들과 해결 방법</li><li>Backpressure(배압)의 개념과 처리 방법</li></ul><p>위 내용의 분량이 연산자를 소개하는 부분보다 더 많다는 점에서 저자가 얼마나 리액티브 프로그래밍의 문턱을 넘는데 도움을 주고싶어 하는지 알 수 있다. 특정 내용들은 어찌나 반복해서 설명하는지 같은 페이지가 여러번 인쇄된건 아닌지 착각할 정도다.</p><p>연산자 부분에서 가장 큰 장점은 거의 모든 연산자에 대해 마블 다이어그램으로 미묘한 동작들을 잘 드러내준다는 점이다. (집필 당시 RxJava의 Javadoc이 아직 최신으로 업데이트 되지 않아서 직접 그려서 첨부했다고 한다.) 연산자는 직관적이고 흔히 쓰일만한 것들 위주로 소개되어 있어서 꼭 한번 정독해보기를 권한다. 리액티브 프로그래밍을 하면서 가장 흔히 드는 생각은 ‘이런 기능이 필요한데 구현되어있는 연산자가 있을까?’ 하는 것인데, 조금만 찾아보면 정말 특수한 상황이 아닌 다음에는 대부분 존재하는 것들이다. 그러므로 이 책의 연산자 부분을 살펴보면서 이런 기능들은 대부분 구현되어 있다는 감을 잡아두면 좋다.</p><p>실전 어플리케이션 예제까지 있었으면 좋았겠다는 생각도 잠깐 들었으나, 그러면 책이 너무 두꺼워져서 들고다니기 어려웠을 것이다. 딱 주말 하루에서 이틀을 투자하여 리액티브 프로그래밍이 무엇인지 이해하고자 하는 사람들에게 강력하게 추천하는 책이다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=261bd2de9b8b" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[RxJS 프로그래밍]]></title>
            <link>https://medium.com/@taeksoon/rxjs-%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D-70c5b9f25023?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/70c5b9f25023</guid>
            <category><![CDATA[리액티브]]></category>
            <category><![CDATA[async]]></category>
            <category><![CDATA[rxjs]]></category>
            <category><![CDATA[reactive-programming]]></category>
            <category><![CDATA[reactive-systems]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Sun, 07 Oct 2018 11:23:26 GMT</pubDate>
            <atom:updated>2018-10-07T11:23:26.649Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/140/0*kg_7W54QoWXXQYor" /><figcaption><a href="https://bookthumb-phinf.pstatic.net/cover/139/945/13994540.jpg?type=m140&amp;udate=20181002">https://bookthumb-phinf.pstatic.net/cover/139/945/13994540.jpg?type=m140&amp;udate=20181002</a></figcaption></figure><p>최근 Reactive Programming(이하 RP) 란 힙한 키워드에 꽂혀 몇몇 <a href="https://medium.com/netflix-techblog/reactive-programming-at-netflix-b944d49874d2">자료들</a>과 <a href="https://www.youtube.com/watch?v=8fenTR3KOJo">동영상</a>을 봤는데 도대체 무슨 일이 벌어지고 있는지 알 수가 없었다. RP란 것이 단순히 라이브러리 API를 익히는 수준이 아니라, 문제를 바라보는 시각 자체를 바꿔야만 하는 것이기 때문에 그렇다(고 한다).