오늘 방통대 인공지능 과목 내용들을 대강 훌터본것같다.
내가 처음 인공지능을 공부했을 때
"밑바닥 부터 시작하는 딥러닝" 책을 보면서 시작했었다.
그 책은 수학적인 이론 내용들은 최대한 줄이고,
개념적인 내용과 구현 위주다 보니
인공지능의 범위, 종류
기초적인 퍼샙트론의 개념부터
신경망을 만들어가고, 학습시키고
효과적으로 학습하기 위한 다양한 기법
그리고 당시 딥러닝 기술 등을 알아봤었다.
수학 관련 내용이 없다보니 너무 좋긴 했으나
mnist 데이터 셋을 분류하는 신경망 만들고,
아무 CNN이나 가져와서 이미지 인식을 해보는건 좋은데
인공지능으로 뭘 해볼려고 할수가 없었다.
그 다음으로는 텐서 플로우 책을 봤었는데
쌩으로 신경망을 만들어주는게 아니라
함수 하나하나가 신경망 층이되서
밑바닥부터 시작하는 딥러닝 책에서 설명해주는 쌩 코딩보다는
훨씬 쉽게 신경망을 만들수 있었다.
거기에 대한 이미지 관련 예제들을 해보곤 했었다.
그 다음에는 케라스 책을 봤었는데
케라스는 텐서 플로보다 더 간단하게 신경망을 만들수 있었으나
텐서플로 책과 비슷한 예제만 몇번 해보고 끝났었다.
당시 내가 궁금했던 부분은
단순히 여러가지 신경망을 예제만 따라치면서 구현하고 성능 평가하고 끝내기 보다는
다른 신경망들을 비교하면서, 모델을 조정하면서 어떻게 성능이 개선되었는지와
영상 분할 부분을 제대로 공부하고 싶었는데
이런 내용들은 시중 책으로는 잘 나오지가 않더라.
특히 영상 분할 같은 경우는 몇 페이지에 설명, 예제 코드 주고 끝일때가 많았다.
그 이상의 영역은 논문들을 봤어야 했는데
당시 수학을 공부하지 않은 상태로는 논문을 제대로 이해할 수도 없었고
최근 확률, 통계, 다변량 분석 등을 공부하면서
이전에 매번 우도, 우도비, 최대우도법 내용들을 볼때마다 번역체 때문에 이해 하지도 못했던것과 달리
우도를 가능도라고 배우니까 그동안 답답하던 최대 우도법이 이해가 되었고,
최소 제곱법 또한 R을 이용해서 실제 데이터를 가지고 몇번 연습하면서 좀더 명확하게 알수 있었다.
사실 가장 먼저 공부했어야만 하는 과목인 인공지능을
늦었지만 컴퓨터비전, 딥러닝, 패턴인식, 확률, 통계를 공부하고 보니
전보다는 많이 이해하게 된거같다.