한빛출판네트워크

‘처음 배우는 데이터 과학’ 이 책은 목차만 봐도 데이터 과학에 필요한 다양한 내용에 압도되는 그런 책입니다. 컴퓨터로 데이터를 다루는 거의 모든 분야(빅데이터, 머신러닝, 딥러닝 등)를 다루는 책입니다.

이 책에도 데이터 과학자가 뭔지 설명하지만 제 생각으론 컴퓨터로 통계를 좀 더 잘하려고 노력하다보니 데이터 과학으로 발전한게 아닌가 싶네요. 물론 최근에 급격하게 늘어나는 데이터가 이 분야를 급격하게 발전시키고 있는 것 같습니다. 

엄청난 양의 데이터를 사람이 직접 처리할 수는 없기 때문에 데이터 과학에서 코딩은 필수라고 말합니다. 저자는 다른 프로그래밍 언어도 많지만 파이썬을 강력하게 추천하고 있습니다. 추천에서 끝나는게 아니라 파이썬 기초를 설명해주고 이 책에 등장하는 거의 모든 이론을 파이썬 코드로 보여주고 있습니다. 

이 책은 우선 데이터를 다듬는 방법부터 설명합니다. 먼저 눈으로 데이터를 보면서 문제가 없는지 살펴본 후 프로그래밍으로 쓸모있게 변경하는 작업입니다. 아무리 통계, 머신러닝, 딥러닝을 할 수 있어도 데이터에 문제가 있으면 그 결과값도 의미가 없기 때문에 이 부분부터 잘 배워야겠습니다. 

데이터를 나름 심도있게 다루는 책이라 그런지 (이런 것까지 알아야하는 소리가 절로 나오는)복잡한 수학공식, 코드도 다소 포함되어 있습니다. 모두 다 이해하면 좋겠지만 왜 쓰는지 이유만 알아도 초보에게는 큰 문제가 될 것 같지 않습니다. 이 분야 박사가 되는게 목표가 아니라 데이터 잘 다루는게 중요하기 때문에 그 정도로도 충분하다 생각합니다. 

다루는 내용이 방대한 만큼 여기서 사용되는 라이브러리, 프레임워크도 다양합니다. 예로 빅데이터에서는 하둡, 스파크를 만지고, 딥러닝에서는 (텐서플로보다 쉬운) 케라스를 다루는 식입니다. 분야별로 좀 더 깊게 공부하기 위해서는 전문적인 책이나 구글링을 하면 될 것 같습니다. 

이 책을 보면서 오랜만에 컴퓨터 분야에서 참 좋은 책을 만났다는 생각이 들었습니다. 프로그래밍으로 데이터를 다듬는 작업부터 시작해서 통계, 빅데이터, 머신러닝, 딥러닝 등 데이터 과학에 필요한 거의 모든 분야를 입문할 수 있었습니다.

프로그래밍, 수학, 머신러닝....

한 책에서 이렇게 많은 부분을 소개할 수 있을 까 하는 의구심이 들었는데..

읽고 나면 데이터 과학이라면 이렇게 공부해야 하는 구나 하는 생각이 든다.

너무 많은 분야를 다루다 보니 깊이가 조금 부족한 느낌이지만. 그래도 데이터 과학에 대해 궁금하다면 읽어 볼 좋은 입문서 인듯하다.

데이터 과학이 무엇인지, 그 데이터 과학에 대한 기본적인 개념부터 실제 프로그래밍 기법까지 폭넓게 배울 수 있는 책입니다.

데이터 과학은 위에서 정의한 것처럼 다양한 분야를 광범위하게 포함하고 있습니다.

처음 데이터 과학을 접하는 사람이라면 어디서부터 시작해야 할지 난감할 수밖에 없는데요.

이 책은 이런 분들에게 가벼운 마음으로 입문할 수 있는 책이라고 보면 될 것 같은데요.

프로그래밍, 통계, 빅데이터, 머신러닝을 모두 담았다고 보면 되겠습니다. 

제4차 산업혁명 시대의 키워드 중 빅데이터는 그 중요성이 날로 커지고 있는데요.

그 빅데이터를 다루는 데이터 과학이야말로 앞으로 4차 산업혁명의 유망한 직업이 될 것으로 보입니다.

제4차 산업혁명을 대비하기 위한 데이터 과학이 기본기를 배우고 싶거나, 데이터 과학의 특정 주제에 대해서 공부하고 싶은 사람, 데이터 과학자가 되고 싶은 사람들에게 추천할 만한 내용이네요.

