Don’t learn machine learning

[@jocoding]

진짜 공감되는 학습 방법이네요! learn by doing이 최고인 것 같습니다ㅎㅎ 좋은 영상 감사합니다!

[@ender9541]

찐이다

[@잡식스]

귀한곳에 귀한분이....

[@Qtsfwt161]

와

[@CoreanoLatina]

조느님

[@deeplearningbro]

전공자로서 너무 공감합니다. 수학 정말 중요하지만 예제를 통해 구조나 라이브러리를 배워가는 것도 매우 중요하다고 생각해요. 어떤 목적으로 공부하는지가 중요하네요.

[@bbanghyong]

맞아요 무엇이든지 목적이 중요한거같아요.

[@HanNyangDuNyang]

제가 learn by doing으로 회사생활에서 정말 이득을 많이 봤습니다. 실제로 제가 연구자가 아니라 사업부소속 개발자였기때문에 먼저 해보고 부족한점을 채우니 필요한것만 알아가게 되더라구요. 요즘 딥한사회에서 지식은 린하게 스펙트럼을 넓고 다양하게 채우는것도 정말 중요합니다. 응용의 분야는 상상이상으로 무궁무진합니다.

[@changyongkang7651]

빵형의 개발도상국님 공감합니다^^

[@NOTHINGYOU]

공감합니다 대학원에서 연구적으로 공부할게아니라면 깃허브에 올라와있는 오픈소스를 구동해보면서 구동원리를 이해하고 사용해보는게 좋죠

[@jaeyalee5237]

어떤것을 먼저 직접 만들어보면서 시도하라는말에 공감합니다. 문제는 제대로 알려면 결국 다 배울수 밖에 없다는건 함정.

[@jkun86]

저도 공감. 다만 먼저 시도하면서 추가 학습하는 디테일은 본인이 좀더 구체적으로 필요해서 찾아보며 깊이를 더하는거라, 이 방법이 더 좋은듯합니다 !

[@라이덕]

개발자 입장에서 너무나 당연하게 생각해왔던 부분이고, 현업의 리서처들 만날 때마다 모르는 용어 튀어나오면 불편한 부분이기도 합니다. 여기저기서 짜집기하다가 만들고, 결과값 근사하게 나오면 됩니다. 이론적인건 뭐 더 알고 싶으면 파는거고 아니면 마는거죠.

[@GM-dn4xg]

대학원에서 AI연구을 하고 있는 학생입니다. 머신러닝을 배우는 이유는 새로운 모델을 만들기 위해서입니다. 그러니 AI를 만드리시기를 원하시는 분은 확실하게 돌려보는 것이 가장 좋습니다. 실제로 무료 api도 많기도 하니까요.

[@이제훈-h7t]

저도 이 강의 안들었으면 머신러닝에 나오는 수학들을 바탕으로 공부할려고했었는데 어려운 방법으로 접근할뻔했네요..저의 공부방식바꿔준 빵형님께 감사함을 드립니다

[@백상봉-t1c]

공감합니다.. 예전에 RSA 알고리즘을 이해하기 위해 정수론을 공부한적이 있어요. 개인적으로 이론에 관심이 많아서 개발할때는 필요없는 이론들을 공부했습니다. 지금은 인공지능 취업을 해야하는데 이론 좋아한다고 이론만 계속 공부했어요(비숍의 책).. 그런데 막상 취업하려니 .. 잘 안되더라구요.. 이론은 석박사 나오지 않은 이상.. 그리고 블로그 같은곳에 공부한것들을 잘 정리해서 '내가 이정도 공부했다' 고 알리지 않는 이상 .. 사람들이 알아주지 않아요. 취업을 하기 위해서는 어떤 제품을 만드는것이 중요하다는 것을 깨달았습니다. 이론또한 중요하고 앞으로도 계속 할거지만 .. 일단 취업하기 위해서는 어떤 제품을 만드는 것이 중요한거 같습니다. 학원에서 실제 비전, NLP 프로젝트를 하는 연구원들을 만나볼 기회가 있었는데 그 사람들도 왠만하면 pretrain 된걸 사용한다고 하네요.. 모델을 처음부터 만드는 경우는 별로 없는것 같습니다.. 있더라도 기존 모델에서 조금 수정하는 정도구요. 그리고 한가지 중요한 사실은 한국에 인공지능 개발기업들이 처음에는 인공지능 석박사 학위자들을 위주로 인력을 뽑았는데 지금은 인공지능과 개발을 동시에 할수있는 사람을 원한다고 하더군요.

