파이썬 플렉스 기초통계부터 머신러닝/딥러닝 입문까지

필자가 파이썬을 처음 접한 것은 학생들에게 통계학을 가르치던 어느 날이었다. 통계 패키
기가 쉽게 접근하기 힘든 데이터를 수집하는데 사용되곤 하던 R 패키지보다 성능면에서는
다양성이 다소 떨어지지만 데이터 수집 결과물을 보면 R보다 깔끔한 상태로 데이터가 정리
되어 있음을 보았다. 깔끔한 손질은 비정형데이터를 수집할 때 그 기능이 더욱 돋보인다. 이
에 필자는 비정형데이터 수집을 위한 도구로 주로 파이썬을 사용하기 시작했다.
물론 파이썬이 지닌 우수한 기능은 또 다른 면에서도 발견된다. 필자가 주요 관심을 갖고
있는 추천알고리즘의 경우 파이썬으로 코딩한 추천알고리즘이 웹에서 기능할 때 깔끔하게
작동하는 모습을 보게 된다. 이는 파이썬이 기존 C 언어와 유사하게 개발되었기 때문이다.
물론 좀 더 정확히는 자바 스크립트도 필요하고 다른 연동시킬 도구 언어도 필요하지만 말이
다. 그만큼 기존 컴퓨터 언어로 개발된 프로그램들과 쉽게 연동될 수 있는 것이 파이썬이다.
개발자라면 더 복잡하고 우수한 언어 패키지도 있지만 학생들로서는 쉽게 다가갈 수 있는 파
이썬을 기본으로 하기가 쉽다.
원래 필자는 스타타(Stata)의 매력에 푹 빠져 있던 연구자였다. 필자는 학부생 수준에서 쉽
게 다가갈 수 있는 Stata 통계책을 집필하였고, 이후 R통계책도 몇 권 집필한 바 있다 . 통계분
석의 경우에는 파이썬이 유능한 도구라고 말하기 어렵다. 좀 더 정확히 말하자면 Stata, R, 파
이썬이 갖고 있는 기능과 목적이 달라 각각의 장점과 목적에 맞게 패키지를 사용해야 한다.
Stata와 R이 통계분석에서 강조하는 인과관계를 중시하고 이를 잘 보여준다면, 파이썬은 ‘중
요한’ 인자를 밝혀주는데 그 기능의 우수성이 담겨있다. 따라서 파이썬을 통한 통계분석 기
능은 일반 회귀분석과 패널모형분석 등 전통적인 분석모형에서 그 우수성이 나타나는 것이
아니라, 인공신경망 분석과 같은 또 다른 형태의 분석모형에서 그 빛을 발한다. 그 만큼 사용
하고자 하는 연구자가 그 기능과 목적을 잘 구별하여 차별적으로 사용해야 한다는 말이다.
지금은 4차 산업혁명 시대를 논하는 시점이 되었다. 빅데이터, 인공지능, 블록체인 등등
새롭고 놀라운 주제어들이 주변을 꽉 채우고 있다. 우리 연구자들은 물론 사회생활을 준비
하는 학생들에게 어렵고 도전적인 과제를 남겨주는 무섭고 두려운 개념들이다. 그렇다고
그냥 주저 앉아 있어도 된다는 뜻도 아니며, 그럴 수도 없다. 이처럼 주변 환경이 급변하는
상황에서 그리고 또 또다른 도전적인 기술을 연마할 것을 요구하는 사회적 부름에 우리들은
각자 열심히 대응해야 할 것이다. 이에 필자는 이 책을 통해 학생이나 일반인들이 4차 산
업혁명 시대를 준비하는 과정에서 자신의 기술 역량을 익히는데 조금이나마 도움이 되기를
기대해 본다.
이 책에 사용된 일부 데이터는 저자가 집필한 Stata 사용법 책에서 활용된 데이터이며, 일
부 데이터는 인터넷 등에서 제공된 공개 데이터 자료임을 밝혀둔다. 또한 해석이나 설명에
있어서 Stata 사용법 책이나 R 사용법 책에서 제시된 내용과 일부 일치함을 밝혀둔다. 이는
동일한 데이터 자료를 사용하여 분석처리를 할 때 도출되는 결과는 동일해야 하며, 단지 사
용하는 프로그램이나 패키지에 따라 처리 방식이 다를 뿐임을 확인하기 위함이다. 또한 실제
로 저자가 게재한 연구논문에 사용된 데이터 자료를 제공하여 독자들이 연구논문을 작성하
는데 필요한 실제 데이터 자료를 처리해 봄으로써 자신의 연구논문을 작성하는데 구체적으
로 도움이 되도록 하기 위함이다