당신은 주제를 찾고 있습니까 “머신 러닝 공부 순서 – 머신러닝, 데이터분석 공부 고민만 하는 분께 l 파이썬 공부 이유 l 머신러닝 공부 순서“? 다음 카테고리의 웹사이트 https://kk.taphoamini.com 에서 귀하의 모든 질문에 답변해 드립니다: https://kk.taphoamini.com/wiki/. 바로 아래에서 답을 찾을 수 있습니다. 작성자 꽃부리 AI With SJ 이(가) 작성한 기사에는 조회수 25,602회 및 좋아요 572개 개의 좋아요가 있습니다.
실제로 데이터 분석 경험을 쌓아나가기 위해서 반드시 선행되어야만 하는 내용이 분명하기 때문이다. 프로그래밍 > 머신러닝, 통계학 > 딥러닝, 수학의 순서로 공부하는 것을 추천합니다.
Table of Contents
머신 러닝 공부 순서 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 머신러닝, 데이터분석 공부 고민만 하는 분께 l 파이썬 공부 이유 l 머신러닝 공부 순서 – 머신 러닝 공부 순서 주제에 대한 세부정보를 참조하세요
머신러닝, 데이터분석(데이터사이언스), 인공지능 공부를 시작하지 못 하고 고민만 하고 계신 분들께 꼭 필요한 영상입니다. 지금 어떤 태도를 취해야 하는지, 파이썬 공부가 도움이 되는 실질적인 이유 무엇인지, 개인적으로 문과생이 머신러닝 공부를 시작한 방법 등을 소개합니다.
점프투파이썬 책 wikidocs 링크: https://wikidocs.net/book/1
머신 러닝 공부 순서 주제에 대한 자세한 내용은 여기를 참조하세요.
머신러닝 공부 순서, 방법 및 강의 정리 – 곰씨네 IT 블로그
머신러닝 공부 순서, 방법 및 강의 정리 · 0. 머신러닝을 공부한 계기 · 1. 앤드류 응(Andrew Ng) 머신러닝 강좌 · 2. 파이썬(Python) 공부 · 3. 그래프 모형, …
Source: gomcine.tistory.com
Date Published: 6/6/2021
View: 5142
데이터 분석/인공지능을 공부하려는 분들께 경험을 토대로 학습 …
혼자 데이터분석/머신러닝/딥러닝에 입문하시는 분들은 Machine … 지능 을 공부해보고 싶으신 분들께 저의 직접 경험을 토대로 정리한 학습 순서와 …
Source: teddylee777.github.io
Date Published: 12/22/2022
View: 9485
머신러닝 공부 순서 …
머신러닝 공부 순서 … · 1) 유용한 사이트. https://www.kaggle.com/ ⋆⋆⋆⋆⋆ · 2) 수학 · 3) 통계 · 4) 머신러닝, 딥러닝 & 강화학습 · 5) 주요 학회 및 …
Source: riverside13.tistory.com
Date Published: 4/25/2022
View: 6657
머신러닝, 딥러닝을 공부하실 때 순서대로 보시면 좋은 책들 …
연초에 시간에 많아서 조금씩 자료를 수집하고 공부하고 있습니다. 매년 설날과 추석을 전후로 2주에서 3주정도 시간이 되어서 조금씩 공부를 하고 있습니다.
Source: steemit.com
Date Published: 3/28/2021
View: 5827
[코딩유치원] 파이썬 머신러닝/딥러닝 공부할 때 유용한 사이트 3 …
크게 파이썬편, 수학편, 머신러닝 편으로 나뉘어 있으며, 목차가 잘 짜여져 있어서 무엇을 공부해야하는지 큰 그림을 그릴 때에도 도움이 됩니다.
Source: coding-kindergarten.tistory.com
Date Published: 12/15/2022
View: 96
머신러닝 공부순서 및 방법 – 현쌤의 교직이야기 – 티스토리
머신러닝 공부순서 및 방법 · 태그목록 · 블로그 정보 · 소프트웨어(SoftWare) 관련 자료실/기타의 다른 글 · 이 블로그 인기글.
Source: hyunteacher.tistory.com
Date Published: 8/23/2021
View: 6643
딥러닝 공부순서 추천 – 프라이데이
딥러닝 공부순서 추천 · 1) 자주나오는 알고리즘, gradient descent, linear regression, MLPs 등..을 이해하는 것 · 2) 수학적 notation들을 배우고 이해 …
Source: ganghee-lee.tistory.com
Date Published: 3/10/2021
View: 4423
머신 러닝 공부 순서 | 머신러닝, 데이터분석 공부 고민만 하는 …
데이터 분석/인공지능을 공부하려는 분들께 경험을 토대로 학습 … 머신러닝, 딥러닝을 공부하실 때 순서대로 보시면 좋은 책들 … … [코딩유치원] 파이썬 …
Source: you.hotramvillas.vn
Date Published: 2/22/2021
View: 1143
주제와 관련된 이미지 머신 러닝 공부 순서
주제와 관련된 더 많은 사진을 참조하십시오 머신러닝, 데이터분석 공부 고민만 하는 분께 l 파이썬 공부 이유 l 머신러닝 공부 순서. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
주제에 대한 기사 평가 머신 러닝 공부 순서
- Author: 꽃부리 AI With SJ
- Views: 조회수 25,602회
- Likes: 좋아요 572개
- Date Published: 2021. 2. 11.
- Video Url link: https://www.youtube.com/watch?v=irenjQzqQsw
빅데이터/인공지능 공부 뭐부터 시작해야 해?
빅데이터, 인공지능, 데이터 사이언스, 머신러닝 관련 직종의 채용은 줄어들 기세를 보이고 있지 않으며 그에 따라 관련 전문가들의 숫자도 증가하고 있다. 이처럼 빅데이터 및 인공지능 관련 전문가들이 늘어나고 있다는 것은 학생이나 커리어 전환을 노리는 사람 중에서 데이터 사이언스를 공부하는 사람이 증가하고 있다는 것을 의미한다. 하지만 새롭게 무언가를 배운다는 것은 분명 막막한 일이다. 어디부터 어떻게 공부를 시작하고 경험을 쌓아야 할지에 대해 방향을 잘 모르는 것이 당연하다. 이는 빅데이터, 인공지능 분야도 분명 마찬가지라고 볼 수 있다.
빅데이터나 인공지능 공부 시작하려는데 뭐부터 해야 하지?
데이터 사이언스 관련 커리어를 걷고자 마음먹은 사람이라면 누구나 던질법한 질문이 바로 어디서 무엇부터 공부를 해야 할지 모르겠다는 것이다. 이는 빅데이터와 인공지능 관련 지식이 너무도 어려운 것이고 이를 위해 배워야 할 내용이 너무 많다는 생각에 기인하는 것일 수 있다. 그리고 실제로 이는 어느 정도 맞는 말이라고 볼 수 있다. 프로그래밍, 머신러닝, 딥러닝, 시각화, 통계학, 수학 등 데이터 사이언스 커리어를 쌓고자 한다면 공부해야 할 내용이 산더미이다. 아직 관련 지식이 전무한 입문자라면 이 중 어떤 내용이 어떤 상황에서 중요하고, 공부의 우선순위를 어떻게 가져야 할지 고민이 드는 게 자연스러운 일이다.
아쉽게도 데이터 사이언스 분야의 길을 걷고자 마음먹었다면 위의 나열한 다양한 지식들을 모두 공부해야 한다. 프로그래밍, 인공지능, 통계학 등의 모든 내용이 데이터를 분석하고 모델을 만들어가는 데 있어 하나도 빠짐없이 중요한 내용이기 때문이다. 그래서 본인의 상황과 배경이 어떠하든 위 내용을 모두 공부해야 하는 것은 동일하고 세부적인 학습 순서에만 차이가 있을 확률이 높다. 다만 컴퓨터 공학과나 통계학과 등 특정 도메인에 강점을 가진 배경을 지닌 사람이 아니라는 가정 하에 어느 정도 추천하는 학습 순서라는 것은 존재한다. 실제로 데이터 분석 경험을 쌓아나가기 위해서 반드시 선행되어야만 하는 내용이 분명하기 때문이다.
프로그래밍 > 머신러닝, 통계학 > 딥러닝, 수학의 순서로 공부하는 것을 추천합니다.
사실 어떤 것을 공부하고 그 순서는 어떻게 해야 할지에 대해 이야기를 하고자 한다면 본인이 넓디넓은 데이터 사이언스 분야 안에서 어떤 세부적 목표를 세우고 있는지를 정확히 알아야 한다. 하지만 이는 데이터 사이언스 입문자 입장에서 결코 쉬운 일이 아니다. 아직 관련 지식이 전무한 상태에서 세부 분야를 논하는 것 자체가 어불성설이기 때문이다. 그래서 이번 시간에는 구체적인 세부 분야에 대한 목표를 모르는 입문자 입장에서 이야기를 해보려 한다. 그리고 물론 코딩, 통계 등 특정 분야에 강점을 지니고 있지 않은 사람을 가정해보려 한다.
