[필독] AI/딥러닝 입문을 위한 학습 콘텐츠 추천
시작하며
본 코스에서는 처음 AI/딥러닝에 대해 학습하고자 하는 분들을 위한 학습용 자료/강의들을 제안합니다.
AI를 학습하는 방법이 정해져있는 것은 아니지만 잘 정리된 자료와 강의를 통해 기본 지식을 익히고,
연구 결과 및 학습 내용을 이용해 지속적으로 최신 정보를 접하면 AI의 기본 지식들을 빠르게 이해할 수 있습니다.
이를 위해 알아야 할 가장 기본적인 정보를 제안합니다.
네이버 AI 전문가가 제안하는 스터디 맵
by Jung-Woo Ha (NAVER 책임리더)
AI개발자가 되기 위해 학습하시는 분들은 다음 컨텐츠를 순서대로 따라가며 학습하시면 도움이 됩니다. 해당 콘텐츠는 개발자를 대상으로 정리한 내용이므로, 프로그래밍을 모르시는 분은 아래 콘텐츠 이외의 학습이 필요할 수 있습니다.
- 모두를 위한 딥러닝 시즌1 by Sung Kim
- 모두를 위한 딥러닝 시즌2 by Sung Kim
- 네이버 내 AI 서비스 (본 코스 내 영상)
- 딥러닝 개요와 최신 연구 트렌드
- 네이버 쇼핑의 인공지능 기술소개
- Conversation AI
- 이미지 AI
- Terry의 딥러닝 Talk
- ML을 위한 Python in Edwith 부스트코스
- Tensorflow로 시작하는 딥러닝 기초 in Edwith 부스트코스
- Pytorch로 시작하는 딥러닝 기초 in Edwith 부스트코스
- Coursera: AI for Everyone by Andrew Ng (deeplearning.ai)
- Coursera: Deep learning for Business (연세대)
- Coursera: Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization by Andrew Ng
국내 커뮤니티
AI 분야의 정보와 지식은 빠르게 발전하고 있습니다. 이에 따라 국내/외 커뮤니티를 통해 정보를 얻고, 공유하며 함께 성장할 것을 권장합니다. 아래는 AI의 대표적인 언어인 TensorFow와 Pytorch 페이스북 커뮤니티이며, 이외에도 AI 학습자들은 다양한 커뮤니티와 오픈톡 등에서 정보를 공유합니다.
TensorFlow KR 커뮤니티 https://www.facebook.com/groups/TensorFlowKR/
PyTorch KR 커뮤니티
https://www.facebook.com/groups/PyTorchKR
해외 컨퍼런스
- NeurIPS (Neural Information Processing systems) https://nips.cc
캘리포니아 공과 대학교와 벨 연구소가 공동으로 주최하는 기계학습 학회로 특히 지난 1986년 시작한 이래, 인공 신경망 연구가 확산되며 세계 최대 머신러닝 학회로 자리 잡았습니다.
- CVPR (Conference on Computer Vision and Pattern Recognition) http://cvpr2020.thecvf.com/
- ICCV (International Conference on Computer Vision)http://iccv2019.thecvf.com/
컴퓨터 비전에서 세계 최고로 손꼽히는 학회입니다.
- ECCV (European Conference on Computer Vision)https://eccv2020.eu
유럽에서 개최되는 세계 최고 컴퓨터 비전 학회입니다.
- ICML (International Conference on Machine Learning) https://icml.cc
ICML은 NeurIPS와 함께 머신러닝 및 인공지능 분야에서 가장 권위있는 국제학회로, 1980년부터 시작하여 AI 중에서도 Machin Learning분야에서 최고 권위를 가진 컨퍼런스입니다.
- ICLR (International Conference on Representation Learning)https://iclr.cc
ICLR은 2013년부터 시작한 세계 최고 수준의 딥러닝 학회로 꼽힙니다.
