Offcanvas

���������

데이터 과학자가 겪는 가장 큰 어려움은?··· "고된 데이터 준비 및 정제"

'데이터 정제 및 준비 작업'이 여전히 데이터 과학자 업무의 거의 절반을 차지하고 있는 것으로 나타났다.  데이터 과학자와 소프트웨어 엔지니어가 겪는 가장 큰 어려움은 무엇일까. 아나콘다(Anaconda)의 최근 설문조사에 따르면 고된 데이터 수집 및 정제, 편향된 모델, 데이터 프라이버시, 경험과 기술을 갖춘 전문가 채용의 어려움 등이 주된 문제인 것으로 드러났다.    과학용 컴퓨팅 애플리케이션의 파이썬 배포판 제작 업체 아나콘다가 '2020 데이터 과학 현황 조사(2020 State Of Data Science)'를 공개했다. 이번 설문에는 전 세계 100개국 2,360명이 참여했고 이 중 절반 정도가 미국 개발자였다. 보고서는 최근 데이터 과학 환경이 많이 개선됐음에도 데이터 관련 소모적인 작업이 여전히 데이터 과학자들의 주 업무라고 밝혔다. 응답자들은 데이터 로딩과 정제 작업에 각각 업무 시간의 19%와 26%를 사용한다고 말했다. 이는 전체 업무 시간의 절반에 해당하는 수치다. 이 밖에 모델 선택과 학습, 배포에 각각 11% 정도로, 총 34%를 쓰고 있는 것으로 나타났다. 데이터 과학 실무 관련해서 가장 큰 어려움은 기업의 IT 보안 규정을 준수하는 것이었다. 데이터 과학자와 개발자, 시스템 관리자의 대답이 모두 비슷했다. 이는 주로 새로운 앱을 대규모로 배포하는 것과 관련 있다. 또한 머신러닝과 데이터 과학 앱의 수명주기 문제는 보안 취약점을 패치하면서 다양한 오픈소스 애플리케이션 스택을 유지하는 것 등 내부적인 이슈를 가리킨다고 보고서는 설명했다. 설문 결과 확인된 또 다른 문제는 기업에서 필요로 하는 기술과 교육기관에서 가르치는 기술 간의 차이다. 대학 대부분이 통계와 머신러닝 이론, 파이썬 프로그래밍 수업을 제공하고 학생 대부분도 이런 과정을 듣는다. 그러나 기업이 가장 필요로 하는 데이터 관리 기술은 대학에서 거의 가르치지 않는다. 고급 수학 지식도 필요한 데 학생들이 종종 간과하곤 한다. 학생들은 ...

아나콘다 데이터 과학 데이터 과학자 소프트웨어 엔지니어 데이터 정제 데이터 준비 데이터 프라이버시 파이썬 머신러닝 자바스크립트 자바 줄리아

2020.07.01

'데이터 정제 및 준비 작업'이 여전히 데이터 과학자 업무의 거의 절반을 차지하고 있는 것으로 나타났다.  데이터 과학자와 소프트웨어 엔지니어가 겪는 가장 큰 어려움은 무엇일까. 아나콘다(Anaconda)의 최근 설문조사에 따르면 고된 데이터 수집 및 정제, 편향된 모델, 데이터 프라이버시, 경험과 기술을 갖춘 전문가 채용의 어려움 등이 주된 문제인 것으로 드러났다.    과학용 컴퓨팅 애플리케이션의 파이썬 배포판 제작 업체 아나콘다가 '2020 데이터 과학 현황 조사(2020 State Of Data Science)'를 공개했다. 이번 설문에는 전 세계 100개국 2,360명이 참여했고 이 중 절반 정도가 미국 개발자였다. 보고서는 최근 데이터 과학 환경이 많이 개선됐음에도 데이터 관련 소모적인 작업이 여전히 데이터 과학자들의 주 업무라고 밝혔다. 응답자들은 데이터 로딩과 정제 작업에 각각 업무 시간의 19%와 26%를 사용한다고 말했다. 이는 전체 업무 시간의 절반에 해당하는 수치다. 이 밖에 모델 선택과 학습, 배포에 각각 11% 정도로, 총 34%를 쓰고 있는 것으로 나타났다. 데이터 과학 실무 관련해서 가장 큰 어려움은 기업의 IT 보안 규정을 준수하는 것이었다. 데이터 과학자와 개발자, 시스템 관리자의 대답이 모두 비슷했다. 이는 주로 새로운 앱을 대규모로 배포하는 것과 관련 있다. 또한 머신러닝과 데이터 과학 앱의 수명주기 문제는 보안 취약점을 패치하면서 다양한 오픈소스 애플리케이션 스택을 유지하는 것 등 내부적인 이슈를 가리킨다고 보고서는 설명했다. 설문 결과 확인된 또 다른 문제는 기업에서 필요로 하는 기술과 교육기관에서 가르치는 기술 간의 차이다. 대학 대부분이 통계와 머신러닝 이론, 파이썬 프로그래밍 수업을 제공하고 학생 대부분도 이런 과정을 듣는다. 그러나 기업이 가장 필요로 하는 데이터 관리 기술은 대학에서 거의 가르치지 않는다. 고급 수학 지식도 필요한 데 학생들이 종종 간과하곤 한다. 학생들은 ...

