|
|
|
µö´Ù µö·¯´× : ¼öÇÐ, ÀÌ·Ð, ½Ç½ÀÀ» È£ÄèÇÏ°Ô ¶Õ´Â´Ù!
|
|
|
¾çÁöÇå
¤Ó
½ºÆ÷Æ®¶óÀÕºÏ
|
|
|
|
- Á¦ÈÞ¸ô ÁÖ¹® ½Ã °í°´º¸»ó, ÀϺΠÀ̺¥Æ® Âü¿© ¹× ÁõÁ¤Ç° ÁõÁ¤, ÇÏ·ç/´çÀÏ ¹è¼Û¿¡¼ Á¦¿ÜµÇ¹Ç·Î Âü°í ¹Ù¶ø´Ï´Ù.
-
-
-
´Ùµé ¾î·Á¿öÇß´ø ¼ö½Äµé ÇϳªÇϳª, µö´Ù(Deep+Òý) ÆÄ°íµé¾î ¼³¸íÇÏ´Â µö·¯´× Ã¥
¹Ù¾ßÈå·Î ÀΰøÁö´ÉÀÇ ½Ã´ë, µö·¯´× °øºÎ¿¡µµ ¿Õµµ°¡ ÀÖÀ»±î? Àΰ£ÀÌ ÆíÇÏÀÚ°í ÄÄÇ»Å͸¦ ÇнÀ½ÃÅ°´Â °ÍÀÌ µö·¯´×Àε¥, °øºÎÇÏ´Â »ç¶÷µéÀº °ñ¸Ó¸® ¾Î´À¶ó ÆíÇÏÁö ¾Ê´Ù. ÀÌ Ã¥ÀÇ ÀúÀÚ ¿ª½Ã ¸¹Àº Ã¥°ú ³í¹®À» ÅëÇØ µö·¯´×¿¡ µµÀüÇÏ¸é¼ Á¤ÀÛ Èûµé¾ú´ø ºÎºÐÀº ±×°£ÀÇ Ã¥µé¿¡ »ý·«µÇ¾ú´ø ¼öÇÐÀû Áö½ÄÀ̾ú´Ù. µö·¯´× ÀÌ·Ð ÀÚü°¡ ¾î·Á¿î °Ô ¾Æ´Ï¶ó ±×¸¦ À§ÇÑ ¼öÇп¡ ¾ÆÁ÷ Àͼ÷ÇÏÁö ¾Ê¾Ò´ø °Í»ÓÀ̾ú´Ù.
1ºÎ´Â µö·¯´× ½Ç½ÀÀ» ¸Àº¸°Ô ÇØÁØ´Ù. Áúº´À» ¿¹ÃøÇÏ°í, ÀÚµ¿ÀÀ´ä 꺿, ÈÀç°¨½Ã ½Ã½ºÅÛÀ» ¸¸µå´Â°¡ Çϸé, °¡¿äµµ ÀÛ°îÇÏ°í ½ÉÁö¾î´Â °£´ÜÇÑ ¸¶À̳ʸ®Æ¼ ¸®Æ÷Æ®±îÁö µµÃâÇغ»´Ù. 2ºÎ´Â µö·¯´× °ü·Ã ¼öÇÐÀ» Á¤¸é µ¹ÆÄÇÑ´Ù. ÀÌ·ÐÀ¸·Î ÆÄ°íµé¾î°¡±â Àü¿¡ ±â¹ÝÀ» ´ÙÁö´Â ºÎºÐÀÌ´Ù. °¢°¢ ¼ö½ÄµéÀÇ Àü°³¸¦ »ý·« ¾øÀÌ ´Ù·ç¸ç µ¶ÀÚµéÀ» ¼¼½ÉÇÏ°Ô ¾È³»ÇÑ´Ù. 3ºÎ´Â ºñ·Î¼Ò µö·¯´× À̷еéÀ» ´Ù·é´Ù. 1ºÎÀÇ È£±â½É°ú Àç¹Ì, 2ºÎÀÇ ¼öÇÐ Áö½ÄÀ̶ó´Â ±âº»·ÂÀ» ¹ÙÅÁÀ¸·Î µö·¯´× ÀÌ·ÐÀ» ´Ù·é´Ù.
µö·¯´× Çϵå Æ®·¹ÀÌ´×À» Ç¥¹æÇÏ´Â ÀÌ Ã¥Àº ¾î·Á¿öµµ ²À ¾Ë¾Æ¾ß ÇÒ ¼öÇÐ Áö½Ä°ú µö·¯´× ÇÙ½É À̷е鿡 ´õÇØ Àç¹ÌÀÖ´Â ¾ÆÀ̵ð¾î°¡ ºû³ª´Â Çѱ¹Çü µö·¯´× ½Ç½À±îÁö Á¦°øÇÏ´Â, Áß±ÞÀÚ¿ë µö·¯´× Á¾ÇÕ±³ÀçÀÌ´Ù. ¡®µö´Ù¡¯´Â »çÀü¿¡ ¡®µéÀÔ´Ù¡¯ÀÇ Áظ»·Î ³ª¿ÀÁö¸¸ ¿©±â¼´Â µö·¯´×À» ¸¸³ª ¡®Deep+Òý¡¯¶ó´Â Àǹ̰¡ Ãß°¡µÇ¾ú´Ù.
