파이썬 기반 머신러닝의 특징 및 장점과 구성요소

R과 Python 비교 - 통계 분석 관점

R은 통계 전용 프로그램 언어로서 SPSS, SAS, MATLAB 등 전통적인 통계 및 마이닝 패키지의 고비용으로 신음하던 통계 전문간들이 이를 개선하고자 만든 언어이다.

 

파이썬은 직관적인 문법과 객체지향과 함수형 프로그래밍 모두를 포괄하는 유연한 프로그램 아키텍처, 다양한 라이브러이 등의 큰 강점을 가지면서 프로그래밍 세계의 주류를 향해 돌진하고 있는 언어이다. 

ML + Python 강점 - Python의 놀라운 인기

쉽고 뛰어난 개발 생산성으로 전 세계의 개발자들 뿐만 아니라 Academy나 타 영역의 인재들도 선호

Google, Facebook 등 유수의 IT 업계에서도 Python의 높은 생산성으로 인해 활용도가 매우 높음 (특히 Google)

오픈 소스 계열의 전폭적인 지원을 받고 있음.

놀라울 정도 많은 라이브러리 지원은 어떠한 유형의 개발도 쉽게 가능(역으로 선택의 자유가 많아서 오히려 머리가 아플 정도)

Interpreter Language의 특성상 속도는 느리지만 쉽고 유연한 특징으로 인해 데스크탑, 서버, 네트윅, 시스템, IoT등 다양한 영역에서 사용되고 있음.

 

분석 영역을 넘어서 ML기반의 다양한 Application 개발이 쉽게 가능

기존 Application과의 연계도 쉬움 (서로 다른 언어로 개발된 Application의 경우 Rest API)

Enterprise 아키텍처에도 연계, 확장 가능. Microservice 실시간 연계 등

 

 

MLL + Python 강점 - Deep Learning 으로의 진격

유수의 Deep Learning Framework이 Python 기반으로 작성(tensorflow Backend는 성능 때문에 C/C++로 작성)

대부분의 Deep Learning 관련 Tutorial, 설명 자료들이 Python으로 작성되어 제공

현 시점에서 Deep Learning을 활용하기에 가장 좋은 시작점은 Python