내가 공부한 머신러닝/딥러닝 자료들
사이트, 도서
물론 이것저것 수업 듣고 머신러닝 프로젝트 간단한 것을 몇 개 하다 보니, 필자는 머신러닝 전반에 대해서 대충은 이해하고 있는 상태이다. 그럼에도 불구하고 기본기를 쌓아야겠다는 생각이 들어서, 아는 내용도 다시 살펴보자는 의미에서 근래 여러 자료를 살펴봤다. 머신러닝, 딥러닝 자료뿐만 아니라, 선형대수나 확률 통계 관련 자료도 많이 찾아보았었다. 전반적으로 좋은 것도 많았고, 생각보다 별로인 것들도 많아서 정리 중. 혹시 저에게 추천할만한 자료도 있으시다면 덧글로 부탁드립니다..ㅎㅎ
모두를 위한 머신러닝/딥러닝 강의
머신러닝 전반, 딥러닝 전반, TensorFlow도 익히고, 너무 좋은 곳. 강력 추천. 사실 다른 책 볼 필요 없이 이거만 보면 될 정도로 정리가 잘 되어 있다. 코드도 GitHub에서 제공하는데 요즘도 뭔가 CNN 돌리고 싶으면 일단 여기서 샘플 코드를 일단 얻고 돌려보는 일이 많을 정도.
스탠포드 CS 딥러닝 튜토리얼(UFLDL Tutorial)
http://deeplearning.stanford.edu/tutorial/
머신러닝 전반. 그럭저럭 볼만함. 영어로 되어 있지만 적당히 짧아서 읽을만하다. Unsupervised machine learning에 관심이 있는지 이쪽에 강조가 많다. 그 외에는, 물론 내가 MATLAB을 그럭저럭 자주 쓰긴 하는데, 그럼에도 머신러닝이나 딥러닝은 Python이 편해서 Exercise를 MATLAB으로 하는 건 좀 내 취향이 아니다.
밑바닥부터 시작하는 딥러닝
사이토 고키
추천이 많았던 책. 그럭저럭 볼만하고 나쁘진 않다. TensorFlow 내용은 없지만 머신러닝 전반 개념. 물론 김성훈 교수님 강의로 대체할 수 있다. 책이 얇다 보니 부담이 덜하다.
텐서플로 첫걸음
조르디 토레스
추천이 많았던 책. 내 생각엔 의외로 별로다. 김성훈 교수님 강의가 더 낫다. 머신러닝 이론을 배우려면 다른 걸 보는 게 낫고, TensorFlow를 익히고 싶다면 그냥 직접 짜보면서 연습하는 게 나을 듯.. 그나마 이 책의 장점은 책이 얇아서 금방 다 읽을 수 있다는 점?
프로그래머를 위한 선형대수
히라오카 카즈유키 , 호리 겐
학부 1학년 때 선대 들었고, 3학년 때 전자수학에서 선대 내용을 또 다루곤 했고, 심지어 지금은 석사 1년 차 하면서 고급선형대수 듣고 있을 정도라서 이젠 선대에는 어느 정도 익숙하다. 그럼에도 행렬 계산 좀 할 줄 안다거나, 중요한 Theorem 몇 개 외웠다는 것이지, 정작 이들의 직관적인 이해에 대해서는 잘 모르고 있었다. 그런 의미에서 이 책이 선대에 대한 직관을 기르는데 상당히 도움이 된다. determinant 계산은 할 수 있는데 그 의미를 알고 싶을 때, singular matrix를 시각적으로 이해한다거나, null space나 column space를 머릿속으로 그려볼 수 있는 직관 등등은 상당히 유용할 것으로 보인다.
세상에서 가장 쉬운 통계학 입문
고지마 히로유키
정규분포에서 카이제곱, t 분포까지가 하나로 연결되면서 이해된다. 실제로 필자가 이전에 비슷한 문제를 겪었는데(모집단의 모분산 같은걸 모를 때 내가 측정한 데이터만을 갖고 어떻게 의미를 얻지?) 이럴 때 t 분포로 구간을 생각할 수 있겠구나 하니까 이해가 잘 되었다. 학부 때 수강한 확률 및 통계에서는 "t 분포의 평균과 분산이 ~임을 증명하시오." 이런 것만 배워서 확통 지식이 안 늘어나고 수학 스킬만 늘어났었는데 이 책을 보고 나니 그런 부분에서 도움이 되었다. 추천. 이건 사실 고등학생 때 확통 공부하면서 봤었어도 도움 됫었을듯.
세상에서 가장 쉬운 베이즈 통계학 입문
고지마 히로유키
조건부 확률을 통해서 사전 확률 사후 확률 개념을 좀 연습하게 되긴 하는데, 전작에 비해서는 내용이 아쉽다.
지금은 PRML을 보고 있다. 작년에 머신러닝 스터디하면서 edX의 ColumbiaX: CSMM.102x Machine Learning을 보긴 했는데 어려운 내용도 많았고 반쯤밖에 진도를 못나가서, 최근 다시 보는 중. 그나마 이제야 다시 이해되는 부분이 많지만 이게 자료는 일단 잘 돼있어서 인 것 같다. 강의가 잘 가르치는지는 잘 모르겠다. 그 외에도 학교에서 패턴인식론 수업 들으면서 PRML 보고 있지만 수업이 워낙 별로라서 오히려 edX 강의가 그나마 낫구나 싶기도 하고..
그 외에 내가 공부하진 않았지만 추천이 많은 자료는,
COURSERA Machine Learning Andrew Ng
https://www.coursera.org/learn/machine-learning
믿고 보는 앤드류 응
CNN for Visual Recognition - CS231n
워낙 유명한 강의가 되어버린 cs231n