2020.07.01

줄리아 vs. 파이썬··· 데이터 과학과 '케미' 좋은 언어는?

파이썬의 여러 응용 분야 가운데 아마도 데이터 애널리틱스가 가장 크고 중요할 것이다. 파이썬 진영에는 과학 컴퓨팅과 데이터 분석 작업을 신속하고 편리하게 해주는 라이브러리, 툴, 애플리케이션이 즐비하다.  그러나 과학 컴퓨팅, 머신러닝, 데이터 채굴, 대규모 선형 대수학, 분산 및 병렬 컴퓨팅에 특화된 줄리아 언어(Julia language)를 이용하는 개발자에게 파이썬은 충분히 빠르지도 편리하지도 않다. 줄리아는 과학자와 데이터 애널리스트에게 빠르고 편리한 개발뿐 아니라 눈부신 실행 속도 역시 제공하는 것을 목표로 한다.    줄리아란?  줄리아(Julia)는 2009년 4인 팀에 의해 개발되고 2012년 일반에 공개되었다. 이는 파이썬과 여타 언어, 그리고 과학 컴퓨팅 및 데이터 프로세싱에 쓰이는 애플리케이션의 단점에 대처하도록 의도되었다. 팀은 “우리는 욕심이 많다”라고 말했다. 그들은 더 많은 것을 원했다.    우리는 개방적인 라이선스의 오픈소스 언어를 원한다. 우리는 루비(Ruby)의 역동성과 C의 속도를 원한다. 우리는 리스프(Lisp)처럼 진정한 매크로를 가지면서도 매트랩(Matlab)처럼 명확하고 익숙한 수학적 표기를 가진 단일한 언어를 원한다. 우리는 파이썬처럼 일반 프로그래밍에서 쓰일 수 있고, R 언어처럼 통계를 위해 간편하고, 펄(Perl)처럼 자연스러운 문자열 처리가 가능하고, 매트랩처럼 선형 대수학에 강점이 있고, 프로그램을 셸로서 탁월하게 접합할 수 있는 무언가를 원한다. 이는 배우기가 쉬우면서도 진지한 해커를 만족시키는 것이어야 한다. 인터랙티브하고 컴파일도 가능해야 한다.  (그리고 물론 C 언어처럼 빨라야 한다).  줄리아가 위의 열망을 구현하는 몇 가지 방법을 소개한다.  • 인터프리터가 아닌 컴파일러 언어. 줄리아는 런타임 성능을 높이기 위해 LLVM 컴파일러 프레임워크를 이용해 적시에 컴파일된다...

