초, 중급용 머신러닝 로드맵 2022

by

머신러닝이 뭔지 조금씩 알기시작하면서 본격적으로 배우고 싶어서 커리큘럼을 짜볼까 하다가 2022 머신러닝 로드맵이 어떻게 되는지 궁금해서 유튜브에 쳐봤는데 이 영상을 발견했다!!

2020 머신러닝 로드맵이지만 2022년도도 95% 똑같다고 하니 그냥 보기로 했다. 이 유튜버의 이름은 Daniel Bourke다. 오늘 나의 일일 스승님 ㅎㅎ

2시간 37분짜리 영상이어서 굉장히 자세히 머신러닝을 어떻게 공부해야되는지 알려줄 거 같아서 나의 경우에 커리큘럼을 어떻게 짜야할지 좀 insight를 여기서 얻을 생각이다. 그리고 영상 들으면서 내가 잘 몰랐던 부분도 이 글에 좀 적어보겠다(글 마지막에 첨부함). 그럼 시작~

초, 중급자용 머신러닝 로드맵 (인공지능 공부 시작한지 최대 12개월+ 정도까지 해당)

*하루 4시간 공부로 잡고 계산 (하루 공부량이 이것보다 적을 경우 공부하는 기간을 늘리세요)

1. 일단 초심자(3-6개월+)에게는 머신러닝 개념에 익숙해지기위해 Jupyter나 Colab 안에서 작게 작게 프로젝트들 해보기, Python, NumPy, pandas, scikit learn 사용 방법 익히기(제가 google colaboratory 작은 프로젝트 해본 건 여기에)

  • 초심자 추천 책: Hands-on Machine Learning with Scikit-Learn, Keras & TensorFlow Part 1 (The Fundamentals of Machine Learning)
  • 초심자에게 적합한 머신러닝 학습 웹사이트
    1. Elements of AI (회원가입 필요)
    2. Google Machine Learning Crash Course (회원가입 필요 X, 내가 공부하는 과정, Google Colaboratory는 구글 계정으로 회원가입 가능)
    3. Google’s AI education page
    4. Facebook’s field guide to machine learning
    5. Made With ML (유튜버 Daniel Bourke의 페이보릿 머신러닝 학습 웹사이트!)
    6. Wokera.ai (머신러닝 어느정도 학습 후 자신의 레벨 테스트용)
    7. Kaggle (자신이 주제를 선택해 머신러닝 모델 만들어보고 그 모델을 가지고 다른 사람들과 경쟁하기, 가장 accurate한 모델 만든 사람이 이기는 듯하다. 자세히 안봤는데도 재밌어보임 웹사이트가 ㅎㅎ)



2. 중급자(6-12개월+)는 fast.ai Deep Learning for Coders (part1), fast.ai Deep Learning from the foundations (part2), 텐서플로우에서 직접 프로젝트 해보기.

  • 중급자 추천 책: Hands-on Machine Learning with Scikit-Learn, Keras & TensorFlow Part 2 (Neural Networks and Deep Learning) = 추천하는 초급자 책, 중급자 책 똑같음. 그냥 안에 파트가 1,2로 나누어져 있어서 초심자한테는 파트 1 추천, 중급자한테는 파트 2 보라고 함

3. 초심자, 중급자 단계일 때 보면 끼워 넣어서 공부하면 좋을 것들

  • ./missing-semester (컴퓨터 사이언스 부족한 지식들 여기서 채우기)
  • Khan Academy (머신 러닝을 위한 수학 이해하기)
  • arXiv.org (인공지능 논문, 리서치 찾아보려면 여기서)

+ 클라우드 서비스 (aws, google cloud, microsoft azure) 익숙해지기, freeCodeCamp(웹 개발 공부), git(버젼마다 코드 정리할 수 있게) -> 이 부분은 아마 대부분의 머신러닝이 기본적인 소프트웨어 서비스 위에 더 많은 기능을 유저들에게 제공하고자 쓰이기 때문에 소프트웨어 개발 부분을 잘 모르는, 현재 인공지능을 공부하는 사람들에게 ‘이거 배워두면 좋을 거야~’라고 말하는 듯)

<영상 보면서 메모한 것>

  1. 머신 러닝이 어디에 쓰이는가?
    • 수많은 규칙이 있는 문제를 풀 때
    • 계속 변화하는 환경 : 머신 러닝은 새로운 환경에 적응할 수 있다.
    • 방대한 양의 데이터를 주고 그 데이터에 대한 어떠한 설명을 찾고자 할 때
  2. 머신 러닝 종류들
    • Supervised Learning : 레이블된 데이터 컴퓨터에 제공해서 학습
    • Unsupervised Learning : 레이블되지 않은 데이터 컴퓨터에 제공해서 학습
    • Transfer Learning : 하나의 모델이 배운 것을 다른 모델(내가 지금 만드는 모델)에 적용해서 학습
    • Reinforcement Learning : 알고리즘이 어떤 환경에서 보상/패널티를 받으며 학습
  3. 머신 러닝 문제들
    • Classification (예: 환자가 심장 질환이 있는지 없는지 분류)
    • Regression (예: 시간에 따른 나의 집 값 예측, 내일 비트코인 값 예측)
    • Clustering (예: 데이터를 여러 집단으로 분류해 그 집단의 특징 찾기)
    • Dimensionality reduction (예: 데이터가 너무 방대할 때 데이터 해석에 가장 중요한 데이터만 따로 추려서 뽑아 놓는 것)

*중급자 부분을 더 디테일하게 쓸 수 있는데 저는 아직 초심자에 해당해서 중급자 부분은 좀 빈약하게 썼어요. (제가 중급자되면 좀 더 자세히 써볼게요 ^.^!) 중급자 로드맵이 당장 필요하신 분은 아래의 로드맵 링크를 참고하세요.

*유튜버 Daniel Bourke님의 2020 머신러닝 로드맵은 여기에 있구요(2022도 2020과 90% 같대요, 그냥 이대로 똑같이 공부해도 될 듯 합니다), 아래는 제가 오늘 포스팅한 머신러닝 로드맵 유튜브 영상이에용~.

Leave a Comment