AI 대학원 준비중인 대학생 공부해야 할 과목

AI대학원도 분야가 여러개죠 근데 제일 핵심적인 수학은 통계학,선형대수이고요 머신러닝 관련 이론연구에서 보통 함수해석학 관련 내용이 많이나오는거같습니다. 그냥 수리통계학하고 선대 공부하고 바로 머신러닝 책을 읽어보세요. 근데 cv nlp는 또 전산지식이 꽤 필요한것으로 보이나 이부분은 제가 잘몰라서.

사실 ai 대학원을 위해 교과목 시퀀셜하게 한과목 한과목 보는것보다 어떤 주제를 잡고 그거를 연구하는 프로젝트 식으로 하는게 ai포함한 cs에서 필요한 역량입니다. 프로젝트 과정에서 필요에 따라서 그때그때 하면되고요

그래도 글쓴이께서 시간날때 과목을 하나하나 잡는다면
분야에 따라서 좀 상이할 수 있으나 미적분학과 선형대수면 충분합니다. (물론 optimizer 같은 분야는 이정도에 그치면 안되겠죠?) 그리고 분야에 따라서 모르는게 나오면 그때보면 됩니다. ai 에서 cv나 nlp에서의 주요 학회 cvpr,iccv,eccv,acl,naacl,emnlp 같은 프로시딩 보면 수학의 정도가 어느정도라는 것을 알 수 있습니다.

수학외에 cs과목이라기 보다 연구자의 필수역량은 python과 linux 인거 같네요 그리고 그위에 deep learning framework인 pytorch 를 잘하면 좋고요.

제가 제안드리고 싶은 것은 인턴으로 들어가서 learn by doing 하던가 아니면 개인프로젝트를 스스로 하는것입니다. 그러면서 과목 공부를 secondary 로 하는것을 추천드립니다.
해석학,통계학,알고리즘 자료구조, 데이터베이스, 데이터마이닝, 머신러닝 이렇게 하신다고 하는데
어떤 분야를 가는지 모르겠지만, 파이썬(python 하면서 자료구조나 알고리즘 잡는게 일반적, 그리고 cs 알고리즘에 쓸데없는것도 많음 핵심적위주로 ),머신러닝, 딥러닝, (vision,nlp) 이렇게 가는게 좀더 ai 대학원 fit 에 맞지 않나싶네요

윗분들이 말하셨듯이 AI뿐만 아니라 CS는 전반적으로 Top-Down approach가 효율적인 분야입니다. 물론 선형대수, 확률통계, 자료구조, 알고리즘 등의 지식이 선행지식인 것은 맞지만 과목 자체의 범위와 AI에서의 쓰임이 일치하는 건 아니거든요. 학생이 1~2학년 즈음의 저학년 학생이라면 그렇게 접근해도 시간이 충분하겠지만, 4학년 2학기라면 관련 연구실에서 인턴을 하거나 무언가를 만들어보며 그때그때 필요한 지식들을 습득하며 채워가는 방식이 더 효율적일 것 같네요.