데이터 과학 데이터 분석 데이터 애널리틱스 언어 파이썬 줄리아 리스프 LISP 루비 Ruby 매트랩 네이티브 C

2020.05.29

파이썬의 여러 응용 분야 가운데 아마도 데이터 애널리틱스가 가장 크고 중요할 것이다. 파이썬 진영에는 과학 컴퓨팅과 데이터 분석 작업을 신속하고 편리하게 해주는 라이브러리, 툴, 애플리케이션이 즐비하다.  그러나 과학 컴퓨팅, 머신러닝, 데이터 채굴, 대규모 선형 대수학, 분산 및 병렬 컴퓨팅에 특화된 줄리아 언어(Julia language)를 이용하는 개발자에게 파이썬은 충분히 빠르지도 편리하지도 않다. 줄리아는 과학자와 데이터 애널리스트에게 빠르고 편리한 개발뿐 아니라 눈부신 실행 속도 역시 제공하는 것을 목표로 한다.    줄리아란?  줄리아(Julia)는 2009년 4인 팀에 의해 개발되고 2012년 일반에 공개되었다. 이는 파이썬과 여타 언어, 그리고 과학 컴퓨팅 및 데이터 프로세싱에 쓰이는 애플리케이션의 단점에 대처하도록 의도되었다. 팀은 “우리는 욕심이 많다”라고 말했다. 그들은 더 많은 것을 원했다.    우리는 개방적인 라이선스의 오픈소스 언어를 원한다. 우리는 루비(Ruby)의 역동성과 C의 속도를 원한다. 우리는 리스프(Lisp)처럼 진정한 매크로를 가지면서도 매트랩(Matlab)처럼 명확하고 익숙한 수학적 표기를 가진 단일한 언어를 원한다. 우리는 파이썬처럼 일반 프로그래밍에서 쓰일 수 있고, R 언어처럼 통계를 위해 간편하고, 펄(Perl)처럼 자연스러운 문자열 처리가 가능하고, 매트랩처럼 선형 대수학에 강점이 있고, 프로그램을 셸로서 탁월하게 접합할 수 있는 무언가를 원한다. 이는 배우기가 쉬우면서도 진지한 해커를 만족시키는 것이어야 한다. 인터랙티브하고 컴파일도 가능해야 한다.  (그리고 물론 C 언어처럼 빨라야 한다).  줄리아가 위의 열망을 구현하는 몇 가지 방법을 소개한다.  • 인터프리터가 아닌 컴파일러 언어. 줄리아는 런타임 성능을 높이기 위해 LLVM 컴파일러 프레임워크를 이용해 적시에 컴파일된다...

2020.05.29

최적의 AI 개발 언어 6가지와 새로 부상하는 2가지

인공 지능(Artificial Intelligence, AI)는 애플리케이션 개발자에게 무한한 가능성을 제공한다. 머신러닝 또는 딥 러닝을 활용해 훨씬 더 정확한 사용자 프로필, 개인 맞춤 설정, 추천을 만들거나 더 스마트한 검색, 음성 인터페이스 또는 지능형 비서를 구현하거나 그 외의 다양한 방법으로 앱을 개선할 수 있다. 심지어 예전에는 생각지도 못했던, 보고 듣고 상황에 반응하는 애플리케이션을 만들 수도 있다.   AI를 온전히 활용하기 위해서는 어떤 프로그래밍 언어를 배워야 할까? 물론 좋은 머신러닝, 딥 러닝 라이브러리가 풍부한 언어가 좋다. 또한 우수한 런타임 성능, 충실한 툴 지원, 대규모 프로그래머 커뮤니티, 건강한 지원 패키지 생태계도 필요하다. 요구사항이 많지만 괜찮은 선택지 역시 풍부하다.  AI 개발을 위한 6가지 최적의 프로그래밍 언어와, 이 목록에는 들지 못했지만 살펴볼 만한 2가지 언어를 소개한다. 이 가운데에는 인기 상승 중인 언어도 있고 하락세인 언어도 있고 딥 러닝 아키텍처와 애플리케이션의 역사에 관심이 있는 경우에만 알면 되는 언어도 있다. 이제부터 각각의 장단점을 살펴보자. 파이썬(Python) 선두는 여전히 파이썬이다. 사실 다른 언어가 이 자리를 뺏기도 쉽지 않다. 파이썬에도 나름의 골치 아픈 문제는 있지만 AI 작업을 한다면 어느 시점에는 거의 무조건 파이썬을 사용하게 된다. 또한 파이썬의 투박한 부분들도 그동안 어느정도 개선됐다. 2020년을 목전에 둔 지금, 주요 라이브러리 대부분이 파이썬 3.x를 지원하고 파이썬 2.x에 대한 지원을 속속 중단하고 있음을 감안하면 파이썬 2.x냐, 파이썬 3.x냐의 논란은 거의 무의미하다. 즉, 모든 새로운 언어 기능을 마침내 본격적으로 활용할 수 있게 됐다. 모든 솔루션이 각자 다른 방법으로 조금씩 문제가 있는 악몽 같은 파이썬의 패키징은 여전하지만 95%의 상황에서는 별다른 걱정 없이 아나콘다(Anaconda)를 사용할 수 있다. 그럼에도 파...

