ÅÙ¼ÇÃ·Î¿Í Äɶ󽺷Π±¸ÇöÇÏ´Â µö·¯´× 3/e
Á¤°¡ : 50,000 ¿ø
ÀÛ°¡¸í : ¾Æ¹ÌŸ īǪ¾î, ¾ÈÅä´Ï¿À °É¸®, ¼öÁþ ÆÈ (ÁöÀºÀÌ), À̺´¿í (¿Å±äÀÌ)
ÃâÆÇ»ç : ¿¡ÀÌÄÜÃâÆÇ
Ãâ°£ÀÏ : 2023-08-28
ISBN : 9791161757773 / K132834422
±¸¸Åó
Ã¥ ¼Ò°³
ÅÙ¼ÇÃ·Î¿Í Äɶ󽺷Π±¸ÇöÇÏ´Â µö·¯´× 3/e
±¦Âú´Ù°í ¸»ÇÏÁö¸¸ ±¦ÂúÁö ¾ÊÀº ³Ê¿Í ³ª, ¿ì¸®°¡ ¾È°í »ç´Â ¿ì¿ï. ±×¸®°í ±× °¨Á¤ÀÌ °¡Á®¿Â ¸¶À½ÀÇ º´ ¿ì¿ïÁõ. ÈÁ¦ÀÇ Ã¤³Î
µö·¯´×¿¡ °ü·ÃµÈ °ÅÀÇ ¸ðµç ÃֽŠ±â¼úÀ» ¼³¸íÇÑ´Ù. ȸ±ÍºÎÅÍ ½ÃÀÛÇØ µö·¯´×ÀÇ ±âÃʸ¦ ¼³¸íÇÏ°í, ÄÁº¼·ç¼Ç ½Å°æ¸Á, ¼øȯ ½Å°æ¸Á, LTSM, ÀÚ¿¬¾î ó¸®, À̹ÌÁö ÇÕ¼º µî¿¡ ´ëÇÑ ÃֽŠ±â¼ú µ¿ÇâÀ» ¼Ò°³ÇÑ´Ù. ƯÈ÷ ÇöÀç È°¹ßÈ÷ ¿¬±¸ ÁßÀÎ AutoML ºÐ¾ßÀÇ ÇöȲ°ú ±¸±Û Ŭ¶ó¿ìµå¸¦ ÀÌ¿ëÇÑ AutoML ½Ç½Àµµ ´Ù·ç¸ç, È®·üÀû ÅÙ¼ÇÃ·Î¿Í ±×·¡ÇÁ ½Å°æ¸Á¿¡ ´ëÇؼµµ Ä£ÀýÇÏ°Ô ¾È³»ÇÑ´Ù.
dzºÎÇÑ ¿¹Á¦¸¦ ÅëÇØ Äɶ󽺰¡ ¿ÏÀü ÅëÇÕµÈ ÅÙ¼Ç÷ÎÀÇ »ç¿ë ¹æ¹ýÀ» ´Ù¾çÇÑ ÀÀ¿ëºÐ¾ß¿¡ °ÉÃÄ Á÷Á¢ ±¸ÃàÇغ¼ ¼ö ÀÖ´Ù. GANÀ» ÅëÇÑ Çʱâü ¼ýÀÚÀÇ »ý¼º, RNN°ú LTSMÀÌ ³ª¿À°Ô µÈ ¹è°æ ¹× ¾î¶² ¹®Á¦¸¦ ÇØ°áÇÏ°íÀÚ Çß´ÂÁö¿¡ ´ëÇÑ ¹è°æ ¼³¸íÀ» µè°í ³ª¸é ´Ù¾çÇÑ °¢µµ¿¡¼ µö·¯´×À» ÀÌÇØÇÏ°Ô µÉ °ÍÀÌ´Ù.
Æ®·£½ºÆ÷¸Ó¸¦ º°µµ·Î ´Ù·ç´Â »õ·Î¿î ÀåÀ» Ãß°¡Çß°í, BERT, GPT-2, GPT3, Reformer µî ´Ù¾çÇÑ ¾ð¾î ¸ðµ¨¿¡ ´ëÇÑ »ó¼¼ÇÑ ¼³¸í°ú ºñ±³ ¹× Huggin Face ¶óÀ̺귯¸®¸¦ ÅëÇÑ ´Ù¾çÇÑ ¾ð¾î ¿¹Á¦ µî 2ÆÇ¿¡ ºñÇØ ¿©·¯ ³»¿ëÀ» º¸°Çß´Ù. ±×·¡ÇÁ ½Å°æ¸Á ¶ÇÇÑ ¿¹Á¦¿Í ÇÔ²² ±× ±â´É°ú Ư¡À» ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù.