앞으로 20여 년이 지나면 통계학, 데이터 과학, 머신러닝이 합쳐져서 큰 분야를 이룰 거라는 저자의 이야기처럼 새로운 학문 분야로 자리매김을 할 것으로 보이는데요.

빅데이터에서 유니콘이 되는 훌륭한 데이터 과학자가 우리나라에도 많이 배출되었으면 좋겠습니다.

책 표지에 나와 있듯이, 데이터 과학자들을 위한 안내서라고 대놓고 써져 있다. 

이렇게 자신감 있게 표지에 쓰기 힘든데, 어떤 자신감으로 썼는지 많이 궁금증을 일으켰다.

책이 얇아 보여서 몇 페이지 안되겠지 했다가, 무려 400 페이지가 넘는 양에 일단 놀라고, 내용을 읽으면서 다시 한 번 놀라게 되었다. 왜냐면, 요즘 가장 미래에 유망한 직업 중에 하나인 데이터 과학자가 되기 위한 입문서로서 추천할 만한 책이기 때문이다. 다양한 분야에서 데이터 과학자가 되기 위해서 지원을 많이 하시는데, 이런 부분은 꼭 알고 있었으면 하는 부분들이 이 책에 거의 다 담겨져 있기 때문이다.

그 중에 9장은 왜 9장에 두었는지 조금 아쉬움이 남았다. 아예 처음이나 맨 마지막에 다시 한 번 강조를 하는게 좋지 않았을까 생각이 들었다. 많은 개발자 분들이 "개발만 잘 하면 되지 머" 또는 "개발자는 코드로 말하는 거야" 라고 말씀들을 하시는데, 개발을 많이 하다가 보면 개발자들과 소통하는 시간보다 비 개발자분들(영업, 마케팅, 회사의 보스)에게 설명해야 되는 시간이 직급이 올라감에 따라 점점 많아 지게 된다.

특히, 데이터 과학의 경우 대부분이 수치로 나타나게 되는데, 같은 수치를 가지고 다양한 표현이 가능하게 된다. 이때, "보기 좋은 게 먹기 좋다"는 속담처럼 보기 좋게 한 눈에 볼 수 있게 문서를 잘 만드는게 아주 중요하다.

(일 다 잘해 놓고, 마지막에 문서 못 만들고, PT 못해서 맨 마지막에 탈락하는 분들을 많이 보았다.)

처음 입문하시는 분들 중에 조금 더 공부하고 싶은데라고 생각하신 분들에게 도움이 되도록 노력한 흔적을 챕터마다 볼 수 있다.

위의 사진처럼 중요한 단어를 다시 한 번 정리해 줌으로써 다시 한번 학습하는데 도움을 주고 있다.

관련 도서와 예제 소스 위치를 보여줌으로써 책의 마지막으로 정리하고 있다.

이 책은 근래에 읽은 데이터 과학 관련 서적 중에 가장 맘에 드는 책으로 입문을 생각하시는 분들에게 제일 먼저 추천을 해 드리고 싶은 서적이지만, 조금 아쉬움 점이 있다면 코드가 조금 더 많았으면 하는 생각이 들었고, 그래도 전체적인 흐름과 공부의 방향성을 잡는데 큰 도움이 되는 책으로 "강추"한다.

단, 이 책 하나로 다 알 수 있을 꺼란 생각은 기대를 하지 말기 바란다.

데이터 과학이란 무엇인가.
요즘 대학교에는 Data Science라는 학과가 있기도 하다.
석사 전공 지도 교수님께서 현재 모교의 Data Science 학과장으로 계시며,
그 곳에서 현재 매년 석사들이 배출되고 있다.

기사로는 자주 접한 데이터 과학.
대강 어떤 일들을 하는 지는 알겠는데, 뭐라고 딱히 정의하기는 어렵다.
시대의 흐름과 기술 발전에 따라 생겨한 학문이긴 하지만
수학, 화학, 물리학 등 기초 학문과 나란히 두기에는 좀 애매한 느낌도 있다.

데이터 과학을 전공, 배우고 나서 데이터 과학자가 되면 어떤 일을 하게 되는 것일까?
그들의 Role은 무엇인가.

이러한 궁금증들을 이 책에서 명쾌하게 이야기해주고 있다.

