혁펜하임님의 AI DEEP DIVE 강의를 수강하며 느낀 점들, 장단점과 타 강의와의 차이점을 적어보려고 합니다.
어떤 포지션에 있는가?
딥러닝 / 머신러닝을 처음 공부한다고 할 때 좋은 자료들은 굉장히 많습니다. PRML, 밑바닥으로부터 시작하는 딥러닝, 핸즈온 머신러닝 등 좋은 책 자료들부터, Coursera 등에서 수강할 수 있는 미국 유명 대학의 학부 강의도 참고해볼 수 있습니다.
책의 경우, 전체적인 내용의 완성도가 높다는 장점이 있는 반면 혼자 독파해나가기는 쉽지 않습니다. 강의 같은 경우는 내용을 풀어 설명하는 것을 들을 수 있어 접근성이 높지만, 내용을 얕게 다루거나 또는 금방 금방 넘어가서 완강을 하더라도 시간이 지나면 기억에서 휘발되는 경우가 다반수라고 생각합니다.
제 생각에 혁펜하임님의 AI DEEP DIVE 강의는 기존 책의 장점과 강의의 장점을 둘 다 살린 강의라고 생각합니다. 나아가 입문자 뿐만 아니라 어느정도 AI 관련 학습 경험이 있는 분들에게도 충분히 얻어갈 수 있는 게 많은 강의라고 생각합니다. 그 이유는 이 강의의 특징들을 살펴보면 알 수 있습니다.
강의의 특징
- 개념과 함께 나오는 찰진 비유
AI DEEP DIVE에서는 어떤 현상 또는 개념을 설명할 때, 상단의 식당 / 회사 예시와 같이 익숙한 사물을 예로 빗대어 설명하는 경우가 있습니다. 저는 개인적으로 이 방식이 굉장히 좋았습니다. 저는 단순히 Gradient Vanishing 문제를 시그모이드 접선의 기울기의 최댓값이 작아서라고 암기하고 있었는데, 이 설명을 통해 입력 데이터 층의 무효화 부분을 놓치고 있는 것을 깨달았습니다.
딥러닝을 처음 공부하는 입문자라고 하면, 이런 비유들이 처음 감을 잡는데 크게 도움이 될 것 같다고 생각합니다. 처음 보는 대상을 익숙한 대상으로 취급해 볼 수 있다는 건 그에 따른 생각의 폭도 훨씬 넓어질 수 있기 때문입니다.
- 실험 코드 제공
AI 분야는 자연과학 분야보다 실험적, 경험적 접근이 상당히 많이 시도되는 분야로 알고 있습니다. 관련 논문을 보더라도 거의 항상 실험과 성능 비교 표가 포함되어 있습니다. 이런 측면에서, 강의에서 설명한 내용을 실험을 통해 재확인 하는 흐름이 이렇게 공부를 해야되는구나라는 길잡이가 되었던 것 같습니다.
나아가 개인적으로 Chapter 7 부분에서 Batch Normalization, Loss landscape 등을 시각적으로 확인했을 때 설명하기 힘든 쾌감이 있었습니다. 들어보기만 했던 내용, 그냥 그런가보다 했던 내용이 눈으로 보니까 체감이 다르더라고요.
- 판서와 강의 자료의 적절한 조합
제가 접한 AI 강의 수업들 대부분은 PPT 화면을 띄워놓고 오디오로 설명하는 성격이 많았습니다. 때문에 이해가 안될 때는 강의를 멈춰놓고 수식을 따로 정리해보거나 구글링을 해야했던 적이 있었는데요, 본 강의는 판서를 따라가며 개념의 감을 잡고 강의 자료로 다시 한 번 정리해볼 수 있어 이해가 훨씬 용이했습니다.
강의자료 자체만으로 굉장히 완성도가 높기 때문에, 수업을 한 번 쭉 들어보고 강의자료를 훑어보며 스스로 자신에게 설명을 해주는 것도 좋을 것 같습니다.
느낀 점
학부 수업 이후로 공부했던 것들을 재정립 할 수 있는 시간이 부족했던 것 같습니다. 논문이나 여러 블로그 글들을 보면서 딥러닝 / 머신러닝 키워드들은 많이 접했지만, 정작 그것들을 설명한다고 했을 때 자신이 없었습니다. 이번 강의를 통해 파편화된 지식을 정리하고, 적어도 강의의 내용만큼은 많이 들어본 수준에서 정확히 아는 수준, 내 말로 설명할 수 있는 수준으로 올라온 것 같아 뿌듯합니다.
본 게시글은 패스트캠퍼스 [혁펜하임의 AI DEEP DIVE] 체험단 활동을 위해 작성되었습니다.
강의 링크 : https://bit.ly/3GV73FN