자바 LUA Julia 줄리아 Python SWIFT 딥러닝 머신러닝 스위프트 Java C++ 파이썬 프로그래밍 인공지능 자바스크립트 루아

2019.11.25

인공 지능(Artificial Intelligence, AI)는 애플리케이션 개발자에게 무한한 가능성을 제공한다. 머신러닝 또는 딥 러닝을 활용해 훨씬 더 정확한 사용자 프로필, 개인 맞춤 설정, 추천을 만들거나 더 스마트한 검색, 음성 인터페이스 또는 지능형 비서를 구현하거나 그 외의 다양한 방법으로 앱을 개선할 수 있다. 심지어 예전에는 생각지도 못했던, 보고 듣고 상황에 반응하는 애플리케이션을 만들 수도 있다.   AI를 온전히 활용하기 위해서는 어떤 프로그래밍 언어를 배워야 할까? 물론 좋은 머신러닝, 딥 러닝 라이브러리가 풍부한 언어가 좋다. 또한 우수한 런타임 성능, 충실한 툴 지원, 대규모 프로그래머 커뮤니티, 건강한 지원 패키지 생태계도 필요하다. 요구사항이 많지만 괜찮은 선택지 역시 풍부하다.  AI 개발을 위한 6가지 최적의 프로그래밍 언어와, 이 목록에는 들지 못했지만 살펴볼 만한 2가지 언어를 소개한다. 이 가운데에는 인기 상승 중인 언어도 있고 하락세인 언어도 있고 딥 러닝 아키텍처와 애플리케이션의 역사에 관심이 있는 경우에만 알면 되는 언어도 있다. 이제부터 각각의 장단점을 살펴보자. 파이썬(Python) 선두는 여전히 파이썬이다. 사실 다른 언어가 이 자리를 뺏기도 쉽지 않다. 파이썬에도 나름의 골치 아픈 문제는 있지만 AI 작업을 한다면 어느 시점에는 거의 무조건 파이썬을 사용하게 된다. 또한 파이썬의 투박한 부분들도 그동안 어느정도 개선됐다. 2020년을 목전에 둔 지금, 주요 라이브러리 대부분이 파이썬 3.x를 지원하고 파이썬 2.x에 대한 지원을 속속 중단하고 있음을 감안하면 파이썬 2.x냐, 파이썬 3.x냐의 논란은 거의 무의미하다. 즉, 모든 새로운 언어 기능을 마침내 본격적으로 활용할 수 있게 됐다. 모든 솔루션이 각자 다른 방법으로 조금씩 문제가 있는 악몽 같은 파이썬의 패키징은 여전하지만 95%의 상황에서는 별다른 걱정 없이 아나콘다(Anaconda)를 사용할 수 있다. 그럼에도 파...

2019.11.25

'줄리아' vs. '파이썬'··· 최고의 데이터 언어는?

파이썬은 데이터 분석용 언어로 확고하게 자리를 잡았다. 파이썬 생태계는 과학 계산과 데이터 분석 작업을 빠르고 편리하게 해 주는 라이브러리와 툴, 애플리케이션으로 가득 차 있다. 그러나 과학 계산과 머신러닝, 데이터 마이닝, 대규모 선형 대수, 분산 및 병렬 계산 같은 작업을 할 때 파이썬의 속도나 기능에 만족하지 못하는 개발자를 중심으로 줄리아(Julia) 언어가 부상하고 있다. 줄리아는 파이썬의 대안이 될 수 있을까?   줄리아 언어란 무엇인가 줄리아는 4인으로 구성된 팀이 2009년 개발해 2012년 일반에 공개했다. 과학 계산과 데이터 처리에 사용되는 파이썬 등 기타 언어와 애플리케이션의 단점을 해결하는 대안으로 시작했다. 줄리아 개발팀은 “우리는 욕심이 많다”며 다음과 같은 글을 남겼다.   "우리는 오픈 소스이면서 자유롭게 쓸 수 있는 언어를 원한다. C의 속도에 루비의 역동성을 원한다. 동형성(homoiconic)이 있으면서 리스프(Lisp) 같은 진정한 매크로를 지원하되 매트랩(Matlab)과 같이 분명하고 익숙한 수학적 표기법이 있는 언어를 원한다. 파이썬만큼 일반 프로그래밍에 사용할 수 있고 R만큼 통계가 쉬우며 펄(Perl)만큼 문자열 처리가 자연스럽고, 매트랩만큼 선형대수가 강력하며 셸(shell)처럼 프로그램을 이어 붙이는 것에 능한 것을 원한다. 배우기가 매우 간단하면서도 대부분의 전문 해커를 기쁘게 할 수 있는 것, 대화형이기를 원하고 컴파일되기를 원한다. (C만큼 속도가 빨라야 한다고 말했던가?)"   줄리아는 이런 야심을 다음과 같은 방식으로 실현한다.   - 해석되는 것이 아니라 컴파일됨: 더 빠른 런타임 성능을 위해 LLVM 컴파일러 프레임워크를 사용해 JIT(just-in-time) 컴파일된다. 최상의 상태에서는 C의 속도에 근접하거나 맞먹는다. - 대화형: 파이썬과 비슷한 대화형 명령줄인 REPL(read-eval-print loop)이 제공된다. 일회용 스크립트와 명령어를 빠르게 바...