데이터 과학자가 해야할 것들은 상당히 광범위하다.
이 책을 읽기 전 내가 생각했던 데이터 과학자보다 저자가 이야기 하는 데이터 과학자의 Role은 훨씬 더 거대하다.

저자가 말하는 데이터 과학자는 

원본 데이터의 정제부터 시작하여 이를 가공, 특징점을 추출하여 의미있는 값을 얻어 발표, 보고서 혹은 코드 형태로 결과를 도출하여 비즈니스에 반영시키는 사람이다.

위의 모든 작업은 데이터 과학자 혼자서 할 수 있는 수준의 것은 아니다.
일련의 팀을 꾸려 각 작업들을 전체적으로 관리, 감독하는 사람이 바로 데이터 과학자일 것이다.
물론 우리 나라 대기업 식의 관리, 감독이 아니다.
각 작업에 대해 디테일하게 기술적으로 알고 접근할 수 있어야 한다.
데이터 정제, 특징점 추출, 사용된 알고리즘들의 적합성 체크, 코드 리뷰 등 모든 것을 꿰어야 한다.
그런 점에서 석사 2년을 Data Science 전공을 했다고 하더라도 "나는 데이터 과학자입니다"라고 말하기는 어렵다.

그만큼 데이터 과학자가 되는 것은 무척이나 어려운 길이다.
그 어려움을 좀더 수치적으로 살펴보고 싶다면 본 도서의 목차를 보면 된다.
목차만 봐서는 이 책 한권만 읽고 나면 IT 계열의 슈퍼 스타가 될 것 같은 환상에 사로 잡히기도 한다.
파이선, 머신러닝, 빅 데이터 (하둡, 스파크), 데이터베이스, 자연어 처리, 확률, 통계 그리고 그 외 훨씬 더 많은 분야와 주제를 다루고 있다.
목차만 봐서는 거의 컴공 4년 과정 + @를 담고 있는 것 같기도 하다.
하지만 정신을 차리고 생각해보면 420페이지에 이 모든 것을 담을 수는 없다.

오해하지 말자

이 책의 제목은 "처음 배우는 데이터 과학"이다.
앞서 말했든 데이터 과학은 알아야 할게 굉장히 많은 분야이다.
그래서 데이터 과학자를 목표로 한다면 어디서 부터 무엇을 공부해야 할지도 알기 어렵다.
이 책은 그런 점에서 멘토와 같다고 할 수 있다.
데이터 과학자가 되기 위해서 최소한 알고 있어야 하는 것들을,
A부터 Z까지 쭈욱 소개해주는 오리엔테이션이라고 할까?
하지만 단순 오리엔테이션이라고 하기에는 사실 쉽지 않은 것도 사실이다.
각종 확률, 통계와 머신러닝 알고리즘 등에서 나오는 용어들만 봐도 머리가 아프다.
파이선에 대한 기초 문법을 설명해주지만 파이선에 익숙하지 않다면 사실 예제 코드를 따라가기도 쉽지만은 않다.
그런 점에서는 완전 생 초보가 처음 읽기에는 쉬운 책은 아니다.

첫 숟갈에 배부를 생각은 접어두고 이 책을 읽는 것이 좋을 것 같다.

이 책을 읽고 감을 잡게 되면,
이제 데이터 과학자가 되기 위한 여정을 시작할 준비가 되었다고 보면 될 것 같다.
다시 말하지만 이 책의 목차만 보고 현혹되면 안된다.
각 목차마다 관련 도서가 몇 권씩 나와 있다.
진정한 데이터 과학자가 되고 싶다면, 각 목차 별 해당 도서를 하나씩 각개 격파하는 심정으로 학습을 이어 나가야 할 것이다.

빅데이터, 머신러닝, 인공지능이란 단어가 생활에서 자주 보이고 있습니다. 많은 사람들이 관심을 가지며 좋은 책들도 계속 나오고 있습니다.

많은 분들이 홍콩 과기대 김성훈 교수님의 강의로 시작을 하곤 합니다. 또한  밑바닥부터 시작하는 딥러닝이란 책도 같이 보곤 하지요!!

하지만 위에 언급된 강의와 책은 "딥러닝"에 초점이 맞춰진 책들입니다. 데이터 사이언스 전반에 대해 자세히 알려주는 책들은 있었지만, 무언가 부족한 점들이 많았습니다.

이번에 나온 처음 배우는 데이터 과학이란 책은, 데이터 사이언스의 입문자분들이 보면 정말 좋은 내용들로 구성되어 있습니다!