¢Â ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë ¢Â
¡ß ÅÙ¼Ç÷ηΠº¸ÆíÀûÀÎ GNNÀ» »ç¿ëÇÑ ±×·¡ÇÁ ¸¶ÀÌ´× °úÁ¦ ÇØ°á ¹æ¹ý
¡ß »çÀü ÇнÀ ´Ü°èºÎÅÍ Æò°¡ÇÏ´Â ¹Ì¼¼-Æ©´× ´Ü°è±îÁö Æ®·£½ºÆ÷¸ÓÀÇ ¼¼°è Ž±¸
¡ß ÀÚ±â-ÁöµµÇнÀÀ» Àû¿ëÇÑ ÀÚ¿¬¾î ó¸®, ÄÄÇ»ÅÍ ºñÀü, ÀÚµ¿ ½ÅÈ£ ó¸® ¹æ¹ý
¡ß È®·ü°ú µö·¯´× ¸ðµ¨À» TensorFlow Probability¸¦ ÀÌ¿ëÇØ º´ÇÕ
¡ß Ŭ¶ó¿ìµå¿¡¼ ¸ðµ¨À» ÈÆ·ÃÇÏ°í ÅÙ¼Ç÷θ¦ ½ÇÁ¦ ȯ°æ¿¡¼ ÀÛµ¿½ÃÅ°´Â ¹æ¹ý
¡ß ÅÙ¼Ç÷Π2.x¿Í ÄÉ¶ó½º API¸¦ ÅëÇÑ ¸Ó½Å·¯´×°ú µö·¯´× ¸ðµ¨ ±¸Ãà
¢Â ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¢Â
¸Ó½Å·¯´× °æÇèÀÌ ÀÖ´Â µ¥ÀÌÅÍ °úÇÐÀÚÀ̰ųª ½Å°æ¸Á¿¡ ¾î´À Á¤µµ Àͼ÷ÇÑ AI ÇÁ·Î±×·¡¸Ó¶ó¸é ÀÌ Ã¥ÀÌ ÅÙ¼Ç÷θ¦ »ç¿ëÇÑ µö·¯´×¿¡ ´ëÇÑ À¯¿ëÇÑ ½ÃÀÛÁ¡ÀÓÀ» ¾Ë°Ô µÉ °ÍÀÌ´Ù. µö·¯´× ¾²³ª¹Ì¿¡ ´ëÇÑ °ü½ÉÀÌ Ä¿Áö°í ÀÖ´Â ¼ÒÇÁÆ®¿þ¾î ¿£Áö´Ï¾î¶ó¸é ÀÌ Ã¥ÀÌ ÇØ´ç ÁÖÁ¦¿¡ ´ëÇÑ Áö½ÄÀ» ³ÐÈú ¼ö ÀÖ´Â ±âÃÊ Ç÷§ÆûÀÌ µÉ °ÍÀÌ´Ù. ÆÄÀ̽㿡 ´ëÇÑ ±âº» Áö½ÄÀÌ ÀÖ´Â µ¶ÀÚ¸¦ ´ë»óÀ¸·Î ÇÑ´Ù.
¢Â ÀÌ Ã¥ÀÇ ±¸¼º ¢Â
1ÀåÀº ¸Ó½Å·¯´× ¹× µö·¯´×À» À§ÇØ Google¿¡¼ °³¹ßÇÑ ¿ÀÇ ¼Ò½º ¶óÀ̺귯¸®ÀÎ ÅÙ¼Ç÷ÎÀÇ ±âº» »çÇ×À» ¹è¿î´Ù. ¶ÇÇÑ Áö³ ¸î ³â µ¿¾È ³î¶ó¿î ¼ºÀåÀ» ÀÌ·é ¸Ó½Å·¯´×ÀÇ µÎ °¡Áö ¿µ¿ªÀÎ ½Å°æ¸Á°ú µö·¯´×ÀÇ ±âÃʸ¦ ¼Ò°³ÇÑ´Ù. 1ÀåÀÇ ±âº» ¸ñÀûÀº ±âº»ÀûÀÌÁö¸¸ ¿ÏÀüÇÑ µö·¯´× ½Ç½ÀÀ» ¼öÇàÇÏ´Â µ¥ ÇÊ¿äÇÑ ¸ðµç µµ±¸¸¦ ¼Ò°³ÇÏ´Â °ÍÀÌ´Ù.
2ÀåÀº ¸Ó½Å·¯´× ±â¼úÀÇ ±âº» ÀÛ¾÷ÀΠȸ±Í¿Í ºÐ·ù¿¡ ÁßÁ¡À» µÐ´Ù. ÅÙ¼Ç÷θ¦ »ç¿ëÇØ ´Ü¼ø, ´ÙÁß ¹× ´Ùº¯·® ȸ±Í ¸ðµ¨À» ±¸ÃàÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù. ¶ÇÇÑ ´ÙÁß Å¬·¡½º ºÐ·ù ¹®Á¦¸¦ ÇØ°áÇϱâ À§ÇØ ·ÎÁö½ºÆ½ ȸ±Í¸¦ »ç¿ëÇÑ´Ù.