-
-
±í°í(Deep) ´Ù(Òý)¾çÇÏ°Ô ÇнÀÇØ¾ß ÇÒ Áß±ÞÀÚ¸¦ À§ÇÑ µö·¯´× Çϵå Æ®·¹ÀÌ´×
´©±¸³ª ½±°Ô ¹è¿ï ¼ö ÀÖ´Ù°í ÁÖÀåÇϴ åµéÀÌ ¼ö¾øÀÌ ¸¹Áö¸¸ ÀÌ Ã¥ ¡ºµö´Ù µö·¯´×¡»ÀÇ ÀúÀÚ´Â µö·¯´×ÀÌ °áÄÚ ½±Áö ¾ÊÀ¸¸ç, ¼öÇÐÀûÀÎ »çÀü Áö½ÄÀÌ ¾øÀÌ´Â µµÀüÇϱ⠾î·Æ´Ù´Â °ÍÀ» óÀ½ºÎÅÍ °Á¶ÇÑ´Ù. ¼³»ç ¾î¶»°Ô ±âº»Àº ÀÍÇûÀ»Áö¶óµµ µö·¯´×À» ½ÇÁ¦·Î ¿ì¸® ȯ°æ¿¡¼ È°¿ëÇÒÁö¿¡ ´ëÇؼ´Â ´õ¿í ³°¨ÇØÁø´Ù°í ¸»ÇÑ´Ù.
°ú°¨ÇÑ »ó»ó·ÂÀ¸·Î ¸¸µé¾î³½ µö·¯´× ½Ç½ÀÀ» ¸Àº¸´Â °ÍÀ¸·Î ½ÃÀÛÇؼ ±âº»ÀÌ µÇ´Â µö·¯´× ¼öÇÐ Áö½ÄµéÀ» »ìÆ캻 ÈÄ¿¡ ´Ù¾çÇÑ µö·¯´× À̷еéÀ» ÇнÀÇÒ ¼ö ÀÖ°Ô ±¸¼ºµÈ ÀÌ Ã¥Àº µ¶ÀÚµéÀÌ Àû¾îµµ 6°³¿ù Á¤µµ´Â ²ö±âÀÖ°Ô °øºÎÇØ¾ß ÇÒ Çϵå Æ®·¹ÀÌ´× ±³Àç´Ù. µ¶ÀÚµéÀº ÀÎÅͳÝÄ«Æä(cafe.naver.com/deepdalearning)¸¦ ÅëÇØ ÀڷḦ ¹Þ°Å³ª ÁúÀǸ¦ ÇÒ ¼ö ÀÖ´Ù.
µö·¯´× ¸Àº¸±â°¡ ¾Æ´Ï¶ó ÀÀ¿ëÀ» À§ÇÑ ±íÀÌ ÀÖ´Â ÀÌÇظ¦ ¿øÇÏÁö¸¸ ¼±¶æ µÎ·Á¿ò¿¡ °øºÎ¸¦ ½ÃÀÛÇÏÁö ¸øÇÑ µ¶ÀÚ¶ó¸é ÀÌ Ã¥ÀÌ µö·¯´×ÀÇ ¼¼°è·Î ÀεµÇÏ´Â ÈǸ¢ÇÑ ±æÀâÀÌ°¡ µÇ¾îÁÙ °ÍÀÌ´Ù. - Á¤¿©Áø (±¹¹Î´ëÇб³ µ¥ÀÌÅÍ»çÀ̾𽺠¹× ºòµ¥ÀÌÅÍ °æ¿µMBA ±³¼ö)
ÀÌ Ã¥Àº ÀúÀÚ°¡ µö·¯´×ÀÇ À̷аú ÀÀ¿ëÀ» 100% ÀÌÇØÇÏ°í ÀÚ½ÅÀÇ ¾ð¾î·Î Ç®¾î ±â¼úÇÑ °ÍÀÌ´Ù. CNNÀ̳ª RNN ÀÌ¿Ü¿¡ RBN, GAN, Reinforcement Learning±îÁö ´Ù¾çÇÑ ¸ðÇüµµ ´Ù·ç°í ÀÖÀ¸¹Ç·Î µ¶Àڵ鿡°Ô´Â º¸³Ê½º°¡ ¾Æ´Ò±î ÇÑ´Ù. - ¾È¼º¸¸ (±¹¹Î´ëÇб³ µ¥ÀÌÅÍ»çÀ̾𽺠±³¼ö)
ÀÌ Ã¥Àº ¾î´À Ã¥¿¡¼µµ º¸Áö ¸øÇß´ø »ó¼¼ÇÑ ¼³¸íÀ» Æ÷ÇÔÇÏ°í ÀÖ½À´Ï´Ù. ¼ö¸¹Àº ¼Ò½ºµéÀ» Àϸñ¿ä¿¬ÇÏ°Ô Á¤¸®Çß´Ù´Â »ç½Ç¸¸À¸·Îµµ ÈǸ¢ÇÏÁö¸¸, ¸¹Àº ¼ö½ÄÀ» ÇÑ ÁÙ ÇÑ ÁÙ ¼³¸íÇØ ³ª°¡´Â ÀúÀÚÀÇ Àγ»½É°ú ÀÚ»óÇÔÀÌ µ¸º¸ÀÔ´Ï´Ù. - ±è±â¿Â (SKÅÚ·¹ÄÞ Machine Learning Engineer ¹Ú»ç)
