저는 @OpenAI 에서 레지던트로 합류했었습니다.
먼저, 기초를 단단히 다지세요. 속속들이 알아야 할 과목이 하나 있다면 선형대수입니다. Bishop의 『Pattern Recognition and Machine Learning(PRML)』 같은 고전 교재를 읽고 이해하세요.
그다음에는 야심 찬 프로젝트에 도전하세요. 저는 알파고에서 큰 영감을 받았고, 레지던트 프로그램 면접을 준비하면서 DQN을 재구현했습니다. 자신이 아끼는 무언가에서(설령 아타리 게임뿐일지라도) 자신보다 더 잘하도록 모델을 학습시키는 일에는 묘한 마법이 있습니다.
마지막으로, 논문을 재구현하며 배우는 것만큼 좋은 학습법은 없습니다. 저는 생성 모델링에서 연구 경력을 시작했고, ResNet, Attention Is All You Need, VAE 논문, PixelCNN 논문 등의 결과를 재현하던 기억이 아직도 생생합니다. 꼼수는 금지 — 이 논문들의 플롯과 표를 *정확히* 일치시키세요. 그 과정에서 수많은 작은 요령과 흔한 함정을 배우게 될 겁니다.
곧 친구분의 지원서를 기대하고 있을게요!
국내대기업갈거면저만큼도할필요없다는뜻이구나!
존나게 원론적인 대답이라 영영가없구만
존나 원론적이지만 하는사람 1프로도안댈듯… - dc App
PRML비추한다는애들 싹사라졋넹 - dc App
prml이 좋은책인것과 별개로 입문자에게는 islr이 더 적절하죠.
사실 high-level을 단순히 고수준이라고 직역해서 prml을 high level책이라고 말하는 저능아에게 이런 댓글 달아봤자 뭔 의미가 있나 싶긴 합니다.
@딥삣삐3(108.174) PRML이 하이레벨이라고말항적응없능대? 왜시비양? 뭇씨여장데 - dc App
prml 한 물 간거 아냐? 머피 probablistic machine learning,understanding deeplearning, prml 동일저나 bishop이 쓴 deep learning등 이제 더 좋은 책 많지 않아?
뭐 시작 그자체론 비추지만 여전히 안에 내용은 근본 그자체라 씹어먹고 넘어가지 않으면 안돼지 않을까 연구자라면
@ㅇㅇ 예전 prml 최신 비숍 딥러닝, 예전 pml 현재 최신 pml1-2권 내용 다 비스무리하지 않음? 걍 컴싸쪽 선호하냐 확통쪽 관점 선호하냐 차이정도 아님?
참고로 Mark Chen IOI 금메달이다.