3ÀåÀº MNIST Çʱ⠹®ÀÚ¸¦ ³ôÀº Á¤È®µµ·Î ÀνÄÇϱâ À§ÇØ µö·¯´× ConvNetÀ» »ç¿ëÇÏ´Â ¹æ¹ýÀ» ´Ù·é´Ù. CIFAR 10 µ¥ÀÌÅͼÂÀ» »ç¿ëÇØ 10°³ÀÇ Ä«Å×°í¸®·Î µö·¯´× ºÐ·ù±â¸¦ ±¸ÃàÇÏ°í ImageNet µ¥ÀÌÅͼÂÀ¸·Î 1,000°³ÀÇ Ä«Å×°í¸®·Î Á¤È®ÇÑ ºÐ·ù±â¸¦ ±¸ÃàÇÒ °ÍÀÌ´Ù. ¶ÇÇÑ VGG16°ú °°Àº ´ë±Ô¸ð µö·¯´× ³×Æ®¿öÅ©¿Í InceptionV3¿Í °°Àº ¸Å¿ì ±íÀº ³×Æ®¿öÅ©¸¦ »ç¿ëÇÏ´Â ¹æ¹ýÀ» Á¶»çÇÑ´Ù. ¾Æ¿ï·¯ ÀüÀÌÇнÀ¿¡ ´ëÇÑ ³íÀÇ·Î ¸¶¹«¸®ÇÑ´Ù.
4ÀåÀº ºÐ»ê Ç¥Çö°ú ´Ü¾î ÀÓº£µùÀÇ ±â¿ø°ú ÀÌ·ÐÀ» ¼Ò°³ÇÑ´Ù. ±×´ÙÀ½ ¹®Àå°ú ´Ü¶ôÀ» ±â¹ÝÀ¸·Î ÇÏ´Â Á¤Àû ´Ü¾î ±â¹Ý ÀÓº£µùº¸´Ù ´õ ¿ªµ¿ÀûÀÌ°í Ç¥ÇöÀûÀÎ ´Ü¾î ÀÓº£µùÀÇ ÁøÇà »óȲÀ» Â÷Æ®·Î ¼³¸íÇÑ´Ù. ¶ÇÇÑ ±×·¡ÇÁÀÇ ³ëµå ¶Ç´Â À¥ ¾ÖÇø®ÄÉÀ̼ÇÀÇ »ç¿ëÀÚ ¼¼¼Ç°ú °°ÀÌ ´Ü¾î°¡ ¾Æ´Ñ ½ÃÄö½ºµµ Æ÷ÇÔÇϵµ·Ï ´Ü¾î ÀÓº£µùÀÇ ¾ÆÀ̵ð¾î¸¦ È®ÀåÇÒ ¼ö ÀÖ´Â ¹æ¹ýÀ» »ìÆ캻´Ù. ´Ù¾çÇÑ Á¾·ùÀÇ ´Ü¾î ÀÓº£µùÀ» »ç¿ëÇÏ´Â ¿©·¯ ¿¹ ¿ª½Ã Æ÷ÇÔÇÑ´Ù.
5Àå¿¡¼´Â ¼øȯ ½Å°æ¸ÁÀ» ´Ù·ç¸ç, ÀÚ¿¬¾î ¶Ç´Â ½Ã°è¿°ú °°Àº ½ÃÄö½º µ¥ÀÌÅ͸¦ ó¸®ÇÏ´Â µ¥ ÃÖÀûÈµÈ ½Å°æ¸ÁÀÇ Áß¿äÇÑ ¾ÆÅ°ÅØó ÇÏÀ§ ºÎ·ù¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. LSTM(Long Short-Term Memory) ¹× GRU(Gated Recurrent Unit)¿Í °°Àº Áß¿äÇÑ ¾ÆÅ°ÅØó¸¦ ¼³¸íÇÏ°í ¾ç¹æÇâ »óÅ ¹× ÀÏ°ý ó¸® »óŸ¦ ó¸®Çϵµ·Ï È®ÀåÇÒ ¼ö ÀÖ´Â ¹æ¹ýÀ» º¸¿©ÁØ´Ù. ¶ÇÇÑ ÅؽºÆ® »ý¼º, °¨Á¤ ºÐ¼® ¹× Ç°»ç űë°ú °°Àº ƯÁ¤ ÀÛ¾÷¿¡ ´ëÇÑ ´Ù¾çÇÑ ÅäÆú·ÎÁö¿Í ÇÔ²² RNNÀ» »ç¿ëÇÏ´Â ¿¹¸¦ ¼Ò°³ÇÑ´Ù. ¶ÇÇÑ ÀÎÄÚ´õ-µðÄÚ´õ ÆÄÀÌÇÁ¶óÀο¡¼ ÇÑ ½ÖÀÇ RNNÀ» »ç¿ëÇØ ´Ù¾çÇÑ NLP ÀÛ¾÷À» ÇØ°áÇÏ´Â Àαâ ÀÖ´Â seq2seq ¾ÆÅ°ÅØó¿¡ ´ëÇؼµµ ¼³¸íÇÑ´Ù.
