Team AI Korea 멤버들이 심혈을 기울여 작업한 자료 모음 웹페이지 3종입니다. 아래 사이트들은 미국 유명 대학의 교수님도 이번 가을 학기 딥러닝 수업에 활용하겠다고 연락한 바 있었고, 현재도 꾸준히 업데이트되고 있습니다.

1. Awesome-RNN

최근 RNN (recurrent neural network) 기반 딥러닝 기술이 인공지능 전반 (비전, 로보틱스, 자연어처리 등) 에 걸쳐서 사용되고 있고, 특히 자연어처리 분야 (기계번역, 질의응답) 에서 각광받기 시작하였습니다. Awesome-RNN은 RNN의 모든것 (코드, 렉쳐, 논문 등) 을 일목요연하게 정리하였습니다. 웹페이지를 처음 공개할 때보다 더 다양한 분야에 대한 코드 및 연구 논문들이 업데이트되었고, Stanford NLP Group 트위터에도 최근에 소개된 적이 있습니다.

2. Awesome-Deep-Vision

딥러닝 기술이 가장 두각을 나타낸건, CNN기반 기술의 영상 내 물체 인식 정확도가 모든 다른 방법들을 매우 큰 격차로 꺾으며 시작되었다고들 생각하고 있습니다. Awesome-Deep-Vision은 컴퓨터 비전 내 딥러닝에 관하여 정리하였습니다. 다양한 문제들에 딥러닝 기법들이 어떻게 활용되고 있는지를 최신 연구 논문까지 확인하실 수 있습니다. 컴퓨터 비전 분야에서 굉장히 유명한 Tomasz Malisiewicz의 트위터에도 소개된 바 있습니다.

3. Awesome-Random-Forest

미디어에서는 딥러닝을 많이 다루고 있지만, 머신러닝 커뮤니티에서는 여전히 Random Forest에 대한 연구/개발이 활발합니다. 데이터 분석 대회인 Kaggle에서도 Random Forest 기반 방법이 자주 우승한 바 있습니다. 특히, 데이터가 적을때 유리한 측면을 많이 갖고 있습니다. 자세한 정보는 Awesome-Random-Forest에서 확인해 보세요.

4. Awesome-Reinforcement-Learning

Reinforcement Learning (강화학습)은 사람이 배우는 방식과 매우 흡사합니다. 에이전트가 환경을 관찰하고 Policy에 따라 행동을 취해서 보상 형태의 피드백을 통해 배우는 머신 러닝의 한 방법입니다. 머신 러닝의 끝판왕 격인 기술이지만 딥러닝이 나오기 전까지는 실현이 어려운 부분이 많았습니다. 현재는 딥러닝이 나와서 새로운 문제들이 많이 풀리기 시작하였습니다. 대표적인 예로 최근 뉴스에 나왔던 '딥러닝 로봇 10일 만에 물체 집는 법을 스스로 깨우치다'가 있습니다. Reinforcement Learning은 인공지능, 로봇, 게임 등 미래에 많이 쓰일 것으로 예상됩니다.

---

GitHub PR, 이메일, Gitter 채팅 참여 등으로 Awesome 시리즈에 내용을 추가하 실수 있습니다. 많이 기여하시는 분께는 Maintainer에 추가 및 관리권한을 드리도록 하겠습니다.