기본적으로 빅데이터, 인공지능 분야의 입문자라면 프로그래밍 언어를 가장 먼저 공부해야 한다. 대량의 데이터를 분석하는데 아예 프로그래밍 지식이 전무하다면 할 수 있는 것이 아예 없기 때문이다. 물론 통계학이나 인공지능에 대한 지식이 전무하다면 프로그래밍 능력이 있어도 데이터 처리를 하는데 한계가 있기는 하지만 코딩을 할 줄 모르는 건 전혀 다른 차원의 이야기이다. 또한 프로그래밍의 경우 학습 초기에는 매우 내용이 쉽기 때문에 공부의 즐거움을 더해다 줄 수도 있다. 시중에 파이썬, R 등 다양한 프로그래밍 교재가 있으므로 이를 이용한다면 어렵지 않게 프로그래밍 공부 시작을 할 수 있다.
코딩에 익숙해졌다면 무엇을 코딩할지에 대해 생각해보아야 합니다.
코딩 즉 프로그래밍 역량이 어느 정도 올라온다면 그다음 순서는 컴퓨터 프로그램을 통해 구체적으로 어떤 일을 할지 결정하는 것이다. 그리고 이를 위해 학습해야 하는 내용이 바로 통계학과 머신러닝에 대한 지식이다. 그중에서도 특히 인공지능 분야에 관심이 높은 사람이라면 머신러닝에 대한 지식을 습득해야 하고 데이터 분석 자체에 관심이 있는 사람이라면 통계학에 집중을 해야 한다. 다만 통계학과 머신러닝이라는 것이 칼로 무 자르듯 확실히 구분되는 영역은 아니다. 그래서 더더욱 본인의 세부 목표를 정하지 못한 입문자라면 이 둘을 동시에 학습하려는 자세가 필요하다.
통계와 머신러닝을 공부하는 단계에서는 대게 이론적인 내용과 이론을 코드로 구현하는 영역이 모두 포함된다. 그래서 이 둘이 적절히 조화된 서적을 찾아보거나 관련 강의를 찾아보는 것이 좋다. 그리고 이 단계에서부터 캐글을 비롯한 각종 경진대회에의 참여가 큰 도움이 될 수 있다. 관련 서적이나 강의를 통해서 이론적, 학술적으로 그 체계를 이해할 수 있다면, 경진대회 참여 등을 통해서는 실제 데이터 셋에서 해당 지식들이 어떻게 활용되고 있는지 추측할 수 있기 때문이다. 여타의 분야와 마찬가지로 데이터 사이언스 분야 역시 학술적, 실무적인 지식을 모두 지닌 사람이 그 가치가 올라가기 마련이다.
딥러닝과 이를 이해하는 수학은 최근 트렌드에 가장 중요합니다.
기본적인 프로그래밍 역량을 쌓고 머신러닝과 통계학에 대한 이해까지 뒷받침되었다면 마지막 단계로는 딥러닝 및 수학에 대한 공부가 필요하다. 딥러닝은 가히 최근 빅데이터와 인공지능 분야에서 가장 트렌디한 주제라고 할 수 있다. 머신러닝을 공부하다 보면 딥러닝 알고리즘의 우수성에 대해 자연스럽게 알게 될 것이며 딥러닝에 대해 깊은 수준의 이해도를 가지는 것은 특히 인공지능 분야로 커리어를 걷고자 하는 사람에게는 가장 중요한 일이다. 수학의 경우 딥러닝 알고리즘을 이해하기 위해 수반되는 지식이라고 볼 수 있다. 딥러닝 알고리즘의 경우 논문이나 구현 코드를 보면 수학적인 내용이 그 대부분을 차지하고 있다.
추가적으로 인공지능 전문가의 커리어보단 데이터 분석가로서의 길을 가고 싶은 사람이라면, 딥러닝에 대한 깊은 이해보다는 데이터를 처리하고 생성하는 다양한 방법론에 대해 심화적인 공부를 하는 것이 좋을 수 있다. 물론 데이터 분석가에게 있어서도 딥러닝은 반드시 공부가 필요한 분야 중 하나인 것은 분명하다. 딥러닝 공부를 위해서는 딥러닝의 각 세부 주제별(NLP, Computer Vision 등) 내용을 담고 있는 서적을 이용하거나 관련 논문을 살펴보는 것을 추천한다. 특히 딥러닝의 경우 가장 트렌디한 분야이다 보니 하루가 다르게 최신 논문들이 쏟아져 나오는 경향이 있다.
핵심은 이 과정을 끝까지 수행하는 것입니다.
이번 시간에는 크게 보았을 때 입문자 입장에서 어떤 순서로 공부를 하면 좋을지에 대해 이야기해보았다. 사실, 편의를 위해 단계를 어느 정도 나누어보았지만 이는 분명 절대적인 기준이 아니다. 프로그래밍 공부를 하면서 동시에 딥러닝 공부를 해야 할 수도 있으며, 본인이 부족한 부분을 느낀다면 그 부분에 특히 더 집중을 해야 할 수도 있다. 그리고 각 단계에서의 공부가 끝이 있는 것도 아니다. 한 책을 다 보아도 다른 책을 보면 새로운 사실이 적혀있는 경우도 많으며 시간이 지남에 따라 새로운 개념이 나오기도 한다. 사실상 끝없는 공부의 향연이 펼쳐지는 곳이라 할 수 있다.
그렇기에 입문자 입장에서 이 모든 과정을 끝까지 수행하는 것은 굉장히 어렵게 느껴질 수 있다. 심지어 빅데이터나 인공지능을 전공하는 학생들도 이를 꼼꼼하고 완벽하게 공부하지 않는 경우도 많다. 그만큼 너무 공부해야 할 내용이 방대하고 그렇기에 의지가 꺾이기 쉽기 때문이다. 그래서 데이터 사이언스 분야는 한편으로 참 정직한 분야라고 생각한다. 몇 번의 대화만 나눠보면 저 사람이 얼마나 깊게 공부를 했고 다양한 경험을 했는지를 쉽게 느낄 수 있다. 이제 막 입문을 한 사람이건 한창 열심히 공부를 하고 있는 사람이건 원하는 목표에 이를 수 있도록 높은 의지를 보여주는 것이 중요하다 생각한다.
※ 평소 빅데이터/인공지능에 궁금한 점이 있어 답변을 원하는 내용이 있다면 공유해주시면 감사하겠습니다.
머신러닝 공부 순서, 방법 및 강의 정리
이번 포스팅에서는 작년부터 머신러닝 공부를 시작하면서 들었던 강의와 머신러닝 공부 방법에 대해서 정리해보려고 한다. 필자도 아직 머신러닝을 마스터하려면 갈 길이 멀었지만, 그간 공부했던 경험을 토대로 머신러닝 입문자들에게 조금이나마 도움이 됐으면 하는 마음으로 적어봤다.
※ 주의 : 이 글은 이제 막 머신러닝을 공부하려는 입문자를 위한 글입니다. 이미 머신러닝을 많이 공부하신 분들에게는 별로 도움이 되지 않을 것입니다.
우선 필자에 대해 간략하게 소개하자면, 한국에서 자바 개발자로 시작해 이 후 여러 모바일 웹앱 프로젝트를 하면서 프론트엔드 개발자로 커리어를 바꾼 9년 차 개발자이다. 어쩌다 지금은 미국으로 건너와 1인 개발자로 일하고 있다. 필자가 미국으로 건너 오게 된 이야기는 부끄럽지만 나의 퇴사 이야기라는 글에 남겨보았다.
0. 머신러닝을 공부한 계기
어쨌든 그렇게 자바 -> 안드로이드 -> 자바스크립트로 영역을 바꿔왔는데 작년에 진행했던 React 프로젝트에서 또다시 팔랑귀가 작동했다. 같이 일하는 분이 틈틈이 머신러닝 공부하는 것을 보고 의욕이 불타올랐던 것이다.
필자는 바람이 조금만 불어도 쉽게 팔락거리는 팔랑귀를 가지고 있어서 그런지 주위에서 뭐가 유행이더라 하면 궁금해서 못 참는 성격이다. 게다가 이세돌 알파고 이 후 조금씩 커져 왔던 머신러닝에 대한 순수한 호기심도 한 몫 했다.
프론트엔드 개발도 아직 공부할 것이 많고 처리해야 할 프로젝트도 많은데 당장 돈이 되지 않는 머신러닝에 시간을 투자하다니.. 스스로 자책을 하면서도 “이것도 미래를 위한 투자다!” 라는 자기합리화로 지금까지 오게 되었다. 하아..
1. 앤드류 응(Andrew Ng) 머신러닝 강좌
머신러닝 공부를 시작하기 위해 구글 검색을 해보면 열이면 아홉은 Andrew Ng 교수의 머신러닝 강좌부터 볼 것을 추천하고 있다. 앤드류 응 교수는 구글 브래인팀을 이끌었던 세계적인 AI 권위자로 스탠포드 대학 교수이자 코세라 창립자이다.
