선생님 질문이 있습니다..

안녕하십니까, 

아, 기억납니다. AI 대학원 입학을 다시 한번 축하드립니다. 

1. 일단 파이썬 머신러닝 완벽 가이드를 '텍스트 분석' 까지는 마치셨으면 합니다. 

근데 NLP 쪽을 하시면 제 딥러닝 강의는 전부 컴퓨터 비전 쪽이라,  중요한 도움은 못될 것 같습니다.

딥러닝 NLP는 제가 내공이 약해서 뭐라 조언드리기 어렵습니다만,

만약 시간이 없으셔서 핸즈온 머신러닝을 보기 힘드시다면, 유튜브에서 모두의 딥러닝 시즌 2의 RNN 부분 부터 시작해보시는건 어떨지요? 

그런 다음에 점차 수준을 높이시는 방향성을 찾으면 어떨까 싶습니다. 

2. 제가 대학원 생활을 안해서 제 조언이 적절할지는 모르겠지만, 

일단 딥러닝 응용을 할지, 아님 딥러닝 기반 알고리즘에 집중할지 본인에게 맞는 부분이 있을 것입니다. 연구실 생활을 하려면 논문을 써야 하기 때문에 후자에 좀더 집중해야 겠지만, 개인적으로는 두가지 다 잘해야 한다고 생각합니다. 

만약 이론 위주로 공부하고 그걸 코드로 구현하는 방식으로 공부를 하시려면 github 소스코드를 분석하는 방법이 좋을 것 같습니다. 예를 들어 NLP에서 Transformer가 중요하게 자리 잡고 있으니까, 이걸 소스코드 보면서 직접 구현해 보는데 시간을 많이 할애해 보십시요.(스스로 이걸 구현할 정도가 되면 자신감이 많이 붙습니다)

더불어 딥러닝 응용도 생각해보시면서 캐글의 NLP 경연대회 문제를 풀어보는데도 시간을 많이 할애해 보셨으면 합니다. 

대학원에서는 논문을 위해 이론, 수식적인 부분에 촛점을 맞추지만, 오히려 구현을 통해서 이론과 수식을 더 자세히 이해할 수 있는 계기가 되는 경우가 많습니다. 

저도 이해할 수 있는 수준이 될때까지 손코딩을 하는것을 좋아합니다. 다만 어느 수준이 되면 함수레벨에서 이해하고 넘어갈 때도 있습니다. 하지만 여전히 손코딩으로 이해하는 것이 중요한 방법이라고 생각합니다. 다만 이 방법은 시간이 많이 걸릴 수 있으나, 여러번 하다보면 요령도 생기고 어떻게 하면 쓸데 없는 부분은 스킵한다던가 하는 방법론이 자리 잡힐 것입니다. 

3. NLP 는 NLP 자체를 이해하는 게 중요합니다. 그러니까, 분류, 회귀 뿐만 아니라  텍스트 분석 기반, 자연어 처리등의 기반 지식이 좀 필요합니다.  그리고 확률에 대한 이해도 상대적으로 더 필요합니다.  이런 부분들에 초점을 맞춰서 기반 능력을 키우시면 논문 이해는 저절로 따라 올 것 입니다. 

너무 걱정하지 마시고, 지금까지 말씀 드린 부분들을 꾸준히 해나가시면, 한동안 쉰 운동 선수가 감을 찾아가듯이 가속 궤도에 어느 순간 올라가 있는 모습을 발견하실 수 있을 것입니다. 

감사합니다.