6Àå¿¡¼´Â ÀüÅëÀûÀÎ ÀÚ¿¬¾î ó¸® ºÐ¾ß¸¦ Çõ½ÅÇÑ µö·¯´× ¾ÆÅ°ÅØóÀÎ Æ®·£½ºÆ÷¸Ó¸¦ ´Ù·é´Ù. ¸ÕÀú °¡Àå Àαâ ÀÖ´Â ¸ðµ¨¿¡ ´ëÇÑ ½ÉÃþ ºÐ¼®°ú ÇÔ²² ¾ÆÅ°ÅØó ¹× ´Ù¾çÇÑ ¹üÁÖÀÇ Æ®·£½ºÆ÷¸Ó¿¡ ´ëÇÑ ÇÙ½É Á÷°üÀ» °ËÅäÇÏ´Â °ÍÀ¸·Î ½ÃÀÛÇÑ´Ù. ±×·± ´ÙÀ½ Hugging Face ¹× TensorFlow Hub¿Í °°Àº Àαâ ÀÖ´Â ¶óÀ̺귯¸®¿Í ¹Ù´Ò¶ó ¾ÆÅ°ÅØó¸¦ ±â¹ÝÀ¸·Î ÇÏ´Â ±¸Çö¿¡ ÁßÁ¡À» µÐ´Ù. ±×´ÙÀ½ Æò°¡, ÃÖÀûÈ ¹× Æ®·£½ºÆ÷¸Ó¸¦ »ç¿ëÇÒ ¶§ ÀϹÝÀûÀ¸·Î äÅõǴ ¸î °¡Áö ¸ð¹ü »ç·Ê¿¡ ´ëÇØ °£·«ÇÏ°Ô ¼³¸íÇÑ´Ù. ¸¶Áö¸· ÀýÀº Æ®·£½ºÆ÷¸Ó¸¦ »ç¿ëÇØ NLP¿Í ¿ÏÀüÈ÷ ´Ù¸¥ ¿µ¿ªÀÎ ÄÄÇ»ÅÍ ºñÀü ÀÛ¾÷À» ¼öÇàÇÏ´Â ¹æ¹ýÀ» °ËÅäÇÏ´Â µ¥ Àü³äÇÑ´Ù. À̸¦ À§Çؼ´Â ¾îÅÙ¼Ç(attention) ¸ÞÄ¿´ÏÁò¿¡ ´ëÇÑ ½ÅÁßÇÑ Á¤ÀÇ°¡ ÇÊ¿äÇÏ´Ù. °á±¹, "ÇÊ¿äÇÑ °ÍÀº ¾îÅÙ¼ÇÀÌ ÀüºÎ´Ù". ±×¸®°í °ü½ÉÀÇ Çٽɿ¡´Â º¤ÅÍ °£ÀÇ ÄÚ»çÀÎ À¯»ç¼º ¿Ü¿¡´Â ¾Æ¹«°Íµµ ¾ø´Ù.
7Àå¿¡¼´Â ºñÁöµµÇнÀ ¸ðµ¨¿¡ ´ëÇØ ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù. PCA, k-Æò±Õ ¹× ÀÚü ±¸¼º ¸Ê°ú °°Àº Ŭ·¯½ºÅ͸µ ¹× Â÷¿ø °¨¼Ò¿¡ ÇÊ¿äÇÑ ±â¼úÀ» ´Ù·é´Ù. º¼Ã÷¸¸(Boltzmann) ¸Ó½Å°ú ÅÙ¼Ç÷θ¦ »ç¿ëÇÑ ±¸Çö¿¡ ´ëÇØ ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù. ´Ù·ç´Â °³³äÀº RBM(Restricted Boltzmann Machines) ±¸ÃàÀ¸·Î È®ÀåµÈ´Ù.