파이썬 줄리아

2019.07.12

파이썬은 데이터 분석용 언어로 확고하게 자리를 잡았다. 파이썬 생태계는 과학 계산과 데이터 분석 작업을 빠르고 편리하게 해 주는 라이브러리와 툴, 애플리케이션으로 가득 차 있다. 그러나 과학 계산과 머신러닝, 데이터 마이닝, 대규모 선형 대수, 분산 및 병렬 계산 같은 작업을 할 때 파이썬의 속도나 기능에 만족하지 못하는 개발자를 중심으로 줄리아(Julia) 언어가 부상하고 있다. 줄리아는 파이썬의 대안이 될 수 있을까?   줄리아 언어란 무엇인가 줄리아는 4인으로 구성된 팀이 2009년 개발해 2012년 일반에 공개했다. 과학 계산과 데이터 처리에 사용되는 파이썬 등 기타 언어와 애플리케이션의 단점을 해결하는 대안으로 시작했다. 줄리아 개발팀은 “우리는 욕심이 많다”며 다음과 같은 글을 남겼다.   "우리는 오픈 소스이면서 자유롭게 쓸 수 있는 언어를 원한다. C의 속도에 루비의 역동성을 원한다. 동형성(homoiconic)이 있으면서 리스프(Lisp) 같은 진정한 매크로를 지원하되 매트랩(Matlab)과 같이 분명하고 익숙한 수학적 표기법이 있는 언어를 원한다. 파이썬만큼 일반 프로그래밍에 사용할 수 있고 R만큼 통계가 쉬우며 펄(Perl)만큼 문자열 처리가 자연스럽고, 매트랩만큼 선형대수가 강력하며 셸(shell)처럼 프로그램을 이어 붙이는 것에 능한 것을 원한다. 배우기가 매우 간단하면서도 대부분의 전문 해커를 기쁘게 할 수 있는 것, 대화형이기를 원하고 컴파일되기를 원한다. (C만큼 속도가 빨라야 한다고 말했던가?)"   줄리아는 이런 야심을 다음과 같은 방식으로 실현한다.   - 해석되는 것이 아니라 컴파일됨: 더 빠른 런타임 성능을 위해 LLVM 컴파일러 프레임워크를 사용해 JIT(just-in-time) 컴파일된다. 최상의 상태에서는 C의 속도에 근접하거나 맞먹는다. - 대화형: 파이썬과 비슷한 대화형 명령줄인 REPL(read-eval-print loop)이 제공된다. 일회용 스크립트와 명령어를 빠르게 바...

2019.07.12

쉽게 간편한 데이터 분석에 안성맞춤 '주피터 노트북'이란?

누구나 자신의 작업 내용을 다른 사람에게 보여줘야 할 때가 있다. 대부분 프로그래밍 작업 내용은 가공되지 않은 소스 코드 형태나 컴파일을 거친 실행가능 파일 형태로 공유된다. 소스 코드에는 정보가 빠짐없이 제공되지만 “보여준다”기 보다 “말해 주는” 편에 가깝다. 실행가능 파일은 해당 소프트웨어가 어떤 작업을 하는지 보여 주지만, 소스 코드와 함께 제공되는 경우에도 정확히 어떤 식으로 작동하는지 이해하기 어려운 경향이 있다.    만일 같은 UI에서 코드를 확인하고 실행할 수 있다면 어떨까? 코드를 수정한 후 수정 결과를 즉시 실시간으로 볼 수 있을 것이다. 그것이 바로 주피터 노트북(Jupyter Notebook)에서 제공되는 기능이다.   주피터 노트북은 손쉽게 누군가의 프로그래밍 작업 내용을 보여주고 다른 사람들이 참여할 수 있도록 만들어졌다. ‘노트북’이라는 대화형 문서에 코드와 의견, 멀티미디어, 시각화 자료 등을 결합해 이를 공유하고 재사용 및 재작업할 수 있게 해 준다.   웹 브라우저를 통해 실행되므로 주피터 노트북 자체를 자신의 로컬 시스템이나 원격 서버에 호스팅할 수 있다.     주피터 노트북의 텍스트, 코드, 시각화 화면. 코드를 변경하고 브라우저에서 다시 실행하면 결과물도 바꾸고 새 결과를 새 노트에 저장할 수 있다. 주피터 노트북의 장점 주피터 노트북은 원래 파이썬, R, 줄리아 등의 언어로 작성된 데이터 과학 애플리케이션용으로 개발되었기 때문에 다음과 같은 각종 프로젝트에 다양한 방식으로 유용하다. • 데이터 시각화. 대부분 사람이 주피터 노트북을 처음 접하는 것은 데이터 시각화를 통해서다. 데이터 시각화란 일부 데이터 모음의 렌더링이 그래픽으로 포함된 공유 노트북을 말한다. 주피터 노트북을 통해 시각화를 작성하고 공유할 수 있으며 공유된 코드 및 데이터 모음에 대화형 수정도 가능하다. &bul...

