머가필요해

컴퓨터공학 전공한 분들도 읽어야 하는 AI에 대한 인문학 도서!

사실 우리 파트장님, 팀장님에게 추천하고 싶은 책!

어떻게 ML(머신러닝)을 하는지, PyTorch를 어떻게 사용하는지에 대한 책이 아니다.

AI는 무엇이며, 역사는 어떻게 되었는지

그리고 Machine Learning과 Deep Learning은 어떤 차이가 있는지 등에 대해서 친절하게 쉽게 이야기해주는 책이다.

책의 뒤에서는 AI로 어떤 것까지 가능하며

산업 분야별로 AI가 어떻게 도입될 것인지 어떻게 활용하는지에 대한 내용도 있다.

설명을 위해 중간 중간 그림도 삽입되어 있는데,

부담없이 보고 읽고 이해하기 쉽게 잘 정리되어 있다.

풀컬러는 아니라서 조금 아쉽기는 하지만 (개인적인 취향으로 알록 달록한 것을 좋아해서 ^^)

그래도 보기에 괜찮다.

그리고 책의 구성이 질문 형식의 화두를 던지고

그에 대한 답을 하는 방식으로 친절하게 설명하는 방식이라서 읽고 이해하기가 수월하다.

개발자로써 최근 AI/ML에 대해서 공부를 하고 있기에

Tensorflow, PyTorch, CNN, RNN 등에 대해서 알려주는 책들은 많이 봤지만

이처럼 AI에 대한 전반적인 설명이나 산업에 있어서의 AI에 대한 트렌드를 설명해주는 책은 처음이었다.

이 책을 보면서 계속 머릿속에 드는 생각은

AI/ML에 대해서 공부를 따로 하지 않은

우리 윗분들이 꼭 한 번 읽어봤으면 좋겠다라는 것이었다.

분명 기준 S/W 개발과는 차이가 있는 분야임에도 불구하고

AI/ML 과제를 S/W 개발 경험 밖에 없는 분들이 PL 역할을 하곤 한다.

이런 분들에게 이제와서 AI/ML 공부를 하라고 하는 것은 사실 무리이고

최소한 이 책에서 나온 정도의 상식은 갖췄으면 하는 바램에

이 책을 추천한다.

물론 AI/ML 개발 또는 연구하는 분들에게도 추천하는 책이다!

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

# Background Description

파일 서버 용도로 사용하던 PC의 운영체제가 Windows XP 였는데,

더이상 기술지원이 안된다고 하여서

이번 기회에 Ubuntu 20.04로 갈아타게 되었다.

# Issues

기존 부터 사용해오던 공유폴더를 사용해서

Windows PC와 파일을 계속 주고 받고 싶다.

# Environment

## Windows PC

- Edition: Windows 10 Pro

- Version: 21H1

## Linux PC

- Distribution: Ubuntu

- Version: 20.04

# SAMBA

## install

- apt를 이용해서 손쉽게 설치할 수 있다.

## add user

- SAMBA 사용을 허가해줄 계정을 등록해줘야 한다.

- 해당 계정은 실제 계정을 사용해야 한다(Linux 계정).

## set Config

- SAMBA 설정 파일 백업 먼저 하고 수정 해보자.

- 기본적인 옵션 설명은 아래와 같다.

- SAMBA 설정 파일 내용 샘플은 아래와 같다.

- 기존 내용의 제일 밑에 작성하면 된다.

- `smb.conf` 파일을 수정했으면, 서비스 재시작을 해줘야 한다.

# Use

- 윈도우 PC에서 접근 해보자.

- `2022` 디렉토리를 더블클릭하면, 다음과 같이 인증 요구 창이 나온다.

- 앞에서 등록한 패스워드로 인증하면 된다.

# Portainer ?

  - `Docker 관리를 위한 GUI 도구`로 시작해서 지금은 K8s, Azure ACI에 대한 지원까지 확장되고 있다.

  - https://www.portainer.io/

# 설치 환경

  - Ubuntu 20.04, Docker 20.10.12

# Install Portainer with Docker on Linux

  - Reference: https://docs.portainer.io/v/ce-2.11/start/install/server/docker/linux

① create volume

  - portainer에서 사용할 volume을 생성하고 잘 생성되었는지 확인해보자

② install portainer

  - docker를 이용해 portainer를 설치하고 결과까지 확인해보자

③ login

   - `https://localhost:9443` 또는 `https://IP:9443` 주소를 통해 웹 접근 해보자

  - 인증서 문제로 위와 같은 화면이 나오는데, `고급` 버튼을 누르고 `192.168.100.100(안전하지 않음)` 클릭!

