일단 무조건적으로 확률론을 엄밀하게 알아야

PCA, HMM, Naive Bayes(좀 엄청 옛날꺼이긴 하지만) 등등 기존에 쓰이던 머신러닝 어프로치를 “이해”할 수 있음.

기본적으로 CNN, RNN 등 딥러닝 기법이 유망하긴 하지만

기존에 쓰던 어프로치랑 결합해서(예를 들어 강화학습도 마르코브 프로세스에서 정책행렬이 하던 역할을 뉴럴넷이 대신한 것임) 수정된 딥러닝 프레임워크들이 얼마든지 나올 수 있고

그런 것들을 자유자재로 활용할 수 있어야 다른 통계학적 분야와 “협업”이란 걸 할 수 있음.

그러면 확률론 그거 배우면 되지 않나?
그냥 수리통계학 심화버전에 불과하잖아?
이런 의견을 제기할 수 있는데

주변에 통계학과 학부생 잡고 물어봐
수리통계학이랑 확률론 사이에는 좀 큰 갭이 있다.
통계학부 가보면 보통 수리통계학은 2학년, 좀 늦으면 3학년때 배우는데 비해
확률론은 명문대의 경우 전공선택으로 4학년 과목으로 넣어주는 학교도 있긴 한데

대부분 다 대학원에서 배우기 시작한다.
그도 그럴것이, 딥러닝에서 요즘 해석학, 해석학 해대는데 엄밀하게 말하면 딥러닝은 학문적으로 어프로치 할려면 확률론을 매우 잘 알아야 하고
이 확률론 안에 내용이 rigorous calculus, 즉 해석학을 알고 있는 학생을 대상으로 진행하는 과목이기 때문에 해석학, 해석학 해대는 것이다.

물론 구현도 중요하겠지만, 구현은 솔직히 알고리즘 배우듯 잘 짠 코드 베끼기만 하면 된다.
다들 알잖아?
ICPC 나가면 솔직히 내가 현장에서 짠 코드보다 남이 잘짠 코드스니핏 쓰잖아 다들.
딱 그 접근전략 쓰면 해결되는 종류의 것이야.

다들 수학 열심히 하자. 수학 얼마간 적응되고 나면 매일 10시간씩 하는 거 재밌다 진짜.
응용수학이기 때문에 내가 오늘 배운 게 바로 머신러닝 교과서에 나오면 진짜 배우는 맛 나거든!
이 성취감 느껴보길 바래

퀸세정은 사랑입니다!!! - dc official App