참고로 코세라 강의는 월 $45를 결제하면 Specializations에 있는 모든 과목을 무제한을 들을 수 있는데, 유명한 머신러닝 강의는 대부분 코세라에 있다. 가입 후 7일 동안은 무료 라서 일단 가입했다.
앤드류 응 교수의 강의는 머신러닝 기본 강의라고 보면 될 것 같다. 수업은 원하는 때에 들을 수 있었고, 다만 숙제가 있다. 숙제는 Octave(옥타브)라는 스크립트 언어로 나왔다. 개인적으로 이 강의를 보고 난 후 파이썬을 공부했는데, 파이썬을 이미 공부한 사람들은 강의 숙제를 할 때 GitHub에 파이썬 코드로 재작성된 자료를 참고하면 될 것이다.
2. 파이썬(Python) 공부
어떤 머신러닝 전문가는 머신러닝을 배울 때 코딩부터 배우지 말라고 한다. 그런데 필자는 앤드류 응 교수의 머신러닝 수업을 대강 마무리 하고 바로 파이썬 문법을 공부했다. 삽질부터 해보는 개발자여서 그런지 이론보다는 코드에 먼저 눈이 갔던 것 같다.
파이썬은 머신러닝에 즐겨 쓰이는 프로그래밍 언어이다. R이나 Matlab 같은 것도 있는데 머신러닝 언어 중 대세는 파이썬이라고 한다.
필자는 파이썬 공부를 하기 위해 파이썬 공식 사이트로 가서 문서들을 한 번 쭉 훑어보고 유데미(Udemy)에서 제일 짧은 강의부터 찾았다. 강의 이름은 처음 시작하는 파이썬이라는 강좌였는데 파이썬 문법 부분만 빠르게 넘겨 보았다. 여러가지 프로그래밍 언어를 다뤄봐서 그런지 몇몇 파이썬 만의 독특한 문법들 빼고는 크게 어렵지는 않았다. 개인적으로 파이썬 문법 공부는 하루면 충분했던 것 같다.
만약 이미 코세라를 구독하고 있고 프로그래밍이 처음이거나 파이썬을 기초부터 제대로 배우고 싶다면 Python 3 Programming 강의를 추천한다.
3. 그래프 모형, 인공신경망 강의
머신러닝을 공부할 때는 머신러닝 개론 -> 그래프 모형 -> 인공신경망 순으로 공부하면 된다고 한다. 그래프 모형(Graphical Model)이란 머신러닝의 근간을 이루는 모델로 변수간 상호 의존 관계를 설명한다.
그래프 모형에 대한 강의는 Daphne Koller 교수의 Probabilistic Graphical Models 강의가 가장 유명하다. 이 역시 코세라 강의이다.
다음으로 최근 머신러닝의 대세가 된 알고리즘인 인공신경망(Neural Network) & 딥러닝(Deep Learning) 공부를 했다. AI, 머신러닝, 인공신경망, 딥러닝 개념이 어렵다면 아래 그림과 같은 관계라고 보면 된다.
AI(Artificial Intelligence)란 인간의 지능을 기계로 만든 것을 의미하며, 그 구체적인 방법 중 하나가 머신러닝(Machine Learning)인 것이다. 그리고 머신러닝을 구현하는 알고리즘 중의 하나가 인공신경망(Neural Network)과 딥러닝(Deep Learning)인 것이다.
딥러닝은 인공신경망에서 발전된 형태로 심화신경망 또는 개선된 인공신경망 등으로 불리기도 한다.
인공신경망 강의 역시 앤드류 응 교수의 코세라 강의인 Neural Networks and Deep Learning 강의를 들었다. 참고로 아직 보지는 않았지만 인공신경망 쪽에서 휴고 라로첼(Hugo Larochelle)의 유튜브 강의도 괜찮다고 한다.
4. 머신러닝 실습 강의
코세라 강의를 들으면서 잘 이해되지 않은 부분도 있고, 영어로 수업이 진행되다 보니 놓치는 부분도 많았던 것 같다. 그래서 조금 더 쉽고 실용적인 강의가 없나 찾다가 추가로 유데미에 있는 머신러닝 강의를 들었다.
참고로 유데미 강의는 프로그래밍을 전혀 해보지 않은 사람은 다소 따라가기 어려워 보였다. 강의는 텐서플로우와 케라스를 통해 인공 신경망 개발 환경을 구축해보고 딥러닝을 통한 이미지, 데이터 분류 실습을 해본다.
또한 강화학습에 대한 내용과 Apache Sparks MLlib을 통한 대량 데이터 머신러닝 처리에 대한 내용도 배울 수 있었다.
5. 추가 학습
유데미 강의는 아직도 틈틈히 수강하고 있다. 그 와중에 다른 머신러닝/딥러닝 강의를 알아보다가 홍콩과기대 김성 교수님의 강의를 보게 되었다. 뭔가 이전에 배웠던 내용을 recap 하는 차원에서 보게 되었는데 머신러닝 이론에 대해 깔금하게 정리되어 있다. 머신러닝 공부를 시작하거나 공부 중이라면 참고하면 괜찮은 강의이지 않을까 싶다.
6. 머신러닝 공부에 도움 될 만한 URL 모음
머신러닝 공부에 도움 될 만한 사이트나 자료에 대한 URL은 이곳에 계속 업데이트할 예정이다.
– 딥러닝을 위한 기초 수학 : https://www.slideshare.net/theeluwin/ss-69596991
– 텐서플로우 연습 코드 모음 : https://github.com/golbin/TensorFlow-Tutorials
– 구글 딥러닝 강의 : https://www.udacity.com/course/deep-learning–ud730
– 머신러닝 오픈소스 튜토리얼 : https://scikit-learn.org/stable/tutorial/
– 옥스포드 머신러닝 수업자료 : https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/
– 머신러닝 용어집 : https://developers.google.com/machine-learning/glossary/?hl=ko
아리스토텔레스의 “시작이 반이다” 라는 명언이 있다. 그런데 영어 원문은 “Well begun, is half done.” 이다. 한국어로 번역되면서 Well의 의미가 삭제된 것 같다. 제대로 해석하면 “좋은”시작이 반을 차지한다는 것이지 무작정 시작만 하면 된다는 의미는 아니다.
머신러닝, 딥러닝 공부 역시 마찬가지인 것 같다. 제대로 된 강의와 가이드로 공부를 시작해야 한다. 그리고 그 첫 시작은 앤드류 응 교수의 coursera 강의라고 생각한다. 아직도 머신러닝 공부를 망설이고 있다면, 일단 코세라에 접속해서 무료 강의부터 들어보자.
인공지능을 공부하려는 분들께 경험을 토대로 학습 방법과 책 추천 (1)
데이터 분석과 인공지능을 공부하려는 분들께 국내 서적을 기준으로 목적에 맞는 책과 공부를 해왔던 경험담에 대하여 공유드리고자 합니다. 데이터 분석 및 인공지능에 관심있는 분들께 도움이 되셨으면 좋겠습니다.
추천에 앞서, 이 글은 어떠한 광고비나 광고의 목적으로 작성된 글이 아니며, 어디까지나 제 경험을 토대로 작성한 개인의견임을 명시합니다. 그리고, 제가 직접 경험한 강의, 스터디, 그리고 읽은 책을 기준으로 공유드립니다.
테디노트 책 출간 소식 전해 드립니다~^^
지난 6개월간 3명의 동료들과 열심히 집필한 책이 드디어 온라인/오프라인 출간 되었습니다!
책 출간 소식 보러가기
참고
혼자 데이터분석/머신러닝/딥러닝에 입문하시는 분들은 Machine Learning Study 혼자 해보기 깃헙을 참고해 보세요.
서론 – 나의 시행 착오
저는 인공지능학, 데이터 분석학, 수학 전공자가 아닙니다.
그렇기 때문에 처음에 인공지능/데이터 분석을 공부해보고 싶은데 어디서부터 어떻게 시작해야할지 정말 막연했던 기억이 납니다. 저는 “Python for Data Analysis”라는 책 1권을 사서 보긴 봤는데요, 도무지 이해가 가지 않았습니다. 그렇기 때문에 처음부터 이 책을 사서 보시는 것은 비추천 합니다.
주로 온라인, 유튜브 강의와 스터디를 위주로 학습했습니다
Youtube에 공개된 유명한 강의, Udacity, Udemy, Coursera 등등의 강의를 주로 학습했었고, 인프런에서도 유료 강좌를 결제해서 수강하였습니다. 그리고, 온/오프라인 스터디와 커널 스터디 그리고 온라인 과외까지 진행하면서 지속적으로 학습을 했던 것 같습니다. 정말 지난 2년 동안은 거의 새벽까지 독학하면서 삽질도 많이 해보고 캐글과 같은 데이터 분석 대회에 참여하면서 조금씩 조금씩 지식과 경험을 쌓으려고 노력했던 시간이었습니다.