[@spiral_888]

Learn by doing 제가 좋아하는 방식이에요. 부딪혀 보는걸 좋아합니다 ㅋㅋ 하다보면 필요에따라 중간에 공부도 같이 하고. 그래도 정의를 먼저 선행 해두면 빨리 습득되기도 하고 참 공부방법에는 정답은 없다고 느껴지네용. 항상 잘 보고있습니다 감사합니당

[@두루미-t6c]

학문적 수학적으로 하다가 여기까지 오게 되었습니다. 빵형님 감사합니다 !!

[@로로로-c9i]

공감하네요 저도 실제로 전이학습, ocr 패키지만으로 상용제품을 만들고 성능 개선을 위해 추가적으로 개념적인걸 살펴보니 이해가 훨씬 잘됐어요. 각종 시험에서 거꾸로 공부법이 있는데요. 이론 다 무시하고 일단 기출문제부터 푸는 방식이요. 일단 뭔가 만들어 보는것 만큼 개괄적인걸 파악하기 쉬운건 없는것 같아요.

[@sigppang]

일단 할줄 알고나서 이해를 하는게 낫다... 많이 공감합니다....

[@심재환-e3g]

논문 최전선에서 구현되는 알고리즘을 코드로 옮기려면 수학적으로 증명되고 수식으루어진 논문을 코드로 옮길수 있는 수식 리딩 능력이 필요합니다. 또한 최적화할 수 있는 수학적 인사이트도 있어야 합니다. 하지만 배우는 과정에서 지난친 수학스탯 찍기는 결국 나중에 가서 코딩은 하나도 못하는 결과가 발생합니다. 주변에서 많이 봤습니다. 심지어 학습데이터와 테스트데이터를 코드로 직접 못 나누는 사람도 봤어요. 그런 사람은 머신러닝 엔지니어가 아니라 머신러닝관련 논문을 잘 읽는 수학자 이상 이하도 아닙니다.

[@yeaves]

반대로 동작원리는 모르고 라이브러리만 갖다가 쓰는 사람도 있습니다. 그런 사람들 보고 머신러닝 엔지니어라 부르기는 무리가 있다고 생각해요. 시간은 한정되어있고, 해야할건 많으니 적절하게 양쪽다 취하는게 맞다고 생각합니다.

[@HowToOrbit]

마치 게임을 만들려면 게임엔진 만들생각 말고 그냥 있는 엔진써서 만들으라는건가

[@korea_youtubes]

@@bigshot2138 다른사람들 모르면 보고하라는거죠

[@daseuljeong2858]

우선 댓글부터 쓰겠습니다 감사합니다 잘보겠습니다 !

[@아브라카다브라-s4m]

맞는말 개발을 할건지 연구를 할건지 이 방향이 제일 중요하죠. 일단 하는 방법이 좋죠 이건 동기부여와도 직결됩니다. 이미 나와있는 라이브러리나 오픈소스가 잘되어있고 일단 해보는게 좋습니다

[@김아무개-f9v]