목차를 보면 데이터 과학의 큰 그림을 보여주며, 프로그래밍 언어, 데이터 먼징, 시각화, 각종 머신러닝 이론, 인코딩 관련 챕터, 하둡, 데이터베이스, 스파크, 프로그래밍 습관, 자연어 처리, 시계열 데이터, 확률, 통계, 자료구조 등 정말 다양한 분야를 커버하고 있습니다. 다양한 분야를 커버한다는 것은 내용이 깊지 않다고 생각할 수 있습니다. 맞습니다. 깊이는 객관적으로 깊진 않습니다. 그러나 다양한 분야를 알려주며 이 책이 끝난 후, 어떤 것들을 공부해야 하는지 알려주는 이정표로 생각해볼 수 있을 것 같습니다!! ( 모든 분야를 책으로 만드려면 1,000쪽도 넘을 정도로 방대한 분야기 때문에 컴팩트하게 알려주는 책도 정말 좋다고 생각합니다 )

이 책은 혼자 공부하기보다, 스터디를 만들어 진행하면 좋을 것 같습니다. 각각의 파트를 책 내용 + @ 내용으로 스터디 자료를 각자 만든 후, 진행한다면 더욱 더 유익할 수 있을 것 같습니다 :)

데이터 과학이라는 말도 어느덧 익숙해져 버린 2018년이다. 사실 데이터 과학이 본격적으로 대두하기 전에도 비슷한 일은 많았다. 빅데이터 이전에도 큰 데이터는 많았듯이 말이다. 그런데 데이터 과학은 공부할 범위를 잡기가 굉장히 모호하다. 데이터를 분석해서 가치 있는 정보를 뽑아내는 모든 일을 통칭하기 때문이다. 심지어 요즘에는 인공지능을 활용한 빅데이터 분석까지 가세하여 나날이 범위가 넓어지고 있다. 

이 책은 데이터 과학에 입문하기 위한 가장 기초적이고 핵심적인 내용을 폭넓게 다룬다. 저자가 스탠퍼드-카네기멜런 대학교 졸업이라는 훌륭한 학업 배경을 가져서인지는 몰라도, 중요한 내용을 잘 뽑아내서 탄탄하게 구성되어 있다. 복잡한 이론의 나열 대신, 핵심을 찌르는 설명을 먼저 제시하고 예제로서 간결한 파이썬 코드를 제시하는 부분이 특히 좋다. 데이터 과학 도서임에도 평범한 사람이라면 겁을 집어먹기 쉬운 수학/통계학 수식도 거의 나오지 않기 때문에, 내용 대부분을 저자의 설명과 예제 코드만으로 이해할 수 있다. 

이 책은 데이터 과학 업무를 수행하는 데 필요한 다양한 능력과 기술을 책 한 권에 모두 담았다는 점이 돋보인다. 파이썬과 각종 데이터 관련 라이브러리뿐만 아니라 사례 연구까지 틈틈이 제시하며, 심지어는 시간 관리와 업무 계획에 대한 조언까지 날려주는 저자의 글쓰기 역량에는 감탄을 금할 수 없다. 수학, 확률, 통계, 데이터베이스, 빅데이터, 인공지능, 컴퓨터 메모리와 자료구조, 알고리즘, 좋은 프로그래밍 습관에 기르기까지 그야말로 몇 년에 걸쳐서 갈고 닦아야만 하는 과정을 400페이지에 압축하여 즐겁게 훑어볼 수 있다는 건 대단한 매력이다. 

이 책의 원제는 이다. 즉, 데이터 과학자가 되려는 사람을 위한 핸드북이다. 따라서 이 책의 소스코드는 독자의 이해에 중점을 두어 구성되었다. 데이터 과학 실무에서 조언을 얻기 위한 책을 기대하는 독자라면 중/고급 분석 이론서나 데이터 과학 실무 소스코드가 실린 쿡북(CookBook) 스타일의 다른 책을 찾아보는 게 좋겠다. 

사실 이 책의 최대 장점은 자연스러운 번역에 있다. 영미권에 거주하고 있는 역자의 언어 능력인지 아니면 편집진의 열혈 교정 덕인지는 모르겠지만, 얇지 않은 책이 물 흐르듯 읽힌다. 영어 원서 번역으로는 올해 읽은 책 중에 가장 자연스러운 문장 흐름이다. 저자의 문체도 지루하지 않고 가독성이 좋아서 데이터를 다루고 싶은 학생이나 개발자 모두에게 단연코 추천할만한 양서이다. 