지난 2년 동안의 경험을 토대로 처음 시작하려는 분들께 지름길을 추천 드리고자 합니다
지난 2년 동안 제가 학습한 강의와 책입니다
4개 의 오프라인 강의 (DsSchool, FastCampus)
의 오프라인 강의 (DsSchool, FastCampus) 2회 의 원데이 클래스
의 원데이 클래스 1개 의 Udacity Nanodegree
의 Udacity Nanodegree 13개 의 Udemy 강의
의 Udemy 강의 2개 의 Coursera 강의
의 Coursera 강의 9개 의 Inflearn 데이터분석, 인공지능 강의
의 Inflearn 데이터분석, 인공지능 강의 1년 이용권 코드잇 강의
이용권 코드잇 강의 4개 X 50강 으로 이뤄진 Youtube 플레이리스트 강의
으로 이뤄진 Youtube 플레이리스트 강의 100개 가 넘는 유튜브 단일 강의
가 넘는 유튜브 단일 강의 3개 의 오프라인 데이터 분석 스터디
의 오프라인 데이터 분석 스터디 2개 의 온라인 스터디
의 온라인 스터디 1개 의 온라인 과외
의 온라인 과외 26권 의 책
의 책 캐글 커널 스터디, 블로그 등등…
일단, 잘 몰랐기 때문에 유명한 강의는 닥치는 대로 들어보려고 했습니다. 사실 데이터 분석과 인공지능이라는 매력에 빠져있었고, 지금도 너무 좋아하기 때문에 이렇게 할 수 있었던 것 같습니다.
그런데 저는 항상 스스로 독학만 하다보니 너무나도 많은 시행착오와 금전적, 시간적 낭비를 경험 했기에 저처럼 데이터 분석/인공지능 을 공부해보고 싶으신 분들께 저의 직접 경험을 토대로 정리한 학습 순서와 공부법을 추천해 드리고 싶었습니다.
다시 한 번 말씀드리지만, 제 개인적인 경험을 토대로 작성하였으며, 개인마다 느끼시는 차이가 있을 수 있습니다.
Part 1. 기초중의 기초, 기초다지기!! (10시간)
STEP 1: 파이썬 (Python) – 3시간, 무료 (유튜브)
흔히 제일 많이 착각하시는 점 중 하나가 데이터 분석을 잘하려면 = 파이썬을 잘해야지 입니다.
파이썬을 잘 못다루시더라도 데이터 분석을 하시는데에 지장이 없습니다. 처음 접하시는 분들이 파이썬 배우시다가 지쳐서 포기하시는 분들도 있습니다. 전문적인 전통 파이썬 과정 말고 데이터 분석을 위한 파이썬만 콕 찝어 들으시면 됩니다. (절대 끝까지 다 들으실 필요 없어요 ㅠㅠ.. 시간 되시는 분들은 들으시면 당연히 좋습니다 )
아래 리스트 중에서 본인의 취향에 맞는 강좌 1개를 완강해보세요
유튜브에 아직 데이터 분석을 위한 압축 파이썬 과정은 찾기가 어려워 제가 개인적으로 강의 촬영을 하여 무료로 공개해볼 까 합니다. 공개한다면 추후 알려드릴 수 있도록 하겠습니다.
STEP 2: 판다스 (Pandas), 시각화 (Matplotlib, Seaborn) – 6~7시간, 무료/유료
판다스라는 라이브러리는 데이터분석을 위해서라면 필수이고, 잘 다루면 다룰수록 무조건 좋습니다. Pandas가 조금 부족하다고 느끼시는 분들은 시간 투자를 하셔서 제대로 배워 두시는 것을 추천 드리며, 엑셀 편집이나 크롤링 등 유용한 기능들을 많이 탑재하고 있으니 매우 유용하게 활용하실 수 있습니다.
판다스는 책으로 학습하시길 추천 드립니다.
파이썬 라이브러리 레시피 는 판다스 관련 책은 아니지만 유용한 파이썬 라이브러리 활용법에 대하여 소개합니다. 데이터 분석과 직접적인 관련은 크게 없을 수 있습니다만, application으로 확장하고 싶으신 분들은 한 번 읽어보시면 좋습니다.
파이썬 머신러닝 판다스 데이터 분석은 굉장히 친절하게 판다스 관련하여 설명하고 있습니다. 위의 유튜브 강의를 보지 않았더라도 이 책의 실습 예제들만 잘 따라해도 판다스는 어느정도 마스터 할 수 있다고 생각합니다.
Python for Data Analysis 는 좀 책이 어렵습니다. 데이터 분석/ 인공지능 관련 도서는 국내 저자분들의 책들이 좀 더 친절하고 이해도 쉽습니다. 이 책은 굉장히 디테일한 내용을 다루고 있기는 합니다만, 입문자에게는 비추입니다. 하지만, 실력을 업그레이드 하고 싶다면 나중에 한 번 보시는 것도 괜찮습니다.
유튜브 오늘코드 채널에서 판다스와 시각화에 대하여 많이 다루고 있습니다. 흥미로운 내용이 있다면, 참고해 보세요. 강사님이 친절하게 가르쳐 주시는 편입니다.
Numpy, Scipy 와 같은 라이브러리는 따로 배우지 마세요!
처음에는 Numpy, Scipy 강의를 따로 찾아서 공부했었는데, 굳이 그럴 필요 없습니다. 추후 머신러닝, 딥러닝을 공부하려는 분들은 자연스럽게 터득하게 되니, 굳이 초반에 따로 공부하실 필요 없습니다.
Part 2. 머신러닝 입문하기 (20시간)
머신러닝 강의 부터는 책으로만 공부하기 어려운 측면이 있습니다. 그렇기 때문에 책과 동영상 강의를 섞어서 듣거나 오프라인 과정을 들으시는 것을 추천 드립니다.
파이썬 머신러닝 완벽 가이드는 정말 추천하는 책입니다. 굉장히 친절한 책이고 예제도 풍부합니다. 게다가 저자분께서 얼마 전에 인터넷 강의도 제작하셨습니다 (유료). 인프런에서 유료 강의 결제 후 책과 함께 들으시는 것을 추천 드립니다.
인프런강의 – 파이썬 머신러닝 완벽 가이드 에서 유료로 동영상 강의도 함께 제공하고 있습니다. 사실 딥러닝 강의는 잘되어 있는 강의들이 많은데, 머신러닝 강의는 유튜브에 잘 되어 있는 공개된 강의는 아직 못 찾았습니다.
아! 물론 있습니다. 전 세계적으로 제일 유명한 강의 중 하나인 Andrew Ng 교수님의 강의입니다.
Machine Learning – Andrew Ng (Stanford University)
단점은 영어, 영어, 영어입니다…
Introduction to Machine Learning with Python 책도 추천 합니다. 우선, 파이썬 머신러닝 완벽 가이드를 마스터 하신 후 보셔도 좋고, 같이 병렬적으로 보셔도 좋습니다. 머신 러닝 교과서 with 파이썬 사이킷런, 텐서플로 책도 꽤 좋은 실습서입니다. Introduction to Machine Learning with Python 책이 좀 어렵게 느끼실 수도 있는데 머신 러닝 교과서 with 파이썬 사이킷런 책은 좀 더 읽기 편하게 쓰여진 책입니다. 완벽 가이드와 같이 보셔도 좋습니다.
추천 순위
파이썬 머신러닝 완벽 가이드 Introduction to Machine Learning with Python 머신러닝 교과서 with 파이썬 사이킷런, 텐서플로
관련 글 더보기
– 텐서플로우 개발자 자격증 (Tensorflow Developer Certification) 시험 그리고 취득방법
– 비전공자를 위한 데이터 분석 강의를 오픈합니다. feat.패스트캠퍼스
– 데이터 분석/인공지능을 공부하려는 분들께 경험을 토대로 학습 방법과 책 추천 (2)
– Github 블로그의 방문자 숫자, 구글 애드센스(adsense), 그리고 검색 유입의 관계
– 더 나은 딥러닝/머신러닝 서버 환경을 위하여 지금 바로 메모리에 투자하세요.
머신러닝 공부 순서 …
투빅스 활동을 하면서 제가 공부했던 내용을 정리한 글입니다.
한동안 죽어있던 정보공유 페이지를 살리고자하는 투빅스 12기 김태한입니다!!
정규세션을 하면서 저는 통계가 부족한거같아요, 저는 수학이 부족한거같아요, 어떻게 공부하죠 이런 질문들을 많이 받았어서 이에대해 정말 미약하지만 힘이 되어드리고자 이렇게 글을 써봅니다.
저두 작년 7~8월 경에 머신러닝 공부를 처음 시작하였고, import pandas as pd를 처음 쳐보았던 입장으로써 가능한 제가 들어보고 읽어봤던 강의, 도서들을 위주로 적어보려고 합니다.