  - 그리고, 관리자 패스워드 설정을 진행하면 된다

  - 다른 서버도 같이 관리할 수 있지만, 지금 우리는 local만 관리할 것이기 때문에 `Get Started`를 클릭하면 된다

  - local 밖에 없으니 하나 밖에 보이지 않는 것이 당연하고, `local`을 클릭해보자

너무나 깔끔하고 좋다~

일본의 철도 덕후로 여겨지는 한 개발자가 만든 엽기적인(?) 사이트

  - https://minitokyo3d.com/

HackersNews 뉴스레터를 통해 우연히 들어가게 되었는데,

정말 한참 동안 멍하니 보게 되었다.

지하철의 현재 상황을 실시간 애니메이션으로 보여준다.

심지어 지하철 모양을 클릭하면 그걸 따라서 화면이 움직인다.

그리고 CCTV 화면도 확인할 수 있다.

개인 개발자가 개발했다고 보기 어려울 정도의 수준이다.

정말 덕후가 아니라면 이 정도까지 하기 어려웠을거다.

  - https://github.com/nagix/mini-tokyo-3d

심지어 한/중/일/영 4개 국어를 지원한다는...

GitHub에서는 1년에 한 번씩 Universe라는 대규모 행사를 하고

지역별로 Satellite 행사도 운영을 한다.

본래 Universe 행사는 샌프란시스코에서 열리는데,

요즘 트렌드(?)에 따라 이번 Universe 2021 행사도 온라인으로 진행되었다. (10월 27일/28일)

https://githubuniverse.com/

Universe 2020도 온라인이었던 것 같은데, 아쉽다.

Universe 2021 동영상이 영어라서 부담스러운 분들은

`손건` 이사님이 직접 데모를 포함해서 우리나라 말로 설명을 해주신 요약 영상을 봐도 좋다.

https://resources.github.com/webcasts/kr-Best-of-GitHub-Universe-thankyou/ 

위 행사에서 `GitHub Universe Highlights` 뿐만 아니라

GitHub 본사에서 솔루션 아키텍트로 근무하시는 `Bryant Son(손지민)`님이

정말 Geek스러운 발표도 해주셨다.

`재미있고 어메이징한 깃허브 액션: 클라우드 프로비저닝, 리포트 작성, 그 외 깃허브 액션으로 할수 있는 많은 작업들`

발표 제목부터 Geek 스럽지 않은가!? ^^

발표 자료도...

Hands-On을 위한 자료도 정말 멋지다.

https://github.com/githubuniverseworkshops/GitHub-Actions-Planet-2021-Korea

부디 돌아오는 Universe 2022 행사는 샌프란시스코에서 열리길 기원하며 ...

M1 맥북을 경품으로 받았다.

할아버지 맥북(2011)밖에 없었는데, 나에게도 최신 맥북이 생겼다! 앗싸!!

그런데, 새로운 나의 맥북이 오자마자 생존의 위협을 받고 있다.

Windows 노트북 2대, 맥북 2대, 안드로이드 태블릿 2대, Windows 데스크탑 1대 ... 등짝 스매싱 각이다.

마나님이 새로 생긴 맥북을 어디에 쓸거냐며 스마트폰에서 당근 마켓을 살펴보고 있다.

새로 생긴 맥북에 쓰임새를 주지 않으면 팔려가게 생겼다.

flutter 개발 환경을 어서빨리 구축해서

개발 용도로 아주 중요한 아이라고, 꼭 필요한 아이라고 증명해야겠다.

Flutter 개발환경 구축을 위해서는 설치해야할 것들이 많다.

1. Android Studio

2. Xcode

3. Chrome

4. VSCode

5. Flutter SDK

6. VSCode Extension - Flutter

한 번만 고생하면 된다. 하나씩 진행해보자.

1. Android Studio

  - https://developer.android.com/studio

  - 우리 M1은 `Apple chip`을 선택해야 한다.

  - 그런데, 아직은 호환성이 완벽하지 않은 것 같지만 그래도 나아지겠지 ...

2. Xcode

  - `App Store`를 통해서 설치하면 된다.

  - 오래 걸린다.

