통계모델, ML은 많이 배우고 프로젝트도 해봤는데
딥러닝 부분은 깊게 모름...
MLP, RNN, LSTM,CNN... 이 정도 데이터 마이닝 수업 때 배운 정도라... ㅠ
최신 BERT나 transformer 이런 모델들 솔직히 잘 모름.
선배 중에 학부 졸로 sk c&c data analytics 취업 한 분 계시는데... ㅠㅠ 그 분 하고 말을 나눠 볼 기회가 없었음
이 상태로 분석직군 노리는 건 오바일까?
딥러닝 부분은 깊게 모름...
MLP, RNN, LSTM,CNN... 이 정도 데이터 마이닝 수업 때 배운 정도라... ㅠ
최신 BERT나 transformer 이런 모델들 솔직히 잘 모름.
선배 중에 학부 졸로 sk c&c data analytics 취업 한 분 계시는데... ㅠㅠ 그 분 하고 말을 나눠 볼 기회가 없었음
이 상태로 분석직군 노리는 건 오바일까?
딥러닝 잘 모르고 졸업하는 사람들이 대부분 일듯
통계학부의 커리큘럼 상 그럴듯... 그래서 통계학과 라도 학부졸을 잘 안 뽑는건가...
어차피 다들 잘 몰라
컴공 애들 보면, 공모전에 이미지 인식 모델 만들고 하는거 보면... 내가 넘 딥러닝 쪽을 모르는 거 같아서 ㅠ. 물론 걔내가 쓰는 것 대부분 구글같은 곳에서 배포한 pre-trained model 같긴하지만...
딱 말한대로 pre trained든 architecture가 알려진 상황이든 이미 짜여진 코드 가져다 쓰는건 어차피 몰라도 할수 있는거임. training 잘시키는거나 architecture 잘짜는건 거의 지식이 아니라 예술의 경지인 내용이라 결이 좀 다르고... 그리고 더더욱이 ml 엔지니어로 취업하는것도 아니고 ds da이런거 하고 싶은거면 딥러닝 잘 아는게 엄청 중요할거 같지는 않음
어차피 딥러닝 배웠다 하는 애들 중에 진짜 깊게 아는 애들이 얼마나 될까 싶은데. 걍 구글에서 코드 복붙 하고 할 줄 안다 하는 경우가 많은 듯
윗댓들 딥러닝 안다 모른다 기준을 뭐로 나누는거임? 애초에 아직 원리가 제대로 규명되지않은 공학기술인데 원리를 안다로 기준을 잡으면 전세계에 딥러닝 아는사람 10명도 채안됄듯?
딥러닝 원리는 대학원 실해석 level로 증명가능한 universal approximation theorem이 근간인데 뭐가 규명이 안되었다는거임?
ㅋㅋㅋㅋㅋ universal approximation이 딥러닝의 uncertainty 도 설명해주냐?
딥러닝의 uncertainty가 딥러닝의 '원리'임? uncertainty가 생기는건 통계 기반의 test를 딥러닝에서는 적용을 못하니까 test data 라는 일부에서만 성능 검증해보는 걸로 대체하는거지
UAT는 infinite width nn의 class가 continuous fn을 근사할 수 있을만큼 크단거만 얘기해주지 아직 규명해야할 이론적 성질들 투성이임. 당장 global optima로의 수렴성이나 double descent 현상의 이유만 해도 거의 밝혀진게 없는걸로 아는데
람다가 내가 할말중 일부대신 해주네 ㄱㅅㄱㅅ 보니까 universal approximation만 이해하신거처럼 보이는데 아직 딥러닝은 가야할길이 멉니다 아 물론 제 생각이기도 하고 저와 비슷한 생각하시는 분들도 있어요~ ㅎㅇㅌ!
딥러닝 잘 모르면 딥러닝 안쓰는 분야로 취업하면 됨 ㅋㅋ셈~
분석 직군 중에 통계/ML만 알아도 되는 분야 있음? DL 잘 몰라도 되는 그런 직무?