저의 색깔이 굉장히 많이 묻어있으니 취하실 것만 취해가시면 좋을 것 같습니다 🙂
특히 제가 강추 하고자하는 정도를 ⋆개수로 옆에 달아두었습니다!
1) 유용한 사이트
이 사이트를 모르는 투빅이 분들이 계실까요…?
이제 여러분들의 실력이시라면 캐글이라는 큰 물에서 자웅을 겨뤄볼때가 되신거같아요!!
과제를 하시다보면 의도치 않더라도 들어가본 경험이 한번은 있으실거라 생각되는 사이트입니다.
기반닦기에 나쁘지 않다고 생각합니다.
네이버에서 무료로 제공하는 강의 사이트인데 생각보다 퀄이 좋아요.
앤드류 응, 조경현 교수님, 최성철 교수님, 모두의 딥러닝, 하버드 확률 강의를 들어보세요.
저는 여기서 기초를 좀 다졌답니다.
텐서플로우 코리아 같은 페이스북 커뮤니티 입니다.
저는 텐서플로우 코리아, 파이토치 코리아만 가입해서 보는데 정말 sota(state_of_the_art)지식 장난아닙니다…
이 사이트를 제가 제일 애용하는데요 논문을 페이퍼와 함께 구현 코드들이 있는 github주소로 같이 제공해 주고 있어요.
저는 visual-SLAM을 여기 사이트 코드를 이용해 구현했는데요 구현 코드가 있다는건 정말 행운과 같답니다.
강추 또 강추 드려요.
저번 투빅스 컨퍼런스 연사님으로 오신 hoya012의 object detection paper 리뷰에요.
와 보고 진짜 신세계였습니다.
봐야할 페이퍼들이 이렇게 많구나 또 내용도 되게 좋다는 느낌을 받았어요.
detection관련 paper중에서도 hoya님의 개인적 기준으로 엄선한 paper들이 담겨있어 정말정말 강추합니다.
2) 수학
contemporary linear algebra, Howard Anton, Robert C. Busby (book) ⋆⋆⋆⋆⋆
Introduction to Linear Algebra, Fifth Edition , gilbert strang (book) ⋆⋆⋆⋆⋆
위 두 책은 제가 위에껀 두번 아래껀 한번 정독했었습니다.
학교 수업 교재이기도 했고 본래 분야가 선형대수가 필수여서 공부를 했는데요, 머신러닝에서 필요한 선형대수는 두권중 한권만 정독해도 해결된다고 생각이 듭니다. ㅎㅅㅎ
제가 살짝 들어봤었는데 선형대수 기반은 사실 여기 강의 내용만 충분히 이해해도 큰 도움이 될거같아요.
——————– 좀 과한 경우 ——————–
여기는 만약 본인 domain에서 공부를 하게된다면 도움이 될거같다는 생각에 추가하였습니다.
별은 좀 과하다는 생각에 하나만 붙여 두었어요.
절대 별로라는 의미가 아닙니다.
각 도서는 다 해당 분야에서는 최고의 책들입니다.
convex optimization, Stephen Boyd, Lieven Vandenberghe (book)⋆
말 그대로 convex optimization과 관련된 도서입니다.
공부하면서 gradient descent나 lagrange multiplier, KKT등의 최적화등의 내용이 나올텐데요, 이 책의 chapter 2 혹은 3에서 소챕터로 나오는 굉장히 기초적인 내용입니다.
이 책 정독한다면(매우 힘드시겠지만) 머신러닝에서 쓰는 최적화 방법은 물흐르듯이 넘어갈 수 있지 않을까 생각합니다.
numerical methods for engineers 7th edition, Steven Chapra (book)⋆
공과대학 학부수준의 수치해석 책입니다. gradient descent, SGD등의 내용과 해를 구하는 방법등이 나와있으며 어차피 공부해야하는 분들이 계실텐데 이왕 할거 어느정도 연관성이 있으니 빡공하시면 좋을거같아요.
3) 통계
probability & statistics for engineering & scientists, nineth edition, Ronald E. Walpole, Raymond H. Myers, Sharon L. Myers, Keying Ye (book) ⋆⋆⋆⋆⋆
저도 통계전공이 아니라서 통계를 잘 몰랐는데요 저같은 ‘통알못’이 통계가 대충 이렇구나 하는데 도움이 되었던 책입니다.
책 읽으면서 유도도 해보고 추정도 연습해보고 하니 아~주 살~짝 통계에 대해서 알겠더라구요 ㅎㅎ
서울대 류근관 교수님의 통계관련 강의입니다.
제가 사실 강의를 보기보단 책을 보는 걸 좋아해서 많이는 듣지 못하였지만 꽤 좋았던거로 기억납니다!
요건 하버드 통계 강의입니다.
사실 이것도 듣다가 말았는데 주변에서 괜찮다고 하더라구요.
pattern recognition & machine learning, bishop (book)⋆⋆⋆⋆⋆
http://norman3.github.io/prml/⋆⋆⋆⋆⋆
이 책을 머신러닝 도서로 구분할까 하다가 통계 쪽에 집어넣어봤습니다.
내용이 정말정말 좋아요.
제가 아직 실력이 부족해서 완벽히 이해도 안되구 아직 1회독도 정독을 못하였지만, 그럼에도 불구하고 우와 하면서 보고있는 책입니다.
책이 힘드신 분들은 아래링크가 책을 한글로 번역한 사이트에요.
참 세상에는 대단한 사람들이 많은거같아요 ㅎㅎㅎ
4) 머신러닝, 딥러닝 & 강화학습
맨 위는 모두의 딥러닝, 중간 3개는 앤드류 응 교수님의 강의, 맨 아래는 cs231n 강의 입니다.
너무 유명한 친구들이라 별 말 안하고 넘어가겠습니다.
이활석님의 autoencoder강의 인데요 총 3개의 영상에 5시간 강의인데 진짜 끝내줍니다.
머리가 펑하면서 뚫리는 기분이었습니다. 최고최고
deep learning book, ian goodfellow (book)⋆⋆⋆⋆⋆
gan의 창시자 우리의 좋은친구(goodfellow)님의 딥러닝 도서입니다.
현재 제가 스터디하면서 공부중인데 딥러닝 전반에 걸쳐 내용 정말 괜찮고 좋습니다.
다만, 어느정도 깊어지려하면 소개만 딱하고 넘어가는 부분들이 있습니다.
그래서 개인적으로는 글에서 해당 내용의 논문들의 이름을 적어주는데 논문들도 읽어보고 혼자 깊게 깊게 찾아보며 공부하면 정말 시야가 좀 달라지는 책인거같습니다.
밑바닥부터 시작하는 딥러닝 1/2 (book) ⋆⋆⋆⋆⋆
두권다 정독하고 싹 다 구현후 이해하면 제 생각엔 paper 리딩이나 위의 deep learning book으로 넘어가도 좋을 기반닦기에(사실 기반이라고 보기에 어려운 부분들도 있지만) 정말 좋은 책이라 생각합니다.
거의 딥러닝계 필독서!
알파고 창시자 데이비드 실바 교수님의 강화학습 강의입니다.
강화학습전반에 걸쳐서 흐름도 잡아주고 내용도 강화학습 시작의 정석이라 불릴 정도로 좋습니다.
다만 function유도에서 증명들이 거의 생략되어있다는 점.
식들을 해를 구하기 쉬운 형태로 변화시킬때 굉~장히 고난도의 수학적인 방법들을 사용하는데 그 과정들이 생략되어 있는부분들이 꽤 있습니다.
당장 DP만 해도 원래 linear problem을 역행렬 연산으로 구해도 되지만 연산량의 문제로 gauss-seidel iteration으로 구하는데 이런 부분들은 언급이 안되어있어서 개인적으로는 ‘어 갑자기?’ 라고 생각할때가 종종있곤 했습니다.
Reinforcement Learning , richard s. sutton (book)⋆⋆⋆⋆⋆
위의 실바교수님 강의에서 들었던 ‘어 갑자기?’를 해결해주던 책입니다.
요놈 저어어엉~말 강추합니다.
실바교수님 강의 다 들으시고 정독해보시면 와우 하실거같아요.
5) 주요 학회 및 행사
제가 자주 들어가면서 기웃거리는 학회들입니다.
원래 유료인데요 학교에서는 학생들의 경우 무료로 볼 수 있도록 해줘요.
저희 학교의 경우 도서관 홈페이지 주소에서 학번으로 로그인 후 저널을 치면 들어가 지더라구요.
무료일때 많이 보면 좋을 거 같아요.
이거 굉장히 비싸더라구요…
투빅스 conference⋆⋆⋆⋆⋆
엄청난 행사입니다.
패쓰
ICLR ⋆⋆⋆⋆⋆
인공지능 학회 중 가장 큰 규모의 학회이지 않을까요.
투빅스 분들의 다양한 관심사를 모두 충족시켜주지 않을까 합니다.
