ML (Machine Learning) 공부
- PyTorch로 시작하는 딥 러닝 입문 03-01~03-03 학습
- 모두를 위한 머신러닝/딥러닝 2, 3강 수강
PyTorch로 시작하는 딥 러닝 입문
- 가설(Hypothesis), 비용 함수(cost function 혹은 loss function), 경사 하강법(Gradient Descent) 등을 통해 선형 회귀(Linear Regression)에 대해 학습함
- Linear Regression을 PyTorch로 구현해봄
- 행렬을 이용하여 PyTorch로 다중 선형 회귀(Multivariable Linear Regression)를 구현해봄
- torch.nn module을 활용하여 PyTorch에서 제공하는 함수들로 선형 회귀를 구현해봄
모두를 위한 머신러닝/딥러닝
- 2강 Linear Regression 의 개념을 수강함
- 3강 Linear Regression cost함수 최소화를 수강함
- 4강 여러개의 입력(feature)의 Linear Regression을 수강함 <= 위의 다중 선형 회귀
선형 회귀는 선형대수학 강의에서 한 번 들은 내용이라 큰 어려움 없이 학습했다. 물론 깊게 들어가면 더 어렵겠지만 내가 배운 수학을 활용해 이런 일을 할 수 있구나 하는 생각이 들었다.
이번 학기에 선형대수학을 수강해서 다행이다.
ML/DL 공부 계획 수정(2)
모두를 위한 머신러닝/딥러닝 강의는 이론 part만 수강하기로...
'PyTorch로 시작하는 딥 러닝 입문'에서 PyTorch를 실습하고, '모두를 위한 ML/DL' 강의에서 TensorFlow를 실습하기로 한 나의 계획이 비효율적인 것 같다는 생각을 했다.
위에서 보면 알다시피 내용이 비슷한데, 굳이 두 가지 모두 해보며 비교해보는 것은 투자하는 시간 대비 얻는 게 적은 것 같다.
그러나 '모두를 위한~' 강의는 'PyTorch로 시작하는~'강의에서 학습한 이론을 짧게 복습하는 용도로 활용했을 때 효과가 좋은 것 같다. 애초에 '모두를 위한~' 강의 교수님 말씀처럼 지하철에서도 오가며 들을 수 있도록 가볍게 만들어졌기 때문이다.
요약하자면 이론과 실습 모두 'PyTorch로 시작하는 딥 러닝 입문'으로 학습하고, '모두를 위한 ML/DL' 강의를 들으며 부족한 내용을 채우거나 복습하는 방식으로 진행하면 될 것 같다.
그리고 지난 포스팅에서 '이론과 실습을 학습하면서, 텍스트추가적으로 원래 목적인 face recognition이 가능한 모델을 다루기 위한 방법을 따로 모색해야겠다'라고 말한 바 있는데, 이것은 (남의 코드를 그대로 가져와서 사용하지 않는 이상) 어려울 것 같다.
그저 필요한 공부를 추진력 있게 하나씩 해 나가야겠다.
