[마소캠퍼스] 머신러닝을 위한 상위 5개 프로그래밍 언어

머신 러닝에 특히 잘 작용하는 프로그래밍 언어들이 몇 가지 있지만, 각각의 언어들은 고유한 장단점을 가지고 있습니다.

머신 러닝은 스탠포드 대학의 컴퓨터 과학자인 Andrew Ng에 의해 “컴퓨터가 명백하게 프로그래밍되지 않아도 작동하게 하는 과학”으로 정의되었습니다. 머신러닝은 1950년대에 처음 구상되었지만 21세기 전후까지는 제한된 발전을 경험했습니다. 그 이후로 머신 러닝은 많은 혁신, 특히 인공 지능의 원동력이 되었습니다.

머신 러닝은 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 준지도 학습(semi-supervised), 강화 학습(Reinforcement Learning) 등의 여러 카테고리로 나눌 수 있습니다. 지도 학습은 레이블된 입력 데이터에 의존해 출력 결과와의 관계를 추론하지만, 비지도 학습은 레이블이 지정되지 않은 입력 데이터의 패턴을 탐지합니다. 준지도 학습은 이 두 가지 방법을 절충하는 방식을 이용하고 있으며, 강화 학습은 프로그램이 오류를 피하면서 원하는 결과가 나오는 프로세스를 반복하거나 정교화하도록 만듭니다. (컴퓨터 프로그래밍 역사에 대해 알아보려면, 컴퓨터 프로그래밍: 기계 언어에서 인공지능으로. 를 확인해보세요.)

몇몇 다른 산업들은 이미 머신 러닝의 혜택을 받고 있으며, 선진국에서 머신 러닝 제품과 서비스에 대한 수요가 증가하고 있습니다. 각양각색의 현명한 의사결정을 하기 위해 기업들은 머신 러닝의 예측 능력을 활용하고, 규격화된 머신 러닝 방법을 개발하고자 합니다. 기업들이 이 기술에 접근하는 방법은 그 분야에서 두드러지는 몇 가지 프로그래밍 언어를 포함하여 여러 가지가 있습니다.

Python

1990년대 초 Python 재단이 개발한 Python은 데이터 과학과 백-엔드 웹 개발 등 다양한 용도를 가진 고급 프로그래밍 언어입니다. Python은 강력한 데이터 분석 도구로서 빅 데이터 기술에 널리 사용되고 있습니다. 머신 러닝 개발자들의 끈끈한 커뮤니티가 급성장하는 인공지능 분야에서 Python의 위상을 높이는 데 도움을 주었습니다.

이러한 활발한 커뮤니티 덕분에 Python에는 이미 머신 러닝을 위해 사전에 구축된 라이브러리가 많이 있습니다. 그리고 Python은 플랫폼 애그노스틱(platform-agnostic)합니다. 즉, 플랫폼에 구애받지 않고 사실상 모든 운영 체제에 적응할 수 있습니다. 또한 오픈소스여서 일반인들이 쉽게 접할 수 있습니다.

Python은 머신 러닝 환경에서 문제를 일으킬 수 있는 동적 유형 언어입니다. 한 가지 예로, 프로그램이 점점 더 커지고 복잡해지면서 오류를 추적하기가 어려워질 수 있습니다. 이로 인해 비용이 많이 들고, 성능 또한 저하시킬 수 있습니다.

R

Python과 마찬가지로 1990년대 초에 개발된 R은 GNU 프로젝트의 일부입니다. 데이터 분석에 널리 사용되며, 일반적으로 회귀, 분류 및 결정 트리 만들기와 같은 일반적인 머신 러닝 작업에 적용됩니다. R은 통계학자들 사이에서 매우 인기 있는 프로그래밍 언어입니다.

R도 오픈소스여서 설치, 구성, 그리고 사용이 비교적 쉬운 것으로 널리 알려져 있습니다. R은 플랫폼에 구애받지 않으며 다른 프로그래밍 언어와 잘 통합합니다. 그리고 데이터 분석 기능과 함께, R은 특별히 강력한 데이터 시각화 기능을 가지고 있습니다.

R은 다른 툴과 비교적 쉽게 통합할 수 있음에도 불구하고, 독창적인 데이터 구조와 지수화(0이 아닌 1에서 시작하는)와 같이 학습을 다소 혼란스럽게 할 수 있는 몇 가지 독특한 단점을 지니고 있습니다. 또한 Python보다 덜 대중적이라서 머신 러닝 응용 프로그램에 사용할 수 있는 문서가 많지 않습니다. (이 두 언어에 대한 더 자세한 내용은 The Debate Between R and Python을 참조하십시오.)

