- 작성자가 질문을 받을 수 있는 게시판입니다.
- AMA는 Ask me anything (무엇이든 물어보세요)라는 뜻입니다.
Date | 16/01/30 19:02:10수정됨 |
Name | [익명] |
Subject | 아는 건 없지만 인공지능/기계학습은 쪼금 해봤습니다. |
작성자가 본문을 삭제한 글입니다. 0
|
각 언어에 대한 개별적 연구는 음성인식 성능 향상에 큰 영향을 주지 못한다고 생각합니다.
영어를 처리하는 기계학습기법은 그대로 국어에 적용가능하다고 생각하고, 결국 데이터를 얼마나 가지고 있느냐가 관건 같습니다.
다시 말해 구글의 영어 자막기능을 제작한 팀이 한국어 자막을 제대로 구현해야겠다고 생각한다면 한국어에 대한 연구를 시작하기 보다는 가장 먼저 한국어 음성 데이터를 사모은 다음 똑같은 방법으로 구현할 것 같습니다.
실제로 우리나라의 모 대기업의 경우 한국어를 전혀 모르는 외국인 연구원들이 데이터만 가지고 스마트폰의 한글 필기체 인식 시스템을 만들고 있는걸로 압니다.
영어를 처리하는 기계학습기법은 그대로 국어에 적용가능하다고 생각하고, 결국 데이터를 얼마나 가지고 있느냐가 관건 같습니다.
다시 말해 구글의 영어 자막기능을 제작한 팀이 한국어 자막을 제대로 구현해야겠다고 생각한다면 한국어에 대한 연구를 시작하기 보다는 가장 먼저 한국어 음성 데이터를 사모은 다음 똑같은 방법으로 구현할 것 같습니다.
실제로 우리나라의 모 대기업의 경우 한국어를 전혀 모르는 외국인 연구원들이 데이터만 가지고 스마트폰의 한글 필기체 인식 시스템을 만들고 있는걸로 압니다.
제가 공부 시작하던 때와 지금은 상황이 좀 달라져서...
클래식한 교재로는 C. Bishop의 Pattern Recognition and Machine Learning을 언제나 추천합니다만 요즘 대세인 모델들을 다루고 있지 않다는 단점이 있습니다.
요즘 시작하시는 분들은 교재 한 권 정해서 독학하기보단 인터넷에 공짜로 오픈되는 강의들이 많으니 찾아 들으시면 좋을 것 같습니다. 요새 업계 트렌드와, 편리하게 사용할 수 있는 툴 등을 많이 알려줄 것 같습니다. 뭐 다들 쟁쟁한 강사진을 갖추고 있을테니 제가 강의의 질을 평가하기는 힘들고 다만 처음엔 좀 쉽고 얕고 넓게 강의해주는 분 것부터 들으시면 ... 더 보기
클래식한 교재로는 C. Bishop의 Pattern Recognition and Machine Learning을 언제나 추천합니다만 요즘 대세인 모델들을 다루고 있지 않다는 단점이 있습니다.
요즘 시작하시는 분들은 교재 한 권 정해서 독학하기보단 인터넷에 공짜로 오픈되는 강의들이 많으니 찾아 들으시면 좋을 것 같습니다. 요새 업계 트렌드와, 편리하게 사용할 수 있는 툴 등을 많이 알려줄 것 같습니다. 뭐 다들 쟁쟁한 강사진을 갖추고 있을테니 제가 강의의 질을 평가하기는 힘들고 다만 처음엔 좀 쉽고 얕고 넓게 강의해주는 분 것부터 들으시면 ... 더 보기
제가 공부 시작하던 때와 지금은 상황이 좀 달라져서...
클래식한 교재로는 C. Bishop의 Pattern Recognition and Machine Learning을 언제나 추천합니다만 요즘 대세인 모델들을 다루고 있지 않다는 단점이 있습니다.
요즘 시작하시는 분들은 교재 한 권 정해서 독학하기보단 인터넷에 공짜로 오픈되는 강의들이 많으니 찾아 들으시면 좋을 것 같습니다. 요새 업계 트렌드와, 편리하게 사용할 수 있는 툴 등을 많이 알려줄 것 같습니다. 뭐 다들 쟁쟁한 강사진을 갖추고 있을테니 제가 강의의 질을 평가하기는 힘들고 다만 처음엔 좀 쉽고 얕고 넓게 강의해주는 분 것부터 들으시면 됩니다. 제가 MOOC들을 많이 들어본 게 아니라 더 좋은 게 있을지도 모르겠지만 아마 이 정도로 시작하시면 괜찮지 않을까 싶습니다. https://www.coursera.org/learn/machine-learning
그리고 말씀하신 선수강 과목에 선형대수가 없는데 선형대수도 나름 중요합니다.
제가 아는 주요 MOOC 관련 사이트들은 아래와 같습니다.
http://coursera.org
https://www.udacity.com
클래식한 교재로는 C. Bishop의 Pattern Recognition and Machine Learning을 언제나 추천합니다만 요즘 대세인 모델들을 다루고 있지 않다는 단점이 있습니다.
요즘 시작하시는 분들은 교재 한 권 정해서 독학하기보단 인터넷에 공짜로 오픈되는 강의들이 많으니 찾아 들으시면 좋을 것 같습니다. 요새 업계 트렌드와, 편리하게 사용할 수 있는 툴 등을 많이 알려줄 것 같습니다. 뭐 다들 쟁쟁한 강사진을 갖추고 있을테니 제가 강의의 질을 평가하기는 힘들고 다만 처음엔 좀 쉽고 얕고 넓게 강의해주는 분 것부터 들으시면 됩니다. 제가 MOOC들을 많이 들어본 게 아니라 더 좋은 게 있을지도 모르겠지만 아마 이 정도로 시작하시면 괜찮지 않을까 싶습니다. https://www.coursera.org/learn/machine-learning
그리고 말씀하신 선수강 과목에 선형대수가 없는데 선형대수도 나름 중요합니다.
제가 아는 주요 MOOC 관련 사이트들은 아래와 같습니다.
http://coursera.org
https://www.udacity.com
세부 구현은 물론 다르지만 구조적인 측면에서 그리고 기능적인 측면에서 닮은 부분이 있다고 생각합니다.
앞으로 더더욱 닮아질 가능성이 있다고 봐요. 지금까지는 레고 블럭 몇 개 가지고 쌓아보며 놀고 있는 수준이라 생각합니다. 그런데 이 레고의 구조적 조립이 자동화되고 그 조립 결과의 기능성에 대한 평가까지 자동화된다면 빠른 속도로 결합태의 진화가 일어날 것이고 특수 지능은 곧 사람을 따라잡고 일반 지능으로 넘어가기 전에 잠시 몇 가지 걸림돌에 의해 지연되다가 지금으로부터 20년 정도 안에 일반 지능까지도 비벼볼 수 있지 않을까 합니다.
그리고 사람의 저수준 인지 능력의 구현에는 딱히 대단한 수준의 모델이 필요없다는 것이 지금까지의 인공지능 분야 결과들이 시사하고 있는 것 같습니다.
앞으로 더더욱 닮아질 가능성이 있다고 봐요. 지금까지는 레고 블럭 몇 개 가지고 쌓아보며 놀고 있는 수준이라 생각합니다. 그런데 이 레고의 구조적 조립이 자동화되고 그 조립 결과의 기능성에 대한 평가까지 자동화된다면 빠른 속도로 결합태의 진화가 일어날 것이고 특수 지능은 곧 사람을 따라잡고 일반 지능으로 넘어가기 전에 잠시 몇 가지 걸림돌에 의해 지연되다가 지금으로부터 20년 정도 안에 일반 지능까지도 비벼볼 수 있지 않을까 합니다.
그리고 사람의 저수준 인지 능력의 구현에는 딱히 대단한 수준의 모델이 필요없다는 것이 지금까지의 인공지능 분야 결과들이 시사하고 있는 것 같습니다.
