|
|
|
|
|
±èÀÇÁß
¤Ó
¹Ì¸®¾îµå½ºÆäÀ̽º
|
|
|
|
- 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.
-
-
-
µö·¯´×, Á¶±Ý ´õ ±í°Ô ÀÌÇØÇؼ Á¶±Ý ´õ ³Ð°Ô È°¿ëÇÒ ¼ö ÀÖ°Ô ÇØÁÖ´Â ¾È³»¼!
ÀÌ Ã¥Àº ÀúÀÚ°¡ ´Ù¾çÇÑ µö·¯´× ÇÁ·ÎÁ§Æ®¸¦ ¼öÇàÇÏ¸é¼ °ÞÀº °æÇèÀ» ¹ÙÅÁÀ¸·Î ½Ç¹«ÀÚ°¡ ²À ¾Ë¾Æ¾ßÇÒ µö·¯´× Çٽɰ³³äµéÀ» ±¸¼º¿ä¼Òº°·Î ³ª´©¾î ¼³¸íÇÏ°í ÀÖ´Ù. ÀÌ Ã¥¿¡¼ ¼³¸íµÈ µö·¯´×ÀÇ °¢ ±¸¼º¿ä¼Ò¸¦ ÀÌÇØÇÏ°í ³ª¸é µö·¯´× Àüü°¡ º¸À̱⠽ÃÀÛÇÑ´Ù.
ÀÌ Ã¥Àº Áö±Ý±îÁö ¹ßÇ¥µÈ °ÅÀÇ ¸ðµç ºÐ¾ßÀÇ µö·¯´× ¸ðµ¨°ú ¿©±â¿¡ Àû¿ëµÈ °³³äµéÀ» °¡Àå ±âº»ÀûÀÎ ¿ø¸®¸¦ ¹ÙÅÁÀ¸·Î Â÷±Ù Â÷±Ù ÀÚ¼¼ÇÏ°Ô ¼³¸íÇÏ°í ÀÖ´Ù. ±×¸®°í ÀÌ·ÐÀûÀ¸·Î ¼³¸íµÈ µö·¯´× ¸ðµ¨ÀÌ ½ÇÁ¦·Î ±¸ÇöµÇ´Â °úÁ¤À» È®ÀÎÇØ º¼ ¼ö ÀÖµµ·Ï ÅÙ¼Ç÷οì¿Í ÆÄÀÌÅäÄ¡¸¦ »ç¿ëÇÑ ¿¹Á¦ Äڵ带 ÷ºÎÇÏ¿´´Ù.
µö·¯´× °³³ä ¼³¸íÀ» À§ÇØ ºÒ°¡ÇÇÇÏ°Ô µµÀÔµÈ ¸î °¡Áö ¼ö½Ä µîÀ» µ¶ÀÚµéÀÌ Â÷ºÐÇÏ°Ô Â¤°í ³Ñ¾î°¡°Ô µÇ¸é, µö·¯´× ±× ÀÚü´Â ±×·¸°Ô ¾î·Á¿î ºÐ¾ß°¡ ¾Æ´Ï¶ó´Â »ç½ÇÀ» °æÇèÇϵµ·Ï ÀÌ Ã¥ÀÌ ¾È³»ÇØÁÙ °ÍÀÌ´Ù.
¿¹Á¦ ÄÚµå ¹× Á¤¿ÀÇ¥: www.github.com/MyriadSpace
https://github.com/MyriadSpace/Concepts_and_Apps_of_Deep_Learning
-
-
µö·¯´×À» ÀÌÇØÇϴµ¥ ²À ÇÊ¿äÇÑ ÇÙ½ÉÀûÀÎ ±¸¼º¿ä¼Ò¸¦ Ã¥ Çѱǿ¡ ¸ðµÎ ´ã¾Ò´Ù!
ÀúÀÚ´Â 2016³â¿¡ ÃâÆÇµÈ ¡´¾Ë°í¸®ÁòÀ¸·Î ¹è¿ì´Â ÀΰøÁö´É, ¸Ó½Å·¯´×, µö·¯´× ÀÔ¹®¡µÀ̶ó´Â Ã¥À» ÅëÇØ ÀΰøÁö´ÉÀ̶ó´Â ±â¼úÀûÀÎ ÁÖÁ¦¸¦ ½±°Ô Ç®¾î³»¾î ´Ù¾çÇÑ µ¶Àڵ鿡°Ô Àü´ÞÇØÁØ ÀûÀÌ ÀÖ´Ù.
