Cambridge에서 이번에 AI & ML 클래식 교재들을 모두 무료로 공개했습니다. PDF를 직접 다운로드할 수 있으며, 돈이 한 푼도 들지 않습니다. 여러분의 즐겨찾기에 '나중에 보기'로 저장된 수백 개의 항목이 있다는 것을 알고 있지만, 이번만큼은 정말 읽어야 할 내용입니다. 머신러닝 (Machine Learning) 입문을 원하지만 비싼 강의료를 내고 싶지 않다면, 이 10권을 완독하는 것만으로도 기초를 다지기에 충분할 것입니다.

입문부터 심화까지 순서대로 정리해 드립니다. 처음부터 가장 어려운 책을 붙잡지는 마세요:

1️⃣ 머신러닝 이해 (Machine Learning Understanding), 이론과 알고리즘을 다루며 입문자에게 첫 번째로 추천
🔗 https://t.co/Kv57CnV1CM

2️⃣ 머신러닝 수학 기초 (Mathematical Foundations of Machine Learning), 수학이 부족하다면 이 책부터 보충하세요
🔗 https://t.co/n0s3mjyT88

3️⃣ 머신러닝 알고리즘의 수학적 분석 (Mathematical Analysis of Machine Learning Algorithms)
🔗 https://t.co/mSUwVGmViy

4️⃣ 딥러닝 (Deep Learning) 이론 원리
🔗 https://t.co/qjpmPje1Nj

5️⃣ 신경망 (Neural Networks)과 머신러닝 (Machine Learning)
🔗 https://t.co/669BANjcDV

6️⃣ 그래프 딥러닝 (Graph Deep Learning)
🔗 https://t.co/wXJYjZcQ3Y

7️⃣ 머신러닝의 알고리즘적 관점 (An Algorithmic Perspective of Machine Learning)
🔗 https://t.co/EsMhr7mAKK

8️⃣ 확률론: 이론과 사례 (Probability Theory: Theory and Examples)
🔗 https://t.co/Rs8fzUAf7C

9️⃣ 응용 확률 기초 (Foundations of Applied Probability)
🔗 https://t.co/5gsXoVZr4Z

🔟 고급 데이터 분석 (Advanced Data Analysis)
🔗 https://t.co/vv3REXP6hA

솔직히 말씀드리면, 이 책들의 난이도는 낮지 않습니다. 그냥 누워서 다 읽을 수 있을 거라 기대하지 마세요. 하지만 진심으로 두세 권만 제대로 파고든다면, 단톡방에서 남들이 AI에 대해 떠드는 것을 구경하는 것보다 훨씬 낫습니다. 일단 저장해 두고, 오늘 밤 바로 첫 번째 책을 펼치세요. 또 내일로 미루지 마시고요.