당신은 주제를 찾고 있습니까 “머신 러닝 공부 순서 – 파이썬 공부 이후 막막하다면 | 머신러닝 공부 순서 | numpy pandas matplotlib 캐글“? 다음 카테고리의 웹사이트 https://hu.taphoamini.com 에서 귀하의 모든 질문에 답변해 드립니다: hu.taphoamini.com/photos. 바로 아래에서 답을 찾을 수 있습니다. 작성자 꽃부리 AI With SJ 이(가) 작성한 기사에는 조회수 5,420회 및 좋아요 181개 개의 좋아요가 있습니다.
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 파이썬 공부 이후 막막하다면 | 머신러닝 공부 순서 | numpy pandas matplotlib 캐글 – 머신 러닝 공부 순서 주제에 대한 세부정보를 참조하세요
지난 영상 중에 파이썬 공부를 먼저 시작하라고 말씀드린 영상이 있었습니다.
이번 영상에서는 파이썬 공부 이후 어떤 태도로 임해야 할지, 머신러닝/데이터사이언스 관련 어떤 것들부터 공부를 해야 할지 설명드립니다~
캐글 타이타닉 문제 참가 링크: https://www.kaggle.com/c/titanic
머신 러닝 공부 순서 주제에 대한 자세한 내용은 여기를 참조하세요.
AI와 머신러닝 공부순서 (+ 로드맵) – B.Iog
AI와 머신러닝을 공부하기 위해서는 크게 머신러닝, 수학, 프로그래밍 3가지 분야를 집중적으로 공부해야 한다. 공부 순서는 머신러닝과 수학을 먼저 …
Source: wkdus0608.tistory.com
Date Published: 11/24/2021
View: 2723
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: 10/14/2022
View: 7205
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: 3/25/2022
View: 1678
머신러닝 공부 순서 – IT, 인공지능 – Vingle
머신러닝 쪽으로 진로를 준비하고 있다면 아래 글 참고 머신러닝 공부 순서, 방법 및 강의 정리.
Source: www.vingle.net
Date Published: 7/28/2021
View: 6769
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: 8/7/2021
View: 4203
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: 5/26/2021
View: 1179
쌩판 노베이스 비전공자를 위한 딥러닝 공부 순서
저는 컴공아닌 공대생이었구요, 공대 필수로 듣는 C와 python, 그리고 선형대수학을 비롯한 수학과목들을 수강했었습니다. 지금은 대학원에서 딥러닝 …
Source: oculus.tistory.com
Date Published: 10/21/2021
View: 3800
주제와 관련된 이미지 머신 러닝 공부 순서
주제와 관련된 더 많은 사진을 참조하십시오 파이썬 공부 이후 막막하다면 | 머신러닝 공부 순서 | numpy pandas matplotlib 캐글. 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 5,420회
- Likes: 좋아요 181개
- Date Published: 2021. 6. 1.
- Video Url link: https://www.youtube.com/watch?v=m6-4h2odSJc
AI와 머신러닝 공부순서 (+ 로드맵)
AI와 머신러닝을 공부하기 위해서는 크게 머신러닝, 수학, 프로그래밍 3가지 분야를 집중적으로 공부해야 한다. 공부 순서는 머신러닝과 수학을 먼저 집중적으로 공부하고 그 이후에 프로그래밍을 공부하는 방식으로 학습하면 될 것이다.
머신러닝
머신러닝 종류는 매우 다양하기 때문에 주로 사용되는 것을 위주로 공부하는 것을 추천한다. 인터넷에 머신러닝 관련 강의가 많기 때문에 관련 강의를 선택해서 들어도 되고 블로그나 유튜브를 잘 이용하면 인터넷에서도 질 좋은 내용을 쉽게 찾아볼 수 있다. 공부할 때는 알고리즘과 머신러닝의 특징을 파악하는 것에 초점을 맞춘다면 조금 더 수월하게 공부할 수 있을 것이다.