</p><p>이런 개념을 익히는데는 블로그나 동영상보다는 좀 더 긴 호흡으로 많이 생각해 볼 수 있는 책이 더 낫겠다는 생각이 들어, 이 핑키하고 아기자기하여 소장하는 맛이 있는 책을 골랐다. JVM 환경에서 RP를 적용하려는 계획을 갖고있는데 RxJS 책을 고른 이유는 1) RP의 개념이 언어별로 크게 다르지 않(다고 들었)고, 2) 가장 익숙한 언어가 아닌 언어로 된 책을 볼때면 코드 한 줄도 집중해서 보게 되는 효과가 있어서 그렇다.</p><p>(JS 환경에서 적용할 계획은 없어서 4부는 자세히 읽어보지 않았다.)</p><h3>이 책이 주는 것</h3><h4>- Rx 의 개념</h4><p>Observable, Subject, Observer, Scheduler와 각종 연산자들의 개념이 적절한 예제와 함께 잘 소개되어있다. API 문서 마냥 각각의 설명을 늘어놓지 않고 친절한 블로그 글처럼 미묘한 동작의 차이점을 이해할 수 있도록 상세한 예제들을 소개해줘서 큰 도움이 된다.</p><h4>- 1부(RxJS 소개)에 Observable 생성함수 부분을 포함한 것</h4><p>1부는 RxJS에 대한 큰 틀의 이해를 할 수 있도록 한 부분인데 여기에 Observable 생성함수 내용이 포함되었다. 그래서 이벤트, 배열, 문자열 등 모든 것이 Observable의 item이 될 수 있음을 알게되어 RP를 이해하는데 큰 도움이 되었다.</p><h4>- 꼼꼼함</h4><p>연산자를 참 많이 소개해준다. RxJS에 존재하는 모든 API를 담은 것은 아니지만 필자의 경험상 유용하게 쓰였던 것들이 엄선되었으리라 생각한다. 이 부분을 너무 꼼꼼하게 읽다가 나가떨어지지 않도록 주의해야한다.</p><h4>- 친절함</h4><p>마치 나처럼 JS가 편하지 않지만 RP 개념을 알기 위한 독자들을 정확히 예상한듯, RP를 설명하는데 필요한 개념들을 친절하게 설명해준다. 이 책을 잘 읽으면 RxJS 뿐만 아니라 ES2015+, 모던 프론트엔드 개발 환경(앵귤러 &amp; 리액트), JS 테스트 환경에 대한 뜻밖의 지식을 얻게 될 것이다.</p><h3>이 책에 없는 것</h3><h4>- 왜 RxJS를 써야하는가?</h4><p>사실 RxJS를 익히기 이전에 더 중요한 것이 이 내용이다. RP는 하루만에 뚝딱 익히기는 어려운 주제이기 때문에 끈기있게 배움을 이어가기 위해서는 강한 동기가 필요하다. 단순히 힙한 주제에 대한 호기심을 넘어서 실제로 RP가 내게 도움이 되는 것인지 알기 위해서는 다른 <a href="https://xgrommx.github.io/rx-book/why_rx.html">자료들</a>을 많이 참고해보고 적용해볼만한 상황인지 판단하는 것이 좋다.</p><h4>- 실용적 예제</h4><p>실제 문제를 RxJS로 해결하는 사례가 소개되어 있지 않은 점이 다소 아쉽다. 4부의 내용도 라이브러리 &amp; 프레임워크 레벨에서 RxJS가 어떻게 사용될 수 있는지에 대한 것이라 유저 레벨에서의 요구사항을 해결하는 예는 되지 못한다. 이 역시 다른 <a href="https://xgrommx.github.io/rx-book/content/guidelines/introduction/index.html">자료들</a>을 참고해보고 RP가 어떻게 쓰이는지를 겪고 나면 책 내용을 다시 곱씹게 되는 좋은 기회가 된다.</p><p>다 읽으면 남에게 주지 않고, 내 책장에 꽂아두고 오래오래 우려먹을 사골같은 책을 만나 기분이 좋다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=70c5b9f25023" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Node.js 교과서]]></title>
            <link>https://medium.com/@taeksoon/node-js-%EA%B5%90%EA%B3%BC%EC%84%9C-31b04780c06?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/31b04780c06</guid>
            <category><![CDATA[nodejs]]></category>
            <category><![CDATA[노드]]></category>
            <category><![CDATA[자바스크립트]]></category>