SOTA논문은 여기서 찾아보시면 좋을거에요.
ICCV, CVPR⋆⋆⋆⋆⋆
내가 이미지나 vision을 다룬다면 무적권 알아야하는 학회입니다.
컴퓨터 비전의 세계 깡패 학회에요.
작년의 경우 ICCV가 서울에서 열렸었는데 저는 기회가 안되서 못갔었지만 가보셨던 투빅스분들이 꽤 계시더라구요.
(12기에서는 승현이가 갔었어요 궁금한거 물어보시면 될거같아요)
EMNLP-IJCNLP⋆⋆⋆⋆⋆
사실 제가 NLP에 큰 관심이 없어서 잘은 모르지만 NLP를 한다하면 이 학회가 세계에서 가장 권위가 있다고 합니다.
NLP SOTA논문은 여기서 찾아보시면 좋을거같아요.
ICRA , IROS⋆⋆⋆⋆⋆
사실 투빅스의 방향성하고는 멀 수 있다고 생각하지만, 로봇 강화학습 및 머신러닝의 양대산맥입니다.
제가 핵 애용하는 학회 입니다.
ICRA의 경우 직접 가봤었는데 저랑 domain이 어느정도 겹치시면 무적권 강추합니다.
ICML⋆⋆⋆⋆⋆
머신러닝에서 가장 오래된 학회라고 합니다.
CES⋆⋆⋆⋆⋆
학회는 아니고 약간 전시회? 느낌인데요 세계에서 각 기업의 최신 기술동향을 알 수 있습니다.
매년 라스베거스에서 열리는데 유튜브로 그냥 시청정도하시면 아 이런 기술이 산업군에서는 유망하구나 싶더라구요.
뭔가 쓰다보니 대부분 별 다섯개네요 ㅋㅋㅋㅋㅋㅋㅋㅋ
긴 글 읽어주셔서 너무 감사드립니다.
다음번에는 공모전이나 여러분들이 참여하면 역량을 발휘하실 수 있는 행사나 대회들을 포스팅 해볼게요.
그럼 이만. 총총
[코딩유치원] 파이썬 머신러닝/딥러닝 공부할 때 유용한 사이트 3가지
반응형
안녕하세요, 왕초보 코린이를 위한 코딩유치원에 오신 것을 환영합니다.
코딩유치원에서는 파이썬 기초부터 사무자동화, 웹크롤링, 데이터 분석, 머신러닝 등의 다양한 패키지까지 초보자도 알기 쉽도록 내용을 정리해 놓았습니다.
업무는 물론 투자에도 도움이 될만한 전자공시시스템(DART)나 텔레그램(Telegram) 관련 패키지도 배울 수 있으니 많은 관심 부탁드립니다.
오늘은 제가 머신러닝/딥러닝을 공부하면서 많이 도움받고 있는 컨텐츠나 사이트를 소개해보려 합니다.
제가 코딩유치원을 통해 올리는 글들은 최대한 쉽게 설명하려다보니 많은 내용이 생략될 수도 있다고 생각합니다.
그렇기 때문에 이런 사이트들을 소개함으로써 저의 부족한 부분을 여러분들께 채워드릴 수 있기를 바라면서 소개 시작해보겠습니다.
1. 머신러닝 1시간으로 입문하기
첫번째로 소개드릴 컨텐츠는 Terry TaeWoong Um이라는 유튜브 채널에서 볼 수 있는 영상 2개입니다. 이 영상들 외에도 ‘테리의 딥러닝 토크’에 있는 영상들도 머신러닝과 딥러닝의 개념을 잡는데에 많은 도움이 될 것 같습니다.
1) 머신러닝 1시간으로 입문하기
2) 딥러닝 공부 가이드 2019
2. 데이터 사이언스 스쿨
두번째로 소개드릴 곳은 데이터 사이언스 스쿨이라는 블로그입니다. 크게 파이썬편, 수학편, 머신러닝 편으로 나뉘어 있으며, 목차가 잘 짜여져 있어서 무엇을 공부해야하는지 큰 그림을 그릴 때에도 도움이 됩니다.
https://datascienceschool.net/intro.html#
3. 공돌이의 수학정리 노트
세번째로 소개드릴 것은 ‘공돌이의 수학정리 노트’라는 블로그 & 유튜브 입니다.
파이썬의 딥러닝/머신러닝 라이브러리들에는 많은 수학적 개념이 적용되어있습니다. 이것들을 단순히 코드를 가져와서 사용할 수 있지만, 그것을 왜 사용하는지, 어떤 요소를 변경시켜야 더 좋은 결과를 얻을 수 있는지는 수학을 알아야만 이해할 수 있습니다.
이 블로그는 최대한 이해하기 쉽게 글을 썼을 뿐만아니라 시각화도 잘 되어 있어서 추천드립니다.
다루고 있는 내용은 크게 선형대수학, 미적분학, 머신러닝 관련 수학, 확률/통계 등이 있습니다.
https://angeloyeo.github.io/2019/01/02/how_to_use_blog.html
기타. 2021년 머신러닝을 위한 최고의 파이썬 라이브러리 8가지
마지막으로 소개드릴 내용은 사이트가 아니라 글이어서 기타로 분류했습니다.
이 글은 한빛미디어에 올라왔던 글로 8 Best Python Libraries For Machine Learning in 2021를 번역한 것입니다.
파이썬을 기반으로 데이터 분석을 공부하다보면 정말 다양한 라이브러리들이 존재합니다. 이러한 다양한 라이브러리들은 정말 큰 장점이지만, 초보자에게는 뭐가 뭔지 파악하는데에만 큰 부담이라고 생각합니다.
이 글을 읽으시면 대충 어떤 라이브러리를 익혀야할지 선택하실 때, 조금이나마 도움이 되실거예요.
https://www.hanbit.co.kr/media/channel/view.html?cms_code=CMS8609067358
이 글이 도움이 되셨다면, 아래의 광고를 한 번씩만 눌러주시면 너무너무 감사하겠습니다!
반응형
머신러닝 공부순서 및 방법
머신러닝 공부 순서, 방법 및 강의 정리
이번 포스팅에서는 작년부터 머신러닝 공부를 시작하면서 들었던 강의와 머신러닝 공부 방법에 대해서 정리해보려고 한다. 필자도 아직 머신러닝을 마스터하려면 갈 길이 멀었지만, 그간 공부�
gomcine.tistory.com
딥러닝 공부순서 추천
1. 포트폴리오
먼저, 프로젝트를 정하고 구현해보는 것이 좋다.
프로젝트 아이디어를 얻는데에 좋은 방법은 아래와 같다.
1) ML Sources를 얻기 좋은 곳
– Stanford’s CS224n & CS231n projects
– ML Reddit’s WAYR
– Kaggle Kernels
– Paper (ML : ICML, NIPS / CV : CVPR, ECCV, ICCV)
유투브, udemy, edwith, nomad, fast.ai, coursera 등.. 에서 인터넷 강의를 병행하며 기초를 탄탄히 하면서 관련 Paper들을 찾자. (논문 찾기 좋은 곳 : google scholar)
그 후 여러 논문, Reddit, Kaggle 글들을 읽어보면서 관심있는 주제, idea의 방향성을 먼저 잡는 것이 좋다.
프로젝트의 주제를 정했다면 관련된 기초되는 논문들부터 가볍고 빠르게 skimming하면서 기초를 다진다.
2. Theory 공부
프로젝트 주제와 관련된 기초 논문들을 skimming할때 중요한 것은 핵심되고 내가 몰랐던 notation들을 정리하는 것이다.
기초적이고 핵심되는 notation들은 반드시 익혀야한다.
논문리딩 실력향상에 중요한 3가지 key는 다음과 같다.
1) 자주나오는 알고리즘, gradient descent, linear regression, MLPs 등..을 이해하는 것
– Andrew Trask의 책, blog를 통해 numpy, gradient descent, linear regression, MLP를 배울 수 있다.
– 머신러닝 / 딥러닝 online 무료 교과서 16종 (https://www.facebook.com/awesomeai/posts/1803925309827212/)
– Ian Goodfellow의 Deep Learning책을 통해 여러 이론들을 배울 수 있다. (http://www.deeplearningbook.org/)
2) 수학적 notation들을 배우고 이해하는 것
– 논문에서 나오는 notation들은 바로바로 정리하는 것이 좋다.
3) algebra, calculus, statistics, ML의 기초를 다지고 이해하는 것
– 유투브 3Blue1Brown의 Essence of linear algebra, Essence of Calculus
– StartQuest의 the Basics (of statistics), Machine Learning
3. 논문 재구현
처음에 방향성을 잡은 논문과 관련된 기초 논문들을 위의 과정들을 통해 충분히 숙달하였다면
이제 그 방향성을 잡은 논문을 재구현하는 일이 남았다.