µö·¯´× ÀÔ¹®ÀÚ¸¦ À§ÇÑ ÀÌ·Ð ¼³¸íºÎÅÍ ´Ù¸¥ Ã¥¿¡¼´Â º¼ ¼ö ¾ø¾ú´ø ´Ù¾çÇÑ Çö½ÇÀûÀÎ È°¿ë »ç·ÊµéÀ» º¸¸é¼ ÀúÀÚ°¡ ¾ó¸¶³ª °í¹Î°ú ³ë·ÂÀ» Çß´ÂÁö°¡ ´À²¸Áý´Ï´Ù. ÀÌ Ã¥Àº ¾ÆÁÖ ÁÁÀº µµÀü°ú ±æÀâÀÌ°¡ µÉ °ÍÀ̶ó°í È®½ÅÇϸç Àû±Ø ÃßõÇÕ´Ï´Ù. - ¼Áø¼ö (R¶óºä, ¿À¶óŬ SQL°ú PL/SQL µî ÀúÀÚ)
óÀ½¿¡´Â ½Ç½ÀÀ¸·Î ½ÃÀÛÇÏ¿© µö·¯´×À» ¾î¶»°Ô È°¿ëÇÏ´ÂÁö Á¦´ë·Î º¸¿©ÁÖ°í À̷п¡¼ºÎÅÍ´Â Á¶½É½º·¹ µö·¯´×ÀÇ ¿ø¸®¸¦ Ç®¾î³ª°¬´Ù. µö·¯´× ±â¼úÀÌ ´çÀå ÇÊ¿äÇÑ °³¹ßÀÚ»Ó¸¸ ¾Æ´Ï¶ó, ¼ºñ½º ±âȹÀÚ³ª µö·¯´× ¹× ÀΰøÁö´É¿¡ °ü½ÉÀÖ´Â ¸ðµç »ç¶÷¿¡°Ô ÀÌ Ã¥À» ÃßõÇÏ°í ½Í´Ù. - ÀåÇü¼® (¼÷¸í¿©ÀÚ´ëÇб³ ºòµ¥ÀÌÅͼ¾ÅÍ ¿¬±¸¼ÒÀå, ±³¼ö)
½º¸¶Æ®ÆÑÅ丮 ±¸Ãà¿¡ °ü½ÉÀ» °¡Áö°í ÀÖ´Â ¸®´õ´Â ¹°·ÐÀÌ°í ÇöÀå¿¡¼ ¹®Á¦¸¦ ÇØ°áÇÏ°íÀÚ ÇÏ´Â ½Ç¹«ÀÚ±îÁö ½±°Ô ÀÌÇØÇÏ°í Àû¿ëÇϱ⠿ëÀÌÇÏ°Ô Ä£ÀýÇÑ ±æÀâÀ̸¦ ÇÒ °ÍÀ̶ó°í ÆÇ´ÜÇÕ´Ï´Ù. ±í°Ô Àϵ¶ÇϽñ⸦ ±ÇÇÕ´Ï´Ù. - Çѱ¤Èñ (µµ·¹ÀÌÄɹÌÄ® ITºÎ¹® ÆÀÀå)
µö·¯´×Àº ³ôÀº Àα⸸Š³¸¼± ³»¿ë°ú ¾î·Á¿î ¼ö½ÄÀ¸·Î ÀÎÇØ Á¢±ÙÇϱ⠱î´Ù·Î¿î ºÐ¾ßÀÌ°í ÀÌÇØÇϱ⿣ ´Ù¼Ò ¾î·Á¿î °Íµµ »ç½ÇÀÌ´Ù. ÀÐ°í °í¹ÎÇغ¸°í »ý°¢ÇغÁ¾ß ÁøÁ¤À¸·Î ³» ½Ç·Â°ú ³» °ÍÀÌ µÇ´Â Âü ¸ÀÀ» ´À³¥ ¼ö Àִ åÀ̶ó°í »ý°¢ÇÑ´Ù. - ±è¿ë¼® (NSȨ¼îÇÎ µ¥ÀÌÅͺм® ´ã´ç)
ÀÌ Ã¥Àº µö·¯´×ÀÇ Àü¹ÝÀûÀÎ ³»¿ëÀ» À̷аú ½Ç½ÀÀ» ÅëÇØ Ã¼°èÀûÀ¸·Î Á¤¸®ÇØ º¼ ¼ö ÀÖ´Â µö·¯´× ÇнÀÀÚÀÇ ¹ÙÀ̺íó·³ ´À²¸Á³½À´Ï´Ù. µö·¯´×¿¡ ´ëÇÑ ÀÌ·ÐÀû ±âÃʸ¦ Æ°½ÇÇÏ°Ô ´ÙÁú ¼ö ÀÖÀ» »Ó¸¸ ¾Æ´Ï¶ó ÀüüÀûÀÎ ¸¶ÀÎµå ¸ÊÀ» ±×·Áº¼ ¼öµµ ÀÖ´Ù´Â Á¡¿¡¼ µö·¯´× ÇнÀÀڵ鿡°Ô ÀÌ Ã¥À» Àû±Ø ÃßõÇÕ´Ï´Ù. - ±èº¹ÁÖ (¿ì¸®¿¡ÇÁ¾ÆÀÌ¿¡½º ¼±ÀӰ˻翪 IT/Á¤º¸º¸¾È °¨»ç, Á¤º¸°ü¸®±â¼ú»ç, Á¤º¸½Ã½ºÅÛ°¨¸®»ç)
