그래프 뉴럴 네트워크(Graph Neural Network)는 그래프 형태의 데이터를 처리하고 분석하기 위해 설계된 딥러닝 모델로, 노드와 엣지로 구성된 데이터 간의 복잡한 관계를 효과적으로 학습할 수 있는 강력한 도구다. 이는 전통적인 딥러닝 모델이 한계를 보이는 네트워크 구조, 연결 관계, 시퀀스 데이터 등에서 특히 유용하며, 그래프 구조를 활용하여 데이터의 맥락적 특성과 구조적 정보를 동시에 학습할 수 있도록 한다. GNN은 소셜 네트워크 분석, 추천 시스템, 분자 구조 분석, 교통 네트워크 최적화, 지리 정보 시스템, 지식 그래프 생성 등 다양한 실제 문제에 성공적으로 적용되고 있다.
이 책은 그래프 데이터를 다루는 모든 AI 및 데이터 과학 전문가에게 유용하다. 그그래프 뉴럴 네트워크(GNN)의 기본 개념부터 고급 모델 구현까지 이론과 실습을 균형 있게 제공하여, 데이터 과학자와 AI 엔지니어가 복잡한 관계 데이터를 활용해 문제를 효율적으로 해결하고 새로운 인사이트를 발견할 수 있도록 돕는다. 특히, 기존의 머신러닝과 딥러닝 기법이 한계를 보이는 복잡한 관계 데이터를 처리하는 데 관심 있는 연구자와 엔지니어에게 적합하다. 또한, Python을 사용하여 실용적인 구현을 배우고자 하는 데이터 과학자, AI 모델 개발자, 그리고 연구 목적으로 그래프 데이터를 분석하고자 하는 학계 종사자들에게도 큰 도움이 된다. 이 책은 그래프 뉴럴 네트워크의 이론과 실무를 모두 포함하고 있어, 기본적인 Python 프로그래밍 지식과 머신러닝 배경을 가진 독자들이 활용하기에 이상적이다.
AI와 빅데이터 분야에서 두드러진 성과를 이루어낸 저자 고우주는 Swiss School of Management 에서 AI 및 빅데이터 박사 학위를 취득했으며, 학부에서는 전기공학을 전공하며 기술적 전문성을 다졌으며, 서울종합과학대학원대학교(aSSIST)와 Aalto University에서 각각 AI 및 빅데이터 MBA와 Executive MBA 석사 학위를 받았습니다.
현재 AI 전문 기업의 CEO 출신으로 혁신적인 인공지능 솔루션 개발을 이끌고 있으며, 2020년부터 2024년까지 명지대학교 응용소프트웨어학부의 겸임교수로 재직하며 인문, 사회학과 학생들을 대상으로 데이터 사이언스 강의로 인재 양성에 기여를 했습니다. 이전에는 센싸타테크놀러지스와 슈나이더일렉트릭에서 Technical & Product Manager로 활동하며 풍부한 실무 경험을 쌓았습니다.
저자는 기술과 데이터를 활용하여 인문학적, 사회학적, 공학적 접근으로 다양한 현상을 탐구하고 규명하는 데 깊은 관심을 가지고 연구를 수행해 왔습니다. 석사는 B2B Value Added donation model: Pledge 1% Case와 박사 논문 Developing an Explainable & Causal AI in Manufacturing Industries를 통해 AI와 빅데이터 기술의 실질적 응용과 산업적 기여를 탐구했으며, 이를 통해 학문적 연구와 실제 비즈니스 문제 해결을 연결하는 통찰력을 보여주었습니다.
저자의 주요 연구 분야는 LLM 및 생성형 AI(프롬프트 엔지니어링, RAG, Agent, SLM, 파인튜닝, 최적화), 에너지/환경/제조 분야의 IoT 데이터 신호처리와 이상치 탐지, 시계열 분석, 설명 가능한 AI(XAI), 인과추론, 그리고 디지털 마케팅(멀티모달 LLM 활용을 통한 CRM 분석)을 포함합니다. 이를 통해 기술적 도구를 넘어 데이터와 AI를 사회적 맥락에서 활용하여 인류와 산업이 직면한 복잡한 문제를 해결하고자 노력하고 있습니다.
저자는 산업계와 학계 모두에서 폭넓은 경험과 통합적 시각을 바탕으로 데이터 사이언스와 AI의 융합적 활용을 통해 사회적 가치를 창출하고, 기술을 인간과 사회를 이해하는 수단으로 확장하기 위해 끊임없이 도전하고 있습니다.