[Review] 머신러닝, 딥러닝 어떻게 공부할 것인가? (feat. 핸즈온 머신러닝 저자 특강)

🚦Summary

• 해당 포스팅은 한빛 미디어 채널에서 소개한 핸즈온 머신러닝의 저자인 박해선님이 23년 10월 18일에 진행한 온라인 영상 을 보고 내용을 정리한 것을 소개합니다.

• 해당 영상에서는 머신러닝과 딥러닝에 대한 개요를 설명하고, 공부방법, 커리큘럼 선택, 이론적 지식과 활용적인 지식의 중요성, 공부를 위한 다양한 자원 및 활동 등에 대해 다루며 영상은 약 1시간 10분정도 입니다.
• 아래는 영상의 중요 하이라이트 내용입니다.
  • 공부 방법은 개인마다 다양하며, 이미 시작한 방법이 나에게 제일 잘 맞을 수 있다.
  • 머신러닝과 딥러닝은 머신러닝의 일부로 분류되며, 인공신경망은 딥러닝의 핵심이다.
  • 머신러닝과 딥러닝을 공부할때 이론적인 지식과 활용적인 지식이 각각 필요하며, 개인의 목표나 관심사에 따라 깊이 파고들거나 활용에 집중하는 등 선택하여 학습할 수 있다.
  • 공부를 위해 스터디 그룹, 컨퍼런스, 논문, 개인 블로그, GitHub, Kaggle등 다양한 자원과 활동을 활용할 수 있다.
  • 대학원 진학은 머신러닝과 딥러닝을 깊이 공부하기에는 적합하며, 취업을 통해 실제 경험을 쌓고 제품이나 서비스를 개발하고자 한다면 취업이 더 적합할 수 있다.

🖐️ 이 포스팅은 개인적 경험을 정리하는것을 주목적으로 합니다.

• 해당 포스팅의 작성 목적은 제가 배운 내용을 기록하는것이 최우선 목표이며, 포스팅 내용 일부에 개인적 경험, 영상에 없는 타 문서/영상/포스팅의 지식이 포함될 수 있습니다.
  • 원본 영상에 없는 내용은 다른 색상으로 작성합니다.
• 주요 파트별로 참고하고싶은 내용만을 요약하였으며 더욱 상세한 내용은 원본 영상을 시청해보시길 권장 드립니다.

1. 머신러닝과 딥러닝을 공부할때는 각자의 성향과 환경에 맞는 방법을 선택하는 것이 중요하다. (영상 구간 : Intro~08:42)

• 머신러닝과 딥러닝을 공부할 때는 각자의 성향과 환경에 맞는 방법을 선택하는게 중요하다.
• 공부하는 방법은 다양하며, 부지불식간에 이미 자신만의 방법을 습득하고 있는 경우도 많다.
• 어떤 방법이 최상의 길인지 일반적으로 판단하긴 어렵지만, 이미 시작한 방법이 나에게 제일 잘 맞는 길일 수 도 있다.
• 공부할 것을 선택하는 것이 먼저이며, 그 후에 어떻게 공부할 것인지 생각해야 한다.
• 각자의 공부 방법론을 찾아가며, 이미 시작한 것에 충분히 집중하고 발전 시키는 것이 중요하다.

👉

• 정말 공감이 가는 내용이었다. 여러차례 공부 방법을 바꿔보려고 하는데, 사실 그 방법을 찾는다고 해도 체득하는것에는 또 다른 시간이 소요되며, 시행착오를 겪지 않으면 그 방법이 잘 맞는지도 알기가 어렵다.
• 실제로 공부할 내용도 선정 못하고 어떤 툴로 코드를 쓰지, 책을 봐야 하나 강의를 봐야 하나 매체를 고민하다가 공부를 제대로 시작못한경우가 빈번 했다. 차라리 그 시간에 코드 한 줄이라도 더 써보고 내용 한 줄이라도 더 읽어 볼걸 싶을 때가 한두번이 아니다.
• 공부할 내용은 널려있고, 정보도 너무나 많다. 일단 시작하고, 읽어보기라도 해야 한다.