8Àå¿¡¼´Â ÀÔ·ÂÀ» ´ë»óÀ¸·Î Àç»ý¼ºÇÏ·Á´Â ½Å°æ¸Á ºÎ·ùÀÎ ¿ÀÅäÀÎÄÚ´õ¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. Èñ¼Ò ¿ÀÅäÀÎÄÚ´õ, ÄÁº¼·ç¼Ç ¿ÀÅäÀÎÄÚ´õ, µð³ëÀÌ¡(denosing) ¿ÀÅäÀÎÄÚ´õ¿Í °°Àº ´Ù¾çÇÑ Á¾·ùÀÇ ¿ÀÅäÀÎÄÚ´õ¸¦ ´Ù·ê °ÍÀÌ´Ù. ¿©±â¼´Â ÀâÀ½ Á¦°Å ÀÚµ¿ ÀÎÄÚ´õ¸¦ ÈÆ·ÃÇØ ÀÔ·Â À̹ÌÁö¿¡¼ ÀâÀ½À» Á¦°ÅÇÑ´Ù. ¿ÀÅäÀÎÄÚ´õ¸¦ »ç¿ëÇØ MNIST ¼ýÀÚ¸¦ »ý¼ºÇÏ´Â ¹æ¹ýÀ» º¸¿©ÁØ´Ù. ¶ÇÇÑ ¹®Àå º¤Å͸¦ »ý¼ºÇϱâ À§ÇØ LSTM ÀÚµ¿ ÀÎÄÚ´õ¸¦ ±¸ÃàÇÏ´Â °Í°ú °ü·ÃµÈ ´Ü°èµµ ´Ù·é´Ù. ¸¶Áö¸·À¸·Î, À̹ÌÁö¸¦ »ý¼ºÇϱâ À§ÇØ °¡º¯ ¿ÀÅäÀÎÄÚ´õ¸¦ ±¸ÃàÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù.
9Àå¿¡¼´Â »ý¼ºÀû Àû´ë ½Å°æ¸Á(GAN)¿¡ ÁßÁ¡À» µÐ´Ù. ¸ÕÀú ù ¹ø° Á¦¾ÈµÈ GAN ¸ðµ¨·Î ½ÃÀÛÇØ MNIST ¹®ÀÚ¸¦ À§Á¶ÇÏ´Â µ¥ »ç¿ëÇÑ´Ù. ¶ÇÇÑ ½ÉÃþ ÄÁº¼·ç¼Ç GANÀ» »ç¿ëÇØ À¯¸íÀÎ À̹ÌÁö¸¦ ¸¸µå´Â ¹æ¹ýÀ» º¸¿©ÁØ´Ù. ±×¸®°í SRGAN, InfoGAN ¹× CycleGAN°ú °°Àº ´Ù¾çÇÑ GAN ¾ÆÅ°ÅØó¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. ´Ù¾çÇÏ°í ¸ÚÁø GAN ¾ÖÇø®ÄÉÀ̼ǵµ ´Ù·é´Ù. ¸¶Áö¸·À¸·Î °Ü¿ï-¿©¸§ À̹ÌÁö¸¦ º¯È¯Çϱâ À§ÇØ CycleGANÀÇ ÅÙ¼Ç÷Π±¸ÇöÀ¸·Î °á·ÐÀ» ³»¸°´Ù.
10Àå¿¡¼´Â ÄÄÇ»ÅÍ ºñÀü, ¿Àµð¿À ¹× ÀÚ¿¬¾î 󸮿¡¼ ÀÚ±â-ÁöµµÇнÀ¿¡ »ç¿ëµÇ´Â ´Ù¾çÇÑ Àü·«¿¡ ´ëÇÑ °³¿ä¸¦ Á¦°øÇÑ´Ù. ÀÚ±âȸ±Í »ý¼º, ¸¶½ºÅ·µÈ »ý¼º, °ü°è ¿¹Ãø ¹× ÀÌ·¯ÇÑ Á¢±Ù ¹æ½ÄÀÇ ÇÏÀ̺긮µå¿Í °°Àº Àü·«À» ÅëÇÑ Àڱ⠿¹ÃøÀ» ´Ù·é´Ù. ¶ÇÇÑ ÀÚ±â-ÁöµµÇнÀÀ» À§ÇÑ Àαâ ÀÖ´Â ±â¼úÀÎ ´ëÁ¶ÇнÀ°ú ´Ù¾çÇÑ ÀÀ¿ë ºÐ¾ßÀÇ ´Ù¾çÇÑ ±¸½Ç ÀÛ¾÷¿¡ ´ëÇÑ ÀÀ¿ëÀ» ´Ù·é´Ù.
11Àå¿¡¼´Â Q-·¯´× ¾Ë°í¸®µë°ú º§¸¸(Bellman) ¹æÁ¤½ÄÀ» ´Ù·ç´Â °ÈÇнÀ¿¡ ÁßÁ¡À» µÐ´Ù. ÇÒÀÎµÈ º¸»ó, Ž»ö ¹× È°¿ë, ÇÒÀÎ ¿ä¼Ò¸¦ ´Ù·é´Ù. ¶ÇÇÑ Á¤Ã¥ ±â¹Ý ¹× ¸ðµ¨ ±â¹Ý °ÈÇнÀ¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. ¾ÆŸ¸®(Atari) °ÔÀÓÀ» Ç÷¹ÀÌÇϱâ À§ÇØ DQN(Deep Q-Learning Network)À» ±¸ÃàÇÒ °ÍÀÌ´Ù. ¸¶Áö¸·À¸·Î Á¤Ã¥ ±â¿ï±â ¾Ë°í¸®µëÀ» »ç¿ëÇØ ¿¡ÀÌÀüÆ®¸¦ ±³À°ÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù.
