책 링크
https://probml.github.io/pml-book/
케빈 머피의 책은 크게 2가지 버전이 있다.
“Probabilistic Machine Learning: An Introduction”과 “Probabilistic Machine Learning: Advanced Topics”
기본편
기본편은 번역본이 존재한다. 안 읽어봤는데 번역이 좋다고 하니까 살 사람은 사서 보도록
하지만 가격이 미쳤다. 72000원? 미쳤나? 근데 원서가격은 미국에서도 10만원이 넘어서
괜찮나?는 개뿔
난 비싸서 살 계획이 없다.
기본편은 진짜 기본적인 내용을 담고 있다. 내가 초보자면 케빈 머피 책은 안 보는게 좋긴하다.
읽어도 별로 와닫지 않을건데
기본편 가이드라인
-
ai에 관심이 생겨서 이제 시작해볼려고 한다. 하지만 이론적인걸 모른다. (이공계 학부 신입생, 비이공계 출신 개발자 등등) -> 미적분학, 미분 방정식, 선형대수학, 기초 통계학을 공부하고 이 책은 나중에 볼 것
-
나는 이공계 학부를 졸업했다. 공부하면서 미적분학, 선형대수학 등 공업수학을 공부했고 통계학도 어느정도 안다. 하지만 딥러닝 경험은 없다.-> 밑바닥부터 시작하는 딥러닝을 공부하며 클론코딩 후 관심있는 분야의 프로젝트를 할 것
-
이론을 실제로 적용해봤고 프로젝트도 1, 2개 해봤지만 지식의 정리가 필요하다.
-> 머피책 기본편을 볼 것
사실 난 기본편은 안 봐서 자세한 리뷰는 못한다. 하지만 목차를 보면 그래도 프로젝트 경험 1, 2개는 있는 상태가 적합하다고 생각한다.
심화편
probabilistic machine learning advanced topics
보통 심도있는 머신러닝 이론 책을 추천해주라고 하면
이 비숍책과
오늘 리뷰할 머피책을 추천 해준다.
둘 다 좋은 책이긴 한데 개인 취향인것 같다. 나는 비숍책은 위 번역본으로 봤고 머피책은 원서 pdf로 봤는데 머피책이 이해가 더 잘됐다.
머피책의 특징
프로젝트에 베이지안 뉴럴 네트워크와 베이지안 최적화를 적용하기 위해서 머피책을 보고 있는데
이런 목적성이 있으면 정말 좋다고 느낄 수 있다. 머피책의 목차를 보자.
- Introduction
- fundamental
- inference
- prediction
- generation
- discovery
- action
머피책은 하나의 큰 흐름으로 구성되어 있다.
대부분의 머신러닝 책이 분야별 주제를 모아놔서 백과사전 같은 느낌의 책이 많은데
머피책은 처음부터 끝까지 확률론적 머신러닝이란 큰 흐름을 유지한다.
책 제목과 내용이 정말 일관되게 일치하는 책은 오랜만이다. 제목 잘 지었다.
처음부터 여러 확률분포를 설명해준다. 왜? 뒤에서 계속 쓸거니까.
그 다음 베이지안에 대한 설명해주고 그걸 기본으로 깔고 머신러닝을 확률론적으로 해석한다.
그래서 처음부터 끝까지 하나의 큰 흐름이 계속 이어져서 좋다. 읽을때 내가 이 확률 이론과 머신러닝의 관점, 그리고 내가 실제 프로젝트에 어떻게 적용할까? 3가지를 중점적으로 생각하며 읽으면 굉장히 좋은 책 이다.
내용 자체는 깊진 않다. 각 상황별로 이런 저런 솔루션이 있다고 간단하게 소개하는 정도다. 그래도 내용이 많은 편이라 2달 정도면 충분히 읽을만한 책이라고 생각한다.
추천 상황
추천하고 싶은 상황은
-
미적, 선대, 해석, 위상수학 등등 수학적 기초가 있는데 확률론은 잘 몰라서 입문하고 싶은 경우
-
딥러닝은 많이 아는데 확률론적인 관점이 뭔지 궁금한 경우. 궁금하지 않아도 확률론적 관점을 모르면 보는걸 추천한다.
-
가벼운 마음으로 딥러닝 정리를 하고 싶다.
보면 안되는 상황
-
딥러닝 프로젝트를 진행해본 경험이 없다
-
수학적인 기초가 없다
-
딥러닝 논문을 많이 읽어보지 않았다.
1,2 같은 경우는 얻어갈게 없어서 추천하지 않는다.
3의 경우 머피책 읽을 바에 관심 있는 논문 읽는게 횔씬 좋다.
총평
입문자용으로 추천되곤 하는 데 절대 입문자용은 아니며(내용이 많음)
업계 종사자면 머리 식힐겸, 인공지능 학과생이면 독학으로 한 학기 정도 투자할만 하다.
내용은 정말 알차서 꼭 한 번 읽을만하다. 논문처럼 필수는 아니고 그냥 읽으면 좋을만한 책