2. 딥러닝의 개념과 인공신경망의 역할 (영상 구간 : 08:42~16:08)

• 딥러닝은 머신러니으이 한 테두리 안에 있는 알고리즘을 총칭하는 용어이다.
• 머신러닝을 배우고 인공신경망을 배우는 것이 좋다.
• 선형 회귀와 로지스틱 회귀는 머신러닝과 인공신경망의 다리 역할을 한다.
• 선형 회귀는 인공신경망의 기초이며, 인공신경망은 선형 회귀를 확장한 것이다.
• 인공신경망은 비선형 함수를 사용하여 복잡한 함수를 표현한다.
• 활성화 함수는 비선형 함수로, 삼각함수나 지수 함수등을 사용한다.
• 인공신경망은 경사하강법을 사용하여 최적의 가중치를 찾는다.
• 선형 회귀부터 인공신경망까지 차근 차근 설명하는 이유는 경사하강법을 이해하기 위해서이다.
• 인공신경망은 여러개의 뉴런을 겹겹히 쌓아서 표현한다.

3. 머신러닝과 딥러닝의 관계 (영상 구간 : 16:08:23:32)

• 머신러닝과 딥러닝은 둘 다 머신 러닝의 일부로 분류되며, 머신러닝 커리큘럼에서 함께 다뤄진다.
• 머신러닝과 인공신경망은 일부 개념들이 공통으로 적용되는 경우가 있으며, 이러한 개념들은 주로 머신러닝 커리큘럼에서 다뤄진다.
• 선형 회귀는 인공신경망과 직접적으로 관련되어 있기 때문에, 선형회귀를 공부한 이후에 딥러닝으로 넘어가는게 좋다.
• scikit-learn은 머신러닝을 위한 파이썬 라이브러리로, 머신러닝 커리큘럼에서 주로 사용된다.
• 머신러닝을 공부하기 위해 scikit-learn을 활용한 머신러닝 책을 추천한다.

4. 딥러닝 모델의 다양한 종류 (영상 구간 : 22:32~29:23)

출처 : 원본영상

• 딥러닝 모델은 인공신경망의 확장으로, 다양한 종류의 인공신경망 알고리즘이 있다.
• 기본적인 인공신경망인 ANN(Artificial Neural Network)부터 시작해, CNN(Convolutional Neural Network)과 같은 모델들이 있다.
• CNN은 이미지 처리에 특화된 모델로, 객체 탐지, 객체 분할 등의 작업에 사용된다.
• 또한, CNN을 기반으로 한 GAN(Generative Adversarial Network)과 같은 모델들은 이미지 생성에 사용된다.
• RNN(Recurrent Neural Network )은 연속적인 데이터 처리에 특화되어 있으며, 트랜스포머(Transformer)는 자연어 처리에 주로 사용된다.
  • RNN은 CNN과 정반대의 구조
• 최근에는 RNN보다는 트랜스포머 모델이 많이 사용되고 있으며, 디퓨전 모델과 함께 이미지 생성 및 텍스트 처리에 사용된다.
• 또한, 강화학습(Reinforcement Learning)이라는 분야도 있으며, CNN과 트랜스포머 모델의 도움을 받아 발전하고 있다.
• 딥러닝만 공부하고 싶은 경우에는 케라스 창시자에게 배우는 딥러닝 과 개발자를 위한 머신러닝&딥러닝이 좋은 선택이다.
  • 책 광고 아니고 저도 참고하려고 링크해두었습니다 😃
• 하지만 딥러닝으로 모든 문제를 다 해결할 수 는 없음. 모델자체가 미약한 부분이 있거나 너무 큰 도구여서 최적화문제가 있을 수 있음
• 특히 DB에 있는 테이블 형태의 데이터를 가지고 의사결정, 예측을 할때는 아직까지는 Tree모델과 앙상블 모델임
• 딥러닝을 공부하기 위해 선형회귀에서 바로 건너뛰기 전에 여유가 좀 있다면 트리모델을 함께 공부하고 넘어가는 것을 추천

5. 커리큘럼 선택의 중요성 (영상 구간 : 29:23~36:24)

• 공부하고자 하는 주제에 따라 커리큘럼을 선택하는 것이 중요하다.
• 커리큘럼을 선택할 때는 내가 어디까지 배우고 싶은지, 현재 내 위치가 어디에 있는지를 고려해야 한다.
• 머신러닝과 딥러닝을 코드 위주로 공부하고 싶다면, 개발자를 위한 실습위주의 도서나 동영상을 선택할 수 있다.
• 수학적인 이론을 공부하고 싶다면, 수학 위주의 도서나 교과서를 찾아보는 것이 좋다.
• 머신러닝과 딥러닝을 모두 다루는 도서도 있지만, 딥러닝 파트가 더 많이 다루는 경우도 있다.

