Deep Learning Roadmap for Mechanical Engineering Students

본 글의 목적은 KAsimov 회원 및 Machine Learning & Deep Learning을 학습하고자 하는 기계과 학생을 위한 학습 가이드라인입니다.

학습하는 데 있어서 추천되는 순서는 있지만, 반드시 따를 필요는 없습니다.

우선은 정리가 된 자료 두 가지를 보는 것으로 시작합니다.

데이터 사이언스 스쿨 수학 편 Dive to Deep Learning : Appendix

부족하다고 느껴지는 경우 세부적인 공부를 해보는 것도 좋습니다.

다변수 미적분학 확률론 선형대수학

아래는 분량이 좀 되는 도서입니다. Part 1까지가 포항공대 입시 범위라고 들었습니다.

Mathematics for Machine Learning

여기서 부터는 학부과정에서 살펴볼 필요는 없을 것 같습니다. 아래는 해석학입니다.

맛있는 해석학 맛있는 해석학 문제풀이

다음은 간단한 수준의 머신러닝 및 딥러닝 자료입니다.

모두의 딥러닝 시즌 2 Tensorflow

아래부터는 전공 수준입니다.

Andrew Ng's Machine Learning

Deep Learning for Computer Vision : EECS 498 - 007

논문 학습 및 구현

아래는 영상

DBSA 1 DBSA 2 나동빈 논문 리뷰

아래는 논문 모음집

DBSA notion 논문 로드맵

Kaggle 대회 및 dataset

Kaggle

다음은 ML 엔지니어로서의 필요 요건을 공부하는 내용입니다.

Full Stack Deep Learning