JavaScript

1990년대 중반 웹 개발을 개선하기 위한 도구로 개발된 JavaScript는 그 분야에서 가장 널리 사용되는 언어 중 하나가 되었습니다. JavaScript는 유연하고 다중 패러다임인 높은 수준의 동적 유형 언어입니다. 머신 러닝에서의 응용은 제한되어 있지만 Google의 Tensorflow.js와 같은 높은 프로파일 프로젝트는 JavaScript를 기반으로 합니다.

머신 러닝 분야에서 JavaScript의 가장 유망한 기능 중 하나는 웹과 프런트 엔드 개발자들에게 기회를 열어준다는 것입니다. 이들은 이미 이 도구를 잘 알고 있기 때문에 다른 사람들에게는 다소 불명확하고 어려운 틈새로 진입할 수 있는 접근성을 가지고 있습니다.

그러나 현재 존재하는 JavaScript를 이용한 머신 러닝의 생태계는 아직 다소 미숙한 상태여서 현재는 이러한 유형의 개발에 대한 지원이 제한되어 있습니다. 또한 JavaScript의 데이터 사이언스 기능은 R과 Python 같은 언어에 이미 내장되어 있는 것과는 다르게 범위가 좁습니다.

C++

아마도 오늘날의 가장 흔한 프로그래밍 언어 중 가장 오래된 언어는 C++일 것입니다. 1980년대 초 Bell Labs에서 개발된 C++는 C언어를 확장하고자 하는 박사학위 연구로부터 나왔습니다. 낮은 수준과 높은 수준의 프로그래밍 능력을 모두 갖춘 C++는 머신 러닝 맥락에서 다른 프로그래밍 언어보다 높은 수준의 제어와 효율성을 보여줍니다.

C++는 특히 리소스를 많이 사용하는 응용 프로그램에서 잘 작동하며, 이 기능은 머신 러닝에 있어 훌륭한 강점입니다. 그리고 C++는 정적으로 타이핑된 언어로서 비교적 빠른 속도로 작업을 실행할 수 있습니다.

그러나 C++로 새로운 응용 프로그램을 구축하기 위해서는 엄청난 양의 복잡한 코드가 필요하기 때문에, 시간을 많이 소요하며 유지 보수에 큰 어려움이 있습니다. 이로 인해 초보자들이 매우 쉽게 실수를 하게 만듭니다.

Java

1990년대 중반 Sun Microsystems가 개발한 Java는 원래 C++와 비슷하게 느껴지는 고급 객체 지향 프로그래밍 언어로 만들어졌습니다. Java는 매우 대중적이면서 다양한 알고리즘을 구현할 수 있는데, 이것은 머신 러닝 커뮤니티에게 매우 유용합니다.

Java는 바이트 코드와 샌드박스의 사용으로 인해 가장 안전한 프로그래밍 언어 중 하나로 간주됩니다. Java는 보안 문제와 전반적인 복잡성을 극복하면서도 C++의 강력한 기능을 활용합니다.

그러나 C++에 비해 개선됐음에도 불구하고, Java는 많은 다른 프로그래밍 언어보다 느리다는 평판이 있습니다. 또한 2019년 현재 Java는 특정 기업 애플리케이션에 대한 상용 라이센스를 구현하여 비용이 많이 듭니다.

결론

머신 러닝에 적용되는 모든 프로그래밍 언어 중에서 Python은 여전히 가장 인기 있는 언어입니다. 그럼에도 불구하고, JavaScript와 같은 언어는 시간이 지나면서 환경이 변화함에 따라 인기를 얻을 수도 있습니다. 그리고 사람이 하는 프로그래밍은 결코 사라지지 않을 것이지만(적어도 가까운 미래에는요), 머신 러닝을 위한 프로그래밍은 기계가 스스로를 코딩하도록 훈련받았기 때문에 앞으로 몇 년 안에는 더 이상 코드에 집중하지 않게 될 것입니다.

원문 URL: https://www.techopedia.com/top-5-programming-languages-for-machine-learning/2/33866

원문 제목: Top 5 Programming Languages For Machine Learning

작성자 및 작성일자:  Colyn Emery / May 31, 2019