아무래도 명저가 많다보니 교재를 추천하지 않을 수가 없습니다.
교재를 더 잘 이해하기 위해서는 기본적으로 다음의 지식들이 필요합니다.
대부분의 ML 교재에서는 기초적인 수학을 커버하고 있지만 실제로 교재를 봐보면 그것만으로는 충분하지 않다는걸 느끼게 되실겁니다.
- 선형대수학
– 이인석 교수님의 선형대수와 군
– Stephen Boyd의 Introduction to Applied Linear Algebra - 벡터 미적분학
- 확률변수론
- 통계학
추천 교재는 다음과 같습니다.
- ISLR (An Introduction of Statistical Learning)
- ESL (The Elements of Statistical Learning)
- APM (Applied Predictive Modeling)
- CASI (Computer Age of Statistical Inference)
- PRML (Pattern Recognition and Machine Learning)
- Pattern Classification
APM과 Pattern Classification을 제외하면 모두 pdf가 제공되며, 이 둘도 잘 찾아보면 pdf가 있긴 합니다.
가장 추천드리는 교재는 PRML과 Pattern Classification입니다.
다만 이 교재들은 이론서이기 때문에 이를 적용해보는 훈련을 별도로 해보는 것이 좋습니다.
그리고 이 두 교재는 특히 어려운 편입니다.
또한 위의 교재들은 ML을 중점으로 다루기 때문에 DL에 대한 내용이 다소 부실합니다.
DL을 학습하고자 하는 분들에게는 Ian Goodfellow et al의 Deep Learning을 읽어보시기 권합니다.