해석학 :
* 머신러닝과의 접점 없음
* 실해석 보려고 기초 쌓는 수준
* 입-델 논법 배우고, 실직선 위상, Bolzano-Weierstrass, Heine-Borel, MVT, Darboux integral, Riemann-Stieltjes integral 정도 봐두면 훌륭
실해석 :
* 머신러닝 논문에 측도론(특히 L^p space, Hilbert space 등)관련 내용이 나오면 볼 수 있다.
* 제대로 이해하려면 확률론 필요하겠지만
선형대수(반드시 프리드버그! 다른 국내 출판사 선대 샀으면 걍 헌책방에 기부하고 이걸로 사세요) :
* Spectral theorem, SVD, Bilinear/Quadratic form 등 매우 중요한 토픽을 제대로 다루는 건 이책뿐
* 이인석 교수 저 "선대군"은 너무 추상대수적으로 접근하니 피하시길
Coding the matrix :
* 선대 배웠으면 코딩은 해봐야죠? 근데 어떻게 할지 모르겠다면 닥 "코딩 더 매트릭스"
* 수치해석적 프로그래밍을 위해서라도 반드시 필요
벡터 카큘 :
* 다변수 해석 보고싶은데, 시간이 없거나 아직 해석학 기본이 안돼있다면 닥 Colley!
* 스튜어트 보듯 하셈
크라이직 공수 :
* 노코멘트
수리통계학 :
* Casella 저 Statistical Inference 보든지, 이거 보든지, 둘 중 하난 하셈
* EM, MLE, Multivariate Distribution, CLT 등등 통계적 기초 쌓기!
패턴 인식과 머신러닝 :
* 이 책 솔직히 강의 없으면 못보는 대학원 교재이긴 한데, 한글 번역해 놓은 블로그 있더라. 찾아서 보셈
볼록 최적화 :
* Loss function 에 관한 기초를 알고 싶다면 이걸 보셈.
* 스탠포드 온라인 강의도 있음
다른건 모르겠고 책표지들 멋있어보인다
으윽... 저 그냥 텐서플로우 킬게요
TF 켜라
아무튼 정보글 개추
노무혐
ㄴ 치카냥은 얼른 수리물리에 대한 썰을 풀라! 미방킹 - dc App
입사할때 수학 물어보는 것도 아닐텐데 대략 해도 되는거 아니냐
실제 구현한 프로젝트라던가 그런게 있어야 할거 같은데
입사요강에 클래식 ML 물어본다고 떡하니 적혀있어서요 ㅋㅋ - dc App
그리고 논문 던져주고 구현하라고 시키기 때문에 보통, 논문 보고 코드로 컨버팅해내는 능력 키우려고 이러는 거여요 - dc App
그리고 면접때 일부러 수학쪽으로 질문하도록 몰아갈 거임 - dc App
그러니까 논문보고 코드로 바꾸는걸 연습해야지 수학을 너무 보는건 좀... 나도 ML에 관심있긴한데 솔직히 입문자는 구현이 우선이라고 생각함 심지어 실무에서도 구현이 훨씬 중요하고 박사과정생중에서도 소수한테만 수학이 약간이나마 중요하다고 생각
본인은 이거 다배운척 오지고
그거 하려고 저기 코딩 더 매트릭스 있죠? 저거 보는 거임. 선대 정리는 다 알겠는데 구현이 모르겠어서 저걸로 연습하다 보면 일반적인 논문 구현은 쉬워지겠져 - dc App
유동아 그런 열등감으로는 ML 에 입문할 수 없어... 서로 “이런이런 토픽이 중요하고 그런 토픽을 제대로 다루는 책은 이러이러하다.” 라고 했으면 표면 그대로 이해해야지 쓸데없이 “자기과시를 위해서 이런 글 올린다.” 라고 곡해를 하면 이분야 들어오지마. 안그래도 연구쪽으로 가면 정보가 엄청 삭막해 지는데 너같은 사람 들어오면 힘들다... - dc App
그리고 조금만 찾아보면 유료강의나 MOOC 같은 걸로 저런 토픽들 충분히 다 소화가능해. 그러니까 너무 그러지는 말자 - dc App
수갤에서 보이더만 빡공했네
이렇게 공유해주는걸 고마워해야지;; 이 사람은 참고할만한부분이 많아서 좋다
이건 코딩이 아니라 거의 수학이네.....확률 통계쪽도 꽤 보이고....전공이 통계학이긴 했는데.....머릿속에 남아 있는 게 하나도 없어서리...하간....간만에 프갤에 정말 괜츈한 글 올려줘서 캐감사~~~
그래서 본인은 다 보셨냐고요 ㅋㅋ
숭실대 다닌다고 들었는데 시발 똑뚁한척 오지고 ㅋㅋ
니들 저 책들 보고 머신러닝 공부하면 상투잡는 꼴이다. 니네가 저 책들 보고 있는 동안 책에 안나오는 혁신이 이루어짐.
정보 공유해도 지랄하는놈들 있네.똥글 올리지말고 이런글도 못쓰는넘들이 - dc App
ㄴ 아놔콘다. 저기서 PRML은 너가 말한대로야. 예전 모델들이고 안쓰일 수 있어. 근데 그거 빼고는 다 기초에 도움이 되는 것들이라 시간 지나도 불변하다라고 말할 수 있어 - dc App
졸라 공부 많이해야되는구나 이건
글쓴이가 허세끼가 좀 있네 걍솔직히 나도 이책 이제부터 볼껀데 이러이러해서 좋단다 이렇게 말하면 되지 머 다 아는듯이..
컴공가서 ML로 가려는 입시생인데 그럼 수학과쪽도 복수전공하면 좋나요?
네네. 아니면 상위권 대학이라 통계과에서 실해석 가르치면 통계과가 더 좋습니다 - dc App
그리고 부스트같은 사람은 곧 대학원 등지에서 ML 제대로 전공한 사람들이 사회에 본격적으로 진출하면 제일 처음 구조조정됩니다. 실제로 그럴거라는 현업분들의 예상이 있습ㄴ다 - dc App
선대책 프리드버그 말고 스트랭은 별로인가?? 프리드버그가 좀 더 이론적이긴 한데 ㅇㅇ..
스트랭도 괜찮긴 한데 몇가지 토픽이 빠진게 있어서 좀 그러네요 - dc App
텐서플로우로 할라해도 최적화하려면 다른 지식들이 매우 많이 필요함. 글쓴이는 추~ - dc App
해석학은 루딘 PmA가진리인데 - dc App