(현재 논문을 10편 정도 읽고 그 중 일부 논문에 대해서만 리뷰 및 재구현을 구현해본 시점에서 정리하는 글이니 처음 논문을 접하시는 분만 참고하시면 좋을 것 같습니다.)
논문을 공부하기 앞서 자신이 관심있던 분야를 아직 정하지 못했다면 다양한 프로젝트들을 검색해보면서 먼저 정하는게 좋다.
1. 자신이 관심있는 프로젝트에 필요한 기술들이 뭔지 찾았으면 해당 기술에 대해 기초가 되는 논문부터 읽어보기를 추천한다.
(ex. Object detection paper, Image retrieval papaer, Human object interaction papaer …)
2. 영어가 익숙하지 않아 처음부터 논문을 그대로 읽기에 부담이 되는 경우 기초가 되는 유명한 논문들은 “논문이름” 리뷰와 같이 검색해보면 여러 블로그에서 한국어로 리뷰 및 요약한 것을 볼 수 있다.
이렇게 요약, 쉽게 정리해놓은 블로그들을 참고하면서 먼저 논문에 대한 큰 그림을 그리고나서부터 논문을 직접 읽으면 도움이 될 것이다.
3. 논문을 한 번 읽는다해서 절대로 해당 논문을 완벽히 분석할 수 없으므로 최소 5번은 읽는다는 생각으로 천천히 skimming하면서 읽는다.
논문을 읽고 재구현을 해보면서 정말로 이해했다 느끼는 순간은 직접 코딩을 통해 재구현을 했을때였다.
해당 논문을 Github에 검색해보면 논문저자가 올려놓은 공식 코드를 볼 수 있다.
맨바탕으로 논문을 재구현하는데에는 무리가 있으니
4. 논문저자가 공개한 공식 코드를 한줄한줄 읽어보며 전체적인 흐름과 핵심 기능들을 이해한다.
5. 마지막으로 공식 코드를 참고하며 직접 코딩하여 재구현을 해본다.
이렇게 1-5단계까지 모두 마쳐야 비로소 해당논문을 완전히 이해한 느낌이 들었다. 재구현을 해보기 전까지는 아무리
논문을 반복하여 읽어도 완벽히 세세한 부분까지 알고 이해하기 힘들다. 따라서 재구현이 정말 중요함을 강조한다.
출처 : https://github.com/Huffon/How-to-learn-Deep-Learning
여러 웹사이트와 지인분들의 조언을 통해 스스로 공부 순서를 정리하기위해 작성한 글입니다.
머신 러닝 공부 순서 | 머신러닝, 데이터분석 공부 고민만 하는 분께 L 파이썬 공부 이유 L 머신러닝 공부 순서 답을 믿으세요
당신은 주제를 찾고 있습니까 “머신 러닝 공부 순서 – 머신러닝, 데이터분석 공부 고민만 하는 분께 l 파이썬 공부 이유 l 머신러닝 공부 순서“? 다음 카테고리의 웹사이트 you.hotramvillas.vn 에서 귀하의 모든 질문에 답변해 드립니다: https://you.hotramvillas.vn/blog. 바로 아래에서 답을 찾을 수 있습니다. 작성자 꽃부리 AI With SJ 이(가) 작성한 기사에는 조회수 25,076회 및 좋아요 564개 개의 좋아요가 있습니다.
실제로 데이터 분석 경험을 쌓아나가기 위해서 반드시 선행되어야만 하는 내용이 분명하기 때문이다. 프로그래밍 > 머신러닝, 통계학 > 딥러닝, 수학의 순서로 공부하는 것을 추천합니다.
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
머신러닝, 데이터분석(데이터사이언스), 인공지능 공부를 시작하지 못 하고 고민만 하고 계신 분들께 꼭 필요한 영상입니다. 지금 어떤 태도를 취해야 하는지, 파이썬 공부가 도움이 되는 실질적인 이유 무엇인지, 개인적으로 문과생이 머신러닝 공부를 시작한 방법 등을 소개합니다.
점프투파이썬 책 wikidocs 링크: https://wikidocs.net/book/1
머신러닝 공부 순서, 방법 및 강의 정리 · 0. 머신러닝을 공부한 계기 · 1. 앤드류 응(Andrew Ng) 머신러닝 강좌 · 2. 파이썬(Python) 공부 · 3. 그래프 모형, …
+ 여기에 자세히 보기
Source: gomcine.tistory.com
Date Published: 4/24/2022
View: 9773
혼자 데이터분석/머신러닝/딥러닝에 입문하시는 분들은 Machine … 지능 을 공부해보고 싶으신 분들께 저의 직접 경험을 토대로 정리한 학습 순서와 …
+ 여기에 보기
Source: teddylee777.github.io
Date Published: 3/19/2021
View: 5896
연초에 시간에 많아서 조금씩 자료를 수집하고 공부하고 있습니다. 매년 설날과 추석을 전후로 2주에서 3주정도 시간이 되어서 조금씩 공부를 하고 있습니다.
+ 여기에 보기
Source: steemit.com
Date Published: 11/14/2022
View: 6860
머신러닝 공부 순서 … · 1) 유용한 사이트. https://www.kaggle.com/ ⋆⋆⋆⋆⋆ · 2) 수학 · 3) 통계 · 4) 머신러닝, 딥러닝 & 강화학습 · 5) 주요 학회 및 …
+ 자세한 내용은 여기를 클릭하십시오
Source: riverside13.tistory.com
Date Published: 1/13/2022
View: 4985
크게 파이썬편, 수학편, 머신러닝 편으로 나뉘어 있으며, 목차가 잘 짜여져 있어서 무엇을 공부해야하는지 큰 그림을 그릴 때에도 도움이 됩니다.
+ 자세한 내용은 여기를 클릭하십시오
Source: coding-kindergarten.tistory.com
Date Published: 9/19/2022
View: 239
딥러닝 공부순서 추천 · 1) 자주나오는 알고리즘, gradient descent, linear regression, MLPs 등..을 이해하는 것 · 2) 수학적 notation들을 배우고 이해 …
+ 여기를 클릭
Source: ganghee-lee.tistory.com
Date Published: 7/7/2021
View: 9540
머신러닝 공부순서 및 방법 · 태그목록 · 블로그 정보 · 소프트웨어(SoftWare) 관련 자료실/기타의 다른 글 · 이 블로그 인기글.
+ 더 읽기
Source: hyunteacher.tistory.com
Date Published: 5/30/2022
View: 883
주제와 관련된 더 많은 사진을 참조하십시오 머신러닝, 데이터분석 공부 고민만 하는 분께 l 파이썬 공부 이유 l 머신러닝 공부 순서. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
데이터 분석과 인공지능을 공부하려는 분들께 국내 서적을 기준으로 목적에 맞는 책과 공부를 해왔던 경험담에 대하여 공유드리고자 합니다. 데이터 분석 및 인공지능에 관심있는 분들께 도움이 되셨으면 좋겠습니다.
추천에 앞서, 이 글은 어떠한 광고비나 광고의 목적으로 작성된 글이 아니며, 어디까지나 제 경험을 토대로 작성한 개인의견임을 명시합니다. 그리고, 제가 직접 경험한 강의, 스터디, 그리고 읽은 책을 기준으로 공유드립니다.
테디노트 책 출간 소식 전해 드립니다~^^
지난 6개월간 3명의 동료들과 열심히 집필한 책이 드디어 온라인/오프라인 출간 되었습니다!
책 출간 소식 보러가기
참고
혼자 데이터분석/머신러닝/딥러닝에 입문하시는 분들은 Machine Learning Study 혼자 해보기 깃헙을 참고해 보세요.
서론 – 나의 시행 착오
저는 인공지능학, 데이터 분석학, 수학 전공자가 아닙니다.
그렇기 때문에 처음에 인공지능/데이터 분석을 공부해보고 싶은데 어디서부터 어떻게 시작해야할지 정말 막연했던 기억이 납니다. 저는 “Python for Data Analysis”라는 책 1권을 사서 보긴 봤는데요, 도무지 이해가 가지 않았습니다. 그렇기 때문에 처음부터 이 책을 사서 보시는 것은 비추천 합니다.
주로 온라인, 유튜브 강의와 스터디를 위주로 학습했습니다
Youtube에 공개된 유명한 강의, Udacity, Udemy, Coursera 등등의 강의를 주로 학습했었고, 인프런에서도 유료 강좌를 결제해서 수강하였습니다. 그리고, 온/오프라인 스터디와 커널 스터디 그리고 온라인 과외까지 진행하면서 지속적으로 학습을 했던 것 같습니다. 정말 지난 2년 동안은 거의 새벽까지 독학하면서 삽질도 많이 해보고 캐글과 같은 데이터 분석 대회에 참여하면서 조금씩 조금씩 지식과 경험을 쌓으려고 노력했던 시간이었습니다.
