기계학습을 꽤 진지하게 공부한 지 몇 년이 흘렀다. 내 직접적인 전공 분야도 아닌 분야를 왜 이렇게 공부하였는지 솔직히 잘 알지는 못한다. 그저 나에게 무척 큰 지적 자극을 가져다주는 분야이기에 그 자체로 공부할 가치가 크게 느껴졌다는 점이 중요한 것 같다.

학교에서 기계학습 수업을 들은 것은 큰 재미가 없었다. 나 스스로 속도를 조절할 수 없는 공부 방식은 나에게 잘 맞지 않는 것 같다. 다행히도 온라인에 무척 다양한 강의가 공개되어 있어 이를 활용했다. 제일 마음에 들었던 강의는 Mathematical monk의 유튜브 강의였다. 그 밖에 Coursera의 Andrew Ng의 강의나 Geoffrey Hinton의 강의도 들었고, Stanford CS229 수업도 들었다. 영상이 공개된 개론 수업도 많지만 개별적인 주제를 다루는 영상도 Videolectures에서 꽤 여럿 들었다. 그밖에 수업은 아니지만 다양한 주제를 소개하는 튜토리얼 세션도 영상이 공개된 것이 여럿 있다.

강의만으로는 깊은 지식을 얻기 힘들기에 책도 몇 권 읽었다. 처음엔 가벼운 마음으로 Programming Collective Intelligence를 읽었다.¹ 이어서 Machine Learning in Action도 봤고 Kevin Murphy의 Machine Learning: a Probabilistic Perspective를 읽었다. 위의 책은 모두 기계학습 스터디를 진행하면서 본 책이고, 이와 별개로 개인적으로 읽은 책도 더 있다. 가령 Probabilistic Programming & Bayesian Methods for Hackers라든지, Pattern Recognition and Machine Learning이라든지, 등등 십수 권은 될 것이다.

논문도 꽤 읽었는데, 기계학습 관련 논문이라면 기백 편은 읽었을 것이다. 처음에는 시간이 무척 오래 걸렸던 것 같은데, 기본이 쌓인 뒤로는 읽는 것이 훨씬 수월해졌다. 제대로 된 논문 읽기를 위해서는 해당 분야의 기초를 충분히 닦을 필요가 있음을 느꼈다. 사용하는 용어도 굉장히 압축적이고, 여러모로 배경이 없이 읽기는 쉽지 않았다.

손에서 터져 나오지 않는 지식을 쌓고 싶지는 않았기에 대회도 몇 차례 참가했다. Kaggle에서 열린 대회에 서너 차례 참가해서 괜찮은 결과도 얻어봤다. 그 외에 장난감 문제로 한국어 띄어쓰기 프로그램을 만들어본다든지 실습을 해보려고 노력하였다.

이렇게 써놓고 보니 꽤 많은 노력을 기울인 것 같다. 이런 과정을 거치면서 깨달은 것이 있다면 투지Grit가 중요하다는 점이다. 무슨 말이냐면, 결국 어느 정도 경지에 오르기 위해서는 꾸준히 계속할 수 있어야 하는데, 한술 밥에 배부르지 않다는 사실을 인정해야 한다는 것이다. 개인적으로는 해당 분야에 대한 진실한 관심과 애정이 이런 투지로 이어지지 않나 싶다.