À̹ø¿¡ Ãâ°£µÈ ¡´µö·¯´× °³³ä°ú È°¿ë¡µÀº ÀúÀÚ°¡ ±¹³»¿Ü ¿¬±¸¼Ò, Á¤ºÎ±â°ü ±×¸®°í ±â¾÷À» ´ë»óÀ¸·Î ¼öÇàÇÑ ´Ù¾çÇÑ ÀΰøÁö´É ÇÁ·ÎÁ§Æ®¸¦ ÅëÇØ ÃàÀûµÈ °æÇèÀ» ¹ÙÅÁÀ¸·Î µö·¯´× °øºÎ¿¡ ²À ÇÊ¿äÇÑ À̷еéÀ» Á¤¸®ÇÑ °ÍÀÌ´Ù.
ÀÌ Ã¥¿¡¼´Â µö·¯´× ±â¼úÀ» ÀΰøÁö´ÉÀÇ ÇÙ½ÉÀ̶ó°í Á¤ÀÇÇÏ¸é¼ Áö±Ý±îÁö ¹ßÇ¥µÈ °ÅÀÇ ¸ðµç ºÐ¾ßÀÇ µö·¯´× ¸ðµ¨°ú ¿©±â¿¡ Àû¿ëµÈ °³³äµéÀ» ÀÚ¼¼È÷ ¼³¸íÇÏ°í ÀÖ´Ù. ÀÌ·ÐÀûÀ¸·Î ¼³¸íµÈ µö·¯´× ¸ðµ¨ÀÌ ½ÇÁ¦·Î ±¸ÇöµÇ´Â °úÁ¤À» È®ÀÎÇØ º¼ ¼ö ÀÖ°Ô ÅÙ¼Ç÷οì¿Í ÆÄÀÌÅäÄ¡¸¦ »ç¿ëÇÑ ¿¹Á¦ Äڵ带 ÷ºÎÇÏ¿´´Ù.
ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ÁÖ¿ä ³»¿ëÀº ´ÙÀ½°ú °°´Ù.
¨ç ÀΰøÁö´É, ¸Ó½Å·¯´× µö·¯´×ÀÇ Á¤ÀÇ
¨è ¸Ó½Å·¯´×/µö·¯´×¿¡¼ ²À ¾Ë¾Æ¾ß ÇÒ ÇÙ½ÉÀûÀÎ ¿ë¾î¿Í °³³ä Á¤¸®
¨é ¸Ó½Å·¯´×°ú µö·¯´×ÀÇ Â÷ÀÌ: ¿Ö µö·¯´×Àΰ¡?
¨ê µ¥ÀÌÅÍÀÇ ÇüÅÂ¿Í ¸ñÇ¥ °ú¾÷¿¡ µû¸¥ µö·¯´× ¸ðµ¨ ¼³¸í: ´ÙÃþ ÆÛ¼ÁÆ®·Ð, ÄÁº¼·ç¼Ç ½Å°æ¸Á, ¼øȯ½Å°æ¸Á, ½Å°æ¸Á ±â¹Ý °ÈÇнÀ, »ý¼º¸ðµ¨ µî
¨ë µö·¯´× ¸ðµ¨ °³¹ßÀÇ ÇÊ¿äÁ¶°ÇÀÎ ÇÁ·¹ÀÓ¿öÅ© ¼Ò°³¿Í ÅÙ¼Ç÷οì/ÆÄÀÌÅäÄ¡ ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ µö·¯´× ¸ðµ¨ ±¸Çö ¿¹Á¦
¨ì »ý¼º¸ðµ¨ °³³ä°ú ¸ðµ¨ ±¸Çö ¹æ¹ý: ÀáÀ纯¼öÀÇ °³³ä, ¿ÀÅäÀÎÄÚ´õ, RBM, PixelRNN/PixelCNN, VAE, GAN, DeepFake µî
¨í °ÈÇнÀÀÇ Ã¼°èÀûÀÎ ÀÌÇØ
