안녕하세요. 좀 늦었지만, 저번에 보내드리기로 한 취업 관련 자료를 간단히 정리하여 보내드립니다.

밑에 `Prerequisites`은 데이터 (**모델링**) 관련 분야로 전향하실때 기본기가되는 토픽들이라서, 석사 과정을 가던, 바로 취업을 준비하시든 꼭 열심히 공부해 두시는걸 추천드려요. 물론, 소프트웨어 엔지니어나 데이터 엔지니어 분야로 진로를 결정하시는 경우는 예외입니다. ㅎㅎ

참고로, 저는 natural language processing 및 machine learning 연구직 종사중이라, 준비한 자료들이 제 분야 취업에 더 유리하게 맞춰져 있을꺼에요 (제가 공부/취춘할때 쓰던 자료들이라서 ㅋㅋ). Data scientist 취업 관련 자료도 추가해 두었으니, 지우님 가고 싶은 커리어 방향에 맞게 필요한 부분들 잘 골라가시길 바래요. 그리고 제 분야 자료들은 일단 빼두었는데, 혹시나 궁금하시면 언제든지 연락주시구요!

## Textbooks:
전 이 3권의 책으로 기본적인 개념들을 공부했는데, 굳이 다 읽으실 필요는 없지만, Mathematics for Machine Learning랑 Probabilistic Machine Learning: An Introduction (2022)는 꼭 읽어보시길 추천드려요.

### [**Mathematics for Machine Learning**](https://mml-book.github.io/)
* 머신러닝 입문용 책 - 기본적인 수학 컨샙들을 쉽게 잘 풀어 써서 기본기 쌓을때 좋아요.

### [**Probabilistic Machine Learning - a book series by Kevin Murphy**](https://probml.github.io/pml-book/)
* 제 개인적인 머신러닝 바이블이에요. 시리즈라 2012년, 2022년, 2023년에 각각 1권씩 출간되었는데, 밑에 2권만 보시면 되요:
* [Book 1: “Probabilistic Machine Learning: An Introduction” (2022)](https://probml.github.io/pml-book/book1.html)
* [Book 2: “Probabilistic Machine Learning: Advanced Topics” (2023)](https://probml.github.io/pml-book/book2.html)
* 각각 1,000-1,500 페이지 정도 되는데, 여유 가지고 꾸준히 읽으시면 도움 많이 될꺼에요. 이 책에 있는 컨샙들 어느정도 이해하시면, 왠만한 대기업 머신러닝 theory 인터뷰는 다 통과해요.

### [Pattern Recognition and Machine Learning](https://www.microsoft.com/en-us/research/people/cmbishop/prml-book/)
* 나온지 좀 오래되긴했는데, 여전히 레전드 책이라서 첨부해드려요.

## Prerequisites:
여기 적어드린 자료들은 **최소** 기본기들이니, 꼭 숙지하셔야되요!
### **Math**:
[Mathematics for Machine Learning](https://mml-book.github.io/) - Part I: Mathematical Foundations 아래 토픽들 필요한 부분들만 잘 정리해 두었으니, 이 책 위주로 공부하시면서 밑에 영상 자료들 참고하시면 되요.

#### 1. **Linear Algebra**:
* Prof. Glibert Strang's Lectures:
* [MIT-18.06SC](https://youtube.com/playlist?list=PL221E2BBF13BECF6C)
* [MIT-18.065](https://youtube.com/playlist?list=PLUl4u3cNGP63oMNUHXqIUcrkS2PivhN3k)
* 3Blue1Brown Supplmentary Videos (helps with getting better intuitions / visualizations):
* [Essence of linear algebra](https://youtube.com/playlist?list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab)
#### 2. **Calculus**:
* Khan Academy Lectures
* [Multivariable calculus](https://youtube.com/playlist?list=PLSQl0a2vh4HC5feHa6Rc5c0wbRTx56nF7)
* 3Blue1Brown Visualizations/Inituitions Supplmentary:
* [Essence of calculus](https://youtube.com/playlist?list=PLZHQObOWTQDMsr9K-rj53DwVRMYO3t5Yr)
#### 3. **Probability**:
* MIT Lectures:
* [MIT RES.6-012 Introduction to Probability](https://youtube.com/playlist?list=PLUl4u3cNGP60hI9ATjSFgLZpbNJ7myAg6)
#### 4. **Statistics**:
* MIT Lectures:
* [MIT 18.650 - Statistics for Applications](https://youtube.com/playlist?list=PLUl4u3cNGP60uVBMaoNERc6knT_MgPKS0)

### Programming:
프로그래밍은 인터넷에 좋은 강의/튜토리얼이 수두룩해서, 교육자료 링크는 따로 안 걸어둘께요 ㅎㅎ
밑에 큼직큼직한 programming/scripting language랑 library들만 조금 써보시면 되요.
#### Python:
* Data science/machine learning:
* [scikit-learn](https://scikit-learn.org/stable/)
* [pandas](https://pandas.pydata.org/)
* [numpy](https://numpy.org/)
* [matplotlib](https://matplotlib.org/)
* Deep Learning:
* [pytorch](https://pytorch.org/)
* [cuda](https://developer.nvidia.com/cuda-toolkit)
* [huggingface](https://huggingface.co/)
#### Shell Scripting:
* Bash programming

## MS Programs:
1. [MSDS @ NYU Center for Data Science](https://cds.nyu.edu/):
Data분야 갈땐 젤 좋은 석사 프로그램인거같아요.

2. [Align MSCS @ Northeastern University](https://www.khoury.northeastern.edu/programs/align-masters-of-science-in-computer-science/)
회사 동료가 Northeastern University에는 비전공자들을 위한 3년짜리 MS in Computer Science 프로그램도 있다고 하내요. 괜찮아 보여서 링크를 남겨드려요.

## Intreview Prep. Guides:
* [DS Interview Qs](https://zzsza.github.io/data/2018/02/17/datascience-interivew-questions/)
* [UNIST에서 OpenAI간 김태훈님 취업 강연 슬라이드](https://www.slideshare.net/carpedm20/snu-2018-106452738)
* [김태훈님 머신러닝 인터뷰 준비 자료](https://docs.google.com/document/d/10bJK8S4T7sBIP-pzdQm9xRpW0HcLsrh6D047pE_kFE8/edit?usp=sharing)
* [Deepmind Interview Prep.](https://davidstutz.de/how-i-prepared-for-deepmind-and-google-ai-research-internship-interviews-in-2019/)
* [CS Interview Qs](https://github.com/JaeYeopHan/Interview_Question_for_Beginner)
* [Leetcode Qs](https://leetcode.com/discuss/general-discussion/460599/blind-75-leetcode-questions)

## Conclusion
공부할 내용이 많아서 쉽지 않겠지만, 제 생각에는 학원보다는 스스로 공부하는거 추천드려요. 기회가 되면 나중에 커피 한잔 하면서 더 자세히 설명해드릴게요. 화이팅하세요! :)