공부이력 정리

INS(IoT wireless Networking System) 우리 랩실의 약자에서 변경하여 tistory 이름을 정하였다.

 

나노에너지공학과를 졸업하고 프로그래밍 언어를 4학년 2학기에 접하면서 흥미가 붙고

컴퓨터공학쪽으로 길을 선택하면 공간/자원의 제약에서 많이 벗어나 무언가 만들 수 있다는 것에 매료되었다.

나는 배터리를 공부하고있었는데 실험하려면 각종 장비, 재료들에 매우 답답했었다(이스트붙은 대학을 갔으면 좀 자유로웠을까..) 그러던 찰나 뒤늦게 수강한 프로그래밍 수업을 듣고 진로를 재결정하였고 컴공 석사과정을 밟기 시작한다.

석사는 보통 2년이나 노베이스 상태로 진학하였기에 1년동안 학부수업을 듣고 2년의 석사를 진행한다.

20년 1월 1일부터 Hello world를 처음 실행해보고 10개월이 지난 지금에서야 글을 쓴다.

 

배운부분을 다시 정리하지는 못할 것 같다.

배운 것을 시간 순(월단위)으로 목록화 한다면

1. 홍정모의 따라하며 배우는 C/C++ (인프런, C언어 20.1월, C++ 20.1월 중순-2월말) 

 입학한 랩실은 C기반이기에 C를 최우선적으로 익혔고, C++은 객체지향언어도 추가로 배우기위해 익혔다.

정말 하루에 12시간 이상 C에 투자해서 약 보름간 C언어를 익혔고 1월 중순부터는 해당 강의와 학과 계절C++을 병행하며 C++언어를 익혔다.

 

이후엔 도대체 무엇을 공부하며 내 공부 커리큘럼을 어떻게 짜야할지가 고민이였다. 

갓 취준을 접고 온 상황이였기에, 석사 마지막학기때 고통받고싶지 않아서 컴공 취업 프로세스를 확인하고 코딩테스트를 통과해야 면접기회가 주어진다는 사실을 접하고 코딩테스트를 맛보기로 공부해보았다.

 

2. it취업을 위한 알고리즘 문제풀이(with C/C++) : 코딩테스트대비 (인프런, 2월~3월초)

 C/C++을 공부한 상태에서 써먹어보기위해, 취업의 코딩테스트를 맛보기로 접하기위해 강의를 수강해보았다.

직접 써봐야 뇌에 남을것 같은데, 다시 책을 펼쳐서 따라 치기엔 심심하다. 그래서 해보았고. 한번쯤 다시들어도 좋을 강의이나 아마 석사 마지막 학기 쯤에 바짝 몰아서 문제풀어볼때 다시 한번 볼 것 같다. 

 

3. 1학기 학과수업(3월 ~ 7월 중순) 

데이터통신 / 운영체제 / 컴퓨터구조 / 임베디드소프트웨어설계

사실상 갓 입학한 학부 신입이 3학년, 4학년 수업을 듣는 입장이였기에 정말 열심히 들었던 것 같다.

심지어 코로나로 인해 중간고사가 캔슬되고 모두 기말고사 하나만으로 성적을 결정지었기에 기말고사기간동안 2주 내내 학과공부만 한 것 같다. 다행히 모두 A+ 성적을 받았다.

 

4. 코딩테스트 스터디 시작( 4월 말 ~ 10월 말)

Github에 올리기 시작한건 아마 9월인가.. 싶은데 1,2를 진행하고 지속적으로 준비하고싶어서 코딩테스트 스터디를 해보았다. 전원 컴공 학부 4학년으로 구성되어있어서 나이는 내가 가장 많았으나 실력적으론 못했다. 지금은 스터디를 시작했던 인원들이 대학원 진학/ 공기업 준비 / 취업성공 등으로 각자 코딩테스트가 필요하지 않다는 이유로 스탑된 상태이다. 아마 조만간 나혼자 스터디를 기획해서 알고리즘을 하나씩 뜯어볼 생각이다. 

 

5. 머신러닝 스터디 시작 (4월 말 - 11월 말)

생각해보니 4월 말에 무슨 바람이 들었는지 스터디를 구하기 시작했었다. 컴공 2명, 통계학과 2명으로 구성된 머신러닝 스터디는 현재도 진행중이다. 무슨 강의를 들을지 정말 얘기 많이하고 한 강의 끝나면 뭐할지 정하는데 애를 많이 먹었다. 지금까지 들은 강의는 아래와 같다.

 - 첫번째 강의. 코세라, 머신러닝(앤드류 응) (www.coursera.org/learn/machine-learning) - 학기중(4월말-7월초)

coursera Andrew Ng 선생님의 강의이다. octave로 수업했었는데 머신러닝 모델의 내부구현을 함께 진행한다. 