Áö±Ý±îÁö ³ª¿Â µö·¯´× °ü·Ã ¼Àû¿¡ ȸÀÇ°¨À» ´À³¢´Â »ç¶÷µé¿¡°Ô ÇнÀ ¿å±¸¸¦ ä¿öÁÖ´Â ¿ªÇÒÀ» ÇÏ´Â ÀÌ Ã¥Àº µö·¯´×¿¡ ´ëÇÑ... ´Ü¼øÇÑ °³³ä ¼Ò°³°¡ ¾Æ´Ñ ´Ù¾çÇÑ ¿¹Á¦¿Í ÇÔ²² ÀÌ·ÐÀûÀ¸·Î ü°èÀûÀÎ °úÁ¤À» ´Ù·é´Ù. ƯÈ÷ µö·¯´× ÀÔ¹®Àڷμ µö·¯´× ¾Ë°í¸®Áò ¼¿ÇÁ Æ©´×À» ¸ñÇ¥·Î ÇÏ´Â µ¶ÀÚ¿¡°Ô <µö´Ù µö·¯´×>À» ´õ´õ¿í ÃßõÇÑ´Ù. - ºÎÇö°æ (¾Æ¹Ý¼ÒÇÁÆ® Àü·«±âȹÆÀ ºòµ¥ÀÌÅÍ ¿¬±¸¿ø)
Ãʱ⿡ µö·¯´×À» °øºÎ¸¦ ÇÏ°íÀÚ ÇÏ´Â »ç¶÷¿¡°Ô ½ÇÁúÀûÀÌ°í ±¸Ã¼ÀûÀ¸·Î µµ¿òÀÌ µÇ´Â Ã¥ÀÔ´Ï´Ù. µö·¯´×ÀÇ ±âÃÊ À̷аú °³³äÀ» °øºÎÇÏ°íÀÚ ÇÏ´Â »ç¶÷µé¿¡°Ô ÃßõÇÕ´Ï´Ù. - ÀüÁ¾½Ä (Big Leader Institute ´ëÇ¥)
µö·¯´×À» °øºÎÇÒ ¶§ Àü¹ÝÀûÀÎ °³³ä ÀÌÇØ ÈÄ¿¡ ´õ ³ªÀº °øºÎ¸¦ À§ÇØ ²À ÇÊ¿äÇÑ ºÎºÐÀÌ ¼ö¸®Àû ¿¬»ê¿¡ ´ëÇÑ ÀÌÇØÀÔ´Ï´Ù. ÀÌ Ã¥Àº ºñÁÖ¾óÇÑ °³³ä, ¼ö¸®Àû ¼³¸í, ÄÚµù ½Ç½ÀÀ¸·Î µö·¯´×À̶ó´Â Å« ¿µ¿ªÀ» ŽÇèÇÏ´Â ÁÁÀº ³»ºñ°ÔÀÌ¼Ç ¿ªÇÒÀ» ÇØÁÖ°í ÀÖ½À´Ï´Ù. - ȫâ¼ö (NICE P&I ±ÝÀ¶°øÇבּ¸¼Ò ½ÇÀå)
½Ç½À¿¡¸¸ ±×Ä¡Áö ¾Ê°í µö·¯´× ¸ðµ¨¿¡ ´ëÇÑ ¼öÇÐÀû ÀÌ·ÐÀ» ¹ÙÅÁÀ¸·Î °øºÎÇÒ ¼ö Àִ åÀÔ´Ï´Ù. ¸ðµ¨ÀÇ ¹ÙÅÁÀÌ µÇ´Â ÀÌ·ÐÀ» ÇнÀÇÏ´Â °ÍÀº ½¬¿î ÀÏÀÌ ¾Æ´ÏÁö¸¸ ü°èÀûÀ¸·Î ±íÀÌ ÀÍÈ÷°íÀÚ ÇÏ´Â ºÐµé¿¡°Ô´Â ºÐ¸í µµ¿òÀÌ µÉ °ÍÀ̶ó°í »ý°¢ÇÕ´Ï´Ù. - ±è¹ÌÇý (ÄíÆÎ ºñÁî´Ï½º ¾Ö³Î¸®½ºÆ®)
4Â÷»ê¾÷Çõ¸íÀÇ ÁÖ¿ä ±â¼ú Áß ÇϳªÀÎ µö·¯´×À» ±íÀÌ ´Ù·é ÀÌ Ã¥À» °·ÂÈ÷ ÃßõÇÑ´Ù. - ±èÇÑ»ó (°Ç°º¸Çè½É»çÆò°¡¿ø ½É»çÆò°¡¿¬±¸¼Ò ¿¬±¸¿ø)
-
-
¼¹® _ µö·¯´×Àº »ç½Ç ½±Áö ¾Ê½À´Ï´Ù
1ºÎ _ µö·¯´×À» ½á¸Ô´Â ¹æ¹ý
--Áúº´ ÆÐÅÏÀÇ ¿¹Ãø : ÆÐÅÏÀÇ »ý¼º°ú ¿¹Ãø
--Word2Vec°ú ¹Ì¼ú°ü ¿· µ¿¹°¿ø : ´Ü¾î »çÀÌÀÇ °Å¸®°³³ä Ç¥ÇöÇϱâ
--»ó´ã µ¥ÀÌÅÍ ºÐ·ù ; ºÐ·ù¸¦ ¾î¶»°Ô Á¢±ÙÇÒ±î?
