±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
Á¤°¡ |
30,000¿ø |
---|
27,000¿ø (10%ÇÒÀÎ)
1,500P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
¸Ó½Å·¯´×°ú ½Å°æ¸Á¿¡ ´ëÇÑ À̷аú ÅÙ¼Ç÷Π1.x, 2.x ¹öÀüÀÇ Â÷ÀÌÁ¡À» ´Ù·ç´Â °ÍÀ¸·Î ½ÃÀÛÇÑ´Ù. ÀÌ¾î¼ ½Å°æ¸ÁÀ» ½±°Ô ±¸ÇöÇÒ ¼ö ÀÖµµ·Ï µ¥ÀÌÅÍ ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎÀ» ±¸¼ºÇÏ´Â ¹æ¹ý°ú Estimator API µî¿¡ ´ëÇؼ ¼³¸íÇÑ´Ù. ÃÖ±Ù µö·¯´× ºÐ¾ßÀÇ Æ®·»µåÀÎ ÀüÀÌÇнÀÀ» ½±°Ô ÇÒ ¼ö ÀÖµµ·Ï ÅÙ¼Ç÷ΠÇãºê¸¦ È°¿ëÇÏ´Â ¹æ¹ý°ú ±× Àû¿ë¿¡ ´ëÇØ ´Ù·é µÚ, °´Ã¼ ŽÁö, ½Ã¸Çƽ ºÐÇÒ, GAN µî µö·¯´×ÀÇ ÁÖ¿ä ÀÀ¿ë ºÐ¾ß¸¦ ¼Ò°³ÇÑ´Ù. ¸¶Áö¸·À¸·Î ÀÛ¼ºÇÑ ¸ðµ¨À» ½Ç¹«¿¡ Àû¿ëÇÏ´Â ¹æ¹ýÀ» ¼Ò°³ÇÏ´Â °ÍÀ¸·Î ¸¶Ä£´Ù. ÅÙ¼Ç÷ÎÀÇ ±Ù°£ÀÌ µÇ´Â Å« ±¸Á¶¸¦ ¼Ò°³ÇÏ°í ÅÙ¼Ç÷Π2.x¿¡¼ º¯°æµÈ ¿©·¯ ±â´ÉÀ» ÅëÇØ ½Å°æ¸ÁÀ» ½±°Ô °³¹ßÇÏ´Â µ¥ ÇÊ¿äÇÑ ³»¿ëµéÀ» ¿¹Á¦¸¦ ÅëÇØ ¹è¿ï ¼ö ÀÖµµ·Ï ±¸¼ºµÅ ÀÖ´Ù.
ÃâÆÇ»ç ¼Æò
¡Ú ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë ¡Ú
¡á ¸Ó½Å·¯´×°ú ½Å°æ¸Á ±â¹ý ÆÄ¾Ç ÈÄ °úÁ¦ ÇØ°á
¡á °³¹ß ¼Óµµ¸¦ ³ôÀ̱â À§ÇÑ TF 2.0ÀÇ »õ·Î¿î ±â´É Àû¿ë
¡á ÅÙ¼Ç÷Πµ¥ÀÌÅͼÂ(tfds)¿Í tf.data API¸¦ »ç¿ëÇØ °íÈ¿À² µ¥ÀÌÅÍ ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎ ±¸Ãà
¡á ÅÙ¼Ç÷ΠÇãºê·Î ÀüÀÌÇнÀ ¹× ¹Ì¼¼ Á¶Á¤ ¼öÇà
¡á °´Ã¼ ŽÁö ¹× ½Ã¸Çƽ ºÐÇÒ ¹®Á¦ ÇØ°áÀ» À§ÇÑ ³×Æ®¿öÅ© Á¤ÀÇ¿Í ÈÆ·Ã
¡á À̹ÌÁö »ý¼º°ú µ¥ÀÌÅÍ ºÐÆ÷¸¦ »ý¼ºÇÏ´Â GAN ÈÆ·Ã
¡á SavedModel ÆÄÀÏ Çü½ÄÀ» »ç¿ëÇÑ ¸ðµ¨À̳ª ÀÏ¹Ý ¿¬»ê ±×·¡ÇÁ ½Ç¹« ÅõÀÔ
¡Ú ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¡Ú
ÅÙ¼Ç÷Π±¸Á¶¿Í »õ·Î¿î Ư¡ÀÌ ±Ã±ÝÇÑ µ¿½Ã¿¡ ½Å°æ¸ÁÀ» ´Ù·ç´Â µ¥ÀÌÅÍ °úÇÐÀÚ, ¸Ó½Å·¯´× °³¹ßÀÚ, µö·¯´× ¿¬±¸ÀÚ, ±âÃÊ Åë°è ¹è°æÁö½ÄÀ» °¡Áø °³¹ßÀÚ¸¦ ´ë»óÀ¸·Î ÇÑ´Ù. ÀÌ Ã¥À» ÃÖ´ëÇÑ È°¿ëÇÏ·Á¸é ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö ¾ð¾î °ü·Ã ½Ç¹« Áö½ÄÀÌ ÇÊ¿äÇÏ´Ù.
