Developer's Delight

[Book] 나는 메트로폴리탄 미술관의 경비원입니다

개인적인 사건을 겪은 후 한 남자는 메트로폴리탄 미술관에 경비원으로 취업하게 된다. 그는 뉴욕 증권가의 잘나가던 금융권 종사자였으나 개인적인 사건 이후로 모든 것을 내려놓고 과거 어린시절의 기억이 있는 미술관으로 취업한다. 처음 책을 읽을 땐 표지에 적힌 것 처럼 이 남자가 모든 것을 내려놓고 미술관으로 숨어버린 것으로 생각했다. 세계에서 가장 큰 미술관 중 하나인 메트로폴리탄 미술관이라면 미술관 밖의 자신의 상황과 과거의 사전들에게서 도망칠 수 있으리라 믿었던 것일까? 이 책은 그 곳에서 그는 긴 시간속에서 미술관의 한 요소가 되어 겪었던 일들에 대해 담담히 써내려 간 에세이다. 그렇기에 특별하지 않다. 지금 서점을 가보면 자극적인 주제와 내용으로 어떻게든 내가 가장 특별하다고 아우성치는 책들이 많다...

[Book] 장하준의 경제학 레시피

장하준 교수님의 경제학 신간이 10년 만에 출간되었다. 경제학자로써 넓은 영향력을 미치는 장하준 교수님의 도서는 읽기도 전에 경제학 지식이 전무한 독자에겐 너무 어렵지는 않을까 하는 선입견을 가지는 이들도 있다. 하지만, 장하준 교수님은 경제학을 참으로 맛깔나게 표현하는 마법같은 능력을 가지고 계신다. '장하준의 경제학 레시피' 책은 경제학을 가볍고 즐겁게 맛뵬 수 있는 즐거운 도서이다. 18가지 재료처럼 18개의 작은 챕터로 이루어져 있다. 각 챕터는 18가지 재료에 대한 가벼운 설명 즉 에피타이저로 시작을 한다. 에피타이저 타임이 지나면 코스요리처럼 해당 재료부터 시작하여 재료와 연관된 이야기, 마지막엔 경제학을 메인요리로 짠 하고 마법처럼 이루어져 있다. 하나의 코스요리를 대접받는 기분이랄까? 어떻..

[Book] 위로의 미술관

지친 하루의 끝, 오직 나만을 위해 열려 있는 위로의 미술관 처음은 단순한 호기심이였다. 위로의 미술관? 어떠한 의미로 책의 이름을 위로의 미술관이라고 지었는지 궁금했다. 이전에 미술작품, 미술작가, 미술관과 관련된 책들을 읽은 적이 있었다. 세상에 이름을 남긴 유명 작가들의 작품을 소개하고 작품의 세계관, 작가의 철학 등을 설명하는 도서들이였다. 미술 관련 교양 서적이라면 대부분 그러한 구성일 것이라 생각했다. 이 책은 작품도 분명 설명하고 있지만 작품보단 작가에 대해 좀 더 포커스를 맞춘다. 그들이 태어난 시대, 살아온 시간, 연인, 동료, 질투와 화해 그리고 그 속에 사라지지 않는 작품에 대한 열정과 자신에 대한 믿음을 말한다. 이 도서의 저자는 어떠한 의미로 독자를 위로하려고 하였는지는 모른다. ..

[Book] GRIT

'GRIT' 이란 도서는 2019년 2월에 첫 출판된 뒤로 계속해서 사랑받는 자기계발서 중 하나이다. 출간된지 약 5년이 지난 후에 읽어보게 되었다. 사실, 자기계발서를 좋아하진 않는다. 간혹 누군가에게 자신의 경험을 토대로 나는 이렇게 성공했으니 너도 이렇게 하면 나처럼 될 수 있다라는 식의 주장은 유쾌하지 않게 느껴지기 때문이다. 사람마다 각자의 살아온 환경, 살아가는 문화 등이 너무나도 다르다. 이런 이해관계를 모두 나에게 대입해서 설명하며 '넌 이렇게 하면 성공할 수 있어' 란 식의 도서는 항상 거부감을 불러일으켰다. 그리고 여러 자기계발서를 읽으며 공감가지 않는 도서들은 리뷰 작성조차 하지 않았다. 그럼에도 'GRIT' 이란 자기계발서적을 읽고 리뷰를 작성하는 이유는 단순하다. 어떠한 환경이던,..

[Metrics] 분류 모델 평가를 위한 지표는 어떻게 선정해야 하는가?

모델 평가지표를 선택할 때에는 해당 문제의 특성과 목표, 그리고 모델이 사용되는 상황을 고려해야 합니다. 다양한 모델 평가지표 중에서 어떤 것을 선택할지 결정하는 데에는 여러 요소가 영향을 미칩니다. 모델 지표 선택 시 고려사항 해결하려는 문제에 대한 정확한 이해가 필요 분류 문제인지 회귀 문제인지를 고려해야 합니다. 분류 문제에서는 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 스코어 등이 중요한 평가지표입니다. 회귀 문제에서는 평균 제곱 오차(Mean Squared Error), 평균 절대 오차(Mean Absolute Error) 등이 일반적입니다. 데이터의 불균형 문제에 대한 고민 클래스 간의 샘플 수가 불균형하다면 정확도만으로는 모델 성능을 올바르게 평가할 ..

[numpy] r_, c_ 함수에 대하여

numpy 라이브러리에서 제공되는 r_과 c_ 함수는 배열을 생성하고 결합하는 데 유용한 도구입니다. 이 두 함수는 배열을 만들거나 배열을 연결하는 데 사용되며, 주로 슬라이싱, 배열 결합, 또는 인덱싱 작업을 수행하는 데 활용됩니다. 각 함수의 기능과 사용법에 대해 알아보겠습니다. numpy.r_ numpy.r_은 배열을 연결하여 행 방향(axis 0)으로 확장하는 데 사용됩니다. 이 함수는 배열을 수평 방향으로 결합합니다. 여러 슬라이스 또는 배열을 사용하여 새로운 배열을 만들 수 있습니다. 예를 들어, 다음은 r_ 함수를 사용하여 배열을 생성하는 예제입니다: import numpy as np # 슬라이싱을 이용한 배열 생성 arr1 = np.array([1, 2, 3]) arr2 = np.array..