빅데이터 줄리아 주피터 노트북 R 데이터 과학 파이썬 분석 시각화 브라우저 Jupyter Notebook

2019.03.08

누구나 자신의 작업 내용을 다른 사람에게 보여줘야 할 때가 있다. 대부분 프로그래밍 작업 내용은 가공되지 않은 소스 코드 형태나 컴파일을 거친 실행가능 파일 형태로 공유된다. 소스 코드에는 정보가 빠짐없이 제공되지만 “보여준다”기 보다 “말해 주는” 편에 가깝다. 실행가능 파일은 해당 소프트웨어가 어떤 작업을 하는지 보여 주지만, 소스 코드와 함께 제공되는 경우에도 정확히 어떤 식으로 작동하는지 이해하기 어려운 경향이 있다.    만일 같은 UI에서 코드를 확인하고 실행할 수 있다면 어떨까? 코드를 수정한 후 수정 결과를 즉시 실시간으로 볼 수 있을 것이다. 그것이 바로 주피터 노트북(Jupyter Notebook)에서 제공되는 기능이다.   주피터 노트북은 손쉽게 누군가의 프로그래밍 작업 내용을 보여주고 다른 사람들이 참여할 수 있도록 만들어졌다. ‘노트북’이라는 대화형 문서에 코드와 의견, 멀티미디어, 시각화 자료 등을 결합해 이를 공유하고 재사용 및 재작업할 수 있게 해 준다.   웹 브라우저를 통해 실행되므로 주피터 노트북 자체를 자신의 로컬 시스템이나 원격 서버에 호스팅할 수 있다.     주피터 노트북의 텍스트, 코드, 시각화 화면. 코드를 변경하고 브라우저에서 다시 실행하면 결과물도 바꾸고 새 결과를 새 노트에 저장할 수 있다. 주피터 노트북의 장점 주피터 노트북은 원래 파이썬, R, 줄리아 등의 언어로 작성된 데이터 과학 애플리케이션용으로 개발되었기 때문에 다음과 같은 각종 프로젝트에 다양한 방식으로 유용하다. • 데이터 시각화. 대부분 사람이 주피터 노트북을 처음 접하는 것은 데이터 시각화를 통해서다. 데이터 시각화란 일부 데이터 모음의 렌더링이 그래픽으로 포함된 공유 노트북을 말한다. 주피터 노트북을 통해 시각화를 작성하고 공유할 수 있으며 공유된 코드 및 데이터 모음에 대화형 수정도 가능하다. &bul...

2019.03.08

'인공지능과 환상 궁합' 프로그래밍 언어 10선

광범위한 분야에서 성장하는 인공지능은 다양한 프로그래밍 언어로 작성될 수 있다. 많은 프로그래밍 언어 가운데 어떤 것이 향후 추진할 AI 프로젝트에 적합한지 파악하기는 어렵다.  AI를 프로그래밍하는 데 도움이 되는 프로그래밍 언어 10가지를 소개한다.  1. 줄리아 줄리아(Julia)는 제프 베잔슨, 스테판 카핀스키, 비랄 B. 샤, 앨런 에델만이 2009년에 공동으로 개발한 범용 프로그래밍 언어이다. 줄리아는 속도를 높이기 위해 별도의 컴파일 작업을 필요로 하지 않는 고성능 수치 해석 및 계산 과학으로 설계되었다. 이를 위해 줄리아는 종종 파이썬의 속도 문제에 대한 해결책으로 간주되기도 한다. 간단한 구문과 깊은 수학적 기반 덕분에 줄리아는 데이터 분석가 등을 위한 사용자 친화적인 프로그래밍 언어가 되었다. 또한 머신러닝과 AI를 위한 프레임워크인 플럭스(Flux)도 포함된다. 줄리아의 수학 구문과 결합하여 알고리즘을 논문으로 쓰는 이상적인 방법을 제공한다. 줄리아는 텐서플로, MXNet과 같은 다른 머신러닝 프레임워크도 지원한다. 2. 하스켈 하스켈(Haskell)은 엄격하지 않은 의미 체계와 강력한 정적 유형을 사용하도록 설계된 표준화된 범용 프로그래밍 언어이다. 1990년에 처음 개발된 하스켈은 학계에서 주로 사용되었지만 AT&T, 페이스북, 구글 등의 산업계 프로젝트에서 쓰인 사례도 몇 가지 있다. 하스켈은 미란다 프로그래밍 언어의 의미를 기반으로 하며 효율적인 라이브러리가 AI 알고리즘을 표현할 수 있도록 한다. 또한 AI 및 많은 다른 분야에 적용할 수 있는 프로그래밍 언어 연구의 유명한 분야인 임베디드 도메인 특정 언어도 지원한다. 3. R 여기서 소개된 프로그래밍 언어들과는 달리 R은 통계 컴퓨팅 및 그래픽을 위한 고유한 프로그래밍 언어이자 무료 오픈소스 소프트웨어 환경이다. 로스 이하카와 로버트 젠틀맨이 1993년에 설계한 R은 통계 소프트웨...