1. 가우시안 프로세스
가우시안 프로세스는 금융과 같은 분야에서 많이 사용되는 방법론이다.
2. K-최근접 이웃
K-최근접 이웃 알고리즘은 간단한 머신러닝 알고리즘 중 하나이다. 비슷한 데이터들끼리 같은 범주에 속하는 경향이 있다는 개념이다.
3. 서포트 벡터 머신(SVM)
SVM은 패턴 인식, 자료 분석을 효율적으로 하기 위한 모델이다. 분류와 회귀 분석을 위해 사용된다.
4. 인공 신경망
인공 신경망은 두뇌의 신경세포를 모방한 모델인데 인공지능이 문제를 해결하기 위해 사용되는 방식이다.
5. 트리
통계학과 데이터 마이닝, 기계 학습에서 사용하는 예측 모델링 방법 중 하나이다.
6. 클러스터 분석
주어진 데이터들의 특성을 고려해 데이터 집단(클러스터)을 정의하고 데이터 집단의 대표할 수 있는 대표점을 찾는 것으로 데이터 마이닝의 한 방법이다.
수학
5가지는 반드시 알고가자
1. 선형대수
선형대수학은 벡터 공간, 벡터, 선형 변환, 행렬, 연립 선형 방정식 등을 연구하는 대수학의 한 분야이다.
2. 확률
3. 미적분학
4. 통계
5. 최적화 이론
최적화는 특정의 집합 위에서 정의된 실수 값, 함수, 정수에 대해 그 값이 최대나 최소가 되는 상태를 해석하는 문제이다. 이건 목적에 따라서 해도 되고 안 해도 된다. 머신러닝의 구조, 알고리즘의 이해도를 높이고 싶다면 해야 하고 데이터 분석 쪽에 집중하고 싶다면 배우지 않아도 된다.
프로그래밍
AI도 결국에는 프로그래밍으로 구현이 되는 것이기 때문에 반드시 알아야 한다.
1. 파이썬/R
기본적으로 파이썬/R을 가장 많이 쓰기 때문에 파이썬/R은 반드시 배우자.
2. MySQL/MongoDB
AI, 머신러닝을 데이터베이스에 사용하기 위해서 배우는 것이라면 MySQL/MongoDB를 배우면 된다.
3. Hadoop
하나의 성능 좋은 컴퓨터를 이용하여 데이터를 처리하는 대신, 적당한 성능의 범용 컴퓨터 여러 대를 클러스터 화하고, 큰 크기의 데이터를 클러스터에서 병렬로 동시에 처리하여 처리 속도를 높이는 것을 목적으로 하는 분산처리를 위한 오픈소스 프레임워크라고 할 수 있습니다.
4. C/C++
임베디드 시스템을 공부하고 싶다면 C나 C++ 추천한다.
5. 파이 토치/텐서 플로우
인공신경망 구현을 위해서는 파이 토치나 텐서 플로우 이용하기 때문에 파이 토치/텐서 플로우도 반드시 배워야 한다.
