Google은 흑인 공동체를 위한 인종적 평등을 추구하기 위해 노력하고 있습니다. 자세히 알아보기

TensorFlow를 활용한 이론 및 고급 머신러닝

아래의 학습 자료를 시작하기 전에 다음 사항을 확인하세요.

  1. TensorFlow를 활용한 머신러닝의 기초 커리큘럼을 완료했거나 상응하는 지식이 있습니다.

  2. 소프트웨어 개발, 특히 Python 개발 경험이 있습니다.

이 커리큘럼은 다음을 원하는 사용자를 위한 출발점입니다.

  1. ML 이해도 개선

  2. TensorFlow 관련 자료 이해 및 구현 시작

You should already have background knowledge of how ML works or completed the learning materials in the beginner curriculum Basics of machine learning with TensorFlow before continuing. The below content is intended to guide learners to more theoretical and advanced machine learning content. You will see that many of the resources use TensorFlow, however, the knowledge is transferable to other ML frameworks.

To further your understanding of ML, you should have Python programming experience as well as a background in calculus, linear algebra, probability, and statistics. To help you deepen your ML knowledge, we have listed a number of recommended resources and courses from universities, as well as a couple of textbooks.

1단계: 수학 개념에 관한 이해 되살리기

ML은 수학이 많이 사용되는 분야입니다. ML 모델을 수정하거나 새로운 모델을 처음부터 빌드할 계획이라면 토대가 되는 수학 개념에 익숙해지는 것이 중요합니다. 지금 당장 모든 수학 개념을 학습할 필요는 없습니다. 익숙하지 않은 개념이 나타났을 때 찾아봐도 됩니다. 수학 강의를 들은 지 오래되었다면, 3blue1brown의 필수 선형 대수필수 미적분학 재생목록을 시청하여 기억을 되살려 보세요. 대학에서 수업을 듣거나 선형 대수 또는 단일 변수 미적분학과 같은 MIT의 오픈 액세스 강의를 시청하여 수학을 계속 공부하는 것이 좋습니다.

Essence of Linear Algebra
by 3Blue1Brown

행렬, 행렬식, 고유 항목 등의 기하학적 의미를 설명하는 3blue1brown의 짧은 시각적 동영상 시리즈입니다.

Essence of Calculus
by 3Blue1Brown

방정식의 원리와 기본 정리에 관해 제대로 이해할 수 있도록 미적분학의 기초를 설명하는 3blue1brown의 짧은 시각적 동영상 시리즈입니다.

MIT 18.06: Linear Algebra

MIT의 이 입문 과정에서는 행렬 이론과 선형 대수를 다룹니다. 방정식, 벡터 공간, 행렬식, 고윳값, 유사성, 양정치 행렬 등 다른 분야에도 유용한 주제가 강조됩니다.

MIT 18.01: Single Variable Calculus

MIT의 이 미적분 입문 강의는 변수가 하나인 함수의 미분과 적분, 응용을 다룹니다.

2단계: 강의와 책으로 딥 러닝에 관한 이해 심화하기

딥 러닝에 관해 알아야 할 모든 것을 한 번에 가르쳐주는 강의는 없습니다. 따라서 몇 가지 강의를 동시에 수강하는 것이 유용할 수 있습니다. 겹치는 자료가 있을 수도 있지만 여러 강사로부터 같은 개념에 관한 다른 설명을 들으면 특히 복잡한 주제를 이해하는 데 도움이 됩니다. 아래는 시작하는 데 도움이 되는 다양한 강의입니다. 각 강의를 함께 살펴보거나 가장 관련 있다고 생각되는 하나를 골라도 됩니다.

더 많이 배우고 연습을 통해 개념을 다질수록 더 능숙하게 나만의 ML 모델을 빌드하고 평가할 수 있습니다.

강의 듣기:

MIT course 6.S191: Introduction to Deep Learning is an introductory course for Deep Learning with TensorFlow from MIT and also a wonderful resource.

Andrew Ng's Deep Learning Specialization at Coursera also teaches the foundations of deep learning, including convolutional networks, RNNS, LSTMs, and more. This specialization is designed to help you apply deep learning in your work, and to build a career in AI.

MIT 6.S191: Introduction to Deep Learning

이 MIT 과정에서는 딥 러닝 알고리즘에 관한 기초 지식과 TensorFlow로 신경망을 빌드하는 실무 경험을 쌓을 수 있습니다.

Deep Learning Specialization

5개 과정에서는 딥 러닝의 기초, 신경망 빌드 방법, 머신러닝 프로젝트를 성공으로 이끌고 AI 관련 경력을 쌓는 방법 등을 알아봅니다. 이론뿐 아니라 이론이 산업에 어떻게 적용되는지도 배울 수 있습니다.

⬆ 및 ⬇ 도서 추천:

위에 나열된 과정에서 배운 내용을 보완하려면 아래의 책을 읽어 더 자세히 알아보는 것이 좋습니다. 각 도서는 온라인으로도 이용 가능하며 연습에 도움이 되는 보충 자료를 제공합니다.

이안 굿펠로우, 요슈아 벤지오, 애런 쿠르빌 공저인 딥 러닝: MIT 프레스 북(Deep Learning: An MIT Press Book)으로 시작해 보세요. 딥 러닝 교과서는 학생이 이해를 심화하는 데 도움이 되도록 만들어진 고급 리소스입니다. 이 책과 함께 웹사이트가 마련되어 있으며, 연습, 강의 슬라이드, 정오표, 개념을 직접 연습해 볼 수 있는 기타 리소스 등 다양한 보충 자료가 제공됩니다.

마이클 닐슨의 온라인 도서인 신경망과 딥 러닝(Neural Networks and Deep Learning)도 찾아볼 수 있습니다. 이 책은 신경망에 관한 이론적 배경지식을 제공합니다. TensorFlow를 사용하지는 않지만 더 많은 내용을 배우고자 하는 학생들이 참고하기에 좋습니다.

Deep Learning
by Ian Goodfellow, Yoshua Bengio, and Aaron Courville

이 딥 러닝 교과서는 학생과 실무자들이 일반적인 머신러닝, 그리고 그 중에서도 딥 러닝 분야에 입문하는 데 도움이 되도록 만들어진 리소스입니다.

Neural Networks and Deep Learning
by Michael Nielsen

이 책은 신경망에 관한 이론적인 배경지식을 제공합니다. TensorFlow를 사용하지는 않지만 더 많은 내용을 배우고자 하는 학생들이 참고하기에 좋습니다.

3단계: TensorFlow 관련 자료 읽고 구현하기

At this point, we recommend reading papers and trying the advanced tutorials on our website, which contain implementations of a few well known publications. The best way to learn an advanced application, machine translation, or image captioning, is to read the paper linked from the tutorial. As you work through it, find the relevant sections of the code, and use them to help solidify your understanding.