응 머신 러닝을 전공했던 사람의 관점에서 보면 아래에 코딩뉴비가 쓴 것 처럼


많은 이론적인 부분을 생략하고 넘어가고, 다루는 내용도 그다지 많다고 볼 수 는 없어.


그걸 어떻게 아냐면, 내가 옛날에 이쪽을 전공을 했기 때문에 말할 수 있어. 그런데 지금은 사실 거진 다 까먹었지.



내가 연구실에 처음 갔을 때 처음에는 Tom Mitchell의 Machine Learning과 Peter Norvig의 Artificial Intelligence 2판으로 스터디를 했고


그 이후는 논문보고, 과거에 연구실에서 했던 프로젝트에 대해 공부하고, 별도로 신규 프로젝트를 하면서 이런 저런 것들을 공부했어. 


내가 졸업할 때는 인공지능 내지는 머신러닝 같은 거는 돈이 전혀 될 가능성이 당시로서는 거의 없었기 때문에, 


선배들이나 후배들은 검색엔진 관련 회사, 영상처리 관련 회사, 로봇관련 회사 같은데나(당연히 구인 수 자체가 매우 적었지), 


아니면 국내든 유학이든 박사를 하는게 전공을 살리는 다음 방향이었고,


나머지는 뭐 그냥 일단 돈 벌려고 아무데나 취직하는 거였어. 나는 그 나머지 중 하나였어.



최근 복습의 필요성과, 딥 러닝을 이해하기 위해서 개념을 다시 잡을 필요가 있어서 응센세 머신 러닝을 신청했어.


5주차 까지 듣고 나머지 강의의 목차를 보면서 드는 생각은, 분명 코딩뉴비 말처럼 내용이 부족하긴 해.


하지만 혼자서 하고, 수학을 거진 모르는 사람들한테 이 강의는 수학적이고 기술적인 면은 "그냥 이런게 있다" 정도로 넘어가면서 


최대한 직관적으로 이해를 할 수 있도록 설명하고 있어. 그러면서도 직관적으로 이해해야 할 것은 확실하게 설명하고 있어.


이걸 하면서 등장하는 온갖 수치계산, 선형대수, 해석기하학(편미분) 같은 내용을 다 끌어다 붙이면 32주나 48주 짜리 강의도 아마 가능은 할꺼야.


그런데, 어차피 학술지에 논문 써서 낼 것이 아닌 이상, 학술적으로 유의미한 새로운 머신러닝 기법을 만들 것이 아닌 이상,


이론적이고 기술적인 이해 보다는 직관적으로 이게 뭐가어떻게 돌아가는 것인지 이해하는 게 가장 중요하다고 봐.



그런 점에서 나는 응센세 ML 강의는 입문용으로 꽤 괜찮다고 생각해.


배경지식 없이 책 한두 권 붙잡고 보는 사람들이 이해하기 힘든 부분을 직관적으로 "아 그렇구나!" 하고 이해할 수 있게 설명하고,


특히 매트랩, 옥타브를 쓰는 건 신의 한 수라고 생각해. 


이거 쌩 C++ 이나 Java 로 구현하려면 수치계산, 병렬처리 라이브러리 써도 좀 많이 머리가 아파.


매트랩, 옥타브를 쓰면 이걸 행렬에 때려박아서 이렇게 쉽고 편하게 구현할 수 있다는 걸 이거 들으면서 처음 알았어.



물론 여기서 더 깊게 하려면 다른 내용을 다루는 강의나 다른 책을 더 봐야겠지.


하지만 응센세가 이 강의에서 추구하는 방향이 이렇기 때문에 난 입문용으로 이 강의 괜찮다고 생각해.