이거는 내 경험을 토대로 한 존문적 관점이라는 걸 밝힘

일단 나는 코세라 응센세 ML 11주 코스 3주 속성으로 끝냈고 (코세라에서 멘토 하라고 이멜 받음), 몇개 더 해보려고 등록해서 지금은 edx MIT 코스인 Analytics Edge, 코세라 Machine Learning Foundations: A Case Study Approach 하는 중임.

책은 응센세 끝낸 후 파이썬으로 하는 머신러닝 대충 한번 보고 뭐 그런 상황임.

인강에 대해서

인강은 쉬울수록 조팝용이고 과제도 쉬움. 위에서 마지막 꺼가 제일 쉽고, 다음이 응센세, 그다음이 MIT꺼. 한글 자막을 보다보면 그거 읽다가 걍 지나가기 때문에 되도록 영어로 듣고 이해하는게 좋다 봄.

조팝용 일수록 알고리듬 보다는 아이디어와 라이브러리 위주임. 위에 마지막 꺼는 Python에 담당 교수가 만든 회사의 라이브러리를 쓰고, 응센세는 Octave/Matlab, MIT꺼는 R 이렇게 씀. 아직까지 해본 결과로는 R이 제일 파워풀하고, 다음이 파이썬, 마지막이 Octave/Matlab. 일단 개념 파악이 되면 코딩은 응센세꺼를 제외하면 알고리듬 없이 걍 쉬운 코딩임. 응센세꺼는 프로그래밍 쫌 해야 됨.

일단, 인강을 하나라도 끝내고 개념 탑재가 되면, 책이 그냥 술술 읽혀짐. 즉, 뭐가 중요한지 알게 되기 때문에 중요한 곳에서만 시간을 할애하고 나머진 술술. 그래서 책보다 인강을 먼저 ㅊㅊ

한글이 비추인건, 어떤 건 한글자막이 없는 것도 있고, 인강 하다가 게시판에 질답 같은거 직접 하거나 남의 것 읽으면서 배우는 것도 있기 때문에 영어로 하는게 최고로 좋음.

어차피 뭘 쓰든지 결국은 영어권 나라에서 만든거를 써야 되기 때문에, 한글로 된것만 찾는 것은 실패할 가능성이 큼.

툴에 대해서

선택할 수 있는 툴이 요즘이 발에 차이는 데, 전문적인 뉴우럴 네트워크나 딥러닝 아닌 다음에는 R, Python, Octave/Matlab 이런게 좋다고 봄. 특히 R은 머신러닝에 필수인 크로스테스트 할때 쓰는 툴들이 대부분 존재하고, 머신러닝 알고리듬이 50여가지가 됨.

텐서플로우 같은 툴은 잠깐 봤더니 비교적 하위레벨 툴인데, 삽질 좋아하면 괜춘하지만, 문제해결 위주로 실제 만들어 보려면 비추. 나는 딥러닝은 다른 머신러닝 테크닉에 비해 대중화되기 어렵다고 보기 때문에 알아두기는 하겠지만, 별로 깊이있게 파지는 않을거임.

응용에 대해서

대부분이 머신러닝 배워봤자 응용하려면 그냥 어버버 될텐데... 일단 어느 정도 수준이 되면 저 위에 MIT 인강을 꼭 한번 해보기를 권함. 그거는 첨부터 끝까지 응용위주의 머신러닝 테크닉이고 연습문제나 숙제도 존나 빡쎔. 빡쎈만큼 배우는 것도 많음.

끗