ULMFiT으로 유명한, Google의 Sebastian Ruder는 한 해 동안 있었던 기계학습 연구에서 중요한 마일스톤을 매년 요약, 정리하여 본인 블로그에 포스팅합니다. 올해는 1. 유

ULMFiT으로 유명한, Google의 Sebastian Ruder는 한 해 동안 있었던 기계학습 연구에서 중요한 마일스톤을 매년 요약, 정리하여 본인 블로그에 포스팅합니다. 올해는 1. 유니버설 모델 2. 대규모 다중 작업 학습 3. 트랜스포머를 넘어서 4. 프롬프팅 5. 효율적 방법론 6. 벤치마킹 7. 조건부 이미지 생성 8. 과학을 위한 ML 9. 프로그램 합성 10. 편향 11. 검색을 통한 데이터 증강 12. 토큰 없는 모델 13. 시간에 따른 적응 14. 데이터의 중요성 15. 메타-러닝 이렇게 15가지를 주요 주제로 선정했네요. 해당 포스트를 번역해보았습니다. 2021년 기계학습 연구 트렌드와 중요했던 성과를 한눈에 살펴보시고 공부나 연구하시는데 큰 도움 되었으면 합니다.