이론적인 모델을 세워 만드는 방식은 레고 블럭 하나 하나를 정교하게 설계하는 것과 마찬가지라 생각합니다. 이제는 훨씬 큰 모델을 만들어야 할 때이고 블럭 하나하나에 그렇게 큰 시간과 정성을 쓸 수도 없을 뿐더러 그렇게 만든 블럭이 범용적이지도 않다고 생각합니다. 아무리 잘 깎은 레고 블럭이라도 그 갯수가 서너개라면 만들 수 있는 것은 제한적이고, 이론에서 기반하는 가정이 항상 성립하는 것도 아닐 뿐더러 점근적으로 최적에 수렴한다는 이론들 중 다수가 실제로 가지고 있는 데이터들도 다 처리하지 못하는 경우도 많기 때문에요. 따라서 다른... 더 보기
이론적인 모델을 세워 만드는 방식은 레고 블럭 하나 하나를 정교하게 설계하는 것과 마찬가지라 생각합니다. 이제는 훨씬 큰 모델을 만들어야 할 때이고 블럭 하나하나에 그렇게 큰 시간과 정성을 쓸 수도 없을 뿐더러 그렇게 만든 블럭이 범용적이지도 않다고 생각합니다. 아무리 잘 깎은 레고 블럭이라도 그 갯수가 서너개라면 만들 수 있는 것은 제한적이고, 이론에서 기반하는 가정이 항상 성립하는 것도 아닐 뿐더러 점근적으로 최적에 수렴한다는 이론들 중 다수가 실제로 가지고 있는 데이터들도 다 처리하지 못하는 경우도 많기 때문에요. 따라서 다른 부분과 맞물려 돌아가기 좋은 범용적인 레고 블럭들을 많이 모아서 무수히 많은 데이터들로 큰 모델을 조립하는 방법이 압도적으로 우세인 상황인 것 같습니다. 그리고 데이터들로 인해 나중에는 그 모양이 알아서 더 잘 깎이구요. 이론적 모델이 가지는 강점 중에 하나가 같은 크기 대비 효율성이었는데 이제 효율성에서도 밀린다면 사용할 이유가 별로 없는 것 같습니다. 물론 그런 경험들에서 얻은 감각은 큰 모델의 분석틀을 마련하는 데 혹은 특정 좁은 분야의 문제를 빠르고 효과적으로 푸는 데에 유용할 것 같습니다.
현재 상황은 범용적인 다수의 레고블럭들을 큰 틀에서 어떤 패턴으로 구성해야 더 효과적인가, 어떤 형태의 블럭들이 어떤 패턴과 잘 어울리는가를 비교해보는 단계로 보입니다. 그 다음으로는 딥마인드가 앞서 탐색하고 있는 것처럼 행위자(agent)를 어떻게 잘 구성할 것인가 고민하기 시작할 것 같습니다.
현재 상황은 범용적인 다수의 레고블럭들을 큰 틀에서 어떤 패턴으로 구성해야 더 효과적인가, 어떤 형태의 블럭들이 어떤 패턴과 잘 어울리는가를 비교해보는 단계로 보입니다. 그 다음으로는 딥마인드가 앞서 탐색하고 있는 것처럼 행위자(agent)를 어떻게 잘 구성할 것인가 고민하기 시작할 것 같습니다.
커리큘럼 같은 건 성공한 사람이나 해줄 수 있는 조언 같아요. 전 그런 사람이 아니라는 걸 참고하세요.
대가들을 보면 그 당시에는 관련 학과가 없는거나 마찬가지였기 때문에 전공이 전산학 전자공학 물리학 통계학 등입니다.
일단 핫바리인 제 생각은 지금 시점에서는 굳이 물리학 할 필요는 없어보이고... (물리학 전공인 대가라면 물리저공 학사를 좋아할 것 같습니다만)
. 좋은 대학 전산/전자 학부 졸업 후 해외 대학원 (가능하면 국내 대학원 가지 마세요. 이건 수많은 동지들이 이구동성으로 하는 말이에요)
. 전부 컴퓨터로 하는... 더 보기
대가들을 보면 그 당시에는 관련 학과가 없는거나 마찬가지였기 때문에 전공이 전산학 전자공학 물리학 통계학 등입니다.
일단 핫바리인 제 생각은 지금 시점에서는 굳이 물리학 할 필요는 없어보이고... (물리학 전공인 대가라면 물리저공 학사를 좋아할 것 같습니다만)
. 좋은 대학 전산/전자 학부 졸업 후 해외 대학원 (가능하면 국내 대학원 가지 마세요. 이건 수많은 동지들이 이구동성으로 하는 말이에요)
. 전부 컴퓨터로 하는... 더 보기
커리큘럼 같은 건 성공한 사람이나 해줄 수 있는 조언 같아요. 전 그런 사람이 아니라는 걸 참고하세요.