3. Chrome

  - 사실 M1 처음 셋팅할 때 바로 설치를 해서 별도의 스냅샷이 없다 ^^

4. VSCode

  - 마찬가지로 처음 셋팅할 때 바로 설치를 해서 ...

5. Flutter SDK

  - https://docs.flutter.dev/get-started/install/macos

  - 우리 M1은 Rossetta 2 사용이 가능해야 한단다.

    . https://github.com/flutter/flutter/wiki/Developing-with-Flutter-on-Apple-Silicon

  - 다운로드 받은 후에 압축 풀고 임의의 디렉토리에 위치 시키면 된다.

    . 필자는 `$HOME/install/flutter` 경로에 위치 시켰다.

6. VSCode Extension - Flutter

  - VSCode에서 Flutter Extension을 설치하자.

  - Flutter Extension만 설치해도 Dart Extension은 자동으로 같이 설치 된다.

많은 것들을 설치하느라 고생했다.

이제는 환경 설정을 하자.

7. PATH 설정

  - 필자는 ZSH을 사용하기에 `~/.zshrc` 파일을 수정했다.

  - 앞에서 설치한 `Flutter SDK`의 `/bin` 디렉토리를 추가해주면 된다.

  - 추가한 경로를 로딩시키기 위해 `source ~/.zshrc` 실행하자

8. Run Flutter Doctor

  - Flutter가 잘 설치되어있는지 점검을 해주는 doctor를 실행해보자

    . `Shift+Command+P` 단축키로 Pallete를 실행하자

    . `Flutter: Run Flutter Doctor`를 선택해서 실행하면 된다. (몇 글자 치면 추천 뜬다!)

  - SDK 경로를 못찾겠다고 나오면 경로 찾아서 Set 해주면 된다.

    . 여기에서는 `~/install/flutter/bin` 경로로 해주면 된다.

  - OUTPUT 영역에 doctor 실행 과정이 나온다.

  - Android toolchain 부분과 Xcode 부분에서 issue가 있다고 알려준다

9. Android Licenses (+ Android SDK command-line Tools)

  - `flutter doctor --android-licenses`를 실행하면 되는데, 아래와 같이 에러메시지가 나올 수 있다.

  - `Android SDK command-line Tools`를 설치해야 한다.

    . 일단 Android Studio를 실행하고

    . Preferences 메뉴를 고르자

    . Android SDK - SDK Tools 메뉴에서 `Android SDK command-line Tools`를 체크하고 Apply 하면 된다.

  - 이제 다시 `flutter doctor --android-licenses`를 터미널에서 실행하면 된다.

    . Accept에서 `y`를 타이핑하면 된다.

10. Xcode (+ cocoapods)

  - Xcode 관련해서 issues들을 해결해야 하는데, 캡쳐해놓은 것들이 날라가서 그냥 텍스트로 공유하겠다.

  - `cocoapods` 설치는 다음과 같이 하면 된다.

$ sudo gem install cocoapods -n /usr/local/bin

$ pod setup

  - 그리고 아래 것들도 마저 실행해보자.

$ sudo xcode-select --switch /Applications/Xcode.app/Contents/Developer

$ sudo xcodebuild -runFirstLaunch

11. 최종 확인

  - 다시 flutter doctor를 실행해서 issues가 없음을 확인하자

여기까지~

최근 많은 분들이 관심을 갖고 있는 "MLOps"는

"Machine Learning"과 "DevOps"가 합쳐진 것으로 지속적인 학습과 배포가 이루어지도록 하는 것을 의미한다.

이런 `MLOps`를 공부하기에 앞서서 먼저 알아야 할 것이

바로 "머신러닝 엔지니어링 (MachineLearning Engineering)"이다.

그리고, "머신러닝 엔지니어링 (MachineLearning Engineering)"에 대해서

제대로 공부할 수 있는 책이 나왔다.

책 표지가 너무 깔끔하게 잘 나온 것 같다~^^

21년의 마지막날 하루 앞두고 발행되었다!!!

MachineLearning에 대한 책들을 보면 거의 대부분 Modeling에 집중되어 있다.

하지만, 실제 이를 적용하기 위해서는 Modeling만 알아서는 충분하지 않다.

이를 어떻게 응용할 것인지, 어떻게 적용할 것인지가 중요하다.

그렇기에 책의 서두를 보면, 이 책의 정체성에 대해서 잘 설명해주고 있다.