구글 프롤로그 LISP 하스켈 줄리아 NLP 매트랩 매스웍스 텐서플로 챗봇 R C++ 프로그래밍 언어 파이썬 자연어 처리 IBM 자바 오라클 AIML

2018.10.24

광범위한 분야에서 성장하는 인공지능은 다양한 프로그래밍 언어로 작성될 수 있다. 많은 프로그래밍 언어 가운데 어떤 것이 향후 추진할 AI 프로젝트에 적합한지 파악하기는 어렵다.  AI를 프로그래밍하는 데 도움이 되는 프로그래밍 언어 10가지를 소개한다.  1. 줄리아 줄리아(Julia)는 제프 베잔슨, 스테판 카핀스키, 비랄 B. 샤, 앨런 에델만이 2009년에 공동으로 개발한 범용 프로그래밍 언어이다. 줄리아는 속도를 높이기 위해 별도의 컴파일 작업을 필요로 하지 않는 고성능 수치 해석 및 계산 과학으로 설계되었다. 이를 위해 줄리아는 종종 파이썬의 속도 문제에 대한 해결책으로 간주되기도 한다. 간단한 구문과 깊은 수학적 기반 덕분에 줄리아는 데이터 분석가 등을 위한 사용자 친화적인 프로그래밍 언어가 되었다. 또한 머신러닝과 AI를 위한 프레임워크인 플럭스(Flux)도 포함된다. 줄리아의 수학 구문과 결합하여 알고리즘을 논문으로 쓰는 이상적인 방법을 제공한다. 줄리아는 텐서플로, MXNet과 같은 다른 머신러닝 프레임워크도 지원한다. 2. 하스켈 하스켈(Haskell)은 엄격하지 않은 의미 체계와 강력한 정적 유형을 사용하도록 설계된 표준화된 범용 프로그래밍 언어이다. 1990년에 처음 개발된 하스켈은 학계에서 주로 사용되었지만 AT&T, 페이스북, 구글 등의 산업계 프로젝트에서 쓰인 사례도 몇 가지 있다. 하스켈은 미란다 프로그래밍 언어의 의미를 기반으로 하며 효율적인 라이브러리가 AI 알고리즘을 표현할 수 있도록 한다. 또한 AI 및 많은 다른 분야에 적용할 수 있는 프로그래밍 언어 연구의 유명한 분야인 임베디드 도메인 특정 언어도 지원한다. 3. R 여기서 소개된 프로그래밍 언어들과는 달리 R은 통계 컴퓨팅 및 그래픽을 위한 고유한 프로그래밍 언어이자 무료 오픈소스 소프트웨어 환경이다. 로스 이하카와 로버트 젠틀맨이 1993년에 설계한 R은 통계 소프트웨...

