• 방향성

    • 최신 논문을 읽고, 공개된 코드를 자신의 task에 적용하여 문제를 해결하는 능력을 기름

    • 연구가 아니라 적용 능력을 기르는 것이 목표이므로, 논문을 아주 깊게 이해하지는 않음

      ex) 수학적인 내용은 이해하지 않고 넘어감

    • 라이브러리화 된 모델까지는 코드를 같이 공부하지 않음

      • 과거 모델을 layer단에서 이해하여, 구조를 개선하는 것 보다, 최신 논문의 오픈된 코드를 가져다 쓰는 것이 좋다고 생각함
      • 따라서, 각 모델을 깊게 보기 보다는 빠르게 최신 논문을 이해할 수 있는 정도까지만 공부하려고 함
  • 진행

    1. 선정된 논문을 읽는데 필요한 사전 지식을 쉽게 설명한 자료를 찾아서 같이 공부하고 이해한 내용을 논의

      ex) transformer를 공부하기 위해 attention의 이해가 필요

    2. 논문을 쉽게 설명한 자료를 찾아서 같이 공부하고 이해한 내용을 논의

      • 논문에는 숨겨진 정보(이정도는 알고 있을꺼야) + 압축된 설명 + 이유가 없이 실험적으로 나온 결과 + 해당 논문이 나올때의 연구 트랜드 가 존재하므로, 다른 소스에서 먼저 공부하는게 좋다고 생각합니다.

    3. (slow paper 방식) 시간을 정해서 논문을 같이 읽고, 랜덤하게 한명을 선정해서 발표, 각자 공유할 내용 + 질문 공유, 논의하여 이해하고 넘어감

      • 현재는 NLP, CV, Multi model 가리지 않고 보고 있습니다
      • 누군가 질문하면 자신의 생각을 친절하게 말하기
        • 모두가 이해 못했다면 대화를 중단하고 다시 공부
        • 오랜 시간 논의하는데 이해가 안되는 개념은 적어두고 다음에 다시 논의

    4. 남는 시간에 각자 공부한 내용 정리 or 코드 찾아서 연습 하며, 공유하고 싶거나 이해 안된 내용 물어봄

    5. 다음 논문 선정

  • 모임 관련
    • 오프라인 모임
    • 매주 토요일 10시~5시 (점심 12시~1시)
    • 강남역에서 10분 거리에 있는 회의실
  • 모집 관련
    • 1명 (선착순 아님) - 현재 3명
    • 평소에 공부하시며 정리하시는 분 (정리하신 자료 공유해주세요)
    • 결과는 1월 19일 전에 공유 드리겠습니다
  • 정리 자료 예시
    • 잘 정리했다기 보다는, 자신의 언어로 정리하는 것 (인출 연습을 평소에 하시는 분)인 것이 중요합니다.
    • Transformer
    • Vision Transformer
    • Autoencoder (AE)
    • Variational Autoencoder(VAE)
    • Generative Adversarial Nets (GAN)