12Àå¿¡¼´Â È®·ü·ÐÀû Ã߷аú Åë°è ºÐ¼®À» ¼öÇàÇϱâ À§ÇØ ÅÙ¼Ç÷ΠÀ§¿¡ ±¸ÃàµÈ ¶óÀ̺귯¸®ÀÎ ÅÙ¼Ç÷ΠȮ·üÀ» ¼Ò°³ÇÑ´Ù. TensorFlow Probability¸¦ »ç¿ëÇØ ÇÕ¼º µ¥ÀÌÅ͸¦ »ý¼ºÇÏ´Â ¹æ¹ýÀ» º¸¿©ÁØ´Ù. º£ÀÌÁî ³×Æ®¿öÅ©¸¦ ±¸ÃàÇÏ°í Ãß·ÐÀ» ¼öÇàÇÑ´Ù.
12Àå¿¡¼´Â ¶ÇÇÑ ºÒÈ®½Ç¼º, ¿ì¹ßÀû ¹× ÀνÄÀû °³³ä°ú ÈÆ·ÃµÈ ¸ðµ¨ÀÇ ºÒÈ®½Ç¼ºÀ» °è»êÇÏ´Â ¹æ¹ýÀ» ¼Ò°³ÇÑ´Ù.
13Àå¿¡¼´Â ±â°èÇнÀ ±â¼ú¿¡ Àͼ÷ÇÏÁö ¾ÊÀº µµ¸ÞÀÎ Àü¹®°¡°¡ ¸Ó½Å·¯´× ±â¼úÀ» ½±°Ô »ç¿ëÇÒ ¼ö ÀÖµµ·Ï ÇÏ´Â °ÍÀ» ¸ñÇ¥·Î ÇÏ´Â AutoMLÀ» ¼Ò°³ÇÑ´Ù. ¸ÕÀú Google Cloud PlatformÀ» »ç¿ëÇØ ½Ç½ÀÀ» ÁøÇàÇÏ°í ±âº» »çÇ׿¡ ´ëÇØ °£·«È÷ ³íÀÇÇÑ ÈÄ ½ÇÁúÀûÀÎ ½Ç½À ÀÛ¾÷À» ¼öÇàÇÑ´Ù. ÀÚµ¿ µ¥ÀÌÅÍ Áغñ, ÀÚµ¿ ±â´É ¿£Áö´Ï¾î¸µ ¹× ÀÚµ¿ ¸ðµ¨ »ý¼ºÀ» ´Ù·é´Ù. ±×·± ´ÙÀ½ Å×À̺í, ºñÀü, ÅؽºÆ®, ¹ø¿ª ¹× ºñµð¿À 󸮸¦ À§ÇÑ ¿©·¯ ¼Ö·ç¼Ç°ú ÇÔ²² ¿ÀÅäÄÉ¶ó½º ¹× Google Cloud AutoMLÀ» ¼Ò°³ÇÑ´Ù.
14Àå¿¡¼´Â µö·¯´×ÀÇ À̸éÀÇ ¼öÇÐÀ» ´Ù·é´Ù. ÀÌ ÁÖÁ¦´Â »ó´çÈ÷ °í±Þ °úÁ¤À̹ǷΠ½Ç¹«ÀÚ¿¡°Ô ¹Ýµå½Ã ÇÊ¿äÇÏÁø ¾Ê´Ù. ±×·¯³ª ½Å°æ¸ÁÀ» ´Ù·ê ¶§ "³»ºÎÀûÀ¸·Î" ¾î¶² ÀÏÀÌ ÀϾ°í ÀÖ´ÂÁö ÀÌÇØÇÏ°íÀÚ ÇÑ´Ù¸é Àо±æ ±ÇÇÑ´Ù. ¿ª»çÀû ¼Ò°³ºÎÅÍ ½ÃÀÛÇØ ¹ÌºÐ°ú ±×·¡µð¾ðÆ®ÀÇ °íµîÇб³ ¼öÁØÀÇ °³³äÀ» °ËÅäÇÏ°í µö·¯´× ³×Æ®¿öÅ©¸¦ ÃÖÀûÈÇÏ´Â µ¥ ÀϹÝÀûÀ¸·Î »ç¿ëµÇ´Â ±×·¡µð¾ðÆ® µð¼¾Æ® ¹× ¿ªÀüÆÄ ¾Ë°í¸®µëÀ» ¼Ò°³ÇÑ´Ù.