AI 로드맵
반응형
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
유튜브(Youtube) 영상과 자막 한방에 다운받기
이번 시간에는 유튜브 영상 중 자막을 지원하는 영상을 다운로드 받을 때 자막과 함께 다운로드 받을 수 있는 방법을 알아보겠습니다. 지난 시간에 유튜브(Yotube) 자막을 다운로드 받는 방법에 대해 설명드렸습니다. 그 이전에는 유튜브 영상을 다운로드 받는 방법도 설명을 드렸었지요~ 영상과 자막을 한번에 다운로드 받을 수 있는 프로그램은 4K Video Downloader 입니다. 프로그램 다운로드 및 설치부터 진행하겠습니다. 웹브라우저로 [4kdownload.com] 사이트에 접속합니다. 사이트에 접속되면 [Get 4K Video Downloader]를 클릭합니다. 파일이 다운로드되면 다운로드 된 파일을 클릭하거나 실행합니다. 4K Video Downloader Setup 창이 나오면 [I agree to the license terms and conditions]를 체크 후 [Install]을 클릭합니다. 설치가 완료되면 [Launch]를 클릭합니다. 설치된 4K Video Downloader 프로그램이 실행됩니다. 이제 웹브라우저로 유튜브(youtube.com) 사이트에 접속한 후 다운로드 받을 영상을 재생합니다. 재생되는 영상에 마우스 커서를 둔 후 마우스 오른쪽 버튼을 클릭 후 [동영상 URL 복사]를 클릭합니다. 실행해놓은 4K Video Downloader 프로그램의 [링크 복사]를 클릭합니다. 영상 분석이 진행된 후 다운로드 창이 나오면 영상의 해상도를 선택 후 하단 자막 다운로드 항목에서 [한국어]를 선택합니다. 선택이 완료되면 [다운로드] 클릭합니다. 영상 다운로드가 진행됩니다. 다운로드가 완료될때까지 잠시기다립니다. 다운로드 된 영상을 확인하기 위해 영상 제목에 마우스 커서를 둔 후 오른쪽 버튼을 클릭해 [폴더에서 보기]를 ㅋ클릭합니다. 다운로드 된 영상을 확인할 수 있습니다. 확장자가 SRT인 파일이 자막파일이고, mp4 파일이 영상 파일입니다. 두 파일이 같은 폴더에 있어야 영상 재생시 자막이 보여집니다. 영상을 더블클릭하면 영상 재생시 자막이 보이게됩니다. 어렵지 않죠?^^ 영상과 자막까지 한번에 다운로드가 가능해 가장 쉽게 동영상을 다운로드 받을 수 있습니다. 오늘은 여기까지 입니다. #유튜브 #유튜브영상 #유튜브영상다운로드 #유튜브영상자막 #유튜브영상자막다운로드 #youtube #subtitle #자막 #자막다운로드 #동영상다운로드 코딩을 처음 입문하시는 분들~ 코딩에 코자만 들어도 머리아프신 분들~ 블록코딩을 이용한 앱을 만들 수 있는 아래 책을 추천해드립니다. [▶ 이 책의 대상 독자] – 코딩을 배우고 싶은 Software 비전공 입문 독자 – 소프트웨어 교육 의무화로 소프트웨어 코딩을 배우고 싶은 학생 – 초등학교, 중학교, 고등학교에서 방과후 교육을 진행하는 선생님 – 대학 및 학원, 직업전문학교 등의 교육 기관에서 코딩을 가르치는 교수님, 선생님 – 스마트폰 앱을 직접 만들어 사용하고 싶은 독자 – 사물인터넷과 스마트 센서를 활용한 앱을 만들고 싶은 독자 – 인공지능을 이해하고 관련 앱을 만들어보고 싶은 독자 [▶이 책에서 다루는 내용] – 블럭코딩을 이용해 스마트폰에서 사용 가능한 앱 만들기 – 음성인식 기능을 활용한 음성을 텍스트로 받아적기 – 가족/지인 전화걸기 앱 만들기 – 언어 번역 앱 만들기 – 녹음기 앱 만들기 – 두더지 잡기 게임 만들기 – 나만의 인터넷 웹브라우저 만들기 – 여러 사이트 검색을 한방에 검색왕 앱 만들기 – 만보기 센서를 이용한 만보기 앱 만들기 – 방위 센서를 활용한 나침반 앱 만들기 – 가속도 센서를 이용한 응급상황 알리미 앱 만들기 – 근접 센서를 이용한 운동 앱 만들기 – 위치 센서를 이용한 내 위치찾기 앱 만들기 – 앱인벤터 확장기능으로 플래시 SOS 앱 만들기 – 인공지능을 이해할 수 있는 챗봇 앱 만들기 – 인공지능 이미지 분석 앱 만들기 – 인공지능 안면인식 앱 만들기 – Facemesh를 이용한 사진 꾸미기 앱 만들기 ───────────────────────────────────────────────────── [▶도서 구매는 교보문고, 영풍문고, Yes24, 알라딘, 인터파크, 옥션, 지마켓, 11번가, 쿠팡, 위메프, 티몬 등에서 구매하실 수 있습니다.] ───────────────────────────────────────────────────── 코딩 초보자분들이 재미있고 쉽게 배울수 있는 책입니다. 추천합니다^^!! 끝까지 읽어주셔서 고맙습니다^^
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
쌩판 노베이스 비전공자를 위한 딥러닝 공부 순서
반응형
저는 컴공아닌 공대생이었구요, 공대 필수로 듣는 C와 python, 그리고 선형대수학을 비롯한 수학과목들을 수강했었습니다. 지금은 대학원에서 딥러닝 관련 공부중에 있습니다. 저도 아직 계속해서 공부중이긴 하지만, 아예 쌩판 노베이스인 비전공자 분들을 위해서 조그만 로드맵? 정도를 제공해드리면 더 쉽게 시작하시지 않을까 하고 이 글을 적게 되었습니다. 물론 저보다 더 경험이 많으신 분들이라면 댓글로 좋은 공부 자료들 추가해주시면 너무너무 감사하겠습니다. 그럼 시작!
일단 인공지능을 시작해보고 싶은 비전공자분들께 준비물은 딱 하나라고 생각됩니다. 파이썬 하나만 하실 줄 아신다면 바로 시작하셔도 무방합니다. 고등학교까지 배웠던 수학에, 파이썬으로 자신이 원하는 코드를 구글링 해서 구현할 수 있다면 충분합니다. 파이썬을 한번도 다뤄본 적이 없다면 유튜브나 블로그나 강의자료는 넘치고 흐르는 정도이니 넉넉잡고 한달만 투자하시면 됩니다. 제 블로그에도 파이썬 요약 시리즈가 있으니 필요하신분들은 확인해보시면 좋을 것 같습니다.
https://oculus.tistory.com/63
물론 여기서 보다 깊은 공부를 위해서는 여러 컴퓨터 관련 과목들을 같이 준비해주시면 좋겠지만, 내가 인공지능이 적성에 맞을까? 하는 단계에서는 필요없다고 생각됩니다.
1. 흐름잡기
가장 먼저, 유투브에 인공지능 간략정리 이런 거 검색해서 대충 흐름을 잡습니다. 인공지능이 어느어느 분야에서 사용되고, 대충 어느 정도까지 발전했구나! 그래도 아직 인간을 지배하는 인공지능? 말도 안되는 소리구나! 까지만 잡으시고 다시 돌아옵니다.
2. Cs231n
컴퓨터비전/딥러닝계의 교과서입니다. 그냥 필수로 무조건 그냥 들으셔야 하는 필수코스 입니다.저는 3번 돌려봤어요. 워낙 유명한 강의이기 때문에 한국어 번역도 잘 되어있고, 정리해논 블로그들도 많습니다. 저도 블로그에 정리해 놓았으니 참고하실 분들은 아래 링크로! 머리에 2번씩은 넣어 놓는 것이 좋을 것 같습니다.
https://oculus.tistory.com/6?category=500795
3. Pytorch 듀토리얼
파이토치냐 텐서플로우냐는 개인 취향이겠지만 요즘에는 전자를 더 많이 쓰는 것 같습니다. 최근 논문들도 파이토치 구현이 더 많은 것 같아서 특히나 나중에 연구가 목적이신 분들은 파이토치로 가시는 것을 추천드립니다.
공식 사이트에서 제공되는 듀토리얼도 상당히 좋은 퀄리티로 제공되고 있습니다. 한번씩은 다 실습해두면 좋을 정말 기본에 충실한 듀토리얼입니다.
https://tutorials.pytorch.kr/
다음은 카이스트에서 제공하는 딥러닝 홀로서기 시리즈입니다. 개인적으로 내용들이 상당히 도움이 많이 되었습니다.
