머신 러닝 마스터 클래스

민재식 지음

인사이트 2025년 02월 05일 출간 국내도서 : 2025년 01월 17일 출간

작품소개

책소개

머신 러닝 도서나 실무에서 익숙하게 접하는 기본 개념과 기법들. 하지만 왜 사용하는지, 어떤 경우에 사용하는지 물어본다면 제대로 설명할 수 있을까? 《머신 러닝 마스터 클래스》는 머신 러닝에서 널리 쓰여 개발자들에게 익숙하지만 정확하게 알지 못하는 개념과 기법 들을 설명한다. 모델 설계나 학습에 필요한 기초 개념을 확실하게 정리하고 모델 설계와 실제 학습, 평가 단계별로 중요한 포인트를 짚는다. 이에 더해 AI를 더 잘 이해하기 위해 알아야 할 고차원 공간의 특성, AI 신뢰도 문제까지 이야기한다.
이 책을 통해 머신 러닝에 대한 허술한 이해를 보강하고 각각 알고 있던 개념을 연결하여 다양한 상황에서도 응용이 가능한, 탄탄한 기본기를 갖추게 될 것이다.

목차

레슨 1 기계에게 상식적 판단 능력 심어주기
확률적 판단의 기본, 베이즈 정리
가장 그럴듯한 원인을 선택하는 행위, MLE
사전 정보의 등장으로 결과가 뒤집힌다, MAP
우리 일상 생활에서 활용되는 사전 정보
AI의 의사 결정을 돕는 사전 정보
맺는 말

레슨 2 확률 분포 해석하고 비교하기
엔트로피는 불확실성을 말해준다
불확실성은 곧 정보량이다
엔트로피는 정보의 가치이기도 하다
엔트로피는 결국 비용이다
확률 분포를 모르면 비용이 증가한다, 크로스 엔트로피
추가 비용을 수치화하다, KLD
엔트로피 패밀리의 무능함 1
엔트로피 패밀리의 무능함 2
가능한 대안, W 거리
너무나 원시적으로 사용되는 크로스 엔트로피
크로스 엔트로피 좀 더 잘 쓰기
맺는 말

레슨 3 날것의 숫자들을 확률 분포로
Softmax, 어울리지 않는 그 이름
왜 하필 지수 함수인가
확률 분포에 정답은 없다
맞춤형 확률 분포를 만들다
Sigmoid 함수와는 사촌 관계이다?
맺는 말

레슨 4 학습 가능 여부를 좌우하는 목표 함수
같으면서도 다른 두 목표 함수
로그 덕분에 일이 쉬워진 회귀
목표 함수에 로그를 씌우는 진짜 이유는?
학습이 나아갈 방향과 보폭, gradient
좋은 gradient, 나쁜 gradient
우리에게 이미 익숙한 log likelihood
맺는 말

레슨 5 엇나가는 학습 모델을 어떻게 제어하나
노이즈는 피할 수 없는 숙명이다
모델의 학습 과정에 적극 개입하다
이번에도 다시 한번 prior의 대활약
왜 작은 파라미터가 선호되는가
L1과 L2의 서로 다른 행보
배치 정규화의 등장, 그리고 가중치 감쇠의 위기
가중치 감쇠의 재평가
맺는 말

레슨 6 숨어 있는 변수를 찾아라, 없으면 만들어라
데이터 조작 시나리오
분포를 알면 창조는 쉽다
숨어있는 속성, 잠재 변수
섞인 성분을 분리해 내다, GMM
조인트 분포로 설명하다, VAE
분포가 아닌 함수로 설명하다, NF
단계별 과거로 현재를 설명하다, 디퓨전 모델
디퓨전이 필요한 이유
맺는 말

레슨 7 성능 수치에 현혹되지 말자
분류 모델 평가의 시작은 혼동 행렬
그들은 왜 specificity를 쓰는가
그런데 우리는 왜 precision을 쓰는가
임계치는 어디로 정해야 할까
그 모든 사정을 다 감안한 방법, AUC
클래스 불균형 상황에서의 AUC
그럼에도 AUC가 보여주지 못하는 것
검출 모델의 성능 지표, AP
정답이 없어도 채점은 가능하다
생성 이미지에 대한 반응을 점수화하다, IS
생성 이미지의 특징 분포를 점수화하다, FID
맺는 말

레슨 8 AI가 사는 그 세계, 고차원 공간 속으로
한 가지 의문에 대한 추적
고차원 공간에서 발생하는 신기한 현상들
고차원 가우시안 분포는 특이하게 생겼다?
고차원에서는 확률의 배신마저 일어난다
고차원에서는 안 해도 될 걱정들
차원의 저주인가 차원의 축복인가
맺는 말

레슨 9 자만에 빠진 AI, 그래서 미덥지 못한 AI
성능은 좋은데 믿음이 안 간다
자만은 AI 스스로에게도 도움이 안 된다
무엇이 그들을 자만하게 만들었나
자만에 빠지는 시점
자만에 빠지는 과정
겸손한 AI로 거듭나기
확신에 찬 오류, AI 할루시네이션
맺는 말