수학 석사전공하고 현업에서 인공지능 개발하는 사람으로서 이건 답이 없다고 생각합니다. 왜냐면 둘다 중요하거든요. 수학이나 컴퓨터 이론(이론)과 개발의 비중은 정확히 5:5 같습니다. 뭐 먼저할지는 중요하지 않아요. 왜냐면 “쓸만한, 이해하고 개발할 줄 아는 사람”이 되려면 둘다 해야하거든요. 그냥 개취입니다. 바텀업이든 탑다운이든 둘다 해야하거든요. 그런의미에서 빵형의 결론은 조금은 틀렸다고 생각합니다. 탑다운으로 해도 되지만 바텀업이 안좋다는 말에 전혀 동의하진 않거든요. 그냥 개취에요 ㄹㅇ. 그러니까 A가 먼저든 B가 먼저든 둘다해야하는건 마찬가진데, 외국인이 B를 먼저했으니까 “A 먼저하는건 틀렸다”는 말은 틀렸다는 거죠. 이론만 하고 구현이나 개발을 안하는 사람들은 결국 실행력이 없는 개발자가 됩니다. 결국은 직업 자체가 ‘개발자’이기 때문에 개발을 잘해야 하거든요. 반대로 이해도 없이 개발만 하는 사람들의 단점은 커스텀에 취약하다는 겁니다. 물론 돌아가게 하긴 하겠죠. 하지만 성능을 끌어올리기 어렵고, 커스텀에 취약합니다. 왜냐면 천편 일률적인 데이터를 통해 같은 모델을 만드는 것이라면 괜찮겠지만, 자기 회사의 사정에 맞는 특화된 모델을 개발해야하는데 그건 못하는거죠. 아무튼 이런이유로 둘다 잘해야합니다. 산을 올라가는 길이 하나만 있는건 아니잖아요. 어느길로 올라가든 정상만 찍으면 됩니다. 엄홍길이 가는 길만 정상가는 길은 아니니까요. 영상에서는 엄홍길이 알려준 길이 정상가는 길이므로 다른길로 가면 안된다는 듯한 뉘앙스라 아쉽네요.

[@김민준-k8c6u]

적절한 타이밍에 적절한 영상이 올라오네... 유튜브 신기하다...

[@yumu3655]

정말 중요한 말씀입니다. 다들 이렇게 공부하고 있죠.

[@erami0588]

와..저도 정말 공감하고 듣고 싶었던 이야기. 뭘로 만들었는지 이해하고 직접 만드는게 맞다고 봐여! 감사해염~

[@강인수-l2m]

항상 좋은 영상 감사합니다.

[@AJK544]

좋은 내용 감사합니다. 저는 둘 다 중요하다고 봐요. 모든 분야는 기초가 탄탄한게 중요하다고 생각해요ㅎㅎㅎ 다만 시간이 오래 걸릴 뿐이죠 ㅎㅎㅎ

[@galtae]

진짜 도움 되는 글이네요

[@rainystreet511]

저 관점은 실용적이기는 한데 실질적이지는 않은 조삼모사에 가깝습니다. 문제가 뭐냐 하면 머신러닝에 대한 기반 지식없이 라이브러리 사용하여 어떤 프로그램을 만드는 것은 이미 대부분의 개발자가 할 수 있는 것들이고, 누가 그것을 할 줄 몰라서 안하는 것이 아니라는 것이죠. 자기가 토이 프로젝트를 할 수는 있을 지언정, 제대로 된 회사라면 그런 사람에게 머신러닝 프로젝트를 맡기지는 않겠지요. 프로그래밍도 되면서 머신러닝 관련 학위도 있는 사람이 있는데, 왜 코딩만 할 줄 아는 프로그래머에게 굳이 머신러닝 프로젝트를 맡기겠습니까? 라이브러리 사용해서 뭔가 구동되게는 할 수 있지만, 최적화를하고 문제를 개선해 나가려면 결국 머신러닝 전반의 기반 지식이 필요하게 됩니다.

[@yeaves]

맞말

[@kimhyungchae]

서비스 할 정도의 머신러닝 프로그래밍 하려면 현재 오픈소스로 나와있는 텐서 같은 라이브러리로 부족한가요?

[@유명한]

사실 머신러닝을 알고리즘을 만드는 쪽이 아니라면 이론쪽은 사용할 알고리즘들에 대해서 어떤 경우에 쓰이는지 정도만 알고 있으면 됨

[@ksungm1214]

실무와 이론은 다릅니다. 이론이 탄탄하면 더 좋겠지만 실무를 보장하진 않습니다. 마치 경제학 교수가 주식을 잘하지 못하듯 화공박사가 화학공장 생산라인을 제대로 관리한다는 보장이 없듯..