--ÀÚµ¿ÀÀ´ä 꺿 ¸¸µé±â : ¾î¶² ´ë´äÀ» Çϵµ·Ï ¸¸µé±î?
--ÈÀç°¨Áö ½Ã½ºÅÛ : ¿Âµµ¸¦ ¾î¶»°Ô Á¤ÀÇÇÏÁö?
--¹éÈÁ¡ ¸ÅÃâ ¿¹Ãø : ¸ÅÃâÀ» ²À ¼ýÀڷθ¸ Ç¥ÇöÇØ¾ß Çϳª?
--°¡¿ä ÀÛ°î°¡ÀÇ Åº»ý : À½Ç¥¸¦ ÀÚµ¿À¸·Î »ý¼ºÇÏ´Â ¹æ¹ýÀº?
--Ãßõ ½Ã½ºÅÛ À¯»çµµ ÇÔ¼ö : ¾î¶² °í°´°ú »óÇ°µéÀÌ ¼·Î °¡±î¿ï±î?
--¸¶À̳ʸ®Æ¼ ¸®Æ÷Æ® : ¹Ì·¡¸¦ ¿¹¾ðÇÑ´Ù´Â °Í
2ºÎ _ µö·¯´× ¼öÇÐ Á¤¸éµ¹ÆÄ
--°æ»çÇÏ°¹ý(Gradient Descent)
---±â¿ï±â
---°æ»çÇÏ°¹ý
__¿À·ù ¿ªÀüÆÄ(Error Back Propagation)
____¿À·ù ¿ªÀüÆÄ
____Çà·Ä Æí¹ÌºÐ, ÅÙ¼, ¾ßÄÚºñ¾È
____µ¥ÀÌÅÍ ±¸Á¶¿Í ½Ã½ºÅÛ ±¸ÇöÀÇ ¹®Á¦
__MCMC¿Í ¹Ì´Ï¹èÄ¡
____SGD, batch, mini-batch
____MCMC(¸¶¸£ÄÚÇÁ ¿¬¼â ¸óÅ×Ä«¸¦·Î)
__È°¼ºÈ ÇÔ¼ö¿Í ±³Â÷ ¿£Æ®·ÎÇÇ
____È°¼ºÈ ÇÔ¼ö
____¼ÒÇÁÆ®¸Æ½º¿Í ±³Â÷ ¿£Æ®·ÎÇÇ
__¿À¹öÇÇÆà °³¼±
____°¡ÁßÄ¡ °¨¼è
____µå·Ó¾Æ¿ô
__ÇнÀÈ¿°ú Çâ»ó
____ÇнÀ... µ¥ÀÌÅÍÀÇ È®Àå
____°¡ÁßÄ¡ ÃʱâÈ
____ÇÏÀÌÆÛ ÆĶó¹ÌÅÍ ¼³Á¤
____Çì¼¼ Å×Å©´Ð°ú ¸ð¸àÅÒ
____³×½ºÅ×·ÎÇÁ ¸ð¸àÅÒ°ú ÇнÀ¼Óµµ Á¶Àý
__ÀÚ±âºÎȣȱâ(Auto Encoder)
____ÀÚ±âºÎȣȱâ¿Í ÈÀå½Ç °Å¿ï
____¹é»öÈ
____»çÀüÈÆ·Ã
____Èñ¼Ò ÀÚ±âºÎȣȱâ
____µð³ëÀÌ¡ ÀÚ±âºÎȣȱâ
____¿Ã¸®ºñ¾Æ ÇÖ¼¼ÀÇ »çÁø
____µ¥ÀÌÅÍ ¾ÐÃà°ú º¹±¸ ±×¸®°í ÁÖ¼ººÐ ºÐ¼®°ú ºñ±³
____SDA(Stacked Denoising Autoencoder) ¸¸µé±â
3ºÎ _ µö·¯´× ÀÌ·Ð µö´Ù Æıâ
__FNN(Feed forward Neural Network)
____°³³äÀÇ ½ÃÀÛ
____¿ìÆí¹øÈ£ ÀνÄ
__CNN(Convolutional Neural Network)
____½Å°æ¼¼Æ÷
____Äܺ¼·ç¼Ç
____CNN¿¡¼ ¿ªÀüÆÄ
____Çʱâü ÀνÄ
____Ä÷¯ À̹ÌÁö
__RBM(Restricted Boltzmann Machine)
____µ¥ÀÌÅÍÀÇ È®·üºÐÆ÷ ¸ðµ¨
____RBM¿¡¼ ¥è±¸Çϱâ
____RBM ÇнÀ
____°£´ÜÇÑ ½ÇÇè
__RNN(Recurrent Neural Network)
____³ë·¡ °¡»ç
____BPTT - Á÷°üÀûÀÎ ¼³¸í
____BPTT - ¼öÇÐÀûÀÎ ÀÌÇØ
____RNN ÄÚµùÀÇ ±¸Çö
____¹®ÀåÀÇ ÀÚµ¿»ý¼º
__LSTM°ú GRU
____´õ Àΰ£¿¡ °¡±õ°Ô
____±¸Ã¼ÀûÀÎ ±×¸²
____LSTM¿¡¼ÀÇ ¿ªÀüÆÄ
____±×·¯´Ï±î GRU
____±¸Çö°ú ½ÇÇà
____Adaptive learning rate method - Adagrad, RMSprop, Adam
____¼Ò½ººÐ¼®
__DBN(Deep Belief Network)
____µö ºô¸®ÇÁ ³×Æ®¿öÅ©ÀÇ ÀÌÇØ
____»ý¼º ¸ðµ¨°ú ÆǺ° ¸ðµ¨
____SBN ·Î±×¿ìµµÀÇ lower bound
____DBN¿¡¼ÀÇ ·Î±×¿ìµµÀÇ lower bound
____Fine Tuning
__Class-RBM
____³í¹®À¸·Î ¸¸³ª´Â Class-RBM
____Class-RBM¿¡¼ÀÇ ·Î±×¿ìµµ
____Discriminative RBM
__Deep RL
____°ÈÇнÀ °³¿ä
____¸¶¸£ÄÚÇÁ ÀÇ»ç°áÁ¤ ÇÁ·Î¼¼½º(MDP)
____º§¸¸ ±â´ë¹æÁ¤½Ä°ú QÇÔ¼ö
____µ¿Àû ÇÁ·Î±×·¡¹Ö
____¸óÅ×Ä«¸¦·Î ¹æ¹ý
____½Ã°£Â÷ ¿¹Ãø¹æ¹ý(TD)
____»ì»ç(SARSA)¿Í Q·¯´×
____Deep SARSA
____¸óÅ×Ä«¸¦·Î Á¤Ã¥ ±×·¡µð¾ðÆ®
____DQN
____A2C(Advantage Actor-Critic)
____A3C(Asynchronous Advantage Actor-Critic)
____º¼Ã÷¸¸ ¼±ÅÃ
__GAN
____Generative Adversarial Nets
____GANÀÇ ±âº»ÀûÀÎ °ø½Ä
____Entropy¿Í JSD
____GANÀÇ ÃÖÀûÈ ¹æ¹ý
____ÃÖÀûÇØÀÇ ÄÁ¹öÀü½º °¡´É¼º
¸ÎÀ½¸» _ ¹Ì·¡´Â µö·¯´×¿¡¼ ½ÃÀ۵ȴÙ
-
-
-
|
¾çÁöÇå [Àú]
|
|
-
-
-
Àüü 0°³ÀÇ ±¸¸ÅÈıⰡ ÀÖ½À´Ï´Ù.
|
ÀÎÅÍÆÄÅ©µµ¼´Â °í°´´ÔÀÇ ´Ü¼ø º¯½É¿¡ ÀÇÇÑ ±³È¯°ú ¹ÝÇ°¿¡ µå´Â ºñ¿ëÀº °í°´´ÔÀÌ ÁöºÒÄÉ µË´Ï´Ù.
´Ü, »óÇ°À̳ª ¼ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯ ¹× ¹ÝÇ°Àº ¹«·á·Î ¹ÝÇ° µË´Ï´Ù. |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ °¡´ÉÇÑ °æ¿ì |
»óÇ°À» °ø±Þ ¹ÞÀº ³¯·ÎºÎÅÍ 7ÀÏÀ̳» °¡´É
°ø±Þ¹ÞÀ¸½Å »óÇ°ÀÇ ³»¿ëÀÌ Ç¥½Ã, ±¤°í ³»¿ë°ú ´Ù¸£°Å³ª ´Ù¸£°Ô ÀÌÇàµÈ °æ¿ì¿¡´Â °ø±Þ¹ÞÀº ³¯·ÎºÎÅÍ 3°³¿ù À̳», ȤÀº ±×»ç½ÇÀ» ¾Ë°Ô µÈ ³¯ ¶Ç´Â ¾Ë ¼ö ÀÖ¾ú´ø ³¯·ÎºÎÅÍ 30ÀÏ À̳»
»óÇ°¿¡ ¾Æ¹«·± ÇÏÀÚ°¡ ¾ø´Â °æ¿ì ¼ÒºñÀÚÀÇ °í°´º¯½É¿¡ ÀÇÇÑ ±³È¯Àº »óÇ°ÀÇ Æ÷Àå»óÅ µîÀÌ ÀüÇô ¼Õ»óµÇÁö ¾ÊÀº °æ¿ì¿¡ ÇÑÇÏ¿© °¡´É |
|
±³È¯ ¹× ¹ÝÇ°ÀÌ ºÒ°¡´ÉÇÑ °æ¿ì |
±¸¸ÅÈ®Á¤ ÀÌÈÄ(¿ÀǸ¶ÄÏ»óÇ°¿¡ ÇÑÇÔ)
°í°´´ÔÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¸ê½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
(´Ü, »óÇ°ÀÇ ³»¿ëÀ» È®ÀÎÇϱâ À§ÇÏ¿© Æ÷Àå µîÀ» ÈѼÕÇÑ °æ¿ì´Â Á¦¿Ü)
½Ã°£ÀÌ Áö³²¿¡ µû¶ó ÀçÆǸŰ¡ °ï¶õÇÒ Á¤µµ·Î ¹°Ç°ÀÇ °¡Ä¡°¡ ¶³¾îÁø °æ¿ì
Æ÷Àå °³ºÀµÇ¾î »óÇ° °¡Ä¡°¡ ÈÑ¼ÕµÈ °æ¿ì |
|
´Ù¹è¼ÛÁöÀÇ °æ¿ì ¹ÝÇ° ȯºÒ |
´Ù¹è¼ÛÁöÀÇ °æ¿ì ´Ù¸¥ Áö¿ªÀÇ ¹ÝÇ°À» µ¿½Ã¿¡ ÁøÇàÇÒ ¼ö ¾ø½À´Ï´Ù.
