Boostcamp AI - week 1

첫 주차에는 AI를 공부하기 앞서 기본적인 부분에 대한 학습을 진행했다.

대부분 충분히 익숙한 개념들이였지만 빈약하게 알고 있었던 지식들을 발견하려고 노력했다.

python library usage는 필요할때마다 구글링을 하는 습관이 있다. 은근히 이런 습관이 개발할 때 시간을 많이 잡아먹는 것 같다.

구체적인 function signature 다 외우지는 않더라도 기능은 숙지하는게 좋을 듯 하다. 내가 사용할 수 있는 도구정리랄까.

두 번 다시는 헷갈려서 고민하거나 다시 찾아보고 싶지 않다. 

수학은 손으로 써 보는 습관이 덜 되어 있는 것 같다. 매번 눈으로 이해하고 넘어갔는데 직접 수식을 유도할 때 여러번 멈칫한다.이런 습관이 결국은 fundamental을 키워주지 않나 생각이 든다.

 

Master Class

엔지니어란 문제를 발견하고 -> 정보를 모아서 솔루션을 구하고 -> 구현하여 -> 문제를 해결하는 것

논문을 완벽하게 이해하지 못 하더라도 1) 수식을 읽고, 2) (코드로)구현해보고, 3) 결과 테스트, 문서화(내 문제에 적용)

다른 사람과 함께 개발할 수 있는 사람

Junior는 넘쳐나는 반면 Senior 전문가는 아직도 부족하다. 전문가가 되어야 한다.

saturated 된 분야들이 날 매료시키지 못 한다면 내가 파고들 빈틈(새로운 분야)을 잘 찾아보자. 

딥러닝을 잘 아는 것 보다 수학 기초(통계, 선형대수, 등)가 튼튼한게 더 중요하다.

 

Python 

- decoratior, lambda mapping

- *args, *kargs 

some_func(fargs, *args, **kwargs)
// only one : a, 
// non determined num of var : b, c, ...
// non determined num of keywords : name='yoon', gender='male', ...

- pandas : https://github.com/jsdysw/documentations/blob/master/pandas.md

- numpy : https://github.com/jsdysw/documentations/blob/master/numpy.md

 

AI math

- marginal distribution

- joint distribution

- discrete probability distribution

- continuous probability distribution

 

- Maximum Likelihood Estimation : https://jsdysw.tistory.com/455

- bayes theorem: https://jsdysw.tistory.com/454

 

- gradient descent : https://jsdysw.tistory.com/425

- DNN : https://jsdysw.tistory.com/424

- RNN : https://jsdysw.tistory.com/428

- BPTT : https://jsdysw.tistory.com/429

- CNN : https://jsdysw.tistory.com/427