¡Ú ÀÌ Ã¥ÀÇ ±¸¼º ¡Ú
1Àå, ¡®¸Ó½Å·¯´×À̶õ?¡¯¿¡¼´Â ¸Ó½Å·¯´×ÀÇ ±âÃʸ¦ ´Ù·é´Ù. Áöµµ, ºñÁöµµ, ÁØÁöµµÇнÀÀÌ ¹«¾ùÀ̸ç ÀÌ·¯ÇÑ ±¸ºÐÀÌ ¿Ö Áß¿äÇÑÁö »ìÆ캻´Ù. ¶ÇÇÑ µ¥ÀÌÅÍ ÆÄÀÌÇÁ¶óÀÎÀ» ¸¸µå´Â ¹æ¹ý, ¾Ë°í¸®ÁòÀÇ ¼º´ÉÀ» ÃøÁ¤ÇÏ´Â ¹æ¹ý, °á°ú¸¦ °ËÁõÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù.
2Àå, ¡®½Å°æ¸Á°ú µö·¯´×¡¯¿¡¼´Â ½Å°æ¸Á¿¡ ÃÊÁ¡À» ¸ÂÃá´Ù. ¸Ó½Å·¯´× ¸ðµ¨ÀÇ °Á¡°ú ³×Æ®¿öÅ© ÇнÀ ¹æ¹ý, ½ÇÁ¦·Î ¸ðµ¨ ÆĶó¹ÌÅÍ ¾÷µ¥ÀÌÆ®°¡ ¾î¶»°Ô ¼öÇàµÇ´ÂÁö¸¦ ¹è¿ì°Ô µÈ´Ù. ÀÌ ÀåÀ» ¸¶Ä¡¸é ¿ªÀüÆÄ(backpropagation)¿Í ³×Æ®¿öÅ© ÆĶó¹ÌÅÍ ¾÷µ¥ÀÌÆ® ³»ºÎ¸¦ ÀÌÇØÇÏ°Ô µÈ´Ù. µµÀüÀûÀÎ °úÁ¦¸¦ ÇØ°áÇÏ´Â µ¥ ½ÉÃþ ½Å°æ¸Á ±¸Á¶°¡ ¿Ö ÇÊ¿äÇÑÁö ¾Ë°Ô µÉ °ÍÀÌ´Ù.
3Àå, ¡®ÅÙ¼Ç÷Π±×·¡ÇÁ ¾ÆÅ°ÅØ󡯿¡¼´Â 1.x ¹öÀü°ú 2.x ¹öÀü »çÀÌ¿¡ °øÀ¯µÇ´Â ÅÙ¼Ç÷Π±¸Á¶¸¦ ´Ù·é´Ù.
4Àå, ¡®ÅÙ¼Ç÷Π2.0 ¾ÆÅ°ÅØ󡯿¡¼´Â ÅÙ¼Ç÷Π1.x¿Í 2.xÀÇ Â÷À̸¦ º¸¿©ÁØ´Ù. ÀÌ µÎ °¡Áö ¹öÀüÀ» ¸ðµÎ »ç¿ëÇØ °£´ÜÇÑ ¸Ó½Å·¯´× ¸ðµ¨À» °³¹ßÇغ»´Ù. µÎ ¹öÀüÀÇ °øÅëÀûÀΠƯ¡À» ÀÌÇØÇÏ°Ô µÉ °ÍÀÌ´Ù.
5Àå, ¡®È¿À²ÀûÀÎ µ¥ÀÌÅÍ ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎ ¹× Estimator API¡¯¿¡¼´Â tf.data API¸¦ »ç¿ëÇØ Àüü µ¥ÀÌÅÍ ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎÀ» Á¤ÀÇÇÏ´Â ¹æ¹ý°ú tf.estimator API¸¦ »ç¿ëÇØ ½ÇÇèÀ» Á¤ÀÇÇÏ´Â ¹æ¹ýÀ» ´Ù·é´Ù. tf.data¿Í tf.io.gfile APIÀÇ ¸ðµç ±â´ÉÀ» È°¿ëÇØ º¹ÀâÇÏ°í È¿À²ÀûÀÎ ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎÀ» ¸¸µé ¼ö ÀÖ°Ô µÉ °ÍÀÌ´Ù.
6Àå, ¡®ÅÙ¼Ç÷ΠÇãºê¸¦ »ç¿ëÇÑ À̹ÌÁö ºÐ·ù¡¯¿¡¼´Â ÄÉ¶ó½º API¿ÍÀÇ ±ä¹ÐÇÑ ÅëÇÕÀ» È°¿ëÇÑ ÅÙ¼Ç÷ΠÇãºê¸¦ »ç¿ëÇØ ÀüÀÌ(fine-tuning)ÇнÀ ¹× ¹Ì¼¼ Á¶Á¤À» ½±°Ô ¼öÇàÇÏ´Â ¹æ¹ýÀ» ´Ù·é´Ù.
