[책 & 강의] 직접 보고 추천하는 머신러닝 & 딥러닝 & 관련 수학 총.정.리.


* 제가 직접 30% 이상 읽거나 수강한 (혹은 상세히 살펴본 뒤 읽으려고 구입했거나 킵 해놓은) 책과 강의에서 추천할 만한 것들만 정리한 목록입니다. 잘못된 내용이나 건의할 부분이 있다면 댓글로 남겨주시면 반영하겠으며, 시간이 지나 변경되거나 제가 새로 본 책이나 강의에 대한 내용은 주기적으로 업데이트하겠습니다.

 



1. 머신러닝 & 딥러닝 입문


[책] 밑바닥부터 시작하는 딥러닝 : 국내 이 분야 베스트셀러. 쉽게 잘 설명되어 있어 이름값을 한다. 파이썬에 어느 정도 친숙한 상태에서 보는 게 수월하다.

[강의] 모두를 위한 딥러닝2 : 한국어로 된 강의 중에 가장 유명한 강의가 아닐까 싶다. 짧은 시간 안에 전체적인 그림을 파악하기에 좋다. 시즌 1도 좋지만, 실습 부분이 파이썬이나 텐서플로우 구 버전으로 되어 있기 때문에 시즌 2를 추천한다.

[강의] 코세라 Machine Learning (Andrew Ng) : 무료지만 수강확인증을 받으려면 돈을 내야 한다. 코세라에서 가장 유명한 강의 중 하나. 앤드류 응 교수의 친절한 설명을 따라 차근차근 가다 보면 정말 많은 것을 배울 수 있다. 내용과 설명이 간단명료하기 때문에, 용어들만 체크하면서 들으면 영어가 조금 부족해도 들을 만할 것이다.

[책] 파이썬 라이브러리를 활용한 머신러닝 : 사이킷런으로 머신러닝의 처음부터 끝까지 한 번 체험할 수 있는 가볍고 좋은 가이드 같은 입문서.

[강의] Neural Networks(3b1b) : 믿고 보는 3b1b의 신경망(뉴럴 네트워크) 강의. 시각화가 잘 되어있고 설명이 친절하다. 한국어 자막도 있다.

[블로그 강의] 머신러닝 한방 정리 : 입문인 분들에게 직관적인 설명을 드리고자 직접 연재한 강의다. 이야기 식으로 전개되며 간단한 퀴즈를 풀면서 머신러닝의 큰 그림을 이해할 수 있다.





2. 머신러닝 & 딥러닝 중급


[강의] 스탠퍼드 CS 231n : 가장 유명한 강의가 아닐까? <밑바닥부터 시작하는 딥러닝>의 저자도 책에서 이 강의를 가장 많이 참고했다고 한다. 명쾌하고 핵심적인 설명이 인상적이지만 스탠퍼드 고학년생을 대상으로 하는 강의인 만큼 쉽지는 않다.

[책] 단단한 머신러닝 : 한국에서는 잘 알려지지 않았지만, 세계적으로 떠오르는 AI 강대국 중국의 베스트셀러 <단단한 머신러닝>. 코딩보다는 수학적으로 엄밀하게 머신러닝 전반을 개괄하는 책이다. 쉬운 책은 절대 아니지만, 수식을 중심으로 차근차근 진행되는 설명을 따라가다 보면 많은 것을 얻을 수 있다. 블로그에 정리된 노트 보기

[강의] 논문으로 짚어보는 딥러닝의 맥 (최성준) : 논문을 한 줄 한 줄 읽어주는 강의는 아니고, 주요 논문들에 나오는 개념들을 중심으로 풀어가는 강의다. 초중반부까지 빠르게 봤었는데, 그려가며 자세히 설명해주는 CNN 부분이 인상적이었다.

