imteekay/machine-learning-research

해결하는 문제

머신러닝 연구에는 수학, 프로그래밍, AI 이론, 도메인 지식이라는 광범위한 기반이 필요합니다. 이 프로젝트는 강좌, 서적, 논문, 비디오, 튜토리얼에 대한 링크를 대규모로 수집하고 체계적으로 정리하여 리소스가 분산되고 학습 경로가 불명확한 문제를 해결합니다. 선형대수학과 Python 같은 기초부터 트랜스포머와 그래프 신경망 같은 고급 주제까지, 스스로 자료를 찾을 필요 없이 진행할 수 있습니다.

작동 방식

이 저장소는 거대한 목차로 구성되어 있습니다. 수백 개의 리소스를 논리적 범주로 그룹화합니다: 수학(일반 수학, 선형대수학, 통계학, 미적분학, 최적화), 프로그래밍(알고리즘, Python, ML 엔지니어링, 분산 시스템), 인공지능(데이터 과학, 머신러닝, 딥러닝, 생성 AI, 강화학습, 인과 추론, PyTorch, 헬스케어 및 생물학 같은 전문 분야), 과학(기초, 생물학, 암, 유전학), 커리어(면접 준비, 채용), 연구, 프로젝트, 커뮤니티. 각 범주에는 외부 강의, 논문, 서적, 인터랙티브 강좌에 대한 직접 링크가 포함됩니다. README는 단일 진입점 역할을 하며, 학습 로드맵 섹션에서 다양한 경로에 대한 권장 시작점을 제공합니다.

대상 독자

머신러닝 연구에 대한 구조화된 경로를 원하는 자기 주도 학습자, 학생, 연구자를 위한 것입니다. 고등학교 수학에서 최첨단 AI로 논리적으로 진행하려는 초보자부터, 기하 딥러닝, 멀티모달 ML, 헬스케어용 ML 같은 전문 주제에 대한 맞춤 자료를 원하는 고급 실무자에게 적합합니다. 커리어 및 커뮤니티 섹션이 포함되어 있어 ML 직무를 준비하거나 연구 네트워크를 찾는 사람들에게도 유용합니다.

주요 특징

• 광범위한 범위: 기초(수학, Python)부터 최전선(LLM, 그래프 신경망, 멀티모달 AI)까지.
• 선별된 품질: 유명 대학 강좌(MIT, 스탠포드, CMU), 고전 교과서, 영향력 있는 논문 포함.
• 실용적인 추가: 학습 로드맵, 면접 준비, 코딩 챌린지, ML 관련 팟캐스트 및 Q&A 링크.
• 도메인 확장: 헬스케어, 생물학, 정밀 의료 분야의 ML 전용 섹션.
• 커뮤니티 중심: 연구자, 연구소, 기업, 핵심 리소스 목록.