지난 2년 동안의 경험을 토대로 처음 시작하려는 분들께 지름길을 추천 드리고자 합니다
지난 2년 동안 제가 학습한 강의와 책입니다
4개 의 오프라인 강의 (DsSchool, FastCampus)
의 오프라인 강의 (DsSchool, FastCampus) 2회 의 원데이 클래스
의 원데이 클래스 1개 의 Udacity Nanodegree
의 Udacity Nanodegree 13개 의 Udemy 강의
의 Udemy 강의 2개 의 Coursera 강의
의 Coursera 강의 9개 의 Inflearn 데이터분석, 인공지능 강의
의 Inflearn 데이터분석, 인공지능 강의 1년 이용권 코드잇 강의
이용권 코드잇 강의 4개 X 50강 으로 이뤄진 Youtube 플레이리스트 강의
으로 이뤄진 Youtube 플레이리스트 강의 100개 가 넘는 유튜브 단일 강의
가 넘는 유튜브 단일 강의 3개 의 오프라인 데이터 분석 스터디
의 오프라인 데이터 분석 스터디 2개 의 온라인 스터디
의 온라인 스터디 1개 의 온라인 과외
의 온라인 과외 26권 의 책
의 책 캐글 커널 스터디, 블로그 등등…
일단, 잘 몰랐기 때문에 유명한 강의는 닥치는 대로 들어보려고 했습니다. 사실 데이터 분석과 인공지능이라는 매력에 빠져있었고, 지금도 너무 좋아하기 때문에 이렇게 할 수 있었던 것 같습니다.
그런데 저는 항상 스스로 독학만 하다보니 너무나도 많은 시행착오와 금전적, 시간적 낭비를 경험 했기에 저처럼 데이터 분석/인공지능 을 공부해보고 싶으신 분들께 저의 직접 경험을 토대로 정리한 학습 순서와 공부법을 추천해 드리고 싶었습니다.
다시 한 번 말씀드리지만, 제 개인적인 경험을 토대로 작성하였으며, 개인마다 느끼시는 차이가 있을 수 있습니다.
Part 1. 기초중의 기초, 기초다지기!! (10시간)
STEP 1: 파이썬 (Python) – 3시간, 무료 (유튜브)
흔히 제일 많이 착각하시는 점 중 하나가 데이터 분석을 잘하려면 = 파이썬을 잘해야지 입니다.
파이썬을 잘 못다루시더라도 데이터 분석을 하시는데에 지장이 없습니다. 처음 접하시는 분들이 파이썬 배우시다가 지쳐서 포기하시는 분들도 있습니다. 전문적인 전통 파이썬 과정 말고 데이터 분석을 위한 파이썬만 콕 찝어 들으시면 됩니다. (절대 끝까지 다 들으실 필요 없어요 ㅠㅠ.. 시간 되시는 분들은 들으시면 당연히 좋습니다 )
아래 리스트 중에서 본인의 취향에 맞는 강좌 1개를 완강해보세요
유튜브에 아직 데이터 분석을 위한 압축 파이썬 과정은 찾기가 어려워 제가 개인적으로 강의 촬영을 하여 무료로 공개해볼 까 합니다. 공개한다면 추후 알려드릴 수 있도록 하겠습니다.
STEP 2: 판다스 (Pandas), 시각화 (Matplotlib, Seaborn) – 6~7시간, 무료/유료
판다스라는 라이브러리는 데이터분석을 위해서라면 필수이고, 잘 다루면 다룰수록 무조건 좋습니다. Pandas가 조금 부족하다고 느끼시는 분들은 시간 투자를 하셔서 제대로 배워 두시는 것을 추천 드리며, 엑셀 편집이나 크롤링 등 유용한 기능들을 많이 탑재하고 있으니 매우 유용하게 활용하실 수 있습니다.
판다스는 책으로 학습하시길 추천 드립니다.
파이썬 라이브러리 레시피 는 판다스 관련 책은 아니지만 유용한 파이썬 라이브러리 활용법에 대하여 소개합니다. 데이터 분석과 직접적인 관련은 크게 없을 수 있습니다만, application으로 확장하고 싶으신 분들은 한 번 읽어보시면 좋습니다.
파이썬 머신러닝 판다스 데이터 분석은 굉장히 친절하게 판다스 관련하여 설명하고 있습니다. 위의 유튜브 강의를 보지 않았더라도 이 책의 실습 예제들만 잘 따라해도 판다스는 어느정도 마스터 할 수 있다고 생각합니다.
Python for Data Analysis 는 좀 책이 어렵습니다. 데이터 분석/ 인공지능 관련 도서는 국내 저자분들의 책들이 좀 더 친절하고 이해도 쉽습니다. 이 책은 굉장히 디테일한 내용을 다루고 있기는 합니다만, 입문자에게는 비추입니다. 하지만, 실력을 업그레이드 하고 싶다면 나중에 한 번 보시는 것도 괜찮습니다.
유튜브 오늘코드 채널에서 판다스와 시각화에 대하여 많이 다루고 있습니다. 흥미로운 내용이 있다면, 참고해 보세요. 강사님이 친절하게 가르쳐 주시는 편입니다.
Numpy, Scipy 와 같은 라이브러리는 따로 배우지 마세요!
처음에는 Numpy, Scipy 강의를 따로 찾아서 공부했었는데, 굳이 그럴 필요 없습니다. 추후 머신러닝, 딥러닝을 공부하려는 분들은 자연스럽게 터득하게 되니, 굳이 초반에 따로 공부하실 필요 없습니다.
Part 2. 머신러닝 입문하기 (20시간)
머신러닝 강의 부터는 책으로만 공부하기 어려운 측면이 있습니다. 그렇기 때문에 책과 동영상 강의를 섞어서 듣거나 오프라인 과정을 들으시는 것을 추천 드립니다.
파이썬 머신러닝 완벽 가이드는 정말 추천하는 책입니다. 굉장히 친절한 책이고 예제도 풍부합니다. 게다가 저자분께서 얼마 전에 인터넷 강의도 제작하셨습니다 (유료). 인프런에서 유료 강의 결제 후 책과 함께 들으시는 것을 추천 드립니다.
인프런강의 – 파이썬 머신러닝 완벽 가이드 에서 유료로 동영상 강의도 함께 제공하고 있습니다. 사실 딥러닝 강의는 잘되어 있는 강의들이 많은데, 머신러닝 강의는 유튜브에 잘 되어 있는 공개된 강의는 아직 못 찾았습니다.
아! 물론 있습니다. 전 세계적으로 제일 유명한 강의 중 하나인 Andrew Ng 교수님의 강의입니다.
Machine Learning – Andrew Ng (Stanford University)
단점은 영어, 영어, 영어입니다…
Introduction to Machine Learning with Python 책도 추천 합니다. 우선, 파이썬 머신러닝 완벽 가이드를 마스터 하신 후 보셔도 좋고, 같이 병렬적으로 보셔도 좋습니다. 머신 러닝 교과서 with 파이썬 사이킷런, 텐서플로 책도 꽤 좋은 실습서입니다. Introduction to Machine Learning with Python 책이 좀 어렵게 느끼실 수도 있는데 머신 러닝 교과서 with 파이썬 사이킷런 책은 좀 더 읽기 편하게 쓰여진 책입니다. 완벽 가이드와 같이 보셔도 좋습니다.
추천 순위
파이썬 머신러닝 완벽 가이드 Introduction to Machine Learning with Python 머신러닝 교과서 with 파이썬 사이킷런, 텐서플로
관련 글 더보기
– 텐서플로우 개발자 자격증 (Tensorflow Developer Certification) 시험 그리고 취득방법
– 비전공자를 위한 데이터 분석 강의를 오픈합니다. feat.패스트캠퍼스
– 데이터 분석/인공지능을 공부하려는 분들께 경험을 토대로 학습 방법과 책 추천 (2)
– Github 블로그의 방문자 숫자, 구글 애드센스(adsense), 그리고 검색 유입의 관계
– 더 나은 딥러닝/머신러닝 서버 환경을 위하여 지금 바로 메모리에 투자하세요.
키워드에 대한 정보 머신 러닝 공부 순서
다음은 Bing에서 머신 러닝 공부 순서 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 머신러닝, 데이터분석 공부 고민만 하는 분께 l 파이썬 공부 이유 l 머신러닝 공부 순서
- 머신러닝공부
- 머신러닝공부순서
- 데이터분석
- 파이썬
- 왜파이썬
- 파이썬배우는이유
- 파이썬장점
- 데이터사이언스파이썬
- 데이터분석파이썬
- 인공지능파이썬
- 딥러닝공부
- 딥러닝공부가이드
- 딥러닝공부책
- 데이터사이언티스트
머신러닝, #데이터분석 #공부 #고민만 #하는 #분께 #l #파이썬 #공부 #이유 #l #머신러닝 #공부 #순서
YouTube에서 머신 러닝 공부 순서 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 머신러닝, 데이터분석 공부 고민만 하는 분께 l 파이썬 공부 이유 l 머신러닝 공부 순서 | 머신 러닝 공부 순서, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.
