인공지능 공부자료

마지막 업데이트 2024. 6. 17.

현재 계속 내용을 추가하는 중입니다.

인공지능을 공부하기에 앞선 수학적 배경지식은 인공지능에 필요한 배경지식 모음을 참고해주세요.

인공지능을 공부하면서 보면 좋을 책들을 모아두는 장소입니다.

머신러닝

Christopher M. Bishop, “Pattern Recognition and Machine Learning”, Springer 2006.
Tom Mitchell, “Machine Learning”, McGraw-Hill 1997.

딥러닝

Ian Goodfellow, Yoshua Bengio and Aaron Courville, “Deep Learning”, MIT Press 2016.
Aston Zhang e tal. “Dive into Deep Learning”, preprint. 최신 내용도 담고 있는 책입니다.
Simon J. D. Prince. “Understanding Deep Learning”, MIT Press, 2023.

딥러닝 이론

Matus Telgarsky, “Deep learning theory lecture notes”.
Shai Shalev-Shwartz and Shai Ben-David, “Understanding Machine Learning:From Theory to Algorithms”
Daniel A. Roberts, Sho Yaida and Boris Hanin, “The Principles of Deep Learning Theory”, Cambridge University Press 2020.
Raman Arora et al., “Theory of Deep Learning”
Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalkar, “Foundations of Machine Learning”, MIT Press 2018.
Francis Bach “Learning Theory from First Principles”, MIT Press, 2023.

컴퓨터 비전

딥 러닝 이전 컴퓨터 비전

Richard Hartley and Andrew Zisserman, “Multiple View Geometry in Computer Vision”, Cambridge University Press. 2004.: 다중시점 기하학에서 컴퓨터 비전에서 기하학을 이해하는데 필요한 고전 중의 필수 고전
David A. Forsyth and Jean Ponce, “Computer Vision: A Modern Approach”, Pearson 2012.

딥 러닝 이후 컴퓨터 비전

Kosta Derpanis, “Deep Learning in Computer Vision”
Richard Szeliski, “Computer Vision: Algorithms and Applications”, Springer 2022.
Simon J.D. Prince, “Computer Vision: Models, Learning, and Inference”, Cambridge University Press 2020.

기타 등등

Solon Barocas, Moritz Hardt, Arvind Narayanan, “Fairness and Machine Learning: Limitations and Opportunities”
Metacademy: 하나의 책은 아닙니다만, 관심이 있는 주제가 있다면 그 주제에 맞는 roadmap을 제공하는 사이트입니다. browse를 통해 상세 내용을 볼 수 있습니다.

TIPS

컴퓨터공학, 특히 머신러닝과 인공지능 분야는 빠르게 변화하고 발전하고 있습니다. 제가 적고 있는 시점과 읽으시는 시점 사이에 많은 것이 바뀔 수 있으니 자료를 찾는 법을 적어보겠습니다.

학회의 Tutorial 영상을 찾아본다. 새로운 분야가 떠오르기 시작한다면, 관련된 학회에서는 이를 소개하는 Tutorial을 진행합니다. 해당 분야 연구자가 해당 분야를 설명하는 자리입니다. 학회가 끝난 이후에는 보통 해당 영상을 유튜브를 통해 공유하니, 영어에 부담이 없으시다면 참고하시면 좋겠습니다.
Github Awesome. Awesome은 좋은 자료를 모아놓는 github repo라고 생각하시면 됩니다. 예를 들어, Awesome CS Courses는 컴퓨터공학 수업 중 좋은 자료를 모아놓고 있습니다.
Survey 찾기. Survey paper는 해당 분야가 어느정도 성숙되고 나면, 사람들이 연구된 내용을 모아놓은 자료입니다. 만약 연구를 하신다면 이것도 좋은 배경지식이 될 수 있습니다. 혹자는 약간 out-of-date 된 자료이니 최신 자료도 겸해서 찾아보라고 권합니다.

공개된 강의들

AI Basic

Coursera Machine Learning

강의 사이트

인공지능 및 기계학습 분야에서 공개된 강의 중에서 가장 유명한 강의를 꼽는다면, 이 강의를 주로 꼽는다. 무료로 강의 영상 및 자료에 접근할 수 있다. 다만, 실습 자료의 경우 돈을 지불하고 수료증 과정을 이수해야 실습을 하고 채점을 받을 수 있다. 전통적인 기계학습 기법부터 최근에 활용이 되는 딥러닝의 기초까지 넓은 분야를 다루고 있기에 처음 출발로 삼기 좋은 강의이다.