2018.10.24

'지금도, 앞으로도 인기' 프로그래밍 언어 10선

프로그래밍에 익숙하지 않다면 스크래치(Scratch)나 HTML과 같은 언어를 배우는 것부터 시작할 수 있다. 그러나 일단 기본 지식을 익히면 배울 수 있는 다양한 언어가 있다. 깃허브의 프로그램 관리자인 조 내시에 따르면, 개발자가 선택할 수 있는 언어가 많으며 언어마다 고유한 목적이 있다. 자바스크립트, PHP, C #과 같은 프로그래밍 언어가 인기 있는 데는 다 이유가 있다. 이 언어들은 해당 분야에서 최고며 고용주 사이에서 수요도 높다. 하지만 개발자에게 가치를 제공할 수 있는 혁신적인 프로그래밍 언어는 무수히 많다. 어떤 프로그래밍 언어의 수요가 더 높을지 예측하는 것은 어렵고 많은 언어가 다양한 방식으로 활용되겠지만, 이들 가운데 몇 개 언어의 인기는 꾸준히 상승할 것이다. 앞으로 몇 년 안에 기업 내에서 더 큰 역할을 할 것으로 기대되는 프로그래밍 언어를 소개한다. 1. 줄리아 2009년 제프 베잔슨, 스테판 카핀스키, 바이럴 B. 슬라, 알란 에델만이 설계한 줄리아는 빠른 수치 기능 및 분석에 이상적인 고급 동적 프로그래밍 언어다. 줄리아는 파이썬의 속도 문제를 해결해줄 대안이 될 수 있다. 줄리아 창시자들은 간단한 자신들이 파이썬에서 좋아하는 기능인 간단한 구문과 데이터를 분리하고 정리하기를 토대로 했으며, 변경한 모든 코드를 즉시 컴파일하도록 만들었다. 빠른 파이썬으로 가고 싶다면, 줄리아를 배우라. 2. 스칼라 자바에 불만이 있는 사용자라면 스칼라에 기대를 걸어도 될 듯하다. 2004년 마틴 오더스키가 개발한 스칼라는 '객체 지향 기능을 충족시키는' 범용 프로그래밍 언어다. 스칼라는 JVM(Java Virtual Machine) 플랫폼에서 실행되므로 전체 자바 클래스와 호환된다. 자바와 비교할 때, 스칼라는 더 깔끔하고 단순하며 유연한 구문을 제공한다. 3. 타입스크립트 타입스크립트는 2017년 초에 주목받기 시작해 지난해 계속해서 강세를 보였다. 기술 전문지 레드몽크...

구글 도커 러스트 코틀린 타입스크립트 C # 줄리아 앵귤라 R 클로저 스위프트 애플 자바스크립트 하둡 깃허브 파이썬 PHP 프로그래밍 언어 스칼라 하스켈

2018.04.25

프로그래밍에 익숙하지 않다면 스크래치(Scratch)나 HTML과 같은 언어를 배우는 것부터 시작할 수 있다. 그러나 일단 기본 지식을 익히면 배울 수 있는 다양한 언어가 있다. 깃허브의 프로그램 관리자인 조 내시에 따르면, 개발자가 선택할 수 있는 언어가 많으며 언어마다 고유한 목적이 있다. 자바스크립트, PHP, C #과 같은 프로그래밍 언어가 인기 있는 데는 다 이유가 있다. 이 언어들은 해당 분야에서 최고며 고용주 사이에서 수요도 높다. 하지만 개발자에게 가치를 제공할 수 있는 혁신적인 프로그래밍 언어는 무수히 많다. 어떤 프로그래밍 언어의 수요가 더 높을지 예측하는 것은 어렵고 많은 언어가 다양한 방식으로 활용되겠지만, 이들 가운데 몇 개 언어의 인기는 꾸준히 상승할 것이다. 앞으로 몇 년 안에 기업 내에서 더 큰 역할을 할 것으로 기대되는 프로그래밍 언어를 소개한다. 1. 줄리아 2009년 제프 베잔슨, 스테판 카핀스키, 바이럴 B. 슬라, 알란 에델만이 설계한 줄리아는 빠른 수치 기능 및 분석에 이상적인 고급 동적 프로그래밍 언어다. 줄리아는 파이썬의 속도 문제를 해결해줄 대안이 될 수 있다. 줄리아 창시자들은 간단한 자신들이 파이썬에서 좋아하는 기능인 간단한 구문과 데이터를 분리하고 정리하기를 토대로 했으며, 변경한 모든 코드를 즉시 컴파일하도록 만들었다. 빠른 파이썬으로 가고 싶다면, 줄리아를 배우라. 2. 스칼라 자바에 불만이 있는 사용자라면 스칼라에 기대를 걸어도 될 듯하다. 2004년 마틴 오더스키가 개발한 스칼라는 '객체 지향 기능을 충족시키는' 범용 프로그래밍 언어다. 스칼라는 JVM(Java Virtual Machine) 플랫폼에서 실행되므로 전체 자바 클래스와 호환된다. 자바와 비교할 때, 스칼라는 더 깔끔하고 단순하며 유연한 구문을 제공한다. 3. 타입스크립트 타입스크립트는 2017년 초에 주목받기 시작해 지난해 계속해서 강세를 보였다. 기술 전문지 레드몽크...

2018.04.25

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.5.0.5