            <category><![CDATA[javascript]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Thu, 30 Aug 2018 08:27:05 GMT</pubDate>
            <atom:updated>2018-08-30T08:27:05.692Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/140/0*8eEBZ5HIo5T7tMUb" /><figcaption><a href="https://bookthumb-phinf.pstatic.net/cover/137/995/13799585.jpg?type=m140&amp;udate=20180823">https://bookthumb-phinf.pstatic.net/cover/137/995/13799585.jpg?type=m140&amp;udate=20180823</a></figcaption></figure><blockquote>Node.js 교과서.</blockquote><p>사뭇 대담한 제목이다. Node.js 정도로 규모가 큰 생태계를 가진 기술에 대한 책에 ‘교과서’라는 이름을 붙이기란 쉽지 않은 일이다. 일단 여타 트렌디한 기술서적에 비해 상당히 두껍다는 점에서 ‘교과서&#39; 느낌이 물씬 난다.</p><ol><li>우선 시작이 좋았다. 무작정 자바스크립트 문법으로 진입하지 않고 노드가 자바스크립트 생태계에서 어떤 의미를 가지는지, 자바스크립트 런타임이 어떻게 구성되는지, 싱글 스레드/이벤트/논블로킹의 개념들이 어떻게 연관되어 있는지 설명해주니 원리를 이해하는 수준높은 프로그래머가 되었다는 생각이 든다.</li><li>자바스크립트 문법은 ES6 (ES2015)에서 새롭게 도입된 부분 위주로 구성되어있다. ES5 문법에는 익숙한 내게 딱 맞는 구성이라 좋았지만 자바스크립트 자체가 생소한 분들에겐 갈증이 느껴질 수도 있겠다.</li><li>이제 본격적으로 Node.js에 대해 다룬다. 먼저 Node.js 내장 모듈의 API를 자세하게 설명하니, Node.js가 브라우저 자바스크립트와 어떤 점에서 다른지를 명확하게 알 수 있다.</li><li>다음으로 Node.js가 가장 많이 쓰이는 웹서버와 관련된 모듈인 http와 가장 많이 쓰이는 웹서버 프레임워크 express를 접할 수 있다. 내장 모듈에서 프레임워크로 넘어가기 전에 npm 패키지 매니저를 끼워넣어서 개발환경 구성에 막힘이 없다.</li><li>다음은 웹서비스에서 빠질 수 없는 DB 차례다. RDB계열의 MySQL과 NoSQL계열의 MongoDB를 하나씩 소개해주었다.</li><li>이제 대망의 실전 적용 시간. 지금까지 공부한 내용을 하나로 엮어서 토이프로젝트를 만들어본다. 저자가 실전 프로젝트를 구성할 때 특히 많은 고민을 하지 않았을까 싶은 흔적을 엿볼 수 있었다. 웹서버가 프론트엔드 템플릿을 포함한 프로젝트로 시작해서 API서버, 웹소켓, SSE를 차례로 소개하여 다양한 구조의 서버 프로젝트를 소개해주었다. 그리고 그 안에 서비스 개발에 필수적인 인증, CORS, 스케쥴링, 외부 API 사용 등의 소재를 잘 버무려두었다. 서버 개발할때 마주치는 다양한 문제들을 최대한 자연스럽게 소개하려고 한 시도가 마음에 들었다.</li><li>Node.js 기반의 CLI 프로그램, 클라우드 배포, 서버리스 노드까지 소개했을때는 투 머치가 아닐까 했지만 최근의 Node.js 개발 흐름을 짚어준 시의 적절한 내용이라는 평가도 가능하다.</li><li>‘교과서’에 걸맞게 Node.js 생태계의 구석구석을 폭넓게 소개했다는 인상을 준다. 너무 백과사전식 구성이 되지 않게 예제를 점진적으로 발전시켜나가므로 지루하지 않다. 너무 고지식하게 모든 예제를 타이핑하면서 따라가면 손가락이 아플 수도 있고, 자주 쓰이는 API 사용에 익숙해질 수도 있다.</li></ol><p>나처럼 자바스크립트가 아닌 언어로 서버개발을 주로 해왔고, 브라우저 자바스크립트에 어느정도 익숙한 독자들이 Node.js 를 빠르게 익히는데 최적의 교과서가 아닐까 싶다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=31b04780c06" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[파이썬을 활용한 금용공학 레시피]]></title>
