워낙 발전이 빠른 분야이기 때문에 더 깊은 내용을 이해하기 위해서는 다른 책이나 인터넷을 이용해야 하는 경우가 많은데, 본인이 찾고자 하는 내용이 무엇인지 정확히 알아야 정보 검색 능력이 향상되기 때문에 체계적인 학습은 매우 중요합니다.
- [단단한 머신러닝] 옮긴이 김태헌 선생님
딥러닝이나 기계학습 논문을 읽는 경우에 앞 부분에 나오는 선형대수나 확률, 통계가 나오면 으레 겁을 먹고 책을 덮은 기억이 있다. 수식을 해석하는 것, 이러한 기계학습 알고리즘이 어떠한 배경으로 왜 탄생했는지 정확한 원리를 이해하는 것 보다 당장에 해결해야 하는 문제를 Scikit-learn 으로 얼른 학습시키고 싶은 마음이 더 컸다. 시간이 조금 지나고 나니 남는 것은 Scikit-learn 을 활용해서 단순히 데이터를 학습하는 코드만이 남았다. ( 그리고 이런 종류의 코드는 굳이 내가 짜지 않아도 Github에 정-말 많다. )
온고지신 이라는 말이 있다. " 옛 것을 익히고 그것을 통하여 새로운 것을 앎 " 이라는 뜻이다. 새로운 것을 알기 위해서는 지금까지 나와있는 무언가를 정확하게 익히는 시간도 반드시 필요하다. 하지만 나는 이러한 지식을 제대로 익히는 시간을 충분히 갖지 않은 채 계속해서 새로운 것을 갈구한 것 같다 ( 제대로 이해할 리 없었다 ) . 조금 늦은 감이 있지만 지금이라도 이 분야에 대해 제대로 익히는 시간을 가져보려고 한다. 이런 의미에서 기계학습/딥러닝 공부 자료를 다시 정리해 보려고 한다.
서론이 길었다. 당장 정리해보도록 하자!
< Machine Learning 공부 자료 >
Textbook
단단한 머신러닝
( Machine Learning by Zhou Zhihua, 김태헌 옮김)
Video
인공지능 및 기계학습 개론 ( I, II, 심화 )
( by 문일철 교수님 @ https://www.edwith.org/machinelearning1_17)
< Deep Learning 공부 자료 >
Textbook
Deep Learning book
( by Ian Goodfellow, Yoshua Bengio and Aaron Courville @ https://www.deeplearningbook.org/ )
Dive into Deep Learning
( by Aston Zhang et al. @ https://d2l.ai/ )
! 모든 코드가 jupyter notebook 형태로 제공된다
Video
TBA
머신러닝을 정복하는 그 날 까지 화이팅 !!
* 이 포스트는 계속해서 업데이트 할 예정입니다 ! :)
댓글