Coursera Machine Learning(코세라 머신러닝) 수강 후기

머신러닝은 현 시대에 전공하는사람이라면 끊임없이 들어봤을 주제입니다. 다양한 분야에 적용될 수 있는 유용성 덕분에 늘 화두에 있어왔었죠. 

따라서 수요도 점차 높아지고 그에 따른 수준높은 머신러닝 개발자들이 생기고 있는것 같습니다.

그렇다면 수준높은 머신러닝은 어디서 배울 수 있을까요?

1. Coursera

바로 Coursera(코세라)라는 곳에서 배울 수 있습니다. Coursera는 대표적인 MOOC으로 높은 수준의 대학 강의를 무료로 제공해주는 교육 사이트입니다.

 - Catalog of Coursera

보는것처럼 다양한 분야의 수많은 강좌가 존재합니다.

한글화가 완전히 진행되지 않은 단점도 있지만, 언어의 장벽을 조금만 극복하신다면 얻어가는것이 많은 강의들이라고 생각합니다.

간단한 가입절차로 가입을 하면 원하는 강의를 언제 어디서든 수강할 수 있고, 끝까지 다 들었을 경우에는 자체적으로 제공하는 학위도 구매할 수 있습니다. (별도의 결제절차가 필요합니다.)

저는 이 중에서 Coursera의 공동설립자이자 스탠포드 대학교에서 교수로 재임중이신 Andrew Ng 님의 Machine Learning강좌를 수강했습니다. 

참고로 모바일 어플리케이션도 존재해서 더욱 손쉽게 수강하고 퀴즈를 풀 수 있습니다.

2. 강의에 대한 느낌

강의에서 자부심과 열정을 느끼실 수 있었던것 같습니다. 또한 실리콘밸리와 같은 필드에서 어떤 방식으로 머신러닝이 적용되는지에 대해 엿볼 수 있기도 했습니다.

강좌 후반부에 미소 짓는 모습을 보면서 이 분야에 대한 자부심과 애정을 느낄 수 있었던것 같습니다. 또한 이를 배우고 있는 (저를 포함한) 학생들에게도 자연히 자부심과 열정을 심어줄 수 있었던것 같습니다.

3. 강의 내용

강의는 총 11주로 구성되며, 지도학습, 비지도학습, 분석 꿀팁(?), 실전 적용 사례 소개 정도로 구성됩니다.

 - Week5 of  ML Course

강의는 크게 강좌 -> Source 부연설명-> ... -> 퀴즈 -> 프로그래밍 과제 순으로 진행됩니다.

강의를 듣기위한 Resource들은 강좌에 친절히 첨부되어 있으므로 교재 걱정도 하실 필요가 없었네요.

4. 강의

강의는 아직 완벽한 한글패치가 되있지 않았습니다. Week 3주차 정도에서부터 한글 자막이 없었던걸로 기억이 나네요.

자막 Snippet을 기부할 수 있는것으로 알고있는데, 후반부로 갈수록 Korean 자막은 찾기가 어렵기도하고, 자막의 질이 형편없는 경우도 있습니다. (그래서 차라리 저는 영어 자막을 선호했습니다.)

그래도 자막을 찾으신다면 여기를(다른 블로그 참조) 눌러주세요. 한글자막을 하기 위한 팁이 있습니다.

5. 퀴즈

퀴즈는 강의 내용만 잘 따라가도 충분히 풀 수 있었습니다. 이해만 하고있다면 풀 수 있는 문제가 대다수였습니다. 심층적인 문제는 없다고 생각이 되네요.

단, 주의하실게 5문제중 4문제 이상을 맞춰야 퀴즈를 통과할 수 있습니다. 대충 풀다가는 다시 문제를 풀어야하는 경우가 있습니다.

하루 3번까지의 기회가 있고, 만약 이를 다 놓치시면 마지막 퀴즈로부터 8시간 뒤에 다시 퀴즈를 풀어야합니다.

따라서 대충 퀴즈를 통과할 생각은 버리시는게 좋습니다.

 - Quiz

6. 프로그래밍 과제

각 주제마다 프로그래밍 과제가 할당됩니다. Octave / Matlab을 이용한 과제가 할당되기 때문에 필수로 설치하셔야 합니다.

과제별로 과제를 진행하기 위한 PDF가 진행되며, 나름 친절한(?) 설명이 있기 때문에, 설명만 잘 따라가도 무리없이 과제를 진행할 수 있을것이라고 생각합니다.

 - 과제에 대한 설명, 조금 복잡한 문제에서는 구현과정에 대한 팁도 상세히 설명한다.

또한 과제를 진행해야할 코드에도 그 설명이 세세히 나와있는 편이다.

과제를 진행하며 아쉬웠던 점은, 벡터화/행렬화 시키는 문제들이 대다수였다는 점입니다.

사진에서처럼 주어진 Cost Function을 손쉽게 구현하기 위해서는 벡터화 과정이 필요합니다.

나중에 가서는 Cost Function이 무엇인지 100% 이해하지 않아도, PDF에서 주어진 식만 흉내내면서 벡터화 / 행렬화 과정만 거쳐도 문제가 풀리기도 했습니다.

Optimization 과제에 대한 밸런스가 조금 부족하지 않았나 하는 아쉬움이 드네요.

7. 마치며...

전반적으로 어렴풋이 알고있던 내용들을 한번에 훑을 수 있었고, 또한 생소했던 분야에 대해서도 알 수 있어서 좋았습니다. 또한 열정과 자부심도 느낄 수 있었고요.

머신러닝 초심자, 주니어 개발자에게 딱 좋은 강의라고 생각합니다. 머신러닝을 익히기에 좋은 강의라고 생각해요.