출판사 서평

모든 길은 인공 지능으로 통하는 시대가 도래했습니다. 머지않은 미래에는 인공 지능을 잘 활용하는 사람들이 그렇지 않은 사람들을 대체하게 될 것입니다. 인공 지능과 함께 일하는 시대에 인공 지능이 만든 결과를 얼마나 믿을 수 있을까? 어떻게 하면 인공 지능을 더 강력하면서 나에게 맞는 도구로 만들 수 있을까? 이 물음에 대한 답을 얻으려면 데이터 중심의 기계 학습에 대한 이해가 중요하고 이 책은 바로 그 해답을 제공합니다. 일반적인 인공 지능 활용을 넘어 진정한 전문가가 되기를 원하는 분들이라면 이 책의 일독을 적극 권합니다.
- 하정우, 네이버 클라우드 AI Innovation 센터장

인공 지능은 수많은 개념들이 복잡하게 얽혀 있어서 단편적으로 이해하거나 잘못 이해하는 경우가 많습니다. 그런 분들께 이 책은 자상한 비서 역할을 할 것입니다. 핵심 개념들을 딱딱하지 않고 재미있게 풀어내어 전체 큰 흐름을 이해하면서 개념을 정립하게 도와 줍니다. 과거 면접관으로 참여하여 인재를 구분하기 위한 질문을 선별할 때 저자의 통찰을 참고한 경우가 많았습니다. 여러분도 이 책을 통해 핵심 개념을 명확히 갖춘 통찰력 있는 인재가 되길 바랍니다.
- 임준호, LG에너지솔루션 AI빅데이터그룹 AI기술팀 리더

이 책은 저자의 뛰어난 전문성과 삶에 대한 여유가 자연스럽게 배어 있습니다. 십 년 넘는 기간 동안 네이버, 현대자동차에서 진행한 다양한 프로젝트 경험이 녹아 있고, 어려운 기술도 저자 특유의 은유와 촌철살인의 비유를 곁들여 설명하고 있어서 독자들은 단순한 기술 지식 이상의 것을 얻을 수 있습니다. 이 책은 컴퓨터 비전 분야와 기계 학습에 관심 있는 모든 이에게 필독서가 될 것입니다.
- 김준석, 한화생명 AI실 상무

AI 프로젝트를 진행하다 보면 늘 이런 고민이 생깁니다.
"왜 우리는 항상 남이 만들어 놓은 기술에 의존해야 하지?"
"우리 문제는 우리 방식으로 풀 수 없는 걸까?"
이 질문은 단순히 기술적인 목마름이 아니라, 진짜 문제 해결자로 성장하고 싶은 모든 AI 엔지니어에게 던져진 숙제입니다. 우리는 캐글(Kaggle) 대회에서 점수를 올리려는 게 아니라, 현업의 복잡한 문제를 풀어야 합니다. 하지만 현실은 최신 논문을 재현하거나 빅테크가 제공하는 툴로 문제를 해결하는 데 그치고 있죠.
《머신 러닝 마스터 클래스》는 그런 갈증에 대한 해답을 제시합니다. 단순히 기술적인 스킬이나 최신 트렌드를 나열하는 책이 아닙니다. 문제를 정의하고, 본질을 이해하고, 창의적으로 해결하는 방법을 알려 주는 책입니다. EMD를 써야 하는 이유, 고차원 공간에서 불필요한 거리 계산으로 싸우지 말아야 하는 이유, Log Likelihood나 크로스 엔트로피의 근본적 의미 등, 수식과 알고리즘의 ‘이유’를 짚어 줍니다.
이 책은 한 번 읽고 끝나는 책이 아닙니다. 한 번 읽고 생각하고, 다시 읽으면서 새롭게 깨달음을 얻을 수 있는 책입니다. 그 과정에서 여러분은 단순한 코더가 아닌 문제 해결자로 성장할 것입니다.
특히 주니어 엔지니어에게 강력히 추천합니다. 단순히 기술을 따라 하는 수준에서 벗어나 자신만의 방식으로 문제를 풀어 가는 진짜 엔지니어로 성장하고 싶다면, 이 책을 반드시 읽어 보세요. 다 읽고 나면 문제 해결에 대해 근본적인 원인들을 고민하고 있는 자신을 발견하게 될 것입니다.
- 박근한, 현대자동차 ICT본부 머신러닝랩 상무

작가정보

저자(글) 민재식

서울대학교에서 수학을, 포스텍과 University of South Florida에서 컴퓨터 비전을 전공했다. 네이버, 네이버랩스, 현대자동차 AIRS 등의 연구 개발 조직에서 십 년 넘게 컴퓨터 비전 및 머신 러닝 연구 개발자 그리고 기술 리더로 활동했다. 문제를 해결할 때 보유 기술을 어떻게든 활용하려는 방식보다는 문제의 본질을 잘 정의하고 실용적인 해법을 찾는 방식을 추구한다. 그런 사람들을 채용하고 그런 사람들과 같이 일해 왔다.