출처 : 원본영상, 저자가 제공하는 자신의 저서중 목적별 추천 도서

6. 머신러닝과 딥러닝의 이론, 어디까지 공부해야 할까?! (영상 구간 : 36:24~44:35)

• 머신러닝과 딥러닝을 공부하는데는 이론과 활용 두가지 요소가 있다.
• 이론적인 지식을 갖추는 것은 머신러닝과 딥러닝을 활용하는데 필요한 기본 베이스 이다.
• 활용적인 지식은 실제로 도구를 사용하며 성능을 끌어내는 능력을 의미한다.
• 개인의 목표와 관심사에 따라 더 깊이 파고 들어야 할지, 활용에 더 집중해야 할지 결정해야 한다.
  • AI만 활용할줄 알면 되는건지, AI 를 베이스로 상품이나 서비스를 만들고 싶은건지, ML&DL의 생태계에서 서비스를 제공하는 회사를 창업하고 싶은것인지, 취업을 하고 싶은것인지 등
• AI를 한다고 무조건 취업이 잘되는것은 아니다.
  • Gold Rush에서 돈을 가장 많이 번 사람은 청바지 회사이다. (AI가 지금의 메인 트랜드이지만 꼭 AI를 직접한다고 돈을 잘버는게 아니다.)
• 늦었다고 생각하지만 늦은게 아니다. 파도는 다시 꼭 온다.
  • CLI (검은 터미널 화면에서의 코딩) → Window → Mobile → Big Data → AI 로 트랜드는 꾸준히 변화 해왔다.
  • 당장 조금 뒤쳐져 있다고 걱정하지 말고 지금부터 차근차근 원하는 지향점을 정하고 공부해 나가다 보면 흐름에 편승할 기회는 온다.
• 취업을 위해서만 공부하는 것은 좋은 방법이 아니며, 자신의 관심과 잘하는 일, 유망한 일이 일치하는 것이 좋다. (하지만 쉽지 않다.)
  • 유망한일을 내가 좋아하는 일이라 오해할 수 있지만 꼭 그렇지는 않다.
  • 스스로 이 부분에 대해 고민을 하면서 목표를 정하는 것이 좋다.

7. 인공지능 공부를 위한 스터디 그룹 및 컨퍼런스 참여 (영상 구간 : 44:35~49:59)

• 인공지능 공부를 위해 스터디 그룹에 참여하거나 컨퍼런스에 참여할 수 도 있다.
• 스터디 그룹은 온라인과 오프라인으로 모두 활동할 수 있으며, 부트 캠프나 학원 등의 긴 코스도 있다.
• 논문을 공부하고 싶다면 최근 논문이나 과거의 좋은 논문들을 참고할 수 있다.
• 혼자서도 오프라인이나 온라인에서 공부할 수 있으며, 책을 보고 공부하는 경우도 많다.
• 저자의 출판사인 한빛미디어에서는 혼공학습단 이라는 것을 통해 온라인으로 함께 공부하는 프로그램을 제공하고 있기도 하다.

8. AI분야로 취업하기 위해 도움이 되는 것은?! (영상 구간 : 49:59~56:03)

• AI 분야 취업을 위해서 개인 블로그를 운영하고 공부한 내용이나 프로젝트를 공유하는 것이 좋다.
• GitHub에 commit 이력을 남기고, 다른 저자들과 소통을 할 수 있는 플랫폼으로 활용할 수 있다.
• Kaggle에서 문제를 풀거나 입상하는 경험을 쌓는것도 좋은 자기 PR방법이다.
• Hugging Face는 트랜스포머와 Diffusion 모델을 호스팅하고 무료로 모델을 사용할 수 있는 온라인 플랫폼이다.
• Hugging Face를 활용해 자신이 만든 모델을 업로드하고 성능을 비교할 수 있는 리더보드를 활용할 수 도 있다.

