딥러닝 분야에서 꼭 읽어야 할 페이퍼를 정리해 놓은 깃허브를 안내해 드립니다. ‘Deep Learning Papers Reading Roadmap‘ 은 주제별로 중요한 페이퍼를 잘 정리해 놓았습니다. 최신의 논문도 있지만 오래되었더라도 꼭 읽어야 할 목록과 잘 조화를 이룬 것 같습니다. 워털루 대학의 엄태웅님이 만든 ‘awesome-deep-learning-papers‘ 와 비교하면서 하나씩 버킷 리스트를 채워가면 좋을 것 같습니다. 아래 정리된 페이퍼의 분류 소제목을 정리해 놓았습니다.

1. Deep Learning History and Basics
   1.0 Book
   1.1 Survey
   1.2 Deep Belief Network(DBN)(Milestone of Deep Learning Eve)
   1.3 ImageNet Evolution(Deep Learning broke out from here)
   1.4 Speech Recognition Evolution
2. Deep Learning Method
   2.1 Model
   2.2 Optimization
   2.3 Unsupervised Learning / Deep Generative Model
   2.4 RNN / Sequence-to-Sequence Model
   2.5 Neural Turing Machine
   2.6 Deep Reinforcement Learning
   2.7 Deep Transfer Learning / Lifelong Learning / especially for RL
   2.8 One Shot Deep Learning
3. Applications
   3.1 NLP(Natural Language Processing)
   3.2 Object Detection
   3.3 Visual Tracking
   3.4 Image Caption
   3.5 Machine Translation
   3.6 Robotics
   3.7 Art
   3.8 Audio
   3.9 Game
   3.10 Knowledge Graph
   3.11 Recommender Systems
   3.12 Bioinformatics / Computational Biology
   3.13 Neural Network Chip
   3.14 Other Frontiers

흐리게 표시된 부분은 아직 채워지지 않은 파트입니다.

때마침 OpenAI 의 잭 클라크(Jack Clark)가 트윗에 AI를 배우는데 뭐가 가장 힘든지를 물어보았는데요. 결과는 예상한대로 페이퍼를 읽을 시간이 없다가 가장 많은 지지를 받고 있네요. 물론 머리가 나빠 하나 읽는데 시간이 많이 걸린다는 것도 인정합니다 🙂