1°³ Áö¿ªÀÇ ¹ÝÇ°ÀÌ ¿Ï·áµÈ ÈÄ ´Ù¸¥ Áö¿ª ¹ÝÇ°À» ÁøÇàÇÒ ¼ö ÀÖÀ¸¹Ç·Î, ÀÌÁ¡ ¾çÇØÇØ Áֽñ⠹ٶø´Ï´Ù. |
|
Áß°í»óÇ°ÀÇ ±³È¯ |
Áß°í»óÇ°Àº Á¦ÇÑµÈ Àç°í ³»¿¡¼ ÆǸŰ¡ ÀÌ·ç¾îÁö¹Ç·Î, ±³È¯Àº ºÒ°¡´ÉÇÕ´Ï´Ù. |
|
¿ÀǸ¶ÄÏ »óÇ°ÀÇ È¯ºÒ |
¿ÀǸ¶ÄÏ»óÇ°¿¡ ´ëÇÑ Ã¥ÀÓÀº ¿øÄ¢ÀûÀ¸·Î ¾÷ü¿¡°Ô ÀÖÀ¸¹Ç·Î, ±³È¯/¹ÝÇ° Á¢¼ö½Ã ¹Ýµå½Ã ÆǸÅÀÚ¿Í ÇùÀÇ ÈÄ ¹ÝÇ° Á¢¼ö¸¦ ÇϼžßÇϸç, ¹ÝÇ°Á¢¼ö ¾øÀÌ ¹Ý¼ÛÇϰųª, ¿ìÆíÀ¸·Î º¸³¾ °æ¿ì »óÇ° È®ÀÎÀÌ ¾î·Á¿ö ȯºÒÀÌ ºÒ°¡´ÉÇÒ ¼ö ÀÖÀ¸´Ï À¯ÀÇÇϽñ⠹ٶø´Ï´Ù. |
|
|
|
¹è¼Û¿¹Á¤ÀÏ ¾È³» |
ÀÎÅÍÆÄÅ© µµ¼´Â ¸ðµç »óÇ°¿¡ ´ëÇØ ¹è¼Û¿Ï·á¿¹Á¤ÀÏÀ» À¥»çÀÌÆ®¿¡ Ç¥½ÃÇÏ°í ÀÖ½À´Ï´Ù.
|
<ÀÎÅÍÆÄÅ© Á÷¹è¼Û »óÇ°> |
»óÇ°Àº ¿ù~Åä¿äÀÏ ¿ÀÀü 10½Ã ÀÌÀü ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ´çÀÏ Ãâ°í/´çÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù. |
»óÇ°Àº ¼¿ïÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀº ´çÀÏ Ãâ°í/ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇϸç,
¼¿ï¿ÜÁö¿ª/ÆòÀÏ ÁÖ¹®ºÐÀÇ °æ¿ì´Â ¿ÀÈÄ 6½Ã±îÁö ÁÖ¹®ºÐ¿¡ ´ëÇÏ¿© ÀÍÀÏ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÏ´Â »óÇ°ÀÔ´Ï´Ù.
(´Ü, ¿ù¿äÀÏÀº 12½Ã±îÁö ÁÖ¹®¿¡ ÇÑÇÔ)
|
»óÇ°Àº, ÀÔ°í¿¹Á¤ÀÏ(Á¦Ç°Ãâ½ÃÀÏ)+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù. |
~
»óÇ°Àº À¯ÅëƯ¼º»ó ÀÎÅÍÆÄÅ©¿¡¼ Àç°í¸¦ º¸À¯ÇÏÁö ¾ÊÀº »óÇ°À¸·Î ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(1ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø±âÁØÃâ°íÀÏ:ÀÎÅÍÆÄÅ©°¡ »óÇ°À» ¼ö±ÞÇÏ¿© ¹°·ùâ°í¿¡¼ Æ÷Àå/Ãâ°íÇϱâ±îÁö ¼Ò¿äµÇ´Â ½Ã°£
|
|
<¾÷ü Á÷Á¢¹è¼Û/¿ÀǸ¶ÄÏ »óÇ°> |
~
»óÇ°Àº ¾÷ü°¡ ÁÖ¹®À» È®ÀÎÇÏ°í, Ãâ°íÇϱâ±îÁö °É¸®´Â ½Ã°£ÀÔ´Ï´Ù. ÁÖ¹®ÀÏ+±âÁØÃâ°íÀÏ+Åùè»ç¹è¼ÛÀÏ(2ÀÏ)¿¡ ¹è¼Û¿Ï·á¸¦ º¸ÀåÇÕ´Ï´Ù.(Åä/°øÈÞÀÏÀº ¹è¼Û±â°£¿¡ Æ÷ÇÔµÇÁö ¾Ê½À´Ï´Ù.)