대가들을 보면 그 당시에는 관련 학과가 없는거나 마찬가지였기 때문에 전공이 전산학 전자공학 물리학 통계학 등입니다.
일단 핫바리인 제 생각은 지금 시점에서는 굳이 물리학 할 필요는 없어보이고... (물리학 전공인 대가라면 물리저공 학사를 좋아할 것 같습니다만)
. 좋은 대학 전산/전자 학부 졸업 후 해외 대학원 (가능하면 국내 대학원 가지 마세요. 이건 수많은 동지들이 이구동성으로 하는 말이에요)
. 전부 컴퓨터로 하는 일이다보니 컴퓨터 잘하는게 좋습니다. 아이디어를 프로그램으로 구현해내는 능력...
. 수학 약간 (수학을 무서워하지만 않을 정도면...)
. 기본적인 영어
. 구글링
저는 굉장히 잡다하게 강의듣고 혼자 도서관에서 재밌어보이는 책들 찾아보고 대학원 연구실 연수생 활동을 했습니다.
대가들을 보면 그 당시에는 관련 학과가 없는거나 마찬가지였기 때문에 전공이 전산학 전자공학 물리학 통계학 등입니다.
일단 핫바리인 제 생각은 지금 시점에서는 굳이 물리학 할 필요는 없어보이고... (물리학 전공인 대가라면 물리저공 학사를 좋아할 것 같습니다만)
. 좋은 대학 전산/전자 학부 졸업 후 해외 대학원 (가능하면 국내 대학원 가지 마세요. 이건 수많은 동지들이 이구동성으로 하는 말이에요)
. 전부 컴퓨터로 하는 일이다보니 컴퓨터 잘하는게 좋습니다. 아이디어를 프로그램으로 구현해내는 능력...
. 수학 약간 (수학을 무서워하지만 않을 정도면...)
. 기본적인 영어
. 구글링
저는 굉장히 잡다하게 강의듣고 혼자 도서관에서 재밌어보이는 책들 찾아보고 대학원 연구실 연수생 활동을 했습니다.
커리큘럼 같은 건 성공한 사람이나 해줄 수 있는 조언 같아요. 전 그런 사람이 아니라는 걸 참고하세요;;
통계학도 상관있습니다. 전통적으로? 기계학습의 양대 기본소양이 선형대수 & 확률통계였습니다. 필수인가?라고 물으면 조금 갸웃할 수도 있지만 결국 다른 연구자들이랑 의사소통 하려면 필요하게 될 거니까 아직 학부생이시면 들어놓으시는게 백번 이득입니다. 알면 무조건 좋습니다.
어쨌든 전산학 관련은 많이 아실수록 좋은데 프로그래밍 언어를 공부하시겠다면
C++, 파이썬, 매트랩 정도 써보시면 될 것 같고 곁가지로 LISP 계열 ... 더 보기
통계학도 상관있습니다. 전통적으로? 기계학습의 양대 기본소양이 선형대수 & 확률통계였습니다. 필수인가?라고 물으면 조금 갸웃할 수도 있지만 결국 다른 연구자들이랑 의사소통 하려면 필요하게 될 거니까 아직 학부생이시면 들어놓으시는게 백번 이득입니다. 알면 무조건 좋습니다.
어쨌든 전산학 관련은 많이 아실수록 좋은데 프로그래밍 언어를 공부하시겠다면
C++, 파이썬, 매트랩 정도 써보시면 될 것 같고 곁가지로 LISP 계열 ... 더 보기
커리큘럼 같은 건 성공한 사람이나 해줄 수 있는 조언 같아요. 전 그런 사람이 아니라는 걸 참고하세요;;
통계학도 상관있습니다. 전통적으로? 기계학습의 양대 기본소양이 선형대수 & 확률통계였습니다. 필수인가?라고 물으면 조금 갸웃할 수도 있지만 결국 다른 연구자들이랑 의사소통 하려면 필요하게 될 거니까 아직 학부생이시면 들어놓으시는게 백번 이득입니다. 알면 무조건 좋습니다.