한빛소프트에서 내놓은 처음 배우는 시리즈의 데이터 과학편입니다. 표지부터 데이터의 느낌이 나는 깔끔한 디자인을 보여줍니다.

​이 책은 총 3부로 구성되어 있고 1부에서는 데이터 과학의 가장 핵심적인 내용을 다루고 2부에서는 더 심도 있는 기법을 소개하며 3부에서는 꼭 알아야 하는 내용은 아니지만 알아두면 좋은 기법을 소개합니다.

​ 

기본기를 확실히 하고싶은 독자나 급하게 책에서 필요한 정보만 찾으려는 독자, 프로그래밍을 하다가 필요한 부분만 예제 코드에서 쏙쏙 빼서 사용하려는 분에게 추천하는 책입니다.

​

책을 보니 다양한 파이썬 코드들이 있었고 모든 예시드르은 파이썬 3.4를 기준으로 작성되었습니다. 데이터 과학에서 잘쓰는 scikit-learn, matplotlib, numpy, scipy, pandas 라이브러리를 바탕으로 하고있습니다.

​

머신러닝의 기본적인 설명과 unsupervised learning, regression등 필요한 개념들을 설명하고 json, xml 등 데이터 파일들 관련해서도 설명이 잘되어있습니다. 기본적인 데이터베이스 다루는 법도 설명되어있구요

​

코드설명과 함께 그림도 잘 설명되어있습니다.

데이터 과학에 입문하려는 분이 읽으면 정말 좋은 책인 것 같습니다.

기본적인 개념을 빠르게 습득하고 비교적 알아듣기 어려운 coursera강의를 들어도 참 좋을 것 같습니다.

개인적으로 머신러닝(딥러닝)이 화두로 떠오른 이후로, 가벼운 관련 서적들을 읽어보고 있다. 이 책도 그런 입문서의 하나로 볼 수 있을 것 같다.

통계, 수학, 머신러닝, 프로그래밍까지 데이터 과학자를 꿈꾸는 히치하이커를 위한 최고의 안내서

표지에 있는 문구인데, 굳이 밑줄을 그어보라고 하면 “안내서”가 적당할 것이다.

원서가 어떤 책인가 싶어 검색해보니 아마존의 별점은 그리 나쁘진 않았다. 별 4개 미만의 후기들은 “다루는 영역이 넓은 만큼 깊이가 부족하다”는 의견이었다.

이 책의 장점이라면 “안내서”로서의 제 역할을 한다는 것이 아닐까. 나와 같이 데이터 과학이라는 분야가 생소한 사람들에겐 다음으로 나아가기 위한 “안내서”로써의 역할은 충분히 하는것 같다. 각 챕터별 마지막에 ‘주요용어’를 정리해주고 있고, 깊지는 않지만 나름 쉬운 설명으로 개념을 전달해준다. (물론 설명을 읽어도 잘 이해가 안가는 부분도 있기마련…)

아마 데이터 과학 분야의 대부분의 큰 주제는 다 다루는게 아닌가 싶을 정도다. 그게 오히려 아쉬운 부분으로 다가오기도 했다. 데이터베이스 SQL에 대한 내용에서 부터 “의사소통과 문서화”, 프로그래밍 습관과 프로그래밍 언어의 주요 개념, 메모리 관리, 자료구조까지… 이런 부분도 충분히 중요한 내용이라 할 수 있겠지만, 이보다는 그 외의 주제들에 대해 반발자국만 더 들어가는 내용이었으면 어땠을까 하는 아쉬움이 남는다.

개인적으로 파이썬을 다시 보는 중이라 책의 예제들도 작성하면서 pandas나 matplotlib 라이브러리를 어떤 때 어떻게 쓰는지도 볼 수 있어 좋았다. 다만, 책 중반 이상을 지나가면서 주제가 어려워져서 그런지 “위키피디아 조회수 예측 예제”, “주식 관련 신문 기사의 감정 분석 예제” 와 같이, 참고할만한 예제 코드를 담고 있지만 코드와 관련한 설명이 없다보니 다소 힘을 잃는 느낌이다.

비IT인들 들에게도 빅데이터, 데이터과학은 일상에서도 심심치 않게 들려오는 단어일 것 이다.  

