예를들어 김충락 교수님 고급통계학2 수업은 ESL (Elements of Statistical Learning) 교재를 베이스로 하는데 그 교재는 머신러닝/통계적 러닝 기법에 관한 책이잖아
난 지금 하고 싶은게 데이터 공모전이나 kaggle competition에 참가해보고 싶은데 ESL이나 통계학과에서 배우는 머신러닝 수업 듣고 다 이해하면 바로 참여하기 충분함? 오히려 너무 과분한가? ESL 수준으로 이해 못해도 할 수 있는 것들임?
난 성격이 기초부터 하나하나 다지고 올라가야 불안하지 않는 성격이라 그럼.
통계청 데이터 공모전 상받은거 보면 이런저런 기법들 이용하던데 난 그것들에 대한 수학/이론적 지식이 없으면 찝찝해하는 스타일임. 근데 굳이 그렇게까지 깊게 이해할 필요없이 바로 데이터 다루기에 들어갈 수 있다면 그렇게 해보려고
방향성이 매우다를거라생각 따로해야됨
그렇군
길가던 중학생도 kaggle 데이터 주고 Adaboost 파이썬/r 코드 알려주면 prediction/classification 뚝딱 해낼 듯. 근데 그게 끝임. 각 기법의 통계적/수학적 이론 배경이 없으면 코드 배워서 시각화하고 결과 도출. 그게 끝임. - dc App
수리적 직관을 길러서 왜 이 기법을 사용하는지 알려면 수업을 들어야겠네
오 저도 그래서.. 좀 시작하기가 어렵더라고요 ㅠㅠ
ㅍㅂㅂㄹㄱ가 여기저기 어그로끌어가면서까지 데싸에 수학통계학 중요하다는 글 강요체로 쓰는게 이유가 있긴해
데이터 분석이 이론만 가지고 되는것도 아니고 직관력 및 분야 배경지식도 있어야 하지만 그렇다고 수학 모르고 기법만 다룰 줄만 알면 높은 수준의 올바른 분석이 힘들지
근ㄷ 결과적으로 하고 싶은게 데이터 분석이면 일단 데이터 만져본 경험이 있는것도 중요한듯.. 수업 많이 듣고 이론 빠삭해도 실제 다루는건 경험이 중요한거 같음 - dc App
ESL이면 이론적인 난이도가 제법 있을텐데 공모전하겠다고 ESL 다 보고 시작하는건 투머치임. 데이터 만지면서 직관도 키우면서 심화된 이론 보는게 낫다고 본다.