[책]식물을 보며, 우리는 항상 배울 수 있다, "선인장은 물을 좋아한다"

[책]식물을 보며, 우리는 항상 배울 수 있다, "선인장은 물을 좋아한다"
Photo by Liubov Ilchuk / Unsplash

언제인지 기억이 나지 않는다. 회사에서 경제지를 읽고 이야기하는 모임의 뒷풀이였다. 자신의 소개를 하다가 언틋 식물을 좋아해서 글을 쓴다고 하는 분이 있었다. 성격상 그냥 듣고 흘릴 수 없어 글을 찾아보았다.

검색을 해서 본 그 분의 글은 굉장히 인상깊었다. 식물에 이 정도 애정을 쏟을 수 있구나를 처음 느꼈다.  모든 학문은 극의에 도달하면 예술이 된다고 믿는 나에게 그 분의 글에서 느껴지는 식물에 대한 애정과 몰입은 꽤나 흥미로운 부분이었다. 그래서 출판을 권하였고, 수개월이 흐른 뒤 이 책을 만나볼 수 있었다. 그리고 그 분이 책을 보내주셔서 이렇게 내가 읽게 되었다.

사실 책을 받고 나서 한동안은 읽지 못했다. 다른 책을 우선 보고 있었기 때문이다. 그렇다가 너무 시간이 흘렀다고 생각해서 이 책을 펼쳐보았다. 사실 결론부터 말하자면 조금이라도 일찍 읽는 것이 좋았다.

흔히들 독서를 시공간을 초월할 수 있는 저자와의 대화라고 말한다. 나는 여기서 한발 더 나아가, 대화를 필요한 시점을 잘 고려한다면 최적의 독서를 할 수 있다고 주장한다. 나에게 있어 독서를 하는 이유는 지식을 통해 문제를 해결하려 함이다. 따라서 적절한 문제가 있을 때, 적절한 책을 잘 활용할 수 있다면 이는 굉장히 큰 도움이 될 수 있다. 같이 문제를 해결할 수 있기 때문이다.

육아휴직을 한 이후, 사회와 격리됨을 느끼면서 마음이 허한 부분이 있었다. 가족간에 해결할 수 있는 부분도 있지만, 그렇지 못한 부분도 있었다. 이 부분을 책이 어느정도는 채워주었다. 마치 내 주위에 많은 사람을 소개받은 느낌이었기 때문이다. 저자는 많은 식묵들과 대화를 하며 삶을 성찰하고 이를 이야기로 남긴다.

그 중에서 튤립에 관한 일화가 눈에 띄었다. 사람이 그러하듯, 꽃도 변화를 일으키기에는 시간이 필요하다라는 내용의 일화를 읽으면서 오늘도 삶에서 사소함이라도 좋으니 진전에 관한 고민을 하고 그 즐거움을 느끼고 싶다는 생각이 절로 드는 글이었다. 사소한 곳에서 행복을 느낄 때 삶이 행복해질 것이고, 행복은 얻는 것이 아니라 누리는 것이라는 말이라는 등.. 많은 글을 읽었다. 하지만 이를 실천하기 어려울 정도로 마음이 힘들 때는 이런 글이 정말 많이 도움이 될 수 있겠다.

대학시절 신경림의 "가난한 사랑노래"를 반복해서 읽은 기억이 난다. 마음에 큰 힘을 내지 않고, 입술에서 새어나오는 소리는 진심을 담고 있을 때가 많다. 주위에 있는 식물을 보면서 삶에 대한 이야기를 가볍지만 묵직하게 던지는 저자의 글을 보면서 좋은 시점에 좋은 글을 읽었다는 생각이 들었다.

Read more

ML 코드 작성시 유의사항

ML 코드 작성시 유의사항

유의사항 * 코드의 작성방식: 다른사람이 코드를 읽고 이해할 수 있는가? * 코드의 성능: 의도치 않은 부작용이 발생하는가? * 코드의 복잡성: 유스케이스에 비해 설계가 과도하고 부족한가 * 개선의 용이성: ML코드가 지속적으로 리팩토링 되는가? 코드 작성방식에 따른 개발자(+데이터과학자)의 유형 분류 출처 * 머신러닝 엔지니어링 인 액션

ELPD는 모델이 새로운 데이터를 얼마나 잘 예측하는지를 보여주는 지표입니다.

ELPD는 모델이 새로운 데이터를 얼마나 잘 예측하는지를 보여주는 지표입니다.

기본 개념 * ELPD(Expected Log Predictive Density)는 모델이 새로운 데이터를 얼마나 잘 예측하는지를 나타내는 지표로, 주어진 데이터 포인트에 대해 모델이 예측한 확률의 로그 값(로그확률)을 합산한 것입니다. $$\text{ELPD} = \sum_{i=1}^{n} \log p(y_i \mid \text{data})$$ * $n$: 데이터 포인트의 수 * $y_i$ : 실제 관측된

잭나이프 샘플링은 표본의 변동성 추정 방법중 하나입니다.

잭나이프 샘플링은 표본의 변동성 추정 방법중 하나입니다.

잭나이프 샘플링이란? * 잭나이프 샘플링은 표본 데이터에서 하나의 관측치를 제거한 여러 하위 샘플을 만들어, 이들 샘플에 대해 통계량을 계산한 후 그 결과를 바탕으로 전체 표본의 변동성을 추정하는 방법입니다. 잭 * 나이프는 주로 표본의 분산을 추정하거나 통계량의 편향을 줄이기 위해 사용됩니다. 예시 * 주어진 표본이 [x1, x2, x3, x4]라면, 잭나이프 샘플링은 다음과 같은

정확한 단위로 대화를 하는 것이 중요합니다.

정확한 단위로 대화를 하는 것이 중요합니다.

자전거를 타고 약속장소로 이동하는 중이었습니다. 근처 과일 가게에 이런 문구가 적혀있었습니다. "한 상자에 X,000원" 과일을 직접 사먹지는 않는 편이기 때문에 가격은 모르지만 꽤 매력적인 가격대였습니다. 그래서 잠시 "살까?" 망설였습니다. 하지만 이내 자전거를 타고 다시 가던 길을 갔습니다. 한 상자 안에 몇개가 들어가 있을지를 몰랐기 때문입니다.