7Àå, ¡®°´Ã¼ ŽÁö ¼Ò°³¡¯¿¡¼´Â ºÐ·ù±â¸¦ È®ÀåÇÏ´Â ¹æ¹ýÀ» ´Ù·ç¸ç, À̸¦ °æ°è »óÀÚÀÇ ÁÂÇ¥¸¦ ȸ±ÍÇÏ´Â °´Ã¼ ŽÁö±â·Î ¸¸µé°í ´õ¿í º¹ÀâÇÑ °´Ã¼ ŽÁö ±¸Á¶¿¡ °üÇØ ¼Ò°³ÇÑ´Ù.
8Àå, ¡®½Ã¸Çƽ ºÐÇÒ°ú »ç¿ëÀÚ Á¤ÀÇ µ¥ÀÌÅͼ¡¯¿¡¼´Â ºô´õ ½Ã¸Çƽ ºÐÇÒ ³×Æ®¿öÅ©¸¦ ±¸ÇöÇÏ´Â ¹æ¹ý°ú ÀÌ·¯ÇÑ Á¾·ùÀÇ ÀÛ¾÷¿¡ °üÇÑ µ¥ÀÌÅͼÂÀ» ÁغñÇÏ´Â ¹æ¹ý, ¸ðµ¨À» ÈÆ·ÃÇÏ°í ¼º´ÉÀ» ÃøÁ¤ÇÏ´Â ¹æ¹ýÀ» ´Ù·é´Ù. U-NetÀ» »ç¿ëÇØ ½Ã¸Çƽ ºÐÇÒ ¹®Á¦¸¦ ÇØ°áÇغ»´Ù.
9Àå, ¡®»ý¼ºÀû Àû´ë ½Å°æ¸Á¡¯¿¡¼´Â ÀÌ·ÐÀûÀÌ°í ½Ç¹«ÀûÀÎ °üÁ¡¿¡¼ GANÀ» ´Ù·é´Ù. »ý¼º ¸ðµ¨ÀÇ ±¸Á¶¿Í ÅÙ¼Ç÷Π2.0À» »ç¿ëÇØ Àû´ëÀû ÈÆ·ÃÀ» ½±°Ô ¼öÇàÇÒ ¼ö ÀÖ´Â ¹æ¹ýÀ» ÀÌÇØÇÏ°Ô µÉ °ÍÀÌ´Ù.
10Àå, ¡®¸ðµ¨À» ½Ç¹«¿¡ Àû¿ëÇϱ⡯¿¡¼´Â ÈÆ·ÃµÈ ¸ðµ¨À» ¿ÏÀüÇÑ ¾ÖÇø®ÄÉÀ̼ÇÀ¸·Î ÀüȯÇÏ´Â ¹æ¹ýÀ» ´Ù·é´Ù. ÈÆ·ÃµÈ ¸ðµ¨À» ÁöÁ¤µÈ Ç¥Çö(SavedModel)À¸·Î ³»º¸³»±âÇÏ°í, À̸¦ ¿ÏÀüÇÑ ¾ÖÇø®ÄÉÀ̼ÇÀ¸·Î »ç¿ëÇÏ´Â ¹æ¹ýµµ ´Ù·é´Ù. tfgo ¶óÀ̺귯¸®¸¦ »ç¿ëÇØ ÆÄÀ̽㠳»ºÎ, TensorFlow.js, Go¿¡¼µµ ÈÆ·ÃµÈ ¸ðµ¨À» ³»º¸³»°í È°¿ëÇÒ ¼ö ÀÖ´Ù.
¡Ú ¿Å±äÀÌÀÇ ¸» ¡Ú
21¼¼±â IT ±â¼ú Áß °¡Àå ¼½½ÃÇÑ(!) ºÐ¾ß¸¦ ²ÅÀÚ¸é ÇÑÄ¡ÀÇ ¸Á¼³ÀÓ ¾øÀÌ ¡°AI(Artificial intelligence)¡±¸¦ ²ÅÀ» °ÍÀÌ´Ù. AI´Â ±ÝÀ¶, ÀÇ·á, ¿î¼Û, ±³À°, º¸¾È, ³ó¾÷ µî ¸¹Àº »ê¾÷¿¡ Á¢¸ñÇØ ÀÚµ¿È ¹× ¸ÂÃãÇü ¼ºñ½º¸¦ ¼±º¸ÀÌ°í ÀÖ´Ù. °¡±î¿î ¹Ì·¡¿¡ AI´Â ´Ü¼ø ³ëµ¿ ¾÷¹«¸¦ ³Ñ¾î Àü¹®Á÷ ¿µ¿ªÀ¸·Î È®´ëµÉ °ÍÀÌ´Ù. ¸¹Àº À̵éÀº AI°¡ ÇöÁ¸ÇÏ´Â ÀÏÀÚ¸®¸¦ ¸¹ÀÌ ÁÙÀÏ °ÍÀ̶ó »ý°¢ÇