개발자

인공지능 공부 순서 로드맵

2024년 04월 01일조회 2,556

최종적으로는 자연어처리를 배우고 싶은데 그럴려면 머신러닝이랑 딥러닝을 먼저 배워야겠죠? 원래 파이썬은 할 줄 아는데, 인공지능은 거의 수학이라는 얘기를 들어서 선형대수나 확률과 통계,미적분 같은 내용을 먼저 공부하고 나서 코드를 구현하는게 나을까요? 아님 머신러닝 알고리즘이나 관련 강의를 먼저 듣는게 나을까요?? 알려주시면 감사하겠습니다!

이 질문이 도움이 되었나요?
'추천해요' 버튼을 누르면 좋은 질문이 더 많은 사람에게 노출될 수 있어요. '보충이 필요해요' 버튼을 누르면 질문자에게 질문 내용 보충을 요청하는 알림이 가요.
profile picture
익명님의 질문

답변 2

인기 답변

백승윤님의 프로필 사진

안녕하세요. 지금은 ML Engineer로써 일을 하고 있지만 스타트업에서 자연어처리 업무로 인턴을 잠깐 했었습니다. 그 인턴에 합격하기 전까지 제 공부과정은 다음과 같습니다. 1. Sung Kim의 PyTorchZeroToAll 강의 2. PyTorch로 MNIST, CIFAR10에 대해 VanillaMLP, CNN, ResNet, GAN, CGAN, DCGAN 구현 3. PyTorch로 RNN 구현, LSTM, Transformer, GPT, BERT 논문 리뷰 이렇게 하고 운좋게 인턴에 합격했는데요. 그 이후로도 공부한 과정은 제 프로필 들어오시면 관련 글 보실 수 있을거에요! 그리고 자연어처리처럼 딥러닝을 깊게 하기 위해서는.. 개인적으로 선형대수는 꼭 먼저 해야하지 않을까 싶어요.

profile picture

익명

작성자

2024년 04월 02일

대학생때 ml이나 관련 공부는 언제부터 하셨나요?? 진로를 빨리 정하는 게 좋을 것 같긴한데 곧 3학년이어서요🥲

백승윤님의 프로필 사진

백승윤

ML Engineer at Corca, Inc.2024년 04월 02일

저는 2학년 2학기 때 처음으로 앞서 적은 pytorchzero to all 강의를 들었었어요!

profile picture

익명

작성자

2024년 04월 02일

넵 감사합니다!

HypeBoy님의 프로필 사진

안녕하세요~ 도움을 드리려고 답변 드립니다. 당연히 자연어처리 분야가 최종 목적이면 절차대로 파이썬 > 데이터 분석 > 머신러닝 > 딥러닝 순으로 가는게 맞구요 통계/선형대수학 등의 공부는 미리 해도 상관은 없는데 아무래도 관련 내용은 머신러닝 부분 나오기 때문에 같이 병행하셔도 큰 문제는 없습니다. 데이터분석/AI 분야로 공부, 진로 및 취업 상담은 아래 링크를 통해 자세한 안내 도와드리겠습니다 https://naver.me/5Vliudns

profile picture

익명

작성자

2024년 04월 01일

데이터 분석 이전에 좀 공부해봤었는데 얼마나 깊이 배우고 넘어가야하나요?

HypeBoy님의 프로필 사진

HypeBoy

데이터 사이언티스트2024년 04월 01일

데이터베이스(SQL), 데이터 전처리(EDA) 부분이나 Kaggle에서 데이터 분석 관련 과제 같은거는 해보셨나요?

profile picture

익명

작성자

2024년 04월 01일

Python 이용해서 pandas 랑 matplotlib좀 써본 수준입니다.

HypeBoy님의 프로필 사진

HypeBoy

데이터 사이언티스트2024년 04월 01일

추가적으로 혹시 크롤링이나 자료구조 같은건 배워 보셨을까요? 자세하게 안내받고 싶으시면 제가 남겨드린 링크를 통해서 도와드리겠습니다

profile picture

익명

작성자

2024년 04월 01일

자료구조는 c언어로 학교에서 배웠고 크롤링은 경험 없습니다.

profile picture

익명

작성자

2024년 04월 01일

네넵 링크통해 상담신청했습니다

지금 가입하면 모든 질문의 답변을 볼 수 있어요!

현직자들의 명쾌한 답변을 얻을 수 있어요.

또는

이미 회원이신가요?

AI 답변
커리어리 AI 봇 프로필 이미지

커리어리 AI 봇

GPT가 달아주는 답변입니다.

2024년 04월 01일

인공지능을 학습하는데는 여러 방법이 있지만 기본적인 로드맵은 다음과 같을 수 있습니다. 1. **Python 프로그래밍:** 이미 파이썬을 할 줄 아시는군요! 파이썬은 인공지능, 특히 머신러닝 및 딥러닝에 가장 많이 사용되는 언어입니다. 이에 대한 이해가 깔려 있는 것은 좋은 시작입니다. 2. **수학기본:** 선형대수, 확률과 통계, 미적분 등의 기본적인 수학 지식은 머신러닝 알고리즘을 이해하는 데 매우 중요합니다. 그러나 실제로 코드를 구현하면서 병행하여 학습하는 것도 가능합니다. 3. **머신러닝 기본:** 감독/비감독 학습, 회귀, 분류 등의 기본 개념부터 알아보시는 것이 좋습니다. 그리고 여기에 몇 가지 알고리즘 (결정 트리, SVM, KNN 등)의 원리와 어떻게 작동하는지를 이해하세요. 4. **딥러닝 기본:** 먼저 인공 신경망의 기본 개념부터 배웁니다. 그런 다음 종류별로 심화 학습을 진행합니다. 예를 들어 convolutional neural networks (CNN)는 이미지 처리에 주로 사용되고, recurrent neural networks (RNN)와 그 변형인 LSTM은 시계열 데이터나 자연어 처리에 활용됩니다. 5. **자연어처리(NLP):** 딥러닝 기본을 알고 나면 NLP를 시작하실 수 있습니다. 텍스트 분류, 감성 분석, 기계 번역 등의 작업을 위한 알고리즘과 함께 주요 개념(토큰화, 단어 임베딩 등)을 배웁니다. 마지막으로, 실전 프로젝트에서 이러한 지식을 적용해보세요. 이론적인 지식만으로는 충분하지 않습니다. 코드를 작성하고 문제를 해결함으로써 실질적으로 배운 것을 이해하게 됩니다. 같이 보실 만한 강의나 무료 리소스는 Coursera의 Andrew Ng 교수님의 '머신러닝'과 '딥러닝 전문가 되기' 강좌, Fast.ai의 딥러닝 및 NLP 강좌 등이 우수합니다.

목록으로

지금 가입하면 모든 질문의 답변을 볼 수 있어요!