주요 학회 논문 DB
- CVPR and ICCV
- ECCV 2018
- NeurIPS
- ICML, AISTAT, ML-Workshops
기타 참고 자료
- 3분으로 익히는 머신러닝의 기본 원리 ( Terry TaeWoong Um, ART Lab 대표) https://www.edwith.org
인공지능 공부를 시작하는 여러 방법이 있지만 가장 좋은 방법은 “기본 개념을 쉽고 재밌는 영상으로” 익히는 방법이 아닐까 싶습니다. “3분으로 익히는 머신러닝의 기본 원리” 에서는 머신러닝과 딥러닝의 기본개념을 딱 3분 안에 이해시켜 드립니다.
- 인공지능 및 기계 학습 이론 (문일철 교수, KAIST) https://www.edwith.org
기계 학습에 대한 이론적 지식을 확률, 통계, 최적화를 바탕으로 소개합니다. 이 과정에서 다양한 확률 이론 및 통계 방법론을 설명하며, 최적화 방법을 소개하고, Naive Bayes, Logistic Regression, Support Vector Machine, Neural Network, Hidden Markov Model, Gaussian Mixture Model, K-Means Model과 같은 다양한 모델을 활용하여 어떻게 기계 학습에 이론적 기초를 확인하는지 배울 수 있습니다.
- 딥러닝 1단계: 신경망과 딥러닝 (Andrew Ng 교수 , deep learning.ai 번역 강의) https://www.edwith.org
해당 코스에서는 당신은 딥러닝의 기초를 배우게됩니다. 이 수업을 통해 딥러닝을 주도하는 주요 기술 트렌드를 이해합니다. 완전히 연결된 딥러닝 네트워크를 구축하고 훈련 및 적용 할 수 있게 됩니다. 그리고 단순한 패키지를 사용한 설명이 아닌 딥러닝이 실제로 어떻게 작동 하는지를 가르쳐줍니다.
- 딥러닝을 이용한 자연어 처리 (조경현 교수, New York University, Facebook AI Research) https://www.edwith.org
자연 언어 처리(혹은 자연어 처리: Natural language processing)는 인간이 발화하는 언어 현상을 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만드는 자연 언어 이해 혹은 그러한 형태를 다시 인간이 이해할 수 있는 언어로 표현하는 제반 기술을 의미합니다. 따라서 자연어 처리 기술이 발달하면 기계로 하여금 우리의 언어를 잘 분석할 수 있습니다. 특히 최근에는 컴퓨터 성능이 향상되면서 딥러닝을 이용한 자연어 처리를 연구하는 분야가 활성화됐습니다.
- 인공지능을 위한 선형대수 ( 주재걸 교수, 고려대학교) https://www.edwith.org
선형대수는 기본적으로 과학과 공학 모두에서 사용하는 수학의 한 분야입니다. 선형대수학 없이 머신러닝을 시작할 수 있지만, 튼튼한 선형대수학 지식이 없다면 당신은 금방 한계에 부딪히게 됩니다. 많은 기계학습 알고리즘, 특히 딥러닝을 이해하고 사용하기 위해서 선형대수에 대한 이해는 필수적입니다. 당신은 이 강의에서 선형대수의 기초, 행렬연산, 선형시스템 및 선형변환 등 선형대수의 정수를 배울 수 있을 뿐만 아니라 머신러닝에 자주 등장하는 개념인 고유값분해 및 특이값 분해 등에 대해 학습할 수 있습니다.
- Bayesian Deep Learning (최성준, Disney Research) https://www.edwith.org
딥러닝(Deep Learning) 에서 불확실성(Uncertainty)은 왜 중요할까요? 인공지능 세계에서 가장 Hot Topic인 자율주행차를 예로 들면, 중앙선 반대편의 차가 갑자기 돌진해 온다는 상황이 생길 수도 있고, 인간이 갑자기 차 앞에 나타날 수도 있습니다. 이런 운전 중에 생길 수 있는 다양한 불확실성을 우리는 모든 경우의 수를 만들어 제어할 수가 없습니다. 따라서 훈련단계에서 불확실성을 높혀서 다양한 경우에 대비하는 방법들을 연구해야 합니다. 이러한 방법론 중에 하나가 Bayesian Neural Network 입니다.
- 논문으로 짚어보는 딥러닝의 맥 (최성준, Disney Research) https://www.edwith.org
