중국에서 베스트셀러하는 머신러닝 책 읽는데 초반에는 쉽다가 갑자기 힐베르트 공간이니 슬랙 변수니
공학수학까지밖에 안 배운 공대생이라 저런 거 모르는데
1. 수학 책 사서 공부한다.
2. 걍 스킵한다.
학부 졸업하고 ML 쪽 취업하려고 하는데(대학원 못감)
비전, 자연어면 좋지만 여기는 석사 이상 밖에 안 뽑지 않누..
가장 가능성있는 건 캐글 존나게 해서 뭐 추천 시스템이라든가 등등 쪽으로 취업하는게 가장 합리적인 것 같은데
관련해서 조언좀 부탁드립니당
힐베르트 공간은 왜 필요하지? 소볼레프도 아니고
지금 kernel trick 배우고 있나보지. Reproducing kernel Hibert space
맞음 어떻게 해결함?
수학 공부를 해도 되긴하는데, 글쓴걸 보니까 그건 안맞는것 같네. 그냥 아래 다른사람들이 대답해준 것처럼 주제만 맞춰서 배우는걸 추천.
비추말고 비판을 해줘라
수학책까진 필요없고 구글링으로 미국대학들 해당 주제 렉쳐노트 찾는거 추천
ㄱㅅ 몇 군데 찾아서 읽어봤는데 대부분 다 이해될만큼 설명하네. 혹시 자주 들락거리는 곳 있으면 추천점
솔직히 저걸 위해서 수학공부 하는거 너무 비효율적임
알면 좋기야 하지 근데 그런식으로 따지면 몰라서 좋을게 뭐가있어 나도 렉쳐노트 찾는걸 추천한다
이론 알면 좋지 그런데 요즘 인공지능 연구 특성이 딱 이론적으로 정립된 베이스에서 시작하는 게 아니라 그냥 practical하게 이것저것 시도하다 걸리면 그쪽으로 연구하고 뭐 이런 식임. 대학원 안갈거면 이론적으로 잘 아는 것보다 코드 한 줄이라도 더 쳐보고 니가 직접 structure를 짜보면서 터득한 그런 센스(프로그래머적인 감각)나 skill이 더 중요하다고 생각함. 이건 백날천날 수학공부한다고 생기는 게 전혀 아니거든. 존나 이것저것 다 떼고 인공지능은 그냥 복잡한 수식덩어리거든? 근데 거기서 논문 뽑고 연구하는 대다수는 전전이나 컴공 이런 사람들임(그렇다고 저 사람들이 수학적능력이 없다는 뜻ㄴㄴ) 어느 정도 이상의 연구레벨이 되고 싶은 걸 바라는 게 아니라면 수학에 너무 집착 하지 않아도 됨.
일례로 인공지능 제로베이스로 학기 수업 듣던 컴공친구가 학기 끝나고 여름방학에 규모있는 캐글 competition 리더보드에 이름 올리고 공모전 입상하고 그런거 보고 존나 현타왔음ㅋㅋㅋㅋ아 그리고 질문에 대한 답은 윗분들 처럼 렉처노트 참고 추천
"이론적으로 잘 아는 것보다~ skill" 이 부분 좀 더 구체적으로 말해줄수 있음? 대부분이 그렇듯이 나도 고전 머신러닝보단 딥러닝이 더 재밌어서 CNN RNN GAN 기본적인거나 CNN으로 뭐 버섯분류라든지 style transfer, cycle gan, word2vec 등등 다 짜봄 근데 중요한거는 여기서 더 나아가려고 하니 대학원도 안 갈거고
학부 졸업장가지고 ml 취업하려면 위에 내가 한 것들 보다 캐글이 훠얼씬 중요한 것 같더라고. 위에꺼는 진짜 별 도움이 될 수가 없는게 저거 걍 떠돌아다니는거 배끼기도, 코드 외우는 것도 너무 쉬우니까
제일 관심있는 건 비전이긴한데 ㅅㅂ 죄다 최소 석사만 구하더라
ㄹㅇ 수학 별로 도움안됨 ML 취업할거면 진짜 기초 cs229 정도만 내용 숙지하고 구현에 집중하셈
좀 더 구체적으로 얘기해주면 고맙겠음. 위에 댓글에 달았듯이 기본적인것들은 다 해봤음. 어떤 구현에 집중하는게 좋음?