유료 강의에 돈 쓰지 마세요, 우선 이 무료 자료들부터 끝내세요.

진심으로 말씀드리는데, 요즘 매일같이 AI 입문을 위해 무엇을 봐야 하는지 저에게 묻는 분들이 많습니다. 유료 강의들은 세트로 묶여 수천 위안씩 팔리곤 하죠. 결과는 어떨까요? MIT 사람들이 자신들의 핵심 서적들을 모두 공개했습니다. 무료로 다운로드할 수 있으며, 품질은 소위 '강의 팔이'라고 불리는 대부분의 강의를 압도합니다. 제가 하나씩 정리해 드릴 테니 확인해 보세요:

1️⃣ 머신러닝 (Machine Learning) 기초, 토대를 다지는 용도
🔗 https://t.co/50lTAigC7d

2️⃣ 딥러닝 (Deep Learning) 이해, 입문자 최우선 선택
🔗 https://t.co/6HVo9h4zk3

3️⃣ 머신러닝 시스템 입론 (Introduction to Machine Learning Systems), 총 2권
🔗 제1권 https://t.co/b9RfrGJLMl
🔗 제2권 https://t.co/3zZWHnLsN6

4️⃣ 머신러닝 알고리즘 (Machine Learning Algorithms)
🔗 https://t.co/WH6qFZXog2

5️⃣ 딥러닝 (Deep Learning), 클래식 중의 클래식
🔗 https://t.co/HgMJnGbuUT

6️⃣ 강화학습 (Reinforcement Learning)
🔗 https://t.co/URHilWDC3f

7️⃣ 분산 강화학습 (Distributed Reinforcement Learning)
🔗 https://t.co/9rFIhTjQvA

8️⃣ 다중 에이전트 강화학습 (Multi-Agent Reinforcement Learning)
🔗 https://t.co/nMJARpCx0n

9️⃣ AI 장기 게임에서의 에이전트 (Agents in AI Long-term Games)
🔗 https://t.co/3LNLK9tPlL

🔟 머신러닝의 공정성 (Fairness in Machine Learning)
🔗 https://t.co/YpUDLasvpk

1️⃣1️⃣ 확률적 머신러닝 (Probabilistic Machine Learning), 역시 두 부분으로 구성
🔗 제1부 https://t.co/4ZU706dGD1
🔗 제2부 https://t.co/jLZUatGNpN

여러분의 고질적인 습관을 알고 있습니다. '저장 = 학습'이라고 생각하시죠. 이번에는 그러지 마세요. 한 권을 골라 실제로 펼쳐서 보는 것이 백 권을 저장하는 것보다 훨씬 낫습니다.
[IMG:1]