[@고양이타마옹]

그래서 지금 뭔가 이루어 내신게 있으실까요? 궁금하네요 , 꼭 AI관련 영상들에만 이런식 댓글이 있네요. 그분들 밥그릇 위협 받으시는지 ㅎㅎㅎㅎ

[@antoniochoi9806]

항상 잘보고 있습니다. 감사합니다~

[@user-y3y6y9]

캡슐화와 은닉, 인터페이스 사용이 업계의 철학이니 사실 당연한 얘긴데 예전부터 그걸 역행하는 사람들이 좀 많긴 했죠

[@warpirecords3767]

무조건 기본부터 하고싶어서 책부터 사는 습관이 있었는데.. 탑다운 형식의 공부법이라는 키워드를 듣고 다시한번 제 공부방식에대해 생각해보게 되네요..

[@parkdh3582]

코딩이랑 아무상관 없는 전공이고 현재 직업도 아무 상관 없는 분야지만 게임 매크로 만들면서 코딩 배웠던 사람으로 매우 공감합니다

[@HumpWhale3]

좋은 내용 잘 봤습니다. 감사합니다.

[@morris7223]

15초 듣고 좋아요 구독 합니다

[@igmyung2535]

좋은 내용 갑사합니다. 공감이 많이 됩니다.

[@logic_alogic_b616]

동감합니다 ㅎㅎ 항상 잘보고 있어요

[@강동헌-f8c]

역시 빵형!! 빵형님 영상을 보다가 코딩을 시작해서 이제 어디가서 기초는 할수 있다고 말할 수준이 됬네요ㅎㅎㅎ

[@TheSpacePopcorn]

아...너무 공감되고 도움되는 내용입니다!

[@fishduke1]

항상좋은 영상 감사합니다 ^^

[@남경만-o8d]

좋은 내용이네요.

[@건강쟁이-z2r]

좋은 영상 항상 감사해요!! 선댓글

[@wealloncenoob]

어차피 수학적 통계는 수학자들이 해주는거고 프로그래머는 정리된 결과만 가지고 제품을 만드는거임 쉽게 말하면 라이브러리 이해안해도 걍 사용하는것처럼 이게 뭔지 이해하지말고 필요한 요소만 알면됨

[@LOGeverything]

맞는 말이긴 하지만, 이해하려면 기본적인 이해도가 있으면 더 빠르게 배울 수 있는 것 같다고 생각합니다

[@johnkim2093]

Learn By Doing 공부방식을 지향하긴하나 모델을 실제 서비스에 적용시키려면 Fine-Tuning은 필수라고 생각합니다.. 아니면 그냥 토이프로젝트성으로 겉핥기식으로 공부한거죠ㅋㅋ 스프링 사용해서 웹앱을 개발했는데 IoC, DI도 모르고 그냥 돌아가게 만드는건 어렵지 않습니다. 하지만 모든지 최적화가 들어가는순간 내부구조를 알아야해요. 결국 모델도 학습 과정이나 모델 구조, 논문 보면서 Case-Study는 해야한다는말이고 (그럼 자연스레 통계랑 선형대수학 해야합니다) fine-tuning까지 가보지 않을꺼면 시작을 안하는게 낫다라는게 제 결론입니다.

[@MrManaPoint]

학습 접근 방식은 그게 진리인거 같아요. 처음 말을 배울 때 철자와 문법부터 공부하지 않듯이...

[@정유성-c7n]

우리나라 엔지니어 마인드셋이 모두 이와 같다면 그 어떤 분야에서도 선두도 할수없고, 베이스논문도 나오지 않을거같은데요? 기초적인 선형대수, 머신러닝 지식이 있어야 그에 맞는 데이터 자신이 원하는 결과를 위한 데이터 전처리가 가능하지 않나요? 그냥 대충 gpt나 사람들이 만들어놓은 라이브러리 활용해서 만드는 어플은, 앱개발공부인가요 아님 딥러닝 공부인가요?

