딥러닝을 한다고 해도


만약 이론을 파서 교수되려는 게 목적이라면 어지간한 수학/통계학 석박사 빰치는 수준의 지식이 있어야 하는 거고,


그게 아니라 실용적 측면에서 안풀리던 문제를 풀겠다는 게 목적이라면 CS 논문들 정도만 술술 읽을 정도의 지식이 있으면 충분하며,


그것도 아니고 그냥 존재하는 오픈소스들 잘 엮어서 간단한 필요에 맞게 쓰는 게 목적이라면


이론은 그냥 수식이 없는 입문서 몇권 정도 읽는 걸로 퉁치고 그 대신 플랫폼하고 프로그래밍 언어를 공부하는 게 더 중요하겠지.



만약 첫번째나 두번째가 목적인 컴공과 학부생이라면


1. 공학수학은 매우 중요하다. 만약 다니는 대학의 공학수학 강좌가 부실하다면 수학과에서 해석학이나 선형대수학을 따로 수강하자.


2. 컴공과 과목들 중 관련 있는 것들은 싸그리 다 수강한다. 시간표나 학과규정이 허락한다면 대학원 강좌들까지.


3. 통계학과 과목들 중 수리통계학, 베이즈통계 및 확률론 과목을 수강한다. information theory도 여기에서 따로 열리면 들어두자.


4. 수학과 과목들 중 수치선대, 수치해석, 실해석학 및 함수해석학 과목을 수강한다. point-set topology도 들어두면 좋다.


5. 대학 강좌들로 만족하지 말고 스터디를 짜든 혼자서 하든 편한대로 머신러닝 관련 교과서들 몇권을 따로 독파한다.


6. 학과 교수들 중에서 이론하는 양반들과 친해지자. 오피스 아워에 찾아가서 진로상담부터 읽을 논문까지 추천을 받아보자.


이정도만 해도 충분하지 않을까.


물론 한국에서 학부 다니고 있고 대학원은 유학가고 싶다면 동시에 영어공부도 좀 하면서 GRE와 토플을 준비해야겠지.


그런 사람들은 학부 졸업하자마자 바로 유학가는 것도 좋겠지만, 서울대 등에서 수학이나 통계학 석사는 하고 지원하는 것도 추천한다.


솔직히 저거 다 하면서 동시에 영어시험까지 준비하는 건 저거든 영어든 최소한 하나라도 이미 되어 있는 사람들 아니고서야 힘드니까.