ML01. 학습 및 참고 사이트

데이터 사이언스는 특정 도메인의 깊은 지식과 수학, 전산, 소프트웨어 개발 등 다양한 분야의 전문적인 지식이 필요한 부분이다. 그런만큼 모든 것을 한다는 것은 사실상 불가능하다고 볼 수 있다.

이런 상황에서 본인이 어떤 역할자로 데이터 사이언스 분야에 활동할 것인지를 잘 판단하는 것이 중요하다.

https://towardsdatascience.com/why-data-science-succeeds-or-fails-c24edd2d2f9

데이터 사이언스: 분석 과정,  <출처:  https://www.techinasia.com/data-science-simplified-principles-processes >

학습

데이터 사이언스를 분야를 알기 위해서 필요한 것을 나열해 보면

• 데이터 처리를 위한 프로그래밍 언어에 대한 이해

• Machine Learning, Neural Networ, Deep Learning에 대한 개념 이해

• ML관련 기초 수학 지식

• 데이터 분석 모델링을 위한 플랫폼의 이해(PyTorch, Keras, Tensorflow, ...)

• 대표 모델들에 대한 이해(AlexNet, Vgg, ResNet, ...)

• 응용되어지는 분야에 대한 도메인 지식

• 구축한 모델의 활용을 위한 인프라 아키텍처의 이해

• 구축한 모델을 서비스하기 위한 어플리케이션의 개발 및 운영 방법 이해

• 데이터 추출에서 분석까지의 전산적인 흐름의 이해 (ETL)

• 고급수학

• ...

정말 많다.

데이터 사이언스 분야를 시작하는 시점에서 벽이 높다는 점을 실감하지만

현재 우선적으로 해야 하는 것은

데이터 처리를 위한 대표적인 라이브러리를 손에 익히는 것(NumPy, Pandas)과 ML분야에 대한 기본적인 개념을 가지는 것이라 생각한다.

데이터 분석 - Python

파이썬의 경우 집중도를 가지면 쉽게 익힐 수 있는 언어라고들 한다.

하지만 numpy, pandas의 경우 강력하지만 원리를 이해하는 것은 쉽지만은 않다.상당히 어려운 부분이다. 지속적으로 계속 써야 손이 기억한다는 점이 중요하다.

파이썬 기초

• 파이썬 코딩도장

• 위키독스

• 바로 실행해보면서 배우는 파이썬 - 구름EDU

• 예제로 배우는 Python 프로그래밍

• Python Tutor: 코드의 흐름을 시각화해서 보여줌.

파이썬 Pandas, Numpy 관련 좋은 문서들

• 개인적으로 추천하는 블로그는 https://rfriend.tistory.com

테스트

인공지능 강좌

....

.....

AI 종합 강좌

• Naver D2

• NAVER Tech Talk: AI 5차 (2018년 7월~11월)

• Naver edwith 인공지능 카테고리

• 논문으로 짚어보는 딥러닝의 맥

• YouTube 딥러닝 논문 읽기 모임

• AI학습을 위한 MindMap

• Coursera

• Andrew Ng's ML class: https://www.coursera.org/learn/machine-learning

• 노트: http://www.holehouse.org/mlclass

• 모두를 위한 머신러닝/딥러닝 강의(홍콩과기대 김성훈)

• 라온피플

• 안녕? 레고사람, 안녕? 딥러닝 모델

• 처음코딩

CNN

• 스탠포드의 딥러닝 강의 CS231n: Convolutional Neural Networks for Visual Recognition 한글화 프로젝트

GAN

• 1시간만에 GAN(Generative Adversarial Network) 완전 정복하기

TensorFlow, Keras

• Tensorflow.org Tutorial

• TensorFlow Examples

• 텐서플로우 블로그

• 케라스 강좌 내용

[

케라스 강좌 내용

케라스로 배워보는 딥러닝 강좌를 아래 내용를 아래 순서대로 진행하고자 합니다. 1권 (블록과 함께하는) 파이썬 딥러닝 “케라스” 기초 케라스 시작하기 딥러닝 개념잡기 레이어 개념잡기 레시피 따라해보기 부록 2권 (블록과 함께하는) 파이션 딥러닝 “케라스” 활용 [시계열영상입력 이진분류 모델 레시피] [시계열영상입력 다중클래스분류 모델 레시피] [특징맵 살펴보기] [시퀀스 출력을 가지는 모델 구성] 객체 검출(object detection) 해보기 영상 분

tykimos.github.io

](https://tykimos.github.io/lecture/)

교재 Mindmap

현재 시간적 여유가 되어서 교재 및 인터넷 강의를 통해 학습을 진행하고 있는데

데이터 분석의 경우 "파이썬 라이브러리를 활용한 데이터 분석"과 "밑바닥부터 시작하는 딥러닝"을 보고 있다.

전자의 경우 비추 후자의 경우 강추

파이썬 라이브러리 책의 경우 책 구성이 복잡하게 되어 있어 이해하는데 방해가 됨. 약간 중구난방

밑바닥 책의 경우 개념이해에 많은 도움이 되고 있음.

또한 밑바닥의 옮긴이인 개앞맵시의 마인드 맵을 통해 향후 학습 방향에 대해 쉽게 생각할 수 있음

https://www.mindmeister.com/ko/812276967/_

정리해야 할 내용들

• ML01. 학습 및 참고 사이트

• ML02. AI, Machine Learning, Deep Learning Overview

• ML03. 데이터 분석

• ML04. Tensorflow, Keras, Eager

• ML05. Machine Learning

• ML06. Deep Learning

• ML07. CNN

• ML08. RNN

• ML09. Project

ㅁㅁㅁㅁㅁ

가나다라마바사

테스트2

ㅁㅁㅁ