[@ccggcc4635]

정말 좋은 영상 감사합니다. 진심입니다

[@stream_owner]

저도 같은 생각인게 ml 리서처가 될게 아닌데 깊이깊이 파고드는건,,, 시간이 아주 많이 들수가 있고 배운다고 하더라도 효용이 적을수있어요. 배운다는건 어떤 결과를 내기 위해서인데 개인으로써 머신러닝을 판다고 어떤 결과가 잘 나오냐는 아닌거같네요. 연구하는 입장에서도 인공지능은 개인의 능력도 중요하지만 조직적인 투자나 팀 구성이나 다 맞아 떨어져야 큰 발견이 나올수있음. 그리고 인공지능 가지고 사업할거면, 오픈소스 갖다쓰고 입맞에 맞춰 파인튜닝 하는게 대부분이고 더 나아가서 하면 최신논문 구현하는건데… 차피 사업할거면 관련 전문가한테 외주 맡기면 더 잘해줌 ㅎㅎ

[@martintc8369]

좋은글 감사합니다

[@윤진건-m1g]

ㅎㅎ 정말 맞는말인거 같아요

[@eunchankim9137]

진짜 감사합니다 형님

[@진섭김-q4c]

잘 보고 갑니다.

[@괄라말라꺙이알라말라]

저 궁금한게 있는데 머신러닝 딥러닝을 배우고 싶은데 제가 코딩을 아예 몰라서 어디부터 해야할지 모르겠어요 스크래치정도밖에 할줄 몰라서 머싱러닝이나 딥러닝을 배우려면 어디서 부터 기초를 배워야 하나요?

[@timetree4124]

흥미를 끄는걸 우선시해서 실습부터 하는 건 항상 좋은 공부법이 되는 것 같습니다! 그래도 머신러닝 직접 배워보는 것도 꽤 재밌어요 ㅎㅎ 뭔가를 배운다는 개념을 수학적으로 풀어서 기계로 옮긴 학문인 듯 합니다. 실상은 통계학 만렙이지만...

[@jen2b1ng60]

저는 그래픽 디자인 전공하고 있는 정말 기초단계에 입문한지 얼마 안된 학생인데.. 구상한대로 코딩을 쓸 수 있기까지는 얼마나 걸릴까요?? ㅠㅡㅠ 잘하고싶은데 보면볼수록 돌아버리겠어요

[@bbanghyong]

시간으로 말씀드리면 꾸준히 세달하시면 기본적인 것들은 구현할 수 있어요. 시간을 얼마나 투자하는지 보다는 마음가짐이 중요하다고 생각해요! ㅎㅎ 조급해하지마시고 차근차근 자료 찾아서 꾸준히 무언가를 만들어보세요.

[@maximumjuju]

감사합니다

[@seoul_Jin500]

감사합니다.

[@minsukim6837]

이거 좋네요!

[@abcdefg12312]

망할 책들이 페이지 늘릴려고 시작하자마자 행렬부터 설명하고 있으니 엄두가 안났는데 핵공감이네요. 머신런닝도 결국 복붙으로 정벅 ㅋㅋㅋ

[@bbanghyong]

복붙으로 정벅!! ㅋㅋㅋㅋㅋㅋㅋ

[@yeaves]

ㅋㅋ페이지늘릴려고가 아니라 필요한거니까요... 페이지 늘린다는 발상이 신박하네요.

[@hellopangx2]

Learn by doing!!

[@SW-ly9sc]

댓글이 자꾸 삭제됩니다 ㅠ 안녕하세요 빵형님! 진지한 고민이 있습니다. 저는 학부를 미디어쪽을 나왔고, 졸업할때 쯔음에야 머신러닝에 관심이 생겨 공부하게 되었습니다.(답글에 이어집니다)

[@SW-ly9sc]

어찌 석사과정에 들어오게 되었는데 고등학교때 수학을 아예 포기해버려서, 논문을 보면 수식 자체를 이해할 수가 없습니다 ㅠ 영상에 나온대로, 수학 자체에 대한 접근보다는 직접 구현해보면서 공부하고 있는데요. 저는 응용적인것 그리고 연구적인것 사이에 확실하게 응용적인게 재미있었습니다. 예를 들자면

[@SW-ly9sc]

GAN에서도 StyleGAN이나 TecoGAN코드가 올라온 깃허브에 코드를 내려받아 제 데이터셋으로 실험해보고, 파라미터 수정해보고 출력물을 내보는게 흥미로웠는데 모델 설계나, 최적화 쪽은 뭔가 머리아프고 솔직히 말해서 하기가 싫었습니다 ㅠ 세미나를 할때도 , 이 모델이 어떤 문제를 해결하기 위해 나온 개념인지, 또 어떠한 출력물이 나오는지, 어떤 학습인지는 어느정도 이해할 수 있었는데