그 다음은 모두를 위한 딥러닝 시즌 2입니다. 한국어 강좌이구요, 지금부터는 겹치는 내용들이 많이 나올겁니다. 필요하거나 헷갈리는 부분들만 뽑아서 수강하시는 것을 추천드립니다.
여기까지 수강하셨다면 딥러닝이 뭔지 일단 마음속에 정립이 되셨을 겁니다. 아직 아예 모르시겠다면 위의 자료들을 잘 정리해논 블로그들을 정독해보세요!! 사람들.. 정리 잘하시더라구요.. ㅎㅎ
4. 조그마한 구현 시작
3번까지 해봤다면 데이터로더가 뭔지, 데이터 처리를 어케하면 되는지, forward backward를 어떻게 구현하는지 한번 시식코너에서 맛봤다! 고 생각하시면 될 것 같습니다. 이제는 기본적인 모델들을 구현해보면서 익힐 차례입니다.
한요섭님의 딥러닝 할껀데, 실습만 합니다. 시리즈를 추천드립니다.
강의 보면서 따라하면 3번을 복습하면서 다양한 모델들을 한번씩 구경해볼 수 있습니다.
5. 깃허브 돌아다니기
여기까지 다 오셨다면, 이제 혼자서 모델 구현이 가능합니다. 이제 어떤 분야를 더 공부해 볼 것인지 세부적으로 정할 타이밍이 왔습니다. 컴퓨터 비전만 하더라도 연구분야가 어후.. 너무 많기 때문에 일단 하나 정하시고! 대표모델들을 서버에서 돌려보고, 조금씩 바꿔보면서 공부를 합니다. 이 서버와 환경 구축도 증말 짜증나는 일이기 때문에 6번에서 설명해보겠습니다.
일단 분야를 정하셨다면, paperwithcode에서 자신의 분야에서 state-of-the-art (sota) 모델부터 살펴보고, 대표적인 모델들을 한번 사용해볼 겁니다.
https://paperswithcode.com/
또한 구글에 “awesome (분야이름) github” 라고 치면 누군가가 친절하게 주목할만한 논문들을 정리해 놓았습니다. 예를 들면, 구글에 “awesome object detection github”을 치면 분명 누군가가 정리해놨을겁니다. ㅎㅎ
이제 논문을 대충 읽어보시고(연구에 관심이 없으시다면 abstract, conclusion만 읽어도 무방) 제공되는 코드를 돌려보시면 됩니다. 이거는,, 설명이 너무 길어질 것 같아서 나중에 도커시리즈나 환경구축 시리즈에서 같이 다루도록 할께요.
여기까지 다 하셨다면 이제 구현, 더 넘어가서 연구의 단계입니다. 경험치가 중요하고, 분야별로 공부해야할 방향들이 다 다를겁니다.
6. 딥러닝 환경 구축
저는 서버컴에 도커 설치해서 파이참과 연동해서 사용하고 있습니다. Colab, 주피터 등등 선호에 따라 너무 달라질 것 같네요. 나주엥 도커에 관해서도 작성해보도록 하겠습니다.
파이팅!
반응형
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 파이썬 공부 이후 막막하다면 | 머신러닝 공부 순서 | numpy pandas matplotlib 캐글
- 파이썬
- 머신러닝
- 인공지능
- 데이터사이언스
- numpy
- pandas
- matplotlib
- 캐글
- 타이타닉
- 넘파이
- 판다스
- 데이터사이언티스트
- python
- 데이터전처리
파이썬 #공부 #이후 #막막하다면 #| #머신러닝 #공부 #순서 #| #numpy #pandas #matplotlib #캐글
YouTube에서 머신 러닝 공부 순서 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 파이썬 공부 이후 막막하다면 | 머신러닝 공부 순서 | numpy pandas matplotlib 캐글 | 머신 러닝 공부 순서, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.
