Contenu connexe Similaire à 알아두면 쓸데있는 신비한 딥러닝 이야기 (20) Plus de Kwangsik Lee (19) 알아두면 쓸데있는 신비한 딥러닝 이야기3. 목차
• 소개
• 딥러닝이 뜬 이유(역사, 유명인, 이미지넷)
• 딥러닝의 간단한 이해
• 딥러닝에 대한 오해
• 최신 딥러닝 종류
• 딥러닝 활용 사례
• 딥러닝 응용 방안
4. 목차
• 소개
• 딥러닝이 뜬 이유(역사, 유명인, 이미지넷)
• 딥러닝의 간단한 이해
• 딥러닝에 대한 오해
• 최신 딥러닝 종류
• 딥러닝 활용 사례
• 딥러닝 응용 방안
5. 아래의 슬라이들을 참고했습니다.
• https://www.slideshare.net/yonghakim900/ss-
60252533?next_slideshow=1
• https://www.slideshare.net/medit74/ss-74123546
• https://www.slideshare.net/ByoungHeeKim1/ss-71583195
10. 유명인물 : 판타스틱 4
- 얀 레쿤 미국 뉴욕대 교수
- 제프리 힌튼 캐나다 토론토대 교수
- 요수아 벤지오 몬트리올대 교수
- 앤드루 응 스탠퍼드대 교수
18. 목차
• 소개
• 딥러닝이 뜬 이유(역사, 유명인, 이미지넷)
• 딥러닝의 간단한 이해
• 딥러닝에 대한 오해
• 최신 딥러닝 종류
• 딥러닝 활용 사례
• 딥러닝 응용 방안
31. 구글 딥마인드는
배경지식 없이 모든 문제를 푸는것이 비전입니다.
• https://www.youtube.com/watch?v=V1e
YniJ0Rnk
34. 목차
• 소개
• 딥러닝이 뜬 이유(역사, 유명인, 이미지넷)
• 딥러닝의 간단한 이해
• 딥러닝에 대한 오해
• 최신 딥러닝 종류
• 딥러닝 활용 사례
• 딥러닝 응용 방안
35. 딥러닝 용어 정리
• DNN, MLP, 뉴럴넷, 뉴런
• Gradient Descent
• Back Propagation
• Overfitting
• CNN, RNN, 강화학습
36. 딥러닝 용어 정리
• DNN, MLP, 뉴럴넷, 뉴런 -> 딥러닝
• Gradient Descent -> 경사감소법
• Back Propagation -> 가중치 튜닝
• Overfitting -> 과적합
• CNN, RNN, 강화학습 -> 알고리즘
41. 지금부터 내용이 조금 어려울 수 있습니다.
고등학교 때 수학의 기억을 다시 떠올려야 합니다.
하지만, 흐름만 이해하셔도 충분합니다.
84. 이미지 분류 문제는 차원
(dimension)이 엄청나게 크다!
이는 차원의 저주를 유발합니다.
96. 목차
• 소개
• 딥러닝이 뜬 이유(역사, 유명인, 이미지넷)
• 딥러닝의 간단한 이해
• 딥러닝에 대한 오해
• 최신 딥러닝 종류
• 딥러닝 활용 사례
• 딥러닝 응용 방안
97. 딥러닝에 대한 오해
• 수학적 지식이 필요하다?
• 기술을 가져다 쓰는게 중요하지
이론이 중요하지는 않다?
• 데이터만 많으면 자동으로 학습이
된다던데?
• Feature도 자동으로 뽑아준다던데?
98. 딥러닝에 대한 오해
• 수학적 지식이 필요하다?
Yes
• 기술을 가져다 쓰는게 중요하지 이론이 중요
하지는 않다?
No
• 데이터만 많으면 자동으로 학습이 된다던데?
No
• Feature도 자동으로 뽑아준다던데?
No
99. 이유는 아래와 같습니다.
• 머신러닝과 딥러닝의 역량은
수식을 설계하고 뉴럴넷을 구성하는데 있
습니다.
• 또한 데이터 및 도메인에 따라 튜닝과 디
버깅이 필요할 수 있습니다.
• 현재 딥러닝으로 무엇인가 구현하기 위해
서는최신 논문을 봐야 합니다.
106. 목차
• 소개
• 딥러닝이 뜬 이유(역사, 유명인, 이미지넷)
• 딥러닝의 간단한 이해
• 딥러닝에 대한 오해
• 최신 딥러닝 종류
• 딥러닝 활용 사례
• 딥러닝 응용 방안
119. 목차
• 소개
• 딥러닝이 뜬 이유(역사, 유명인, 이미지넷)
• 딥러닝의 간단한 이해
• 딥러닝에 대한 오해
• 최신 딥러닝 종류
• 딥러닝 활용 사례
• 딥러닝 응용 방안
126. • Screen To TTS
• Restoring Sound
• Lips Synchronization
• Image Colorization
• Realtime multi person pose estimation
• Cycle GAN
• Google Camera Translation
127. 목차
• 소개
• 딥러닝이 뜬 이유(역사, 유명인, 이미지넷)
• 딥러닝의 간단한 이해
• 딥러닝에 대한 오해
• 최신 딥러닝 종류
• 딥러닝 활용 사례
• 딥러닝 응용 방안
128. 활용 분야
• Recommendation
• Sentimental Analysis
• User Segmentation
• Music Analysis
• Anomaly Detection
• Churn Prediction
Notes de l'éditeur 오늘 발표의 목적은 간단합니다.
최대한 딥러닝 프로젝트를 보여주는 것으로 편안한 마음으로 들으시면 됩니다.
딥러닝 그 자체에 대한 이해는 조금 더 전문적으로 이해하시는게 좋습니다. ## 머신러닝 카테고리
- 카테고리 분류
- 시간의 순서에 따른 분류 ## 딥러닝의 역사
- 딥러닝 연구는 생각보다 오래되었다.
- 최근에 각광받는 기술들도 오래됨 ## 제프리 힌튼
- 구글 소속
- 아래 약력 언급 필요 ## 앤드류
- 엄친아 앤드류 ## 딥러닝이 뜬 계기
- 1000개의 이미지를 분류하는
- 연간 2~3% 정도의 개선이 괄목한 성과이던 시절
- 딥러닝 등장으로 한번에 약 10%의
NVIDA 주가, 그래픽 카드 가격 폭등
CPU 대비 약 70배의 향상
3년 안에 50배 향상
앞으로도 향상이 많이 될것으로 기대 딥마인드는 배경지식 없이 모든 문제를 푸는 것을 목표로 함
알파고도 더 나아가 바둑만이 아니라 더 고차원의 문제를 푸는데 사용될 예정
딥마인드의 방식은 강화학습인데 무수히 많은 시뮬레이션을 거쳐야 하는데 이때 게임이 잘 들어맞어. 딥마인드는 배경지식 없이 모든 문제를 푸는 것을 목표로 함
알파고도 더 나아가 바둑만이 아니라 더 고차원의 문제를 푸는데 사용될 예정
딥마인드의 방식은 강화학습인데 무수히 많은 시뮬레이션을 거쳐야 하는데 이때 게임이 잘 들어맞어.