자료검색

책소개

워크넷을 인공지능 시스템으로 바꾼 박 과장의 데이터 과학 노트
- 정보기술을 활용해 업무 혁신을 추진하는 기획 지침서! -

‘4차 산업혁명’ 시대에는 정보기술이 사업의 모든 영역에 녹아들어야 할 텐데 실제 현장에서는 물과 기름처럼 섞이지 못하고 있다. 그 이유는 여러 가지이지만 가장 직접적인 것은 사업조직 문제다. ‘아웃소싱’이 문제다. 일부 IT 대기업 이외에는 정보기술 엔지니어를 직접 고용하지 않는다. 꼭 필요하면 아주 소수만 채용해 사업 발주를 담당하게 한다. 정보 시스템 개발은 물론 관리와 운영까지 외주에 맡기고 있다. 그리고 외주를 받은 업체가 또다시 외주를 주는, 다단계 하도급이 횡행한다.

그러나 최근에는 이런 아웃소싱 중심의 정보 시스템 운영 방식이 한계를 드러내고 있다. 정보기술 영역의 발전 속도를 따라가지 못하고 있다. 뛰어난 개발자에게 맡기면 될 것이라고 흔히 생각하지만 그렇지 않다. 데이터 문제 때문이다. 외주 일을 맡아서 일정 기간 동안 임시로 작업하는 엔지니어가 데이터를 온전히 이해하기란 불가능에 가깝다. 더구나 현업의 담당자가 데이터를 제대로 아는 것도 아니다. 그들은 정보 시스템에 어떤 데이터가 쌓여있는지 꺼내보지 않는다. 이 지점에서 사업체계의 균열이 발생하고 있다.

이 균열을 메우려면 무엇보다 서로가 상대의 관점을 이해해야 한다. 엔지니어는 사업을 이해해야 하고, 현업 담당자는 기술을 이해해야 한다. 최선의 방법은 협업이다. 과업 조직(Task Force)에 함께 들어가서 공동 작업을 하는 방식이 제일 낫다. 한 조직에 속하면 각자의 영역(Domain) 지식을 공유하게 되기 때문이다. 그럼에도 상호 간 이해가 쉽지는 않다. 인내심만으로 안 되는 부분이 있다. 특히, 현업에 종사하는 이들, 주로 인문적 지식을 베이스로 한 이들에게 정보기술은 너무나 낯선 지식이다. 이해하기 정말 어렵다. 그런 이들에게 기본적인 데이터 과학의 접근 방법을 설명하기 위한 책이 바로 『인공지능의 생각법』이다.

목차

PROLOGUE

PART 1. 증거와 데이터에 기초한 추론
1. 인공지능과 노동
2. 데이터 과학의 세계: 행렬과 벡터공간
3. 불확실성과 데이터 과학
4. 토마스 베이즈와 계몽주의 철학
5. 우리는 모두 베이지언이다
6. 확률이론과 기계학습
7. NC다이노스 박석민의 시즌 타율 예측
8. 호수 속 물고기 수를 아는 방법
9. 랜덤 워크와 샘플링
10. 인지와 추론

PART 2. 인공지능이 일하는 방식, 그리고 사람과 데이터
1. 모든 것은 집합 공간에서 시작된다
2. 주제 분류(토픽 모델링)와 깁스 샘플링
3. 의사결정과 베이지안 추론
4. 분류, 같음과 다름
5. 추천과 매칭
6. 주성분분석(PCA)과 신경망 모델
7. 딥러닝, 인공지능의 미래
8. 기획, UX에서 시작, UX에서 끝난다
9. 데이터를 만드는 방법

EPILOGUE