[@SW-ly9sc]

메소드 부분에서 이 수식이 의미하는게 뭔지. 입력값과 출력값이 정확히 뭔지. 이런 수치가 들어가면 결국 어떤 값이 출력되는지 질문을 받으면 단 하나도 답할 수 없었고 할떄마다 스트레스를 너무 받았습니다. 이런 제가 졸업하고 취직하고도 일이나 제대로 할 수 있을지 걱정이 되고, 연구적인것 말고 응용연구 서비스쪽으로 엔지니어링 쪽으로 취직을 할 자리도 많이 있을지 현업은 어떤지 궁금합니다. 진짜 역량이 안된다면... 다시 미디어쪽으로 전향해야할지도 크게 고민되구요..

[@SW-ly9sc]

아무리 노력 노력하지만 수학을 오래전부터 포기한 이상 통계 기초도 없고 선형대수는 아무것도 모르고 기벡은 아예 백지상태고 한데 딥러닝에 수학이 빠지면 대체 뭘 하려는 거냐 라는 얘기를 많이 듣기도 해서 걱정입니다. 수학이 싫으면 정말 포기하는게 맞을까요?

[@몰루-m6f]

저도 아직 공부하는 입장이라 매우 조심스럽지만, 작성자분이 석사과정을 밟고 계시는거면 아마 데이터 사이언티스트쪽의 일을 원하시는것같은데, 이 경우는 수학공부가 필수적이라 생각합니다. 석사과정을 진행할 생각이시면 마찬가지로 필수적이고요. 다만 댓글을 다신것처럼 직접 구현하는 것이나, 제품을 만드는 것이 흥미로우면, ML engineer나 MLOps engineer등의 진로도 생각을 해보시는게 어떨까 조심스럽게 말씀드립니다. 이 경우 석사과정이 필수적이라고 생각하지는 않습니다.(개인적인 생각입니다.)또한 필요한 수학적인 내용도 그렇게 어렵지 않습니다. 어떤 일을 하고 싶으신지를 먼저 정하시고, 거기에 맞는 준비를 하시는것이 어떨까 싶습니다. 기업 채용공고나 roadmap을 검색해보시면 나옵니다. 분야를 막론하고 수학공부는 언젠가는 해야합니다. 다만 그 시기와 깊이가 분야에 따라 다르다고 생각합니다. 너무 어렵게 생각 안하셨으면 좋겠습니다. 추가적으로 선형대수의 경우 아래의 강의가 입문용으로 괜찮다 생각합니다. kzbin.info/www/bejne/nH_OkK2wlrKiidU

[@박진수-r1g]

와 너무 좋아요>< 좋은 영상 너무감사해요

[@RobotVisionn]

선생님 자연어처리 분야를 공부하고자 하는데, 초반 개념 잡으려면 밑바닥1,2를 순서대로 학습하면 될까요?

[@wankikim6350]

빵형 사랑해

[@bbanghyong]

❤️

[@zion3762]

형 짱

[@제제-x1p]

딥러닝과 머신러닝 기초가 없는데 따로 학원이나 인강 안 들어도 독학으로 가능할까요 ?

[@bbanghyong]

네 저도 독학했습니다 ㅎㅎ 자신의 스타일에 맞춰서 공부하시는게 좋아요 요즘엔 인강도 좋은데 많더라구요. 인강 들으시면 빠르게 가능하실것 같아요!

[@NoonDeongYee]

개인적으로 요약함 목표설정 : 6:32

[@KimTaeYeong93]

와 좋은 영상 감사합니다.

[@johnharrison5120]

Learn-by-doing

[@dandok5002]

인생은 짧다!

[@bbanghyong]

Life is short. You need Python!

[@ender9541]

댓글에 1개라 나오는 버그는 뭘까요,?!

[@bbanghyong]

원래 제 영상에 이렇게 빨리 댓글이 안달리는데 이 영상에 너무 반응이 좋아서 서버가 적응 못했나보네요 ㅎㅎ

[@ender9541]

@@bbanghyong 쾅!!!!

[@yookangchoi724]

런바이두잉! good!!!!