            <link>https://medium.com/@taeksoon/%ED%8C%8C%EC%9D%B4%EC%8D%AC%EC%9D%84-%ED%99%9C%EC%9A%A9%ED%95%9C-%EA%B8%88%EC%9A%A9%EA%B3%B5%ED%95%99-%EB%A0%88%EC%8B%9C%ED%94%BC-4a016271c200?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/4a016271c200</guid>
            <category><![CDATA[데이터과학]]></category>
            <category><![CDATA[금융]]></category>
            <category><![CDATA[부동산]]></category>
            <category><![CDATA[파이썬]]></category>
            <category><![CDATA[금융공학]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Sat, 11 Aug 2018 07:08:07 GMT</pubDate>
            <atom:updated>2018-08-11T07:08:07.482Z</atom:updated>
            <content:encoded><![CDATA[<p>평생을 금융 무지랭이로 살아왔지만 워낙 버는 것이 없어 불편함을 느끼지 못했다. 하지만 한살 두살 나이는 먹어가고, 국민연금은 고갈될테고, 수명은 세자리 수를 넘길 것 같은데 노년에 자식들에게 손 벌리지 않고 싶다는 꿈을 이루기 위해 더 늦기전에 재테크에 관심을 가져야겠다는 생각이 들었다.</p><p>내가 금융에 대해 갖고 있는 이미지는 &lt;마진콜&gt;, &lt;빅쇼트&gt;, &lt;울프 오브 월스트리트&gt;에서 본 것이 전부인지라, 금융의 세계는 비정한 승부사들만이 모든 것을 가져가는 정글과 같았다. 이런 거친 세계에서 살아남을 만한 승부사적 기질이 내겐 없었기에, 그나마 내가 잘 할 수 있는 코딩을 이용해서 작게나마 수익을 낼 수 있는 방법은 없을까 하는 생각을 하곤 했다.</p><blockquote>문과생의 코딩 울렁증과</blockquote><blockquote>이과생의 금융 울렁증을</blockquote><blockquote>한 방에 씻어줄 금융공학 사이다</blockquote><p>이 책의 자극적인 부제목이 내 눈길을 완전히 사로잡았다. 저자도 프로그래머로 경력을 시작해서 현재는 금융과 IT의 접점에서 일하고 있다는 사실이 더욱 신뢰감을 주었다. 일확천금은 못되어도 꾸준한 수익률의 꿈을 갖고 단숨에 책을 읽어보았다. (워낙 금융에 무지하여 단숨에 읽진 못했다.)</p><p>책의 구성은 아래와 같은데,</p><ol><li>금융 개념 소개</li><li>엑셀 실습으로 개념 확인</li><li>더 심화된 분석/모델링을 위한 코딩 기술 소개</li></ol><p>이 구성으로 주식, 선물, 옵션, 펀드에 대해 알려준다.</p><p>이 책의 가장 큰 장점은 정말 초보자를 위한 책이라는 점이다. 금융과 코딩 모두 초보자인 독자를 가정하고 썼는데 그 구성이 완벽하다. 우선 금융 개념을 쉬운 어휘로 반복해서 설명해주니 뒤돌아서면 까먹더라도 읽으면서는 잘 이해가 되도록 했다. 코딩의 경우에도 책의 예제가 다른 자료를 참조할 필요 없이 완결성을 갖고 있어 오로지 이 책만 따라하면서 배울 수 있다. 코딩 초보에게 읽고있는 책을 벗어나서 다른 자료를 찾는 것이 상당히 어려운 장벽으로 느껴지곤 하는데 이 책에선 그런 걱정이 전혀 필요 없다.</p><p>앞에서도 살짝 언급했지만 금융 문외한이라면 책 전체를 잘 따라했어도 덮고나면 깨끗이 까먹게 될 것이다. 하지만 언제든 다시 펼쳐보면 쉽게 이해할 수 있는 정말 초보자를 위한 책이기에 당분간 이 개념들에 익숙해질 때 까지 컴퓨터 근처에 항상 비치해 둘 계획이다.</p><p>역시 부동산이 최고다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4a016271c200" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[가장 빨리 만나는 코어 자바 9]]></title>
