JeBeom Chae

머신러닝이나 딥러닝, 그리고 이를 이해를 위한 선형대수 등을 공부하기 위한 참고 자료들을 정리해보자

이번 포스팅에서는 개인적으로 공부할 때 참고하면 좋은 강의들이나 특정 이론의 이해를 위한 Simulation 사이트 등 분야별로 참고하면 좋을 Reference들에 대해서 소개해보도록 하겠다.

기초수학(선형대수, 미적분 등)

  • KAIST 기초 선형대수학 강의 : 선형대수학 기초적인 내용을 다루며, 행렬의 Determinant나 Eigenvalue, Eigenvector들을 알고 있으면 Skip 해도 될 것 같다.

  • Essence of linear algebra : 선형대수학과 관련해서 3D 그래픽을 통한 직관적 이해를 제공한다. 선형대수학을 기존에 배웠더래도 한번 들어보는 것을 추천한다.

  • Essence of calculus : 테일러 시리즈 등 미적분 수업에서 다룬 내용들에 대한 강의로 Essence of linear algebra에서와 동일한 분이 설명해주신다.

  • Seeing Theory : 베이즈 추론 등의 각종 통계 이론들을 방법들을 시각적으로 볼 수 있다.

Machine Learning

  • Stanford Coursera: Machine Learning : 사이킷런(scikit-learn)과 넘파이와 같은 파이썬 라이브러리를 활용해 머신러닝 문제들을 풀어볼 수 있다.

  • CS234 Reinforcement : 스탠포드에서 진행한 강화학습 강의로 추후에 필자도 듣고 블로그에 정리할 예정이다.

Deep Learning

  • 밑바닥부터 시작하는 딥러닝 : 딥러닝 관련 도서로 ReLU, Sigmoid 등의 활성화 함수나 SGD, 모멘텀, AdaGrad, Adam 등의 Gradient Descent 알고리즘들을 넘파이로 구현해볼 수 있다. 코드는 여기에서 확인 가능하다.

  • CS231n : 스탠포드에서 진행한 딥러닝 강좌로 추후에 딥러닝 쪽으로 연구해보고 싶다면 꼭 들어보는 것을 추천한다.

  • 신경망 시뮬레이션 : 해당 사이트에서 Epoch, Learning rate등의 Hyperparameter 설정과 활성화 함수의 선택 등을 통해 딥러닝 과정을 시각적으로 확인해볼 수 있다.

논문

  • arxiv-sanity : arxiv에 있는 논문들 중 지정된 기간 동안 원하는 항목에 대해 중요하고 인기 있는 논문들을 확인 가능하다.

  • Paper with CODE : 논문의 Paper와 Code들을 가독성 좋게 정리해두었으며, Browse State-of-the-Art 탭에는 각 세부분야별로 논문들이 분류되어 있고, LeaderBoard로 어떤 논문이 제일 좋은지 Dataset 별로 확인할 수 있다. 개인적으로 arxiv-sanity보다 활용성이 좋다고 생각한다.

이외에도 좋은 사이트(Reference)들을 발견한다면 지속적으로 추가하도록 하겠다.

태그:

카테고리:

업데이트:

댓글남기기

참고