[@UCe1myrBIoHjE8xnifXGqUbA]

learn by doing으로 배우긴 했는데.. 뭔가 배움이 단단하지 않은 느낌이라 영 아니다 싶어요. 막상 쓰려면 해봤던거 또 찾아봐야하고 내가 공부했던 코드 다시 보고 해석해서 변경하고.. 자주 안쓰면 또 까먹고. 정답은 없다 싶어요

[@bbanghyong]

네 맞아요 ㅠ 그래도 하다보면 조금씩 나아지겠죠? 홧팅!

[@heets6917]

그러네요 요즘 국책 과제도 전부 머신러닝 붙어서 ;;;

[@약콩이]

이것도 맞고 저것도 맞은데.. 초보자라면 일단 돌려보고 원리가 궁금할 때 공부하는게 맞다

[@moo.a]

대박

[@leejasmini]

빵형 오픈소스들 계속 실행하고 소스 분석하다보면 감이 잡히겟죠..>??ㅠㅠ

[@탑쉴드]

빵형 썸네일 어그로 오지네요.

[@soft8706]

머신러닝은 수학이죠 공부는 수학공부해야겟죠 그리고 c언어공부하셔야 합니다 모든 오픈소스는 c로 돼 있죠 저같은경우 c로 마스터해서 오픈소스 통채로 분석에 성공하면 수학도 알게 되는거죠

[@yeaves]

개인적으로 공감하기 어렵네요. 이러면 개발자죠 머신러닝/딥러닝 엔지니어가 아니라. 프로그래밍 언어의 깊은 이해나 디자인 패턴등도 모른채로 기계적으로 코드짜는 사람을 코더라 부르듯 머신러닝을 수학적 이해없이 쓰는건 문제가 있다고 생각합니다. 당장 네이버 카카오 등 상위권 회사에서 scratch부터 구현하는걸 과제로 내거나 상위 티어 컨퍼런스 실적을 요구하는지 생각해보시면 좋을듯합니다. 본인이 어떤 직무에 더 관심이 있는지도 생각해보시구요.

[@yeaves]

그렇다면 시도하기 좋은 방법이라고 생각하네요. 근데 댓글들 대부분은 "맞아 머신러닝하는디 수학이 왜 필요하냐"이런 반응이라서...

[@rainystreet511]

@@박진웅-p2z 그런데 엄밀히 말하면, 이 동영상에서 말하는 학습방식은 런닝 머신을 학습하는게 아니라 그냥 수많은 써드파티 라이브러리들 중에 한가지에 대한 사용법을 익히는 것과 똑같습니다. 그렇게 사용해봤자, 추후 최적화나 모델 개선을 해나갈 능력도 없고, 통계학이나 머신러닝의 관점에서 해석할 능력도 못되기 때문에 그냥 토이 프로젝트 하는 것에 불과합니다. 기업에서 정말로 머신러닝 전문가로서 프로젝트를 맡기 위해서는 결국 통계학을 배우지 않으면 안되는 것이고, 기업 입장에서도 프로그래밍도 할 줄 알면서 통계학 학위 있는 사람에게 머신러닝을 맡기지 그냥 라이브러리 가져다 쓸 줄 안다고 해서 머신러닝 업무를 맡기지는 않습니다. 결국, 이 동영상에서 말하는 것은 마치 통계학을 배우지 않고 저런식으로도 머신러닝을 '한걸음씩 배울 수' 있게 된다는 착각을 주는 것이고, 이미 말했듯이 백년을 해봐야 어떤 라이브러리 사용법만 익히게 되는 것입니다.

[@yeaves]

@@rainystreet511 제가 하고 싶은 말도 이거였어요. 입문자가 흥미를 갖기 위한 방법이라면 동영상 내용이 이해가 됩니다만 과연 라이브러리만 가져다 쓰는 사람을 엔지니어라 부를 수 있는지... 왜 머신러닝 개발자라 부르지 않고 엔지니어라 부르는지 생각해볼 필요가 있다고 봐요.