            <link>https://medium.com/@taeksoon/%EA%B0%80%EC%9E%A5-%EB%B9%A8%EB%A6%AC-%EB%A7%8C%EB%82%98%EB%8A%94-%EC%BD%94%EC%96%B4-%EC%9E%90%EB%B0%94-9-22c128748b60?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/22c128748b60</guid>
            <category><![CDATA[java9]]></category>
            <category><![CDATA[자바9]]></category>
            <category><![CDATA[java]]></category>
            <category><![CDATA[자바]]></category>
            <category><![CDATA[java8]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Sun, 06 May 2018 02:08:58 GMT</pubDate>
            <atom:updated>2018-05-06T02:08:58.682Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/200/0*X8Xw9NqqaQZv_YnQ.jpg" /><figcaption><a href="http://bookthumb.phinf.naver.net/cover/134/526/13452662.jpg">http://bookthumb.phinf.naver.net/cover/134/526/13452662.jpg</a></figcaption></figure><p>3년 전 <a href="http://book.naver.com/bookdb/book_detail.nhn?bid=8454754">Java 8 in Action</a> 이라는 책을 읽고 Java 8을 실제 프로젝트에 적용한 뒤 큰 감동을 받았다. 이전 버전의 Java와 비교해서 Java 8이 가져온 변화에 대해 다양한 예제와 함께 자세히 소개해주는 책이었는데, 덕분에 과감하게 Java 8을 프로젝트에 도입할 수 있겠다는 자신감을 가졌었다.</p><p>어느덧 3년의 시간이 흘러 Java 9, 10이 출시되었고, 가을에는 11의 출시가 예정되어있다. IT 업계에서의 3년은 패러다임이 바뀌기에 충분한 시간이므로 본격적으로 Java 8 이후의 변화에 대해 알아보고 앞으로의 프로젝트에 어떻게 적용할지 고민하기 위해 이 책을 선택했다.</p><p>우선 이 책은 Java 8 in Action 류의 책과는 근본적으로 다른 구성이다. 새 버전의 Java에 추가된 기능을 정리하고 집중적으로 파고드는게 아닌, Java — revisited 의 성격으로 Java 전체를 정리한다.</p><p>Java에서 사용하는 타입, 변수, 연산자 부터 시작해서 상속, 리플렉션, 어노테이션, 스트림, concurrency 등 모든 요소를 다룬다. 스스로 Java의 모든것을 완벽히 이해하고 있다고 생각하는 수준이 아니라면 이 내용들이 Java의 기본을 되짚고 이해도를 높이는데 큰 도움이 될 것이라고 확신한다.</p><p>그리고 이 안에 Java 9의 새 기능들이 녹아들어가 있다. 첫 챕터에서 JShell을 소개하여 이 책의 예제를 JShell 에서 실행해 볼 수 있음을 알리고, 마지막 챕터에서 모듈에 대해 설명하여 지금까지 공부한 내용을 모던한 방식으로 모듈화 할 수 있음을 상기시킨다.</p><p>그리고 중간중간 Java 9에서 개선된 API들을 아주 자연스럽게 소개한다. 한가지 예를 들자면, Java의 기본 자료구조를 설명하는 Collection 관련 챕터에서 새 컬렉션을 만드는 convenience method인 List.of() 나 Map.of() 를 사용하고, 스트림의 새 API인 takeWhile, dropWhile 등을 포함시켰다.</p><p>하지만 이런 내용들이 Java 9에서 새로 추가된 기능이라는 점이 명시되어 있지는 않다. Java 9의 새 기능 위주로 속독을 원하는 분들에게 적합한 구성은 아니다.</p><p>그리고 Reactive programming 과 관련된 Flow API에 대한 소개는 아예 빠져있다. Reactive programming이 모든 사용자들을 위한 것은 아니라는 판단 하에 제외된 것인지는 몰라도 개인적으로 기대하고 있던 부분인데 아예 포함되지 않은것이 다소 아쉬웠다.