Machine learning과 deep learning을 어떻게 시작할까 ?

요즘 엄청난 유행의 하나일 수도 있지만 저 역시 machine learning과 deep learning에 관심이 가서 좀더 체계적으로 배워보려고 하고 있다. 몇 가지 how-to-start 문서들에서 정리하고 있는 tech tree들을 살펴보자. :)

Intro: Python/R Data handling 과 ML/DL 에 대한 전반적인 이해 (1월 ~ 3월)

목표 : 1월~3월 : 짧은 기간 동안에 깊이보다는 전체를 빨리 경험해보면서 제가 집중할 분야를 정해보자. 기본 개념과 기본적인 Python/R 이용한 데이터 핸들링 방법 파악.

Deep dive (4월 ~ 6월)

ZuzooVn/machine-learning-for-software-engineers: A complete daily plan for studying to become a machine learning engineer.

Comprehensive list for Machine Learning…

Learning Path : Your mentor to become a machine learning expert

Step 0: Basics of R / Python

R/Python 기초

Step 1: Learn basic Descriptive and Inferential Statistics

기본적인 통계에 대한 이해 필요.
본격적인 machine learing 개발 이전에 descriptive statisticsinferential statistics 에 대해서 잘 이해하면 좋음.

Step 2: Data Exploration / Cleaning / Preparation

일반적인 개발자와 구분되는 machine learning 고수는 feature engineeringdata cleaning을 잘 한다. 이와 관련된 몇 가지 links…

Step 3: Introduction to Machine Learning

두 가지 학습 방법을 추천.

Step 4: Participate in Kaggle Knowledge competition

이제 Kaggle knowledge competitions를 위한 모든 툴을 갖추게 된 것이다. 도전.

Step 5: Advanced Machine Learning

이제 기본적인 machine learning을 넘어 좀더 발전된 Deep Learning 이나 Machine Learning with Big Data 등을 학습해야 함.

Deep learning

Ensemble modeling

Machine Learning with Big Data

Step 6: Participate in main stream Kaggle Competition

fellow data scientists과 경쟁하면서 배울 수 있도록 Kaggle competition 참가.

A Complete Guide on Getting Started with Deep Learning in Python

Step 0 : Pre-requisites (2~6달)

Deep learning 이전에 machine learning 기초에 대해서 잘 알아둘 것.

Step 1 : Setup your Machine

시작하기 이전에 적절한 hardware 를 갖추고 있는지 확인 필요.

  • A good enough GPU (4+ GB), preferably Nvidia
  • An OK CPU (eg. Intel Core i3 is ok, Intel Pentium may not be)
  • 4 GB RAM or depending upon the dataset.

적절한 machine 이 없다면 새로 사거나 Amazone AWS 를 이용할 수도 있다.

  • 주의 : 현 단계에서 절대 어떤 deep learning library 를 설치하지 말 것. Step 3 에서 할 것.

Step 2 : A Shallow Dive

이전에 학습한 기초 지식과 함께 최신 유명한 deep learning libraries 들과 이들을 동작하키는 언어에 대해서 좀더 학습해야 한다.

이들 유명한 Libraries 에 대한 대략적인 개요는 다음 강의에서 다루고 있다.
CS231n: Convolutional Neural Networks for Visual Recognition

Step 3 : Choose your own Adventure! (1~2달)

이제 가장 흥미로운 시간이다!
Deep learning은 여러가지 분야에 적용되어 첨단의 결과를 내고 있다. 이들 각 분야에서 직접 hands-on 경험이 필요하다.

  • Deep Learning for Computer Vision
  • Deep Learning for Natural Language Processing
  • Deep Learning for Speech/Audio
  • Deep Learning for Reinforcement Learning

Step 4 : Deep Dive into Deep Learning

  • 위의 여러가지 모험에 도전
  • 위에서 언급되지 않은 분야의 deep learning 에 도전
  • Kaggle에 도전
  • Deep learning community 에 참석
  • 최신 research 학습

7 Steps to Mastering Machine Learning With Python

Step 1: Basic Python Skills

Step 2: Foundational Machine Learning Skills

Step 3: Scientific Python Packages Overview

  • numpy - mainly useful for its N-dimensional array objects
  • pandas - Python data analysis library, including structures such as dataframes
  • matplotlib - 2D plotting library producing publication quality figures
  • scikit-learn - the machine learning algorithms used for data analysis and data mining tasks

Step 4: Getting Started with Machine Learning in Python

Step 5: Machine Learning Topics with Python

Step 6: Advanced Machine Learning Topics with Python

Step 7: Deep Learning in Python

Machine Learning in a Year – Learning New Stuff – Medium

First intro: Hacker News and Udacity

The Non-Technical Guide to Machine Learning & Artificial Intelligence

Infographic - Learning Plan 2017 for beginners in data science

img

24 Data Science, R, Python, Excel, and Machine Learning Cheat Sheets - Data Science Central

img