[참고자료] 머신러닝, 딥러닝 입문에 좋은 강좌들

출처 : 페이스북 TensorFlow KR의 Jae Hyung Ko 님의 글 

저처럼 머신러닝,딥러닝 입문해 보시는 분들께 자그마한 정보가 될까 하여 조금 길게 포스팅 해 봅니다. 제가 6개월 정도 달려보았는데요. 한국어 강좌도 좋은게 많습니다.

1. 처음 시작은 김성훈 교수님 유튜브 강의로 입문하시는게 최고의 선택인 듯 합니다. 쉽게 풀어주시면서 직관적인 이해를 도와주시는 부분이 참 많습니다.
https://www.youtube.com/playlist…

2. 더 진도를 나가려면 기초를 다지는 것이 좋았습니다.(제 개인적으로는…)

아래 2개 강좌는 반드시 듣는게 매우 중요할 듯 합니다.

(1) 선형대수학 강좌
https://www.youtube.com/playlist…
(2) 확률통계 강좌
http://www.kocw.net/home/search/kemView.do?kemId=1056974

위 2개 강의를 듣고 나면, 신경망에 대한 조금은 본질적인 개념 이해나 차원축소 기법들 이해하는데 도움이 되고 수식 notation이 눈에 많이 들어오는 것 같았습니다.

그리고 카이스트 문일철 교수님 강의도 좋은데, 바로 들어가면 어렵더군요.

위 3개 강좌를 듣고 들어가시는 게 아마도 좋지 않을까 합니다. 그리고 문교수님 강의 듣기 전에 하나 더 선행하면 좋을 듯 합니다.

3. 충북대 이건명 교수님 강의 중에서 ‘탐색과 최적화’ 부분을 듣고 가시는게 좋아 보입니다.
http://www.kocw.net/home/search/kemView.do?kemId=1170523

위 4개 강좌를 듣고 나면, 윤곽이 잡힙니다.

4. 이렇게 해서 KOOC에 있는 카이스트 문일철 교수님 강의는 마지막에 들으면 이제는 많이 다가오는 것 같습니다.

(1) k-means, gmm(gaussian mixture model), em(expectation & maximization) 강의를 들으면 variational inference의 기초가 잡힐 듯 합니다.
(2) hmm(hidden markov model) 강의를 들으면 rnn이 생각나고 또한 bidirectional rnn이 생각나고, 해당 강의에서 dynamic programming 얘기를 들으면 attention model이 생각날 것으로 보입니다.
(3) 샘플링 쪽을 들으면 mcmc 기초가 잡히고 gibbs sampling을 들으면 RBM이 생각날 듯 합니다.

이렇게 하고 TF-KR에서 진행하는 PR12 논문 리뷰 동영상을 보면, 이제는 많이 친숙하게 다가오지 않을까 합니다.

저는 정확히는 모르고, 대충대충 이런게 있구나 정도만 아는 수준이라 더 자세히 포스팅 하기는 어려울 듯 합니다. 다만, 기초가 매우 중요하다는 느낌은 생기는 듯 합니다.

쬐끔이나마 정보가 될런지 모르겠습니다.

아… 그리고 문교수님 강의 들으면서 앤드류 교수님 강의 병행하면 시너지가 많이 날 듯 합니다.

마지막으로, cnn 쪽은 라온피플 블로그가 매우 좋은 듯 합니다. 한번 쭉 다 읽어 보시면(댓글 포함) 도움 많이 되는 듯 합니다.
http://blog.naver.com/laonple/220469250655