</p><p>이 책은 Java를 기본부터 되짚으면서 Java 9을 자연스럽게 습득하고 싶은 기존 Java 개발자들에게 아주 유용한 책이다. 꽤 두꺼운 분량이지만 진득하게 읽어나가면서 기존에 알고있던 부분과 몰랐던 부분, 그리고 알고 있었지만 체화시키지 못했던 부분등을 꼼꼼히 체크해간다면 한단계 높은 수준의 Java 개발자가 될 것이라 확신한다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=22c128748b60" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[9가지 사례로 익히는 고급 스파크 분석: 2판(Advanced Analytics with Spark, 2nd)]]></title>
            <link>https://medium.com/@taeksoon/9%EA%B0%80%EC%A7%80-%EC%82%AC%EB%A1%80%EB%A1%9C-%EC%9D%B5%ED%9E%88%EB%8A%94-%EA%B3%A0%EA%B8%89-%EC%8A%A4%ED%8C%8C%ED%81%AC-%EB%B6%84%EC%84%9D-2%ED%8C%90-advanced-analytics-with-spark-2nd-1882c2ceb6db?source=rss-6c6faf97b49a------2</link>
            <guid isPermaLink="false">https://medium.com/p/1882c2ceb6db</guid>
            <category><![CDATA[spark]]></category>
            <category><![CDATA[스파크]]></category>
            <category><![CDATA[데이터]]></category>
            <category><![CDATA[데이터분석]]></category>
            <category><![CDATA[data]]></category>
            <dc:creator><![CDATA[Taeksoon Jang]]></dc:creator>
            <pubDate>Sun, 22 Apr 2018 11:11:42 GMT</pubDate>
            <atom:updated>2018-04-22T11:16:55.342Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/200/1*wLttOvK9ZY6eL2ztP8z7uQ.jpeg" /><figcaption><a href="http://bookthumb.phinf.naver.net/cover/133/664/13366477.jpg">http://bookthumb.phinf.naver.net/cover/133/664/13366477.jpg</a></figcaption></figure><p>2년 전 이 책의 1판을 처음 접했을 때 큰 감동을 받았다. 다만 딱 한 가지 아쉬웠던 점은, 당시 Spark가 2.x 버전을 발표하고 API의 패러다임을 RDD에서 DataFrame으로 바꿔가고 있었는데 반해 1판은 주로 RDD API를 사용했다는 점이었다.</p><p><a href="http://www.hanbit.co.kr/store/books/look.php?p_code=B2901427500&amp;tid=review">이번에 새로 출간된 2판</a>은 불가피한 경우를 제외하고는 모든 예제를 DataFrame 기반으로 변경하였는데, 1판과 2판을 모두 읽은 입장에서는 사실상 다른 책이라고 느껴질 정도로 또다른 감동을 받았다. 그 감동을 공유하고자 한다.</p><h3>데이터 분석가는 어떤 일을 하는가?</h3><p>이 책에는 엔지니어링 관점에서 Spark 클러스터를 어떻게 구성하고 데이터 처리 성능을 어떻게 높일 수 있는지에 대한 내용은 거의 없다. (이런 내용은 창시자들이 직접 쓴 <a href="http://shop.oreilly.com/product/0636920034957.do">Spark: The Definitive Guide</a>를 참조하는 것이 좋겠다.)</p><p>그보다는 오로지 데이터 분석가의 관점에서 Spark를 이용해서 가치를 만들어내는 과정을 아주 소상히 담아냈다. 