공부 로드맵 정리
데이터 사이언티스트 겸 MLOps를 목표로 하고 있어 공부할 내용은 많은데, 영 제대로 계획이 세워지지 않아 분야별 공부 로드맵과 참고자료들을 정리해보았다.
수학/통계학¶
통계학
- 📙데이터 과학을 위한 통계
- 📙An Introduction to Statistical Learning
- 🖥️💡통계학의 이해 Ⅰ(숙명여대 여인권)
- 🖥️통계학의 이해 Ⅱ(숙명여대 여인권)
- 🖥️데이터로 배우는 통계학
- 🖥️확률론
- 🖥️확률 및 통계(한양대학교 안종창)
- 🖥️확률 및 통계(한양대학교 이상화)
- 🖥️2014-2 확률통계론
- 🖥️💡베이지안통계학
- 🖥️응용통계
- 🖥️경영통계분석
- 🖥️경영통계
- 🖥️💡수리통계학(I)
- 🖥️💡수리통계학2
- 🖥️💡회귀분석(I)
- 🖥️💡회귀분석(II)
- 🖥️💡고급수리통계학특강(I)
- 🖥️💡고급통계학특강 (II)
- 🖥️생존분석
- 🖥️💡시계열분석 기법과 응용
- 🖥️2013 2학기 시계열분석
선형대수학
- 📙💡딥러닝을 위한 선형대수학(강의)
- 🖥️이상엽 선형대수학
- 🖥️인공지능을 위한 선형대수
- 🖥️선형대수, 선형대수학
수치해석
- 🖥️수치해석
인공지능 수학
- 🖥️신경망 네트워크와 수학적 기반
- 🖥️[A.I. SERIES] R을 활용한 통계학개론
- 🖥️AI 연구자를 위한 통계적 학습론
- 🖥️인공지능 수학 입문 (Introductory Mathematics for AI)
- 🖥️인공지능 수학 기초 (Basic Mathematics for AI)
- 🖥️인공지능 수학 활용 (Applications of Mathematics for AI)
- 🖥️인공지능 수학 고급(Advanced Mathematics for AI)
- 🖥️인공지능 및 기계학습 개론Ⅰ, 인공지능 및 기계학습 개론 II, 인공지능 및 기계학습 심화
컴퓨터 공학¶
컴퓨터 공학 입문
자료구조/알고리즘
소프트웨어 엔지니어링
데이터 분석¶
데이터 분석
AI 알고리즘¶
머신러닝/딥러닝 알고리즘
- 📙💡핸즈온 머신러닝 2판
- 📙💡밑바닥부터 시작하는 딥러닝 세트(1권~3권)
- 🖥️💡Stanford University CS229
- 🖥️ Harvard CS50AI 강의노트
- 🖥️💡모두를 위한 딥러닝
- 🖥️논문으로 짚어보는 딥러닝의 맥
- 🖥️머신러닝을 위한 파이썬
- 🖥️러닝 딥러닝
- 🖥️파이토치로 시작하는 딥러닝 기초
- 🖥️텐서플로우로 시작하는 딥러닝 기초
- 🖥️💡딥러닝 1단계: 신경망과 딥러닝
- 🖥️💡딥러닝 2단계: 심층 신경망 성능 향상시키기
- 🖥️💡딥러닝 3단계: 머신러닝 프로젝트 구조화하기
- 🖥️💡딥러닝 4단계: 합성곱 신경망 네트워크 (CNN)
- 🖥️딥러닝의 깊이 있는 이해를 위한 머신러닝
- 🖥️머신러닝
- 🖥️머신러닝과 딥러닝 BASIC
- 🖥️Bayesian Deep Learning
- 🖥️Reinforcement Learning
이미지 프로세싱/비전 알고리즘
사이드 프로젝트¶
논문 연구
- 🖥️💡학술논문작성법