제가 몸담고 있는 가천대 길병원 로비에는 로봇이 걸어 다닙니다. 초롱초롱 눈망울이 귀여운 이 친구의 이름은 ‘페퍼’입니다. 감정 인식이 가능한 페퍼는 소프트뱅크가 개발한 세계 최초 휴머노이드 소셜 로봇입니다. 페퍼는 병원 본관 로비와 인공지능 암센터에 배치되어 환자를 응대하고 다양한 건강 정보를 제공하며 무균실, 중환자실 등 일반인 접근이 어려운 병실에서 환자들의 신체적 건강뿐만 아니라 감성까지 도와주고 있습니다. 뿐만 아닙니다. IBM 인공지능 의사 ‘왓슨’은 길병원 최전선 임상 현장에서 이미 오래전부터 활약하고 있습니다.
이제 인공지능 기술은 선택의 문제가 아닙니다. 앞으로 얼마나 더 많은, 또 얼마나 더 똑똑한 ‘페퍼’와 ’왓슨’이 쏟아져 나올지 상상해 보십시오. 우리 주변은 벌써 ‘스마트’ 또는 ‘지능형’과 같은 수식어를 단 사물로 가득하며, 이런 인공지능 기술의 진화는 이미 제어하기 힘들 정도의 가속도를 얻으며 미래로 달려가고 있습니다.
이런 인공지능 기술의 핵심은 빅데이터 머신러닝입니다. 쉬운 개념은 아닐지 모르나 결코 낯선 단어는 아니죠. 인터넷 클릭 몇 번이면 관련 지식들이 쏟아지니까요. 하지만 막상 빅데이터 머신러닝을 배우려고 시도해 본 사람이라면, 이 기술에 접근하기가 생각보다 쉬운 일이 아님을 깨닫게 됩니다. 빅데이터, 통계, 머신러닝 기술은 밀접하게 연관되어 있기는 하나, 각자 나름의 영역을 분명하게 가지고 있습니다. 입문자들에게 이런 특성은 뛰어넘기 어려운 벽으로 작용합니다.
‘빅데이터 머신러닝 기술’이 어려운 데에는 이유가 있습니다. 각 영역의 특성을 이해하고 기본기를 탄탄히 하지 않은 채 시작하기 때문입니다. 기본 이론을 단순히 암기하거나 소홀히 지나친다면, 이 중요한 미래 기술을 내 것으로 만들기 힘듭니다. 시중에는 이미 훌륭한 빅데이터 인공지능 관련 책들이 많이 나와 있습니다. 하지만 복잡한 수학 이론을 별다른 도움 없이 이해할 수 있는 경력자들을 위한 책이 대부분이라는 점은 교육 현장에서 학생들의 어려움을 직접 보고 듣는 입장에서 매우 안타까운 일이었습니다.
이 책은 빅데이터 머신러닝 기초 이론부터 파이썬으로 차근차근 눈으로 보며 실습하는 것을 목표로 합니다. 복잡한 프로그래밍은 최소화하고 가장 유명한 데이터들로 판다스, 시본, 케라스, 텐서플로 등 인기 있는 파이썬 라이브러리를 경험할 수 있습니다. 나아가 클라우드 머신러닝을 활용한 최신 기술들도 실습할 수 있습니다. 기본 이론을 이해하고 실습을 통해 차근차근 경험을 쌓아 나가기만 한다면, 빅데이터 머신러닝이라는 거창한 이름이 만만한 친구처럼 편안해질 날은 생각보다 빨리 옵니다. 그때까지 이 책이 여러분의 짐을 나눠지고 지름길을 찾아주는 착한 안내자 역할을 해 줄 수 있기를 기원합니다.