어찌나 소상한지 마치 ‘어느 데이터 분석가의 하루&#39;라는 에세이처럼 느껴질 정도다.</p><p>데이터를 적합한 포맷으로 불러와서 기본 통계를 살펴보며 이상 데이터를 제거하고, 분석에 편리한 형태로 가공한 뒤 해결하고자 하는 문제에 맞는 모델을 만들고 평가하고, 다시 개선해서 평가하고, 또 다시 개선해서 평가하고, 그리고 마지막으로 다시 개선해서 평가하고…</p><p>얼마나 현실적인지 한 챕터에서는, 수십페이지 분량의 코드로 데이터를 이리저리 구워삶아 모델을 만들어 내고서는 아래와 같이 마무리한다.</p><blockquote>우리 모델은 관측된 현실에는 잘 맞지 않는다. 더 개선해야 할 필요가 있어 보인다.</blockquote><p>얼마나 현실적인가? 데이터 분석가가 어떤 일을 하는지 작은 단면을 들여다보고 싶다면 이 책을 추천한다.</p><h3>Spark로는 어떤 분석이 가능한가?</h3><p>물론 모든 것이 가능하다고 말할 수 있겠지만, 이를 직접 보여주기는 쉽지 않다.</p><p>이 책에서는 음악 추천, 식생 분포 예측, 네트워크 이상 탐지, 위키백과 숨은 의미 분석, 의학 논문 인용 그래프 분석, 택시 운행 데이터 분석, 금융 리스크 추정, 유전체학 데이터 분석, 신경 영상 데이터 분석 이라는 9가지 주제로 시연을 한다.</p><p>최대한 Spark의 다재다능함을 보여주기 위해 기본 DataFrame API를 이용해 평균, 표준편차를 구하고, 카이 제곱 통계량을 계산해서 요소간의 독립 사건인지를 확인한다. 또 교차 테이블을 만들어 False Positive와 False Negative의 수를 확인하고 AUC를 계산한다.</p><p>나아가서 Spark MLlib를 이용해 Matrix Factorization으로 추천 모델을 만들고, 회귀분석도 시행한다. Decision Tree와 Random Forest 기법도 손쉽게 수행한다. Spark GraphX를 이용해서 네트워크 평균 군집계수를 계산한다.</p><p>Spark가 JVM 기반으로 작동한다는 사실을 이용해 Scala, Java 생태계에 만들어져 있는 라이브러리도 잘 가져다 사용한다. <a href="http://commons.apache.org/proper/commons-math/">Apache Commons Math</a> 라이브러리를 이용해 몬테카를로 시뮬레이션과 회귀분석을 시행한다. GeoJSON 관련 라이브러리를 가져다 지리정보 분석도 한다.</p><p>대충 들춰보며 찾아본게 이정도이고, 지식 부족으로 전혀 이해하지 못한 여러가지 개념들을 Spark를 이용해 구현하는 과정을 책을 통해 생생하게 목격할 수 있다.</p><h3>그럼 아쉬운 점은?</h3><p>몇몇 주제들은 예제 데이터의 크기가 워낙 커서 로컬 환경에서 따라해보기가 쉽지 않았다. (아예 실패하기도 했다.) 또 금융 데이터는 아예 구할수가 없게 되어 깃헙에 따로 포함을 시켜줬지만 책과는 다른 형태의 데이터라 별도의 주의가 필요하다.</p><p>그리고 모든 예제가 spark-shell 기반으로 작업한다는 것을 전제로 하는데 이 많은 코드를 정말 shell 기반으로 작업한게 맞는지 의심이 든다. 몇 번 순서를 실수해서 처음부터 다시 작업해야 하는 상황을 겪었다면 분명 웹에서 Notebook 기반으로 쉽게 작업할 수 있는 <a href="https://zeppelin.apache.org/">Apache Zeppelin</a>을 소개해줬을 것이다.</p><p>그래서 어렵게 클러스터 환경을 구해서 Apache Zeppelin을 기반으로 실습을 진행했는데, 뒤로 갈수록 클러스터를 직접 수정할 수 없는 상황에서는 실습을 위한 의존성 관리가 쉽지 않았다.</p><p>그리고 3판이 나온다면 Spark 기반의 Deep Learning 분석 내용을 꼭 포함해줬으면 한다.</p><p>유난히 생소한 통계 개념이 많이등장해서 정독하는데 오래 걸렸지만 즐거운 시간이었다. 학습 자료가 인터넷에 넘쳐나는 세상에서, 이렇게 양질의 내용이 잘 구조화된 묶음이 책의 존재 이유가 되었으면 한다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=1882c2ceb6db" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>