영어로 된 강의라서 4명이 한주씩 돌아가며 강의내용을 정리해오고 설명해주는 식으로 스터디를 진행했다.

이해 안되는 것은 서로 보충설명해주며 이해했던걸로 기억한다. 학기중이라 한주에 하나씩 진행해서 한학기 내내 들었었다.

 

기계 학습

  -서브강의. 인프런, 파이썬 머신러닝 완벽 가이드(www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C/dashboard)

파이썬 머신러닝 완벽 가이드 - 인프런

 이 때 서브강의로 혼자 들었던 강의인데 개념만 봤던 기억이 있다. 지금 새로 들어온 스터디원들과 이 강의를 듣고 정리하고있으니 아마 ML카테고리에 정리본이 올라갈 것이다.

 

- 두번째 강의. 에드위드, 딥러닝 1단계~4단계 (www.edwith.org/deeplearningai1/) (원본강의 : www.coursera.org/specializations/deep-learning ) - 여름방학 빡세게 (8월 - 9월)

심층 학습

딥러닝 1단계: 신경망과 딥러닝 강좌소개 : edwith

방학이니 빡세게 할 수 있겠다! 그리고 머신러닝을 접했으니 딥러닝도 접해보자 ! 하며 강의를 찾아다니다가 코세라에서 deep-learning을 찾았다.

그런데 국내 사이트에서 원본강의를 번역해 준 강의가 있어서 국내강의로 스터디를 진행했었다. 근데 국내강의는 assignment나 quiz를 지원하지 않아 강의는 에드위드에서 수강하고, 코세라를 별도 수강신청해서 quiz 와 assignment를 진행했었다. quiz는 이론에 기반한 문제가 주어지고 assignment는 python programming이였다. 이때부터 파이썬 조금씩 배웠고 모르는건 구글링 해보니 나오더라.

한주에 한 섹션씩 진행했다. (아마 4개의 섹션에 4주치분량이 들어있었는데 4주치를 1주에 몰아치니 굉장히 힘들었다.)

 

 - 세번째 강의. 코세라, 텐서플로우 입문 (www.coursera.org/learn/introduction-tensorflow/home/welcome)

Coursera | Online Courses & Credentials From Top Educators. Join for Free | Coursera

1-4주차 까지 있는데 텐서플로우 API를 사용하여 DNN, CNN, RNN을 실습해보는 강의이나 실제로 내가 하려고하는 것이 무엇인지 정해지지 않은 상태에서 CNN, RNN을 해보려고 하니 동기부여가 안되었다. 그래서 DNN까지만 하고 강의를 접었었다.

 

 - 네번째 강의. 인프런, 캐글 Advanced 머신러닝 실전 박치기 (www.inflearn.com/course/%EC%BA%90%EA%B8%80-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%8B%A4%EC%A0%84/dashboard) - 10월초 - 현재진행중

캐글 Advanced 머신러닝 실전 박치기 - 인프런

이제 머신러닝도 알았겠다. 딥러닝도 알았겠다. 캐글을 해보고싶었다. 실은 이 강의를 듣기전에 [Kaggle 우승작으로 배우는머신러닝 탐구생활] 이라는 책을 통해서 하고싶었으나 첫 예제부터 메모리가 부족해서 예제 실행이 안됐었다. 컴퓨터가 16GB RAM을 사용했음에도 불구하고 안돼서 강의로 갈아탔었다. EDA, Feature engineering, 모델학습, kaggle 제출까지 base모델의 점수부터 천천히 점수가 높아지는 맛이있다. 꽤나 실전적이니 해보실 분들은 추천드린다.

 

아마 이 강의가 끝나면 다른 예제코드들을 분석해볼 시간을 가질것 같다. 그 이후 국내경진대회나 캐글을 시도할 듯하다.

이 강의와 더불어서 새로들어왔던 스터디원들이 딥러닝만 접했기에 머신러닝 강의를 추가로 함께 듣고있다. 서브강의라고 했던 인프런, 파이썬 머신러닝 완벽 가이드를 수강중이고 섹션 1~3까지는 스스로 보기로 하고(나는 이미 봤고..)

classification부터 학습을 병행 하고있다.

 

6. 2학기 학과수업(9월 ~ 12월)

자료구조, 컴퓨터 네트워크 ,임베디드 시스템, 임베디드 시스템 설계 및 실험 수업을 듣고있는 중이다.

임베 시스템은 ARM architecture을 공부하고, 임베디드 실험은 CortexM3보드 활용한 실험이다.

컴퓨터 네트워크는 Network layer들의 세부내용들을 학습한다.

자료구조는 배열, stack, queue, 트리, 그래프 등등의 자료구조를 학습하고있다.