지금 핸즈온 머신러닝 공부하는 중인데
순수 머신러닝부분(regression, svm, random forest 등등)을 핸즈온 머신러닝으로 어느정도 개념만 익히고 실습한 번만 돌리고 딥러닝 넘어가서 굿펠로우책 같은것로 수학 증명까지 파가면서 공부하는게 좋을까?
아니면
순수 머신러닝부분도 esl, 비숍책, 머피책 봐가면서 수학 증명도 같이 파고 딥러닝으로 넘어가는게 좋을까?
neural rendering, 3D scene reconstruction 이런 그래픽스/비전 쪽에 관심많아서 공부할려고 딥러닝 공부 중임
- dc official App
내 경험상으론 기초 (스탠포드 딥러닝/머신러닝 강의) 를 공부하고나면 그 이후엔 구현으로 넘어가는게 좋음. 그리고 구현 연습하면서 이해안되는 수학 개념있으면 그때 관련 서적 찾아보고. 기초 다진다고 하나씩 다 증명해도 크게 도움 안될 가능성 크고 무엇보다 시간이 오래걸림. 내가 컴공인데 수학과 대학원 강의까지 25학점 이상 듣고 깨달은거임.
다만 학부 저학년이면 수학 기초 제대로 다지는건 좋은 방향임.
ㄱㅅㄱㅅ
이론에 너무 목매지 마셈 cs231n 보고(유튜브에 번역강의도 있음) 논문 찾아보고 구현해놓은 깃헙 보면서 공부해
ㄱㅅㄱㅅ
그래서 미나토 아쿠아가 누군데 씹덕아
버튜버임 ㅋㅋ 이름은 어떻게 알았노
조은 논문 위주로 이해하고 오피셜 소스 코드 돌려보기 ㄱㄱ - dc App