--- °ÈÇнÀ ¹®Á¦ Á¤ÀÇ: ¿¡ÀÌÀüÆ®¿Í ȯ°æ ±×¸®°í º¸»óÇÔ¼ö
---- On-policy¿Í Off-policy ¹æ¹ýÀÇ Â÷ÀÌ
--- °¡Ä¡±â¹Ý°ú Á¤Ã¥±â¹Ý ¹æ¹ýÀÇ Â÷ÀÌ
--- ¸ðµ¨±â¹Ý°ú ¸ðµ¨ÇÁ¸® ¹æ¹ýÀÇ Â÷ÀÌ
¨î ÃÖ±Ù µö·¯´× ºÐ¾ß¿¡¼ ¶°¿À¸£´Â ÁÖÁ¦ÀÎ ¸ÞŸÇнÀ, ÀüÀÌÇнÀ, µµ¸ÞÀÎÀûÀÀ, VQA, NAS, AutoML µî¿¡ »ç¿ëµÈ ±â¼úµéÀ» ¼Ò°³
-
-
01Àå ÀΰøÁö´É°ú ¸Ó½Å·¯´×
1.1 ÀΰøÁö´É
-----1.1.1 Áö´É
-----1.1.2 ÀΰøÁö´É
-----1.1.3 ¡®ÀΰøÁö´É¡¯À̶õ ¿ë¾îÀÇ µîÀå
-----1.1.4 ÀΰøÁö´É ºÐ¾ß
1.2 ¸Ó½Å·¯´×
-----1.2.1 ÀΰøÁö´ÉÀ» ¶°¹ÞÄ¡´Â ¸Ó½Å·¯´×
-----1.2.2 ¸Ó½Å·¯´×ÀÇ Á¤ÀÇ
-----1.2.3 ¸Ó½Å·¯´×¿¡¼ ÀÚÁÖ »ç¿ëµÇ´Â Çٽɿë¾î Á¤¸®
-----1.2.4 ¸Ó½Å·¯´×ÀÇ ºÐ·ù
1.3 ÁöµµÇнÀ
-----1.3.1 ÁöµµÇнÀ: ¿¹Ãø, ȸ±Í
-----1.3.2 ÁöµµÇнÀ: ºÐ·ù
1.4 ºñÁöµµÇнÀ
-----1.4.1 ºñÁöµµÇнÀ: ±ºÁý
-----1.4.2 ºñÁöµµÇнÀ: Â÷¿øÃà¼Ò
-----1.4.3 ºñÁöµµÇнÀ: »ý¼º¸ðµ¨
1.5 °ÈÇнÀ
02Àå ÀΰøÁö´ÉÀÇ Á᫐ µö·¯´×
2.1 µö·¯´× °³¿ä
-----2.1.1 Àΰø½Å°æ¸Á
-----2.1.2 Çñ½º ¹ýÄ¢: ½Å°æ¸ÁÀÇ ÇнÀ
-----2.1.3 ÃÖÃÊÀÇ µö·¯´× ¸ðµ¨: ÆÛ¼ÁÆ®·Ð
2.2 ´ÜÃþ ÆÛ¼ÁÆ®·Ð
2.3 ´ÙÃþ ÆÛ¼ÁÆ®·Ð
-----2.3.1 ´ÜÃþ ÆÛ¼ÁÆ®·ÐÀÇ ÇÑ°è
-----2.3.2 ´ÙÃþ ÆÛ¼ÁÆ®·Ð
2.4 ¿¡·¯ÀÇ ¿ªÀüÆÄ
-----2.4.1 ¿¡·¯ÀÇ ¿ªÀüÆÄ ÀÌ·ÐÀÇ ¹è°æ
-----2.4.2 ¿¡·¯ÀÇ ¿ªÀüÆÄ µ¿ÀÛ °³³ä
2.5 µö·¯´×
-----2.5.1 ¿Ö µö·¯´×ÀÌ ¸Ó½Å·¯´×ÀÇ ÇÙ½ÉÀΰ¡?