[@swpower420]

정답 없습니다. Bottom up 방식이든 Top down 방식이든 결국 도착점은 같습니다. 본인에 맞는 방식으로 해야지 스펙트럼이 매우 넓기 때문에 모든 부분을 습득하기엔 물리적 시간 또한 넉넉하지 않은것고 사실입니다. 이 동영상 제시하고 있는 방식 또한 그런 방법론 중에 하나고 효과적인 방식이고 결국엔 머신러닝이 툴로 봐야지 그걸 무슨 고귀한 수학적 학문으로 바라볼 필요없다는거죠.

[@rainystreet511]

@@swpower420 그런데 세상에는 그 넓은 스펙트럼을 다 배우는 사람들에 해마다 계속 배출되고 있어요. 컴퓨터 사이언스 학위에 프로그래밍 경력을 가지고 있으면서 또 빅데이터/머신러닝을 위해 통계학을 공부해서 학위를 이중, 삼중으로 취득한 사람들이요... 통계학 학사, 석사, 박사 다양하죠. 머신러닝을 무슨 고귀한 수학적 학문으로 바라보라는 것이 아니라, 기업 입장에서는 경쟁사에 뒤쳐지지 않으려면 영문으로된 최신 인공지능 논문을 읽고 자사의 상품에 빠르게 적용할 줄 아는 인재가 필요한데, 그냥 프로그래밍 경력만 있는 사람은 각종 수학/통계 기호와 공식들이 가득찬 논문 앞에서 까막눈이 되어 버리고, 그것이 한 두달 빡시게 열공한다고 해서 이해할 수 있는 범위와 깊이가 아니라는 것을 알게 될 때 절망하게 됩니다. 이미 그러한 것을 잘 알고 있는 기업 입장에서 왜 그런 절름발이 인재(비전문가)를 사용하겠습니까? 그냥 프로그래머는 일반적인 프로그래머를 하면 되는 것이고, 통계학자는 통계 분석이나 인공지능 설계를 하면 되는 것이고, 프로그래머겸 통계학 학위 보유자는 데이터분석/엔지니어링/설계/최적화 등등의 인공 지능 관련 대부분의 스펙트럼에서 전문가로서 일할 수 있는 선택권이 주어지는 것입니다. TOP DOWN 방식이라는 것이 배우는 순서만 다를 뿐 결국 통계학을 배워야 한다는 것이지, 마치 TOP DOWN 방식으로 하면 통계학의 기반 이론과 지식에 대한 이해 없이도 인공지능 전문가가 될 수 있다는 의미가 결코 아닙니다. 말했듯이 그냥 '라이브러리 사용자'가 되는 거에요. 그리고 그러한 라이브러리 사용자는 솔직히 코딩 1~2년만 해도 매뉴얼만 있으면 얼마든지 할 수 있기 때문에 누구나 할 수 있는 것입니다. 그리고 통계학을 결국 배우지 않고 10년을 라이브러리만 쭉 사용한다고 해도 절대 전문가는 될 수 없고, '라이브러리 사용자'에 그치는 것이고, 또 코딩 1~2년 미만의 초급 개발자들도 그 '라이브러리 사용자'를 언제든지 대체하여 똑같이 할 수 있는 것입니다.

[@micforg]

러닝 머신 보고 머신 러닝 공부하라고 하면 됨.

[@DavidLee-db3ki]

가장 큰 문제점은 트레이닝에 필요한 데이터를 프라이머리 리소스에서 직접 가공해서 모델에 맞추어 포장하는 것을 안해본 사람이 너무 많다는 점입니다. 데이터가 하늘에서 떨어지는 것도 아니고 데이터 가공부터 시작해서 선형대수하고 이항수학 지식을 갖추고 함수들에 관한 이해가 있이 써야되는데 ㅋㅋㅋ 요즌 그냥 남이 해놓은 데이터에 남이 가공한 데이터에 남이 만든 코드로를 배껴서 돌리기만 하니 참 ㅋㅋㅋㅋ

[@김건우김건우김건우]

저는 문제인게 ㅋㅋ..코드를 짜고 할려고 보면 코드 원리가 이해가 안되서 결국엔 원리를 보려고 기초부터 쌓는 스타일...

[@jsyoon9258]

글쎄요 ㅎㅎㅎ...

[@meganeng88]

완전 잘봤습니다!!!!! 감사합니다~~

[@logic_alogic_b616]

빵형 사랑해