15Àå¿¡¼´Â TPU¿¡ ´ëÇØ ¼³¸íÇÑ´Ù. TPU´Â ÃÊ°í¼Ó ¹æ½ÄÀ¸·Î ½Å°æ¸Á ¼öÇÐ ¿¬»êÀ» ½ÇÇàÇϱâ À§ÇØ Google¿¡¼ °³¹ßÇÑ ¸Å¿ì Ưº°ÇÑ ASIC ĨÀÌ´Ù. ¿¬»êÀÇ ÇÙ½ÉÀº ¿©·¯ ³»Àû(Çà*¿)À» º´·Ä·Î °è»êÇÏ´Â ¼öÃà±â ½Â¼öÀ̹ǷΠ±âº» µö·¯´× ÀÛ¾÷ÀÇ °è»êÀ» °¡¼ÓÈÇÑ´Ù. TPU¸¦ Çà·Ä ¶Ç´Â ÅÙ¼ ÀÛ¾÷¿¡ ÃÊÁ¡À» ¸ÂÃá µö·¯´×À» À§ÇÑ Æ¯¼ö ¸ñÀûÀÇ º¸Á¶ ÇÁ·Î¼¼¼·Î »ý°¢Ç϶ó. Áö±Ý±îÁöÀÇ 4¼¼´ë TPU¿Í Ãß°¡ IoT¿ë Edge TPU¸¦ °ËÅäÇÒ °ÍÀÌ´Ù.
16Àå¿¡¼´Â ´Ù¸¥ µö·¯´× ÇÁ·¹ÀÓ¿öÅ©¸¦ ¼Ò°³ÇÑ´Ù. Hugging Face, OpenAIÀÇ GPT3 ¹× DALL-E 2¸¦ »ìÆ캻´Ù. ¶Ç ´Ù¸¥ Àαâ ÀÖ´Â µö·¯´× ÇÁ·¹ÀÓ¿öÅ©ÀÎ PyTorch¸¦ ¼Ò°³ÇÑ´Ù. ¶ÇÇÑ H2O.ai¿Í AutoML ¸ðµâµµ ´Ù·é´Ù. ¾Æ¿ï·¯ µö·¯´× ¸ðµ¨À» À§ÇÑ ONNX ¿ÀÇ ¼Ò½º Çü½Ä¿¡ ´ëÇؼµµ °£·«ÇÏ°Ô ¼³¸íÇÑ´Ù.
17Àå¿¡¼´Â ±×·¡ÇÁ ½Å°æ¸Á°ú Àαâ ÀÖ´Â µö ±×·¡ÇÁ ¶óÀ̺귯¸®(DGL)¸¦ ƯÈ÷ °Á¶ÇÏ¸é¼ ±×·¡ÇÁ¿Í ±×·¡ÇÁ ±â°èÇнÀÀ» ¼Ò°³ÇÑ´Ù. ¸ÕÀú GNN(¹× DGL¿¡¼ »ç¿ë °¡´É)¿¡¼ »ç¿ëµÇ´Â ÀϹÝÀûÀ¸·Î »ç¿ëµÇ´Â ´Ù¾çÇÑ ±×·¡ÇÁ °èÃþÀÇ ÀÌ·ÐÀ» ¼³¸íÇÏ°í ³ëµå ºÐ·ù, ¸µÅ© ¿¹Ãø ¹× ±×·¡ÇÁ ºÐ·ù¿¡ »ç¿ëµÇ´Â GNNÀÇ ¿¹¸¦ Á¦°øÇÑ´Ù. ¶ÇÇÑ °íÀ¯ÇÑ ±×·¡ÇÁ µ¥ÀÌÅͼÂÀ¸·Î ÀÛ¾÷ÇÏ°í ±×·¡ÇÁ °èÃþÀ» »ç¿ëÀÚ ÁöÁ¤ÇØ »õ·Î¿î GNN ¾ÆÅ°ÅØó¸¦ »ý¼ºÇÏ´Â ¹æ¹ýµµ º¸¿©ÁØ´Ù. ±×´ÙÀ½ À̱âÁ¾ ±×·¡ÇÁ ¹× ½Ã°£ ±×·¡ÇÁ¿Í °°Àº Graph ML ºÐ¾ßÀÇ ÃÖ÷´Ü ¹ßÀüÀ» ´Ù·é´Ù.
18Àå¿¡¼´Â ÈƷðú Á¦Ç°¿¡¼ ÃÖ»óÀÇ ¸ðµ¨À» ¾ò±â À§ÇØ µû¶ó¾ß ÇÒ Àü·«°ú »ç·Ê¿¡ ÁßÁ¡À» µÐ´Ù. ¿©±â¼´Â µ¥ÀÌÅÍ °ü·Ã »ç·Ê¿Í ¸ðµ¨ °ü·Ã »ç·Ê¶ó´Â µÎ °¡Áö °üÁ¡¿¡¼ ¸ð¹ü »ç·Ê¸¦ ¼³¸íÇÑ´Ù.
