HELLO WORLD!!
최근 알파고 등으로 이슈가 되고 있는 머신러닝!
Coursera에서 배우는 "Machine Learning Foundations: A Case Study Approach"에 대한 복습, 그리고 한국어로 더 많은 사람들에게 머신러닝에 대해 알리기 위해 모듈을 만들어 봅니다.
1. 오픈튜토리얼에서 처음으로 모듈을 만드는 것이라 부족한 것이 있을 수 있습니다. 이는 여러분의 지적을 통해 꾸준히 개선해 나갈 것입니다. 구글조차도 서비스를 되도록 빨리 내고 유저의 지적을 통해 개선해 나간다고 합니다. 즉. 사람은 실수를 통해 배웁니다. 여러분의 지적을 통해 더 나은 모듈이 될 수 있었으면 좋겠습니다.
2. 이 모듈은 Coursera에서 진행하는"Machine Learning Foundations: A Case Study Approach"에 대한 리뷰노트 형식으로 진행될 예정입니다. 이 course를 진행하시는 두 선생님이신 Carlous Guestrin과 Emily Fox의 동의를 받은 후에 자료를 첨부할 예정이며, 동의를 받기 전에도 제 리뷰형식으로 모듈을 진행할 계획입니다. 이 course의 강의와 함께 진행하시면 더욱 시너지 효과가 날 것입니다.
"Machine Learning Foundations: A Case Study Approach" (Coursera 링크)
- 수업의 대상
이 수업은 "수업의 대상"에 대해서 진행하고자 합니다. 일단 이 수업은 "머신러닝"에 대한 내용입니다. 이 수업을 들으시는 분들 중 어느 분들께는 어렵게 다가올 수도 있을 거라고 생각합니다. 그러나 절대로 어렵지 않을 거라고 확신합니다. 여러분은 저와 함께 공부하기 때문입니다. 혼자가 아니지요. 저 역시 여러분과 함께 간다고 생각하고 더욱 열심히 공부를 할 수 있겠죠?
아. 한가지 말씀드린다면 여러분은 저보다 더 잘 이해하실 수 있으실거라고 믿습니다. 전 아직 고등학생이며, 전문적인 프로그래밍 지식이 없고, 아직 생활코딩에서 Egoing님의 Python&Ruby강좌를 듣고 있습니다. 저보다 많은 지식을 가지고 계신 분이실 수록, 더 빠르게 이해하실 수 있으실 겁니다.
선행지식
= 고1 수준의 지식.
사실 코스 미리보기에선
-
PythonWork proficiently with Python programming, including: variables, control flow and data structures, Pandas dataframes, OO programming, Numpy arrays, external libraries, and writing algorithms from scratch
-
Linear AlgebraExplain basic linear algebra concepts like vector and matrix operations and matrix decomposition
-
StatisticsExplain basic statistics and probability, including: descriptive statistics, distributions, linear regression
이 세가지의 선행 지식을 요구했으나. 필요한 것은 제가 정리해서 올리도록 하겠습니다.
그리고, Python은 Egoing님의 "Python&Ruby"수업을 들을 것을 매우 권장합니다.