¡Ø5ÀÏÀ̳» Ãâ°í°¡ ½ÃÀÛµÇÁö ¾ÊÀ»½Ã, ¿ÀǸ¶ÄÏ »óÇ°Àº ÀÚµ¿À¸·Î ÁÖ¹®ÀÌ Ãë¼ÒµÇ¸ç, °í°´´Ô²² Ç°Àýº¸»ó±ÝÀ» Áö±ÞÇØ µå¸³´Ï´Ù.
|
|
|
¹è¼Ûºñ ¾È³» |
µµ¼(Áß°íµµ¼ Æ÷ÇÔ)¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û) À½¹Ý/DVD¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
ÀâÁö/¸¸È/±âÇÁÆ®¸¸ ±¸¸ÅÇϽøé : ¹è¼Ûºñ 2,000¿ø (2¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í À½¹Ý/DVD¸¦ ÇÔ²² ±¸¸ÅÇϽøé : ¹è¼Ûºñ 1,500¿ø 1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
µµ¼¿Í ÀâÁö/¸¸È/±âÇÁÆ®/Áß°íÁ÷¹è¼Û»óÇ°À» ÇÔ²² ±¸¸ÅÇϽøé : 2,000¿ø (1¸¸¿øÀÌ»ó ±¸¸Å ½Ã ¹«·á¹è¼Û)
¾÷üÁ÷Á¢¹è¼Û»óÇ°À» ±¸¸Å½Ã : ¾÷üº°·Î »óÀÌÇÑ ¹è¼Ûºñ Àû¿ë
* ¼¼Æ®»óÇ°ÀÇ °æ¿ì ºÎºÐÃë¼Ò ½Ã Ãß°¡ ¹è¼Ûºñ°¡ ºÎ°úµÉ ¼ö ÀÖ½À´Ï´Ù.
* ºÏÄ«Æ®¿¡¼ ¹è¼Ûºñ¾ø¾Ö±â ¹öÆ°À» Ŭ¸¯Çϼż, µ¿ÀϾ÷ü»óÇ°À» Á¶±Ý ´õ ±¸¸ÅÇϽøé, ¹è¼Ûºñ¸¦ Àý¾àÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù.
|
|
Çؿܹè¼Û ¾È³» |
ÀÎÅÍÆÄÅ©µµ¼¿¡¼´Â ±¹³»¿¡¼ ÁÖ¹®ÇϽðųª ÇØ¿Ü¿¡¼ ÁÖ¹®ÇÏ¿© ÇØ¿Ü·Î ¹è¼ÛÀ» ¿øÇÏ½Ç °æ¿ì DHL°ú Ư¾àÀ¸·Î Ã¥Á¤µÈ ¿ä±ÝÇ¥¿¡
ÀÇÇØ °³ÀÎÀÌ ÀÌ¿ëÇÏ´Â °æ¿ìº¸´Ù ¹è¼Û¿ä±ÝÀ» Å©°Ô ³·Ã߸ç DHL(www.dhl.co.kr)·Î Çؿܹè¼Û ¼ºñ½º¸¦ Á¦°øÇÕ´Ï´Ù.
Çؿܹè¼ÛÀº µµ¼/CD/DVD »óÇ°¿¡ ÇÑÇØ ¼ºñ½ºÇÏ°í ÀÖÀ¸¸ç, ´Ù¸¥ »óÇ°À» ºÏÄ«Æ®¿¡ ÇÔ²² ´ãÀ¸½Ç °æ¿ì Çؿܹè¼ÛÀÌ ºÒ°¡ÇÕ´Ï´Ù.
ÇØ¿ÜÁÖ¹®¹è¼Û ¼ºñ½º´Â ÀÎÅÍÆÄÅ© µµ¼ ȸ¿ø °¡ÀÔÀ» Çϼž߸¸ ½Åû °¡´ÉÇÕ´Ï´Ù. |
|
¾Ë¾ÆµÎ¼¼¿ä!!! |
µµ¸Å»ó ¹× Á¦ÀÛ»ç »çÁ¤¿¡ µû¶ó Ç°Àý/ÀýÆÇ µîÀÇ »çÀ¯·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
¿ÀǸ¶ÄϾ÷üÀÇ ¹è¼ÛÁö¿¬½Ã ÁÖ¹®ÀÌ ÀÚµ¿À¸·Î Ãë¼ÒµÉ ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
À¯ÅëÀÇ Æ¯¼º»ó Ãâ°í±â°£Àº ¿¹Á¤º¸´Ù ¾Õ´ç°ÜÁö°Å³ª ´ÊÃçÁú ¼ö ÀÖ½À´Ï´Ù.
Åùè»ç ¹è¼ÛÀÏÀÎ ¼¿ï ¹× ¼öµµ±ÇÀº 1~2ÀÏ, Áö¹æÀº 2~3ÀÏ, µµ¼, »ê°£, ±ººÎ´ë´Â 3ÀÏ ÀÌ»óÀÇ ½Ã°£ÀÌ ¼Ò¿äµË´Ï´Ù. |
|
|
|
|