어쨌든 전산학 관련은 많이 아실수록 좋은데 프로그래밍 언어를 공부하시겠다면
C++, 파이썬, 매트랩 정도 써보시면 될 것 같고 곁가지로 LISP 계열 한 번 들여다보시면 다른 프로그래밍 언어도 이해하는 데 도움이 됩니다. 온라인에 공개되는 관련 모델들은 제가 봤을때 이 세 언어를 벗어나는 일이 거의 없습니다. 최소한 이 쪽 API는 구비하고 있습니다.
공개된 좋은 라이브러리가 많기 때문에 제 주변엔 C++ 잘 몰라도 파이썬 이용해서 쏠쏠히 쓰는 사람도 있습니다.
그래도 개인적으로는 기본적인 C++, 파이썬, 매트랩 이 세 개는 거의 기본 스킬셋이라 생각하고 있습니다.
아직 학부 저학년이시면 자료구조, 알고리즘도 들어놓으시면 도움이 될 것 같습니다.
통계학도 상관있습니다. 전통적으로? 기계학습의 양대 기본소양이 선형대수 & 확률통계였습니다. 필수인가?라고 물으면 조금 갸웃할 수도 있지만 결국 다른 연구자들이랑 의사소통 하려면 필요하게 될 거니까 아직 학부생이시면 들어놓으시는게 백번 이득입니다. 알면 무조건 좋습니다.
어쨌든 전산학 관련은 많이 아실수록 좋은데 프로그래밍 언어를 공부하시겠다면
C++, 파이썬, 매트랩 정도 써보시면 될 것 같고 곁가지로 LISP 계열 한 번 들여다보시면 다른 프로그래밍 언어도 이해하는 데 도움이 됩니다. 온라인에 공개되는 관련 모델들은 제가 봤을때 이 세 언어를 벗어나는 일이 거의 없습니다. 최소한 이 쪽 API는 구비하고 있습니다.
공개된 좋은 라이브러리가 많기 때문에 제 주변엔 C++ 잘 몰라도 파이썬 이용해서 쏠쏠히 쓰는 사람도 있습니다.
그래도 개인적으로는 기본적인 C++, 파이썬, 매트랩 이 세 개는 거의 기본 스킬셋이라 생각하고 있습니다.
아직 학부 저학년이시면 자료구조, 알고리즘도 들어놓으시면 도움이 될 것 같습니다.
1. 전자공학입니다.
2. 늑대님의 배경과 진로와 비전을 모르니 뭐라 말씀드리기 힘듭니다. 시스템 프로그래밍이 좋은 과목이라 생각합니다만 필수는 아니고, 늑대님이 생각하는 방향에서 필요 없다면 안들으셔도 뭐 상관없다 생각합니다. 말씀하신 뒤의 두 과목도 과목명만 봐서는 교수가 어떻게 구성했을지는 알 수 없기 때문에 뭐라 말씀드리기도 힘드네요. 전 뭐 손에 잡히는대로 했습니다. 시스템 프로그래밍과 무관한 학과시라면 스킵하시고 먼저 인공지능 관련 수업을 들어보시길 추천드립니다. 그 다음엔 정보 이론(Information Theory) 쪽을 들어보시는 것을 추천드립니다. 선형대수 확률이론을 배우지 않는 학과시라면 정보이론 전에 이 과목들을 먼저 접하시는 것이 좋습니다.
2. 늑대님의 배경과 진로와 비전을 모르니 뭐라 말씀드리기 힘듭니다. 시스템 프로그래밍이 좋은 과목이라 생각합니다만 필수는 아니고, 늑대님이 생각하는 방향에서 필요 없다면 안들으셔도 뭐 상관없다 생각합니다. 말씀하신 뒤의 두 과목도 과목명만 봐서는 교수가 어떻게 구성했을지는 알 수 없기 때문에 뭐라 말씀드리기도 힘드네요. 전 뭐 손에 잡히는대로 했습니다. 시스템 프로그래밍과 무관한 학과시라면 스킵하시고 먼저 인공지능 관련 수업을 들어보시길 추천드립니다. 그 다음엔 정보 이론(Information Theory) 쪽을 들어보시는 것을 추천드립니다. 선형대수 확률이론을 배우지 않는 학과시라면 정보이론 전에 이 과목들을 먼저 접하시는 것이 좋습니다.
목록 |
|