|
:: 게시판
:: 이전 게시판
|
- PGR21 관련된 질문 및 건의는 [건의 게시판]을 이용바랍니다.
- (2013년 3월 이전) 오래된 질문글은 [이전 질문 게시판]에 있습니다. 통합 규정을 준수해 주십시오. (2015.12.25.)
통합규정 1.3 이용안내 인용"Pgr은 '명문화된 삭제규정'이 반드시 필요하지 않은 분을 환영합니다.법 없이도 사는 사람, 남에게 상처를 주지 않으면서 같이 이야기 나눌 수 있는 분이면 좋겠습니다."
19/12/31 13:49
머신러닝은 전혀 모르지만 견문을 넓힌다는 기준으로 본다면, [어떻게] 사용하느냐 보다는 [왜] 사용하느냐에 포커스를 맞추시고 공부하시면 될 거 같습니다.
그럼 어느정도 깊이가 깊지 않아도 진행이 가능할거에요.
19/12/31 14:40
가령 발전사에 대한 관점을 말씀하시는건가요?
50년대 쯤에 미국 어느지역에서 열린 학술회에서 마빈 민스키등등이 어쩌구 하면서 신경망이론, 퍼셉트론, 선형분리가능여부에의한 퍼셉트론의 한계, 홉필드네트웤 하다가 다중 퍼셉트론으로 이어지는 흔히알려진 래퍼토리와 각 알고리즘들의 대략적인 틀은 어찌저찌 구글링과 도서관자료로 확인해봤습니다 결론(이라기엔 느낌)은 퍼셉트론의 중첩구조가 다른여러 아이디어들을 수용할수있는 쉬우면서도 유연한? 포괄적인? 구조라는 것이었고 이 구조에 대해 깊게 이해하는게 알파제로 알파스타등의 혁신적인 성능을 뿜어내는 기술융합의 핵심 역량인것 같아서 이질문을 올리게 됬습니다.
19/12/31 14:50
저는 자연과학 분야 박사과정 대학원생입니다만...
제가 보기엔, 글쓴 분이 보신 페이퍼 저자에게 직접 메일을 보내서 해당 분야에 관심있는 학부생인데, 해당 논문의 기반이 되는 review paper나 선행 논문을 추천해달라는 식으로 메일을 보내는게 더 나을 것 같습니다. 그리고 제가 글쓴 분의 정확한 상황을 정확히 모르는 상태에서 이런 말씀드리는 것이 주제넘은 행동일 수도 있겠습니다만.... '대학생활 2년 넘어가는동안 [관심있는 분야의 논문을 읽어가며 견문을 넓힌다]의 개념' 에 대해 질문하셨는데, 제가 보기엔 논문은 어찌보면 가장 최첨단을 달리고 있는, 아직 이론으로 정립되지 않은 새로운 과학적 주장들이 담긴 글이라 할 수 있습니다. 해서 제가 봤을 땐, 학부생 수준에서는 관심 있는 분야의 '논문'에 관심을 기울이기 보다는 글쓴 분께서도 질문 제일 처음에 언급하셨듯이 글쓴 분이 관심 있는 분야의 발전 과정에 대해 다룬 책들을 먼저 섭렵하거나, 논문이 정말 읽고 싶으시다면 관심 있는 분야의 review paper를 먼저 읽으심이 어떨까 합니다.
19/12/31 15:34
이게 분야마다 좀 다를 수 있는데, 저희쪽 분야같은 경우는 특정 분야에서 굉장히 저명한 학자가 본인 분야에 대해서 본인이 지금까지 공부해왔던, 그리고 요즘에는 어떤 부분이 이슈인지를 요약 정리해서 논문으로 냅니다.
저희 쪽은 그런 paper 위주로 논문집을 내는 학회지가 따로 있고, 그런 페이퍼들을 특별히 review paper 라고 말합니다. 저희 쪽 일반적인 논문 장수가 대충 10~20페이지 이내인데, 보통 그런 페이퍼는 그림 없이 글로만 50페이지가 넘어가는데, review paper 안에 있는 레퍼런스들이 공부할 때 정말 많이 도움이 됩니다. 뭐 간단히 예를 들면, 아인슈타인이 '상대성 이론 정립 이후 중력파 연구의 발전 과정과 오늘 날 이슈' 이런 식의 논문을 하나 낸 거라고 생각하시면 될 것 같습니다. 글쓴 분 분야에서는 아마, 뭐 '오늘 날 존재하는 인공지능 학습법을 이용한 알고리즘 발달 과정과 현재 한계' 뭐 이런 식의 review paper가 있을 것 같다는게 제 막연한 추측입니다...흐흐
19/12/31 15:02
gan으로 사람 2명 얼굴주면 중간되는 얼굴 만들거나 어떤 사진을 고흐화풍의 그림으로 변환시키거나 이런 기본적인건 다 하신거죠?
인공지능도 분야가 넓으니 어느정도 범위를 정해서 수준에 맞춰 조금씩 소화해나가면 좋을듯합니다.
19/12/31 15:30
(수정됨) 일단 대학원 수준 머신러닝, 선형대수, 통계, 확률학 몇개 들으셔야 좀 이해가 가실거에요.
Linear Algebra and Learning from Data by Gilbert Strang https://math.mit.edu/~gs/learningfromdata/ Pattern Recognition and Machine Learning by Bishop http://users.isr.ist.utl.pt/~wurmd/Livros/school/Bishop%20-%20Pattern%20Recognition%20And%20Machine%20Learning%20-%20Springer%20%202006.pdf 두 텍스트북 추천합니다. 대학원가서 박사과정해도 처음 1-2년은 코스웤하면서 이론 배우는데 씁니다.
19/12/31 16:53
하... 이제 본격적인 영문자들의 범람을 마주하며 공부해야하나보네요...
거의 평생의 열정이될지도 모르는 분야니 방학동안 집중해서 읽어보겠습니다.
|
||||||||||