# [무료] 인공지능 기초를 쌓는 지루하지만 확실한 방법

[State of Open Source AI Book - 2023 Edition](https://book.premai.io/state-of-open-source-ai/index.html)

AI/ML을 배우기 위한 자료는 많지만, 대부분 개인의 홍보에 집중하거나 깊은 이해보다는 블로그 글에 치우친 내용을 담고 있습니다. 이 글에서는 AI/ML에 대한 심도 있는 기초를 쌓을 수 있는 무료 교육자료들을 소개합니다. 영어이긴 하지만 요즘 기술이 좋아 DeepL이나 스크립트 자동번역을 쓰시면 의외로 장벽이 그리 높지 않습니다. 개인적으로 FastAI는 많은 도움이 되었습니다.

### 교육 과정(VOD)

- Fast AI: 이론, 코딩, 실제 예시의 균형이 잘 잡힌 과정입니다. 전체 과정과 교재가 무료로 제공되며, 쥬피터 노트북을 통해 실행할 수 있습니다. Python 경험이 있는 사람에게 추천합니다.
- 

[fast.ai - fast.ai—Making neural nets uncool again](https://www.fast.ai/)

- 안드레이 카파시의 강의: OpenAI의 창립 멤버이자 테슬라의 컴퓨터 비전 팀을 이끈 안드레이 카파시의 강의입니다. 코드 한 줄에서 시작해 GPT, 심층 신경망 등을 구축하는 내용입니다.

[Neural Networks: Zero To Hero](https://karpathy.ai/zero-to-hero.html)

- 데이터로부터의 학습 (칼텍 과정): 칼텍의 야세르 아부-모스타파 교수가 진행하는 기계 학습 이론에 대한 강의입니다. 카파시의 강의 전에 들으면 이해가 더 잘 됩니다.

[Learning From Data - Online Course (MOOC)](https://work.caltech.edu/telecourse)

### 도서

- 딥 러닝: 요슈아 벤지오 공동 저술. 심층 학습에 대한 깊은 소개를 제공합니다. 신경망에 관심이 있다면 이 책을 추천합니다.

[Deep Learning](https://www.deeplearningbook.org/)

- <The Elements of Statistical Learning:통계 학습의 요소들>: 통계 학습의 이론적 이해에 초점을 맞춘 교재입니다. 최첨단 연구실이나 기업에 관심이 있는 이들에게 적합합니다.

[https://hastie.su.domains/Papers/ESLII.pdf](https://hastie.su.domains/Papers/ESLII.pdf) 

- <Artificial Intelligence: A Modern Approach>: 기초부터 통계 학습, 기계 학습, 심층 학습, 의사 결정 이론 등을 다루는 1,000페이지 분량의 교재입니다.

[Artificial Intelligence: A Modern Approach, 4th US ed.](https://aima.cs.berkeley.edu/)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).