분류 전체보기 (64) 썸네일형 리스트형 아이즈원 잇힝트립 2 시청 후기 아이즈원의 잇힝트립 2 - 여수편을 보았다. 6회까지 공개된 내용은 바비큐의 식재료를 얻기위한 아이즈원의 진지한 모습과 바비큐를 즐기는 아이즈원의 귀여운 모습이 화면에 가득차 있었다. 여수의 어느 공원에서 아이즈원은 두팀으로 나뉘어 대결을 하였는데 대결의 내용은 . 그네를 타면서 글씨 알아 맞추기. 채원이와 유리의 대결 - 채원이의 자신만만함이 시청 포인트다. . 익스트림 기구를 체험하면서 암기 하기. 민주와 유진의 대결 - 민주의 겁에 질린 표정이 포인트다. . 테니스 공 튕기기 채연이와 은비의 대결 - 채연이의 플레이가 포인트다. . 종이 비행기 넣기 예나와 혜원이의 대결 - 예나의 욕심이 포인트다. . 타이머 사진찍기 꾸라와 원영이의 대결 - 꾸라와 원영이의 미모가 포인트다. . 그네 타며 신발 넣.. 패스트캠퍼스 딥러닝/인공지능 올인원 패키지 Online 챌린지 참여 후기 딥러닝/인공지능 올인원 패키지 Online 패스트캠퍼스 딥러닝/인공지능 올인원 패키지 Online 챌린지 참여 후기 이 강의는 코로나 위기 속에서 포스트 코로나, 위즈 코로나 시대를 대응하고 대비하기 위한 인공지능, 딥러닝 공부의 시작이라고 할 수있다. 나는 막연히 인공지능은 위대하고 나를 대신해 모든 것을 다 해줄거란 기대를 가지고 있었다. 그리고 반드시 인공지능의 시대는 오기 때문에 단순히 이것이 닥치면 받아드리는 수동적인 사용자의 입장이 아니라 이를 개발하고 다루고 주도권을 가진 생산자가 되길 바라기 때문에 강의를 시작했다. 이런 목적을 가지고 시작한 강의는 딥러닝과 인공지능이 무엇이고 현재 어떻게 활용할 수 있으며 어떻게 공부해 나갈지를 알려주는 지침서같은 존재이다. 본 강의는 8 파트로 나뉘어져.. [패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 61회차 미션 인공지능강의 PART 5) 딥러닝 최신 트렌드 75. Ch 07. 무엇이든 진짜처럼 생성하는 생성 모델 (Generative Networks) - 01. 생성모델이란 분별 모델 Discriminative Models 대부분의 Classification 방법. 입력 X가 특정 x일 때, 출력이 특정 Y일 확률을 각각 구하는 것. Decision Boundary를 찾는 것이 목표 샘플을 입력 받아 각 Class에 속할 확률을 계산 생성 모델 Generative Models 출력 Y가 특정 y라고 가정했을 때, 모든 X가 여기에 속할 확률을 구한다. 생성 모델의 특징은, 입력의 분포를 학습한다는 것이다. 입력의 분포를 어떻게 모델링 하느냐가 다르다. 입력 샘플의 분포를 찾는 것이 목표 각 Class에 대해 샘.. [패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 60회차 미션 인공지능강의 PART 5) 딥러닝 최신 트렌드 49. Ch 05. 이미지 복원 (Image Reconstruction) - 04. 복원할 부분에 집중하는 기법 - 2 Interesting Results 주변 영역을 이용하여 충실하게 복원하는 경우도 있고, '얼굴'을 이해해 눈을 복원하기도 한다. Insights coarse-to fine network 구조를 사용함. batch normalization layer를 제거함. ReLu 대신 ELU를 사용함. GAN 사용. 50. Ch 05. 이미지 복원 (Image Reconstruction) - 05. 사실적으로 복원하는 기법 SISR에서는 Loss function이 중요하다. .Generative Adversarial Networks Residual b.. [패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 59회차 미션 인공지능강의 PART 5) 딥러닝 최신 트렌드 47. Ch 05. 이미지 복원 (Image Reconstruction) - 02. 복원 모델의 특징 ConvNets for Reconstruction 딥러닝을 이용한 Super-Resolution의 효시인 SRCNN. SRCNN은 가장 대표적인 Image Reconstruction 모델이다. Classification vs. Reconstruction .Classification 영상 입력 -> Softmax 출력 입/출력의 크기가 고정 (Dense layer가 존재하기 때문) 샘플 단위로 학습 Discriminative feature 학습 출력을 내기 위해 영상 전체가 필요 .Image Reconstruction 영상 입력 -> 영상 출력 입력 크기에 따.. [패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 58회차 미션 인공지능강의 PART 5) 딥러닝 최신 트렌드 45. Ch 04. 자연어처리 (Natural Language Processing) - 17. 정량 지표 손실 함수 vs. 성능 척도 . 손실함수 (Loss function) 최적화 이론에서 최소화 하고자 하는 함수 알고리즘 학습 중 아직 '얼마나 못 하는지' 표현 보통 미분 가능한 함수를 사용 목적 함수, 비용 함수, 에너지 함수 등으로 불림 학습 과정에서 중요한 역할을 함 . 성능 척도 (Performance measure) 학습된 알고리즘의 성능을 측정하는 지표 정량적으로 알고리즘을 비교/평가하기 위함 미분 가능 여부에 관계 없이 사용 학습 과정에서는 사용되지 않음 '비즈니스 목표'와 연관이 높음 Cosine Similarity 두 '의미'를 가진 벡터.. [패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 57회차 미션 인공지능강의 PART 5) 딥러닝 최신 트렌드 43. Ch 04. 자연어처리 (Natural Language Processing) - 15. 응용하기 좋은 데이터셋 소개 데이터셋의 중요성 아무리 잘 짜여진 딥러닝 알고리즘도, '지식'이 없으면 무용지물이다. 그 '지식'은 데이터셋으로 부터 나온다. 데이터셋 창고 https://github.com/niderhoff/nlp-datasets niderhoff/nlp-datasets Alphabetical list of free/public domain datasets with text data for use in Natural Language Processing (NLP) - niderhoff/nlp-datasets github.com https://machi.. [패스트캠퍼스 수강 후기] 인공지능강의 100% 환급 챌린지 56회차 미션 인공지능강의 PART 5) 딥러닝 최신 트렌드 41. Ch 04. 자연어처리 (Natural Language Processing) - 13. 자연어처리 대세 Transformer (실습) - 3 ## Decoder class Decoder(Layer): def __init__(self, num_head, d_reduced): super().__init__() self.num_head = num_head self.d_r = d_reduced def build(self, input_shape): self.self_attention = MultiHeadAttention(self.num_head, input_shape[0][-1], self.d_r, masked=True) self.layer_norm1 = La.. 이전 1 2 3 4 ··· 8 다음