9. 수학적 이론을 모르더라도 모델을 만들고 활용하는데는 문제가 없다. (영상 구간 : 56:03~01:01:11)

• 수학적 이론을 모르더라도 모델을 만들고 활용하는 데는 문제가 없다.
• 대부분의 커리큘럼은 개발자 위주이며, 코드와 예제 중심이다.
• 수학 책에서 나오는 벡터, 행렬, 미분 등의 개념을 이해하면 도움이 될 수 있다.
• 선형대수와 관련된 온라인 커리큘럼, 무료강좌, 책 등이 많이 있으니 이를 활용해서 공부하길 추천한다.
• 선형대수를 이해하면 딥러닝을 이해하는데 도움이 될 수 있다.

10. 트렌드를 따라가기 위한 학습 방법 (영상 구간 : 01:01:11~01:08:52)

• AI 트렌드를 따라가기 위해 국내외 뉴스레터를 구독하거나 커뮤니티를 방문하는 것이 좋다.
• 머신러닝, 딥러닝 관련 책을 보는 것도 도움이 된다. 최신 트렌드를 알기 위해 온라인 무료 책 소개와 목차를 확인하거나 번역서적을 참고 하는 것도 좋은 방법이다.
• 논문을 읽는 것은 공부하기 어렵지만, 논문을 설명하는 유튜버나 스터디 그룹에서 공부하는 것도 좋은 방법이다.
• 머신러닝, 딥러닝 관련 컨퍼런스를 참석하거나 온라인 강의를 수강하는 것도 도움이 된다.
• 개인적인 관심 분야에 대해 더 깊게 탐구하기 위해 구글이나 커뮤니티에 질문하거나 블로그를 구독하는 것이 좋다.

11. 대학원 진학과 취업의 선택지 (영상 구간 : 01:08:52~01:16:!1)

• 머신러닝과 딥러닝을 공부하고 싶다면 대학원 진학과 취업 두가지 선택지가 있다.
• 대학원 진학을 통해 새로운 모델이나 알고리즘을 개발하고 기여하고 싶다면 대학원 진학이 더 적합하다.
• 취업을 통해 실제 제품이나 서비스를 개발하고 경험을 쌓고 싶다면 취업이 더 적합하다.
• 어떤 선택이 더 좋은지는 개인의 성향과 목표에 따라 다르다.

Review

• 최근에 다시 부트캠프에서 AI를 공부하고 있는 입장에서 고민하고 있던 여러 부분(어디서 공부하지?, 뭐부터 하지?, 부트캠프를 해야 하나?, 대학원을 갈까?, 어떤 책을 보지?) 에 관련된 다양한 고민들을 어느정도 해소할 수 있었다는 점에서 상당히 인상적이었다.
• 아무래도 저자이시고, 출판사의 유투브 채널에서 진행한 웨비나라서 조금의(?!) 책 광고도 있었지만 그정도는 정보의 대가로 치면 감안할만 하지 않을까🫡
• 정리된 내용만 본다면 사실 굉장히 정석적인 이야기이고, ‘A 일수도 B일 수도 있다. 선택은 개인의 몫이다.’ 라는 내용인듯 하지만, 그 당연한 얘기를 어떤 관점에서 어떻게 고민해봐야 할지에 대해서 인사이트를 얻을 수 있는 웨비나라고 생각한다.
• 개인적으로 이번에 부트캠프를 하면서 공부하는 과정에서 한 고민에 대해서 좀 더 확신을 가지게 된것도 있고, 스스로 부족했던 점 (수학, 커뮤니티 활동 등) 에 대해서도 자아성찰이 되고 방향성을 잡는데 도움이 되었다.
• 머신러닝, 딥러닝과 같은 AI를 공부하고 싶다면, AI로 취업하고 싶다면 가질만한 고민들에 대해 도움을 얻고 싶다면 한번쯤 본 영상을 시청해보는 것도 좋을 것 같다.