"Applied MachineLearning"

책의 구성을 보면 프로젝트의 시작 전부터 하나씩 친절하게 설명을 해주고 있다.

기술적인 부분에 대해서만 설명해주는 것이 아니라

어떤 데이터가 좋은 데이터인지, 어떤 전략으로 샘플링을 해야하는지와 같이

정말 꼼꼼하게 잘 설명해주고 있다.

당연한 이야기이지만, MachineLearning에서 가장 중요한 것은 데이터이기에

데이터에 대해서 상당한 분량을 투자해서 잘 설명해주고 있다.

데이터들을 수집해서 잘 정리하고 모델링을 해서

잘 만들어진 모델을 멋지게 서빙까지 하는 과정에 대해서 설명을 잘 해준다.

하지만, 이 책에서는 ML Engineering에 대한 이론적인 측면에서 설명을 해주고 있지

실제 사용되는 도구들을 통해 구현적인 측면에서는 언급해주고 있지 않다.

머신러닝 파이프라인에 있어서 각 단계별로 어떤 것들을 염두에 두어야 하는지

어떤 것들을 알고 있어야 하는지에 대한 이론을 설명해주고 있다.

즉, 그래서 실제로 어떤 도구들을 어떻게 구축해야할지를 고민하시는 분들에게는 적합하지 않고

머신러닝을 실제 업무에 적용하기 위해 어떤 단계들로 구성이 되어있는지

각 단계별로 어떤 것들을 고민하고 조심해야하는지를 알고 싶으신 분들에게 적합할 것 같다.

※ 제이펍 서평단 활동을 위해 지급 받은 도서에 대한 리뷰입니다.

Deep Learning을 공부하다보면

제일 먼저 접하는 것은 이미지 데이터를 CNN을 통해 분석하는 방법이다.

그 다음에 공부하게 되는 것이

데이터들의 순서가 중요한 시계열 데이터를 위한 RNN이고

이러한 RNN이 필요한 가장 대표적인 데이터 유형이 바로 자연어 처리이다.

그런데, 반대로 생각해볼 필요가 있다.

자연어 처리는 반드시 RNN만 적용해야 하는 것일까?

이런 궁금증을 해결해줄 수 있는 책이 바로 이 책이다.

Natural Language Processing with PyTorch

파이토치로 배우는 자연어 처리

21년 6월에 초판을 찍은 아직은 따끈따끈한 책이다.

내부에도 저 예쁜 새(노랑허리상모솔새)가 컬러로 인쇄되어 있어서 깜짝 놀랐다 ^^

아! 이 책은 ML/DL 관련해서 공부를 해보신 분들이라면

당연히 알고 계실 `박해선`님이 번역해주셨다!

책은 정말 친절하게도 Chapter 1 하나를 소개를 위한 내용으로 채워져있다.

또한 자연어 처리를 위한 기본적인 내용들도 친절하게 소개를 해준다.

심지어 Neural Network에 대한 기본적인 사항들에 대해서도 소갤를 해주고 있는데,

사실 이러한 내용들에 대해서 사전에 학습되지 않은 사람들이 과연 이 책을 구매할까?라는 의문은 있다.

Deep Learning에 대한 기본적인 공부를 이 책으로 할 수 있을지는 조금 의문스럽지만,

그럼에도 불구하고 나름 꼼꼼하고 깔끔하게 잘 설명해주고 있다.

이미 공부를 하신 분들도 이 책을 통해서 한 번 훑어보는 것도 괜찮을 것 같다.

이 책의 특징 중 하나는 바로 매 챕터에 `연습문제`가 있다는 것이다.

책을 눈으로만 봤다면 쉽게 풀 수 없는 문제들이다.

이 책에 대해서 총평을 해보자면,

Deep Learning으로 자연어 처리를 어떻게 할 수 있는지

특히 PyTorch를 이용해서 자연어 처리를 해보고 싶은 사람들에게 추천할 수 있을 것 같다.

하지만, 초급인 분들에게는 조금 어려움이 있을 것 같다.

최소한 Deep Learning에 대해서 기본적인 지식은 있는 분들에게 적합하다고 생각된다.

Deep Learning에 대한 지식이나, PyTorch에 대해서 알고싶은 사람들 보다는

자연어 처리에 대해서 공부하고 싶은 분들에게 추천한다.

살짝 한 번 공부해본 분들이 정리하는 차원에서 봐도 좋을 책이다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."