19Àå¿¡¼´Â ÅÙ¼Ç÷Π»ýÅ°èÀÇ ´Ù¾çÇÑ ±¸¼º ¿ä¼Ò¸¦ ¼³¸íÇÑ´Ù. »çÀü ÇнÀµÈ µö·¯´× ¸ðµ¨ÀÇ ÀúÀå¼ÒÀÎ TensorFlow Hub¸¦ ¼Ò°³ÇÑ´Ù. ¿©±â¼´Â ¹Ù·Î »ç¿ëÇÒ ¼ö ÀÖ´Â µ¥ÀÌÅͼ ¸ðÀ½ÀÎ ÅÙ¼Ç÷Πµ¥ÀÌÅͼ¿¡ °üÇØ ¼³¸íÇÑ´Ù. ¶ÇÇÑ ¸ð¹ÙÀÏ ¹× ÀÓº£µðµå ½Ã½ºÅÛ°ú À¥À» À§ÇÑ ÇÁ·¹ÀÓ¿öÅ©ÀÎ TensorFlow Lite ¹× TensorFlow JS¿¡ ´ëÇؼµµ À̾߱âÇÒ °ÍÀÌ´Ù. ¸¶Áö¸·À¸·Î ºÐ»êÇü ±â°èÇнÀ ÇÁ·¹ÀÓ¿öÅ©ÀÎ ¿¬ÇÕ ÇнÀ¿¡ ´ëÇØ ¼³¸íÇÑ´Ù.
20Àå¿¡¼´Â CNN(ÄÁº¼·ç¼Ç ½Å°æ¸Á)ÀÇ °í±Þ »ç¿ë¹ýÀ» º¸¿©ÁØ´Ù. CNNÀÌ ÄÄÇ»ÅÍ ºñÀü, ºñµð¿À, ÅؽºÆ® ¹®¼, ¿Àµð¿À ¹× À½¾Ç ¿µ¿ª ³»¿¡¼ ¾î¶»°Ô Àû¿ëµÉ ¼ö ÀÖ´ÂÁö Ž±¸ÇÒ °ÍÀÌ´Ù. ±×¸®°í ÄÁº¼·ç¼Ç ¿¬»êÀ» ¿ä¾àÇÏ´Â Àý·Î ¸¶¹«¸®ÇÑ´Ù.
ÀúÀÚ ¼Ò°³
ÀÛ°¡ÀÇ ´Ù¸¥Ã¥
ÅÙ¼ÇÃ·Î¿Í Äɶ󽺷Π±¸ÇöÇÏ´Â µö·¯´× 3/e
¾Æ¹ÌŸ īǪ¾î, ¾ÈÅä´Ï¿À °É¸®, ¼öÁþ ÆÈ (ÁöÀºÀÌ), À̺´¿í (¿Å±äÀÌ)
50,000 ¿ø
¿¡ÀÌÄÜÃâÆÇ
2023-08-28
50,000 ¿ø
¿¡ÀÌÄÜÃâÆÇ
2023-08-28
ÃâÆÇ»çÀÇ ´Ù¸¥Ã¥
Á¨Å²½º·Î ¹è¿ì´Â CI/CD ÆÄÀÌÇÁ¶óÀÎ ±¸Ãà - º¸¾È, ÆÄÀÌÇÁ¶óÀÎ, Å×½ºÆ®, AWS/Docker ÅëÇÕ
ÇÁ¶ó³ëµ¥ÀÌ ÇÁ¶ó¸ðµå µù°¡·¹ (ÁöÀºÀÌ), ÀÌÁ¤Ç¥ (¿Å±äÀÌ)
33,000 ¿ø
¿¡ÀÌÄÜÃâÆÇ
2024-03-11
33,000 ¿ø
¿¡ÀÌÄÜÃâÆÇ
2024-03-11
¿¹Á¦·Î ¹è¿ì´Â Argo CD - ±ê¿É½º¸¦ ÅëÇÑ Å¬¶ó¿ìµå ³×ÀÌƼºê ¾ÖÇø®ÄÉÀÌ¼Ç °ü¸®
25,000 ¿ø
¿¡ÀÌÄÜÃâÆÇ
2024-02-29
ÇÔ¼öÇü ÇÁ·Î±×·¡¹Ö - ÇÔ¼öÀûÀ¸·Î »ý°¢ÇÏ°í ÄÚµå º¹À⼺ °ü¸®Çϱâ
Àè À§µå¸Õ (ÁöÀºÀÌ), ÀÌÁøÈ£, ÇÑ¿ëÁø (¿Å±äÀÌ)
20,000 ¿ø
¿¡ÀÌÄÜÃâÆÇ
2024-02-16
20,000 ¿ø
¿¡ÀÌÄÜÃâÆÇ
2024-02-16
ÇØÄ¿ÀÇ ½É¸® - »çȸ ±Ô¹ü°ú Á¤ÀǸ¦ ¿Ö°îÇÏ´Â »çȸÀû ÇØÅ·ÀÇ ½Çü¸¦ Æø·ÎÇÑ´Ù
30,000 ¿ø
¿¡ÀÌÄÜÃâÆÇ
2024-01-23