[유료 강의] 코세라 Probabilistic Graphical Models (Daphne Koller) : 확률 그래픽 모델들을 깊이 다루는 강의. 강사인 다프네 콜러는 앤드류 응 교수와 함께 코세라를 창립한 분이며, 이 강의 역시 앤드류 응의 ML 강의와 함께 코세라에서 가장 많은 학생들이 수강한 강좌 중 하나다.





3. 머신러닝 수학


[선형대수학 강의] Essence of linear algebra (3b1b) : 시각적으로 잘 이해되는 직관적 설명. 명불허전 3b1b의 선형대수학 큰 그림 파악에 좋은 가이드 강의.

[선형대수학 강의] 선형대수학 (이상엽) : 수학과에서만 배울 수 있을 법한 정말 수학적인 강의. 입문 강의지만 정말 의외로 깊고 도움이 많이 된다.

[선형대수학 책] 만화로 쉽게 배우는 선형대수 : 만화로 쉽게 설명하지만 그래도 전체적인 그림을 파악하기에 좋은 책. 나름 수식도 정리되어 있다. 블로그에 정리된 노트 보기

[선형대수학 책] 프리드버그 선형대수학 : 일반적으로 공대에서 사용하는 교재보다 수학적 깊이가 있는 전공서. 한국어로 된 강의도 존재한다. 선형대수학 - Friedberg (김영길)

[선형대수학 책] 딥러닝을 위한 선형대수학 : 유명한 길버트 스트랭 교수의 최신작. 선형대수학 기본서 한 권을 마친 학생들을 위한 딥러닝 수학을 다룬다. 원서 제목은 Linear Algebra and Learning from Data이며, 선형대수학을 빠르게 총정리하는 챕터 1 외에도 응용 선형대수, 최적화 이론, 확률론 등 다양한 수학이 다뤄진다. 저자 직강이 존재한다. MIT 18.065 Matrix Methods in Data Analysis, Signal Processing, and Machine Learning

[통계학 강의] 확률 및 통계 (한양대 이상화) : 확률과 통계를 제대로 가르쳐주는 강의. 수리통계학 범위에 해당하는 부분까지 어느 정도 깊이 들어간다.

[통계학 책] 프로그래머를 위한 확률과 통계 : 쉽게 설명하는 확률과 통계 입문서. 저자의 쉽게 설명하려는 방식이 조금 독특해 더 헷갈린다는 리뷰가 있었으니 더 찾아보고 판단하는 걸 추천한다. 개인적으로는 (확률과 통계 배경지식이 조금 있어서 그런지) 쉽게 잘 와 닿아서 좋았다.

[통계학 책] 통계학 (류근관) : 서울대 경제학과 교수님이 쓴 쉽게 읽히는 통계 입문 전공서. K-MOOC에서 무료로 강의도 볼 수 있다. K-MOOC 경제통계학 1부

[통계학 Youtube 채널] StatQuest: 통계학, 머신러닝 관련 짧고 시각적으로 직관적인 강좌들 많음

[미적분 강의] Essence of calculus (3b1b) : 개인적으로 가장 인상적이었던 3b1b의 강의. 미적분의 핵심이 되는 개념들을 시각적으로 직관적으로 이해할 수 있다.

[미적분 책] 프로그래머를 위한 기초 해석학 : 아직 초반부를 읽고 있지만 벌써부터 생각보다 깊이 있게 들어간다. 머신러닝, 딥러닝 논문을 읽고 싶은데 수학적 베이스가 약하다면 (사실 나를 두고 하는 말...), 이 책을 통해 수식을 제대로 읽는 법부터 차근차근 보는 것도 좋을 것이다.

[미적분 강의] 칸아카데미 Multivariable Calculus : 다변수 미적분을 쉽게 설명해주는 강의.

[미적분 책] 해석학 (이슬비) : 현재 무료로 배포된 유명한 교재. 깊이 있는 책으로 보여, 프로그래머를 위한 기초 해석학을 다 읽은 후에 보려고 킵 해둔 상태다.


댓글 쓰기

4 댓글