이미 IT업계에서는 오래전부터 핫한 분야로 자리 잡고있다.  

그렇기 때문에 많은 사람들이 데이터과학에 흥미를 가지고 도전하려한다.  

하지만 방대하게만 느껴지는 수학과, 통계, SQL등이 발목을 잡는다.  

어디서부터 어떻게 시작해야할지 막막하기만하게 느껴진다.  

"처음배우는 데이터 과학"은 그에 대한 해결책을 제시해준다.     

데이터 과학 'ㅅ') 요즘 좀 많이 들려오는 단어...
데이터 과학의 트렌드 바람이 살랑살랑 불어 오고 있... 은지는 꽤 오래 되었구먼..

'데이터 과학, 통계, 머신러닝' 은 Front-end 개발자인 내 입장에서는 버거울 정도로 큰 이슈로 느껴지는데,
이것은 수학에, 프로그래밍에, 데이터 수집에, 개념 공부에... 
공부의 범위에 제한이란 것이 없다고 생각되기 때문이다. 'ㅅ'); 게다가 그 하나하나의 주제가 제대로 습득하는데 상당한 시간이 걸린다고 예상되기 때문이기도 하다. // 최종 보스가 여러 마리인 셈이지 킁. 하나도 무서운데 몇 마리나 더 튀어나올지도 모르겠고, 시간이 지나면 각자 x켓몬처럼 진화하고 있는거임. 'ㅅ'); 젠장.

지금의 나에게 '데이터 과학' 에 대한 학습은 '그럼에도 불구하고 계속 해야만 하는 것' 이나, 
보이지 않는 대상을 장님 코끼리 만지듯 더듬어가는 상황으로 버겁게 느껴진다.

보통 이런 상황에서 내가 취하는 방법은, 길잡이 책과 이해하기 쉬운 책을 보고 일단 대왕초초초보 수준을 벗어난 뒤, 이후 마음 가는대로 흥미 따라 특정 부분을 골라 파는 것이다. 'ㅅ') 그러다 보면, 여기저기 퍼즐 조각이 맞춰지면서 두루두루 알 수 있게, 할 수 있게 된다. // 이 방법은 얼마나 걸릴지 모르는게 함정 'ㅅ')/ 캬캬. 게다가 나중에는 예전에 공부한 지식이 잘 생각 안 나므로, 반전의 이중 트랩임 'ㅅ')/ 캬캬캬

이 책은 데이터 과학을 공부하는데 최선의 책인지는 모르겠지만, 지금의 내 상황에 꽤 적합한 도서로 보였다.
두껍지 않는 두께의 책인데, 다루는 주제의 범위는 매우 방대하다.

파이썬 프로그래밍을 위한 지식, 통계 관련 지식, 그와 연관된 시각화를 위한 라이브러리, 머신러닝 관련 이론, 데이터 과학자의 커뮤니케이션을 위한 조언, 관련 용어와 알고리즘, 알고리즘, 자료구조, 빅데이터, 데이터베이스, 프로그래밍 조언 등...

이 책에서 나오는 모든 것을 지대루 익히는데는 상당한 시간이 걸릴 것이나, 
'데이터 과학' 이라는 이름을 달고 있는 녀석들이 어떤 분야인지, 어떠한 지식을 습득해 나가야 하는지에 대한 길잡이 책으로는 이만한 책도 별로 없을 듯 하다 'ㅅ')! // 라고 혼자 생각해본다. 이 글을 한빛미디어 담당자 분이 발견하여 기분이 좋아지셨다면, 다음에 출판되는 '데이터 과학' 관련 책들을 굳이 보내주셔도 매우 환영하는 바이다. 'ㅅ') 아니, 어쩌면 관련 담당자분들이 한놈 지대로 걸렸다고 쾌재를 부르며, 저녁에 회식을 하러 나가실지도...

본인처럼 데알못 개발자에게 추천해본다. 'ㅅ') 
하지만, 당신이 이 책을 붙잡는 순간 분명 본인과 같은 고민에 빠지게 될 것이다. 
'이걸 언제 다 공부하지. 그냥 지금 하던거나 더 제대로 해야 되나' 하는 생각과 
본인의 능력, 가용 시간, 심지어 현재의 직장, 공교육, 국적에 대한 깊은 한숨을 내뱉게 만드는 무시무시한 어둠의 책인 것이다. 'ㅅ') // 본인이 너무 나간 것일 수도 있다. 후후.