• 충분한 양의 데이터
• 고성능 하드웨어(GPU)
• 딥러닝으로 구현한 알고리즘 및 튜닝 노하우

training하는 데에는 시간이 오래 걸리지만, 그 결과물은 크기가 작다. 또한 predict에도 많은 시간이 걸리지 않기 때문에 사람들은 transfer learning(누군가가 먼저 학습시켜 만든 알고리즘)을 사용한다.

• Underfitting : 학습이 덜 되는 경우 -> activation func
• Slow : 학습이 너무 느린 경우 -> GD, SGD, Adam
• Overfitting : 융퉁성이 너무 없을 경우 -> dropout 의 문제를 해결

Awesome은 사전적으로 엄청난, 굉장한이라는 의미를 가지고 있는데 Github에서는 괜찮은 링크, 좋은 링크를 모아 둔 repository를 의미하기도 한다. Awesome의 링크는 논문, 튜토리얼, 데이터 셋, 강좌, 기타 글 등에 대한 링크라서 공부를 할 때 자료를 찾는 수고를 덜어준다. Github나 인터넷 등지에 "<키워드> + awesome"을 검색하면 Awesome들을 찾을 수 있다. 이 중에서도 sindresorhus/awesome은 awesome 중에서도 좋은 awesome들을 모아 둔 repository이다.

Awesome 말고도 Paper(논문)들을 모아 둔 repository도 많이 있다. 가끔씩 논문에서 구현한 모델 등의 소스 코드나 모델 그 자체를 Github repository에 올려 두기도 한다.

• Awesome Deep Learning: 딥러닝 관련 책, 강좌, 논문, 튜토리얼, 데이터셋, 프레임워크 등 링크
• Awesome - Most Cited Deep Learning Papers: 많이 인용된 논문 목록
• Deep Learning Papers Reading Roadmap: 읽으면 좋을 만한 논문 목록
• Awesome RNN
• Awesome Deep Vision
• Awesome Reinforcement Learning

아래는 딥러닝과 관련은 없지만 볼 만한 Awesome이다.

• Awesome Devblog: 국내외 개발 블로그 및 IT 언론의 글을 한데 모아 볼 수 있는 사이트 (Github repo)