728x90
    반응형

     

    나의 논문 읽는 방법

    1. GPT에게 해당 논문 핵심 아이디어 한줄로 요약해달라고 하기

    2. 1회독: 구조 훑기. Title ->Abstract-> figure1/method overview->conclusion

    3. 2회독: 그림 중심 읽기

    4. 3회독: 수식 의미 파악

    5. 4회독: 기존 방법과 비교

    6. 읽고나서 a4 1장 요약(문제정의,핵심아이디어,구조 그림으로 표현, 활용 방법 생각)

     

     

    논문 읽기 방법을 Obsidian에 적용하는 프로세스

    전체 개요 (한 눈에 보기)

     
    논문 PDF
     ↓
    GPT 1줄 요약
     ↓
    1회독 → Paper Skeleton
     ↓
    2회독 → Concept 후보
     ↓
    3회독 → Concept 심화 / 수식 메모
     ↓
    4회독 → Method / 비교 메모
     ↓
    A4 1장 요약 → Summary / Project Seed

    Obsidian에서는
    매 회독마다 “무엇을 남길지”만 정해주면 됩니다.


    0️⃣ 논문 시작 전 (준비 단계)

    하는 일

    • GPT에게 논문 핵심 아이디어 한 줄 요약 요청

    Obsidian에 남길 것

    • 아직 아무 것도 안 만듦 ❌
    • 클립보드 or INBOX 임시 메모만 OK

    📌 이유
    → 이건 이해를 돕는 워밍업이지, 지식이 아님


    1️⃣ 1회독: 구조 훑기

    (Title → Abstract → Figure 1 / Method Overview → Conclusion)

    이 단계의 목적

    • 이 논문이 뭘 하려는지 감 잡기
    • “읽을 가치가 있는가?” 판단

    Obsidian 액션 (중요)

    👉 이 시점에 Paper 노트를 만듭니다.

    위치

     
    02_PAPERS/

    이 단계에서 채우는 부분

     
    ## 한 줄 요약
    ( GPT 요약 + 본인 언어로 다듬기 )
    
    ## 문제의식
    ( Abstract 기반 )
    
    ## 핵심 아이디어 (초안)
    ( Figure / Conclusion 기반, 아직 거칠어도 OK )

    📌 규칙

    • 수식 ❌
    • 디테일 ❌
    • 정확성보다 방향성

    2️⃣ 2회독: 그림 중심 읽기

    이 단계의 목적

    • 구조 이해
    • “이 논문의 뼈대가 뭔지” 파악

    Obsidian 액션

    👉 Concept 후보를 표시만 합니다.

    논문 노트에 이렇게 씁니다:

     
    ## 핵심 개념 후보
    - [[Convolution]] ?
    - [[Subsampling]] ?
    - [[End-to-End Learning]] ?

    📌 이 단계에서는

    • Concept 노트 만들지 않아도 됨
    • 물음표( ?) 붙여도 OK

    👉 “이게 개념인가?” 체크 단계


    3️⃣ 3회독: 수식 의미 파악

    이 단계의 목적

    • 수식이 무엇을 하려는 수식인지 이해
    • 증명 ❌, 의미 ⭕️

    Obsidian 액션

    이제 Concept 노트를 만들 타이밍입니다.

    👉 01_CONCEPTS/에

    • Backpropagation
    • Entropy
    • Loss Function
      같은 수식과 직접 연결된 개념 생성

    Concept 노트에는:

    • 수식 전체 ❌
    • “이 수식이 왜 필요한지” ⭕️

    📌 논문 노트에는 이렇게만 남깁니다:

     
    - Loss function은 [[End-to-End Learning]]을 가능하게 함

    4️⃣ 4회독: 기존 방법과 비교

    이 단계의 목적

    • 이 논문의 위치 파악
    • “그래서 뭐가 달라졌는데?”

    Obsidian 액션

    👉 논문 노트에 비교 섹션 추가

    ## 기존 방법과의 차이
    - 기존: [[Pipeline]] 기반
    - 제안: [[End-to-End Learning]]
     

    👉 이때:

    • Pipeline 같은 대립 개념이 자동으로 Concept로 승격됨

    📌 이 단계부터
    Obsidian Graph가 의미를 갖기 시작


    5️⃣ 읽고 나서: A4 1장 요약

    이 단계가 가장 중요합니다.

    하던 것

    • 문제 정의
    • 핵심 아이디어
    • 구조 그림
    • 활용 방법 생각

    Obsidian에서는 이렇게 분리합니다

    ① Summary 노트 (06_SUMMARIES)

     
    # Gradient-Based Learning 요약
    
    - 문제 정의
    - 핵심 아이디어
    - 구조 개념 그림 설명

    👉 발표/회고용

    ② Project Seed (04_PROJECTS or Paper 하단)

     
    ## 활용 아이디어
    - 현대 CNN 구조와 비교
    - SSDA에 응용 가능성?

    👉 생각의 씨앗 보존


    이 프로세스의 핵심 장점

    1️⃣ 읽는 방법을 바꾸지 않는다

    • 선생님 기존 방식 그대로 유지

    2️⃣ Obsidian은 “기록 위치”만 제공

    • 언제 뭘 써야 하는지 명확

    3️⃣ 회독이 곧 구조가 된다

    • 1회독 → Paper
    • 2~3회독 → Concept
    • 4회독 → Method / 비교
    • 종료 → Summary / Project
    728x90
    반응형
    • 네이버 블러그 공유하기
    • 네이버 밴드에 공유하기
    • 페이스북 공유하기
    • 카카오스토리 공유하기