[책리뷰] 로우코드 AI
AI는 처음입니다만…
로우코드 AI책을 소개합니다.
[책리뷰] 로우코드 AI
한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.
추천 독자
📌 이 책을 추천하는 독자는?
- ML을 배우고 싶지만 프로그래밍이 부담스러운 사람
- 비즈니스 데이터 분석을 수행하거나 AI 적용을 고려하는 전문가
- 로우코드/노코드 도구를 활용하여 AI 모델을 구축하고 싶은 사용자
책 내용소개
로우코드 AI는 머신러닝(ML)을 보다 쉽게 접근할 수 있도록 돕는 실용적인 가이드를 제공하는 책입니다.
이 책은 ML 모델을 구축하고 활용하려는 비즈니스 분석가, 데이터 분석가, 시민 데이터 과학자를 주요 대상으로 하며, 로우코드 및 노코드 도구를 활용하여 효율적으로 AI 솔루션을 개발하는 방법을 설명합니다.
요즘 ’시민 데이터 과학자’라는 용어를 자주 접하게 됩니다. 그만큼 머신러닝이 실생활에 자연스럽게 융화되고 있는 것이라고 생각됩니다.
로우 코드?
많은 사람들이 실생활이나 자신의 비즈니스 도메인에서 문제를 쉽게 해결할 수 있도록 돕는 다양한 도구 중 하나가 ’로우코드 AI’입니다.
로우코드(Low-Code)는 최소한의 코드 작성으로 애플리케이션을 개발할 수 있도록 돕는 개발 방식입니다. 노코드(No-Code)와 달리 일부 코드 작성이 필요하지만, 비주얼 인터페이스와 드래그앤드롭 기능을 활용해 개발 속도를 크게 단축할 수 있습니다.
이 책은 로우코드 도구를 중심으로 머신러닝의 기본 개념과 데이터 기반 의사결정 과정을 설명합니다. 그리고 머신러닝을 처음 접하는 사람들에게 중요한 데이터 전처리 과정을 설명하면서, GIGO(Garbage In, Garbage Out) 원칙을 강조합니다.
기업에서는 로우코드를 활용해 비용을 절감하고, 신속하게 프로토타입을 만들거나 업무 자동화를 구현하는 데 사용할 수 있습니다.
GIGO (Garbage In, Garbage Out)는 “잘못된 입력이 들어가면 잘못된 출력이 나온다”는 의미의 컴퓨터 과학 및 데이터 처리 분야에서 사용되는 개념입니다. 사용자가 입력한 데이터를 기반으로 결과를 도출하기 때문에, 입력 데이터의 질이 낮으면 결과도 부정확하거나 무의미할 수밖에 없습니다.
대부분의 머신러닝 프로젝트에서 적절하지 않거나 부족한 데이터를 사용하면 기대한 결과를 얻지 못해 실망하는 경우가 많습니다. 빠르게 결과를 얻고 싶어하는 독자들이 데이터의 중요함을 놓칠 수 있기 때문에 저자가 책의 앞 부분에 이 내용을 기술한 것 같습니다.
이 부분이 좋았어요.
이 책의 강점 중 하나는 머신러닝 프레임워크 추천입니다. 독자의 ML 숙련도에 따라 적절한 프레임워크를 선택할 수 있도록 안내하여, 초보자는 쉬운 방법으로 접근하고, 경험자는 보다 심화된 내용을 학습할 수 있습니다.
머신러닝이라는 방대한 분야를 다루다 보니 각각의 내용이 깊이 있게 다뤄지지는 않지만, 책을 통해 추가적인 학습 방향을 찾을 수 있도록 가이드합니다. 그리고 적용 사례에서는 현업에서 관심있거나 사용할 가능성이 높은 예제를 선택한 부분이 좋았습니다.
또한, 빅쿼리를 활용한 데이터 분석 및 활용 방법을 다루어 빅쿼리를 사용하는 다양한 독자들에게 실용적인 예제를 전달하기 위해 노력했습니다.
마지막으로, ML에 대한 심화 학습을 원하는 독자들을 위해 사이킷런(Scikit-learn)과 케라스(Keras) 예제를 제공하여 단계적으로 ML 역량을 키울 수 있도록 구성되어 있습니다. 다양한 실전 사례와 예제가 포함되어 있어, 이론뿐만 아니라 실습을 통해 직접 경험할 수 있는 점도 이 책의 큰 장점입니다.
마무리
로우코드 AI는 머신러닝을 처음 접하는 독자부터 심화 학습을 원하는 독자까지 폭넓게 활용할 수 있는 실용적인 책입니다. 특히, 비전공자나 AI를 빠르게 도입하여 결과를 검토하기 위한 사용자에게 친절한 설명과 단계적인 접근법으로 정리한 것이 돋보입니다. 실무에서 빠르게 ML을 적용하고 싶은 사람들에게 추천할 만한 책입니다.