-----2.5.2 ´Ù¾çÇÑ µö·¯´× ¸ðµ¨
2.6 µö·¯´× ÇÁ·¹ÀÓ¿öÅ©
-----2.6.1 ´Ù¾çÇÑ µö·¯´× ÇÁ·¹ÀÓ¿öÅ©
...-----2.6.2 ÆÄÀÌÅäÄ¡ ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ µö·¯´× ¸ðµ¨ ±¸Çö ¹æ¹ý
-----2.6.3 ÅÙ¼Ç÷οì ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ µö·¯´× ¸ðµ¨ ±¸Çö ¹æ¹ý
03Àå ´Ù¾çÇÑ ÃÖÀûÈ ±â¹ý
3.1 °æ»çÇÏ°¹ý °³¿ä
-----3.1.1 °æ»çÇÏ°¹ý ÀÌÇØÇϱâ
-----3.1.2 °æ»çÇÏ°¹ý Àû¿ë ¿¹Á¦
-----3.1.3 µö·¯´× ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ ÃÖÀûÈ
3.2 °æ»çÇÏ°¹ý Àû¿ë½Ã ÇнÀµ¥ÀÌÅÍ Å©±â °áÁ¤
-----3.2.1 ¹èÄ¡ °æ»çÇÏ°¹ý
-----3.2.2 È®·üÀû °æ»çÇÏ°¹ý
-----3.2.3 ¹Ì´Ï¹èÄ¡ °æ»çÇÏ°¹ý
3.3 ±âº» °æ»çÇÏ°¹ý
3.4 °ü¼ºÀ» ÀÌ¿ëÇÑ °æ»çÇÏ°¹ý
-----3.4.1 ¸ð¸àÅÒ °æ»çÇÏ°¹ý
-----3.4.2 NAG
3.5 ÀûÀÀÇü °æ»çÇÏ°¹ý
-----3.5.1 AdaGrad
-----3.5.2 RMSprop
-----3.5.3 AdaDelta
3.6 È¥ÇÕÇü °æ»çÇÏ°¹ý
-----3.6.1 ADAM
-----3.6.2 NADAM
3.7 ¹èÄ¡ Á¤±ÔÈ
3.8 ÆĶó¸ÞÅÍ ÃʱâÈ
04Àå ¿À¹öÇÇÆà ÇØ°á¹æ¾È - ±ÔÁ¦È
4.1 ¾ð´õÇÇÆÃ, ³ë¸ÖÇÇÆÃ, ¿À¹öÇÇÆÃ
4.2 L2 ±ÔÁ¦È
4.3 L1 ±ÔÁ¦È
4.4 µå·Ó¾Æ¿ô°ú µå·ÓÄ¿³ØÆ®
-----4.4.1 µå·Ó¾Æ¿ô
-----4.4.2 µå·ÓÄ¿³ØÆ®
4.5 Á¶±â Á¾·á
05Àå º¤ÅÍÇü µ¥ÀÌÅÍ ÇнÀ ¸ðµ¨ - MLP
5.1 º¤ÅÍÇü µ¥ÀÌÅÍ °³¿ä
-----5.1.1 ÇнÀ µ¥ÀÌÅÍ Á¾·ù
-----5.1.2 º¤ÅÍÇü ÇнÀ µ¥ÀÌÅÍ Á¤Á¦Çϱâ
5.2 MLP¸¦ ÀÌ¿ëÇÑ º¤ÅÍÇü µ¥ÀÌÅÍ ÇнÀ
-----5.2.1 MLP ¸ðµ¨
-----5.2.2 MLP ¸ðµ¨¿¡¼ Çà·Ä ¹× ÅÙ¼ ¿¬»ê
-----5.2.3 ½ºÄÚ¾î¿Í ºÐ·ù±â
-----5.2.4 MLP ¸ðµ¨À» ÀÌ¿ëÇÑ MNIST ºÐ·ù
5.3 È°¼ºÈ ÇÔ¼ö
-----5.3.1 È°¼ºÈ ÇÔ¼öÀÇ Çʿ伺
-----5.3.2 È°¼ºÈ ÇÔ¼öÀÇ Á¾·ù
-----5.3.2 ÁÁÀº È°¼ºÈ ÇÔ¼ö¶õ
06Àå À̹ÌÁö µ¥ÀÌÅÍ ÇнÀ ¸ðµ¨ - CNN
6.1 À̹ÌÁö µ¥ÀÌÅÍ ºÐ¼®
-----6.1.1 À̹ÌÁö µ¥ÀÌÅÍ Ã³¸®
-----6.1.2 ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ ½ÃÀÛ
-----6.1.3 ÄÁº¼·ç¼Ç
-----6.1.4 Ç®¸µ
-----6.1.5 ÆòźÈ
-----6.1.6 ¸ñÀûÇÔ¼ö¿Í ÇнÀ
6.2 CNN ¸ðµ¨ÀÇ ¹ßÀü
-----6.2.1 LeNet-5, AlexNet, VGGNet
-----6.2.2 GoogLeNet (Inception-V1)
-----6.2.3 ResNet
-----6.2.4 Xception
-----6.2.5 CNN ¸ðµ¨ ºñ±³
6.3 À̹ÌÁö ºÐ·ù
-----6.3.1 À̹ÌÁö ºÐ·ù¸¦ À§ÇÑ µ¥ÀÌÅͼÂ
-----6.3.2 ºÐ·ù±â¿Í ¸ñÀûÇÔ¼ö
-----6.3.2 MNIST Çʱâü ¼ýÀÚ ºÐ·ù ¿¹Á¦
6.4 À̹ÌÁö °´Ã¼ ÃßÃâ
-----6.4.1 SIFT
-----6.4.2 HOG
-----6.4.3 SURF
-----6.4.4 CNN ±â¹ÝÀÇ À̹ÌÁö °´Ã¼ ÃßÃâ
-----6.4.5 R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN ¾Ë°í¸®Áò
-----6.4.6 YOLO ¾Ë°í¸®Áò
-----6.4.7 SSD ¾Ë°í¸®Áò
6.5 À̹ÌÁö ºÐÇÒ
-----6.5.1 À̹ÌÁö ºÐÇÒÀ» À§ÇÑ ÇнÀ¹æ¹ý
-----6.5.2 FCN ¾Ë°í¸®Áò
-----6.5.3 U-Net ¾Ë°í¸®Áò
-----6.5.4 DeepLab V1, V2, V3, V3+ ¾Ë°í¸®Áò
6.6 ÇнÀ µ¥ÀÌÅÍ º¸¿Ï
-----6.6.1 ÇнÀ µ¥ÀÌÅÍ Áõ°
-----6.6.2 °¡ÁßÄ¡¸¦ ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ºóµµ¼ö Á¶Á¤
07Àå ¼øÂ÷Àû µ¥ÀÌÅÍ ÇнÀ ¸ðµ¨ - RNN
7.1 ¼øÂ÷ÀûÀÎ µ¥ÀÌÅÍ
-----7.1.1 ½º³À¼¦ µ¥ÀÌÅÍ¿Í ½ÃÄö¼È µ¥ÀÌÅÍ
-----7.1.2 ¼øȯ½Å°æ¸Á È°¿ë »ç·Ê
7.2 ¼øȯ½Å°æ¸Á
-----7.2.1 ¼øȯ½Å°æ¸ÁÀÇ ±¸Á¶
-----7.2.2 ±âº» ¼øȯ½Å°æ¸Á¿¡¼ÀÇ ¿¬»ê
7.3 LSTM°ú GRU
-----7.3.1 LSTM
-----7.3.2 GRU
7.4 ÇнÀ ¸ñÀû¿¡ µû¸¥ ½Å°æ¸Á ±¸Á¶
-----7.4.1 many-to-one ¸ðµ¨
-----7.4.2 one-to-many ¸ðµ¨
-----7.4.3 many-to-many ¸ðµ¨
-----7.4.4 many-to-many ¸ðµ¨: seq2seq
7.5 ¼øȯ½Å°æ¸Á¿¡¼ÀÇ ¿ªÀüÆÄ
-----7.5.1 BPTT: Back Propagation Through Time
-----7.5.2 TBPTT: Truncated Back Propagation Through Time
-----7.5.3 ¾ç¹æÇâ ¼øȯ½Å°æ¸Á
-----7.5.4 GRU¸¦ ÀÌ¿ëÇÑ µ¶ÀÏ ¿¹³ªÁö¿ª ±âÈÄ¿¹Ãø ¿¹Á¦
7.6 ¾ð¾î¸ðµ¨
7.7 Sequence-to-Sequence ¸ðµ¨
7.8 Seq2Seq with Attention¸ðµ¨
7.9 Æ®·£½ºÆ÷¸Ó
-----7.9.1 Positional Encoding
-----7.9.2 ¼¿ÇÁ ¾îÅÙ¼Ç
-----7.9.3 ¸ÖƼÇìµå ¾îÅÙ¼Ç
7.10 GPT ¸ðµ¨°ú BERT ¸ðµ¨
-----7.10.1 GPT ¸ðµ¨
-----7.10.2 BERT ¸ðµ¨
08Àå ½Å°æ¸Á ±â¹Ý °ÈÇнÀ - DRL
8.1 °ÈÇнÀ
-----8.1.1 °ÈÇнÀ ¸ðµ¨ ±¸¼º¿ä¼Ò
-----8.1.2 °ÈÇнÀ ¹®Á¦ Á¤ÀÇ: MDP
8.2 °¡Ä¡±â¹Ý °ÈÇнÀ
-----8.2.1 µ¿Àû °èȹ¹ý
-----8.2.2 ¸óÅ×Ä«¸¦·Î ¹æ¹ý
-----8.2.3 ½Ã°£Â÷ ¹æ¹ý
8.3 Á¤Ã¥±â¹Ý °ÈÇнÀ
-----8.3.1 REINFORCE ¾Ë°í¸®Áò
-----8.3.2 ½Å·Ú±¸°£ Á¤Ã¥ ÃÖÀûÈ (TRPO)
-----8.3.3 ±ÙÁ¢ Á¤Ã¥ ÃÖÀûÈ (PPO)
-----8.3.4 ¾×ÅÍ-Å©¸®Æ½ ¹æ¹ý Actor-Critic Method: QAC, TD-AC, A2C, A3C, GAE
-----8.3.5 ½Å°æ¸Á ±â¹Ý °áÁ¤Àû Á¤Ã¥ ±â¿ï±â (DDPG)
8.4 ¸ðµ¨±â¹Ý °ÈÇнÀ
-----8.4.1 Á¤ÇØÁø ÀüÀ̸𵨠±â¹Ý ¸í½ÃÀû °èȹ¹ý
-----8.4.2 ÇнÀµÈ ÀüÀ̸𵨠±â¹Ý ¸í½ÃÀû °èȹ¹ý
-----8.4.3 Àü°úÁ¤ °èȹ ¹× ÀüÀ̸𵨠µ¿½Ã ÇнÀ¹ý
09Àå °¨¼ºÀ» Áö´Ñ ÄÄÇ»ÅÍ - »ý¼º¸ðµ¨
9.1 âÀÛÀ» ÇÏ´Â ÀΰøÁö´É
-----9.1.1 Å©¸®½ºÆ¼ °æ¸Å¿¡¼ Æȸ° ÀΰøÁö´ÉÀÌ ±×¸° ÃÊ»óÈ
-----9.1.2 »ý¼º¸ðµ¨Àº ÁÖ°ü½Ä
-----9.1.3 ÀáÀ纯¼ö
-----9.1.4 ¿ÀÅäÀÎÄÚ´õ
9.2 »ý¼º¸ðµ¨
-----9.2.1 Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å
-----9.2.2 PixelRNN/PixelCNN
-----9.2.3 º¯ºÐ¹ýÀ» ÀÌ¿ëÇÑ ¿ÀÅäÀÎÄÚ´õ (VAE)
-----9.2.4 »ý¼ºÀû ´ë¸³ ³×Æ®¿öÅ© (GAN)
-----9.2.5 °¡Â¥¿ÍÀÇ ÀüÀï: DeepFake
10Àå AGI·Î °¡´Â ±æ
10.1 ƯÀÌÁ¡
-----10.1.1 ¼±Çü ´ë Áö¼ö
-----10.1.2 ÀÏ¹Ý ÀΰøÁö´É: AGI
10.2 AGI¸¦ ÇâÇÑ µµÀü
-----10.2.1 ¸ÞŸÇнÀ
-----10.2.2 ÀüÀÌÇнÀ
-----10.2.3 µµ¸ÞÀÎ ÀûÀÀ
-----10.2.4 NAS
-----10.2.5 AutoML
-----10.2.6 ½Å°æ¸Á ±â¹Ý Ãß·Ð ¸ðµ¨
-----10.2.7 ÀÚ±âÁöµµÇнÀ
-----10.2.8 ¼¿ÇÁ Ç÷¹ÀÌ
10.3 AGI·Î °¡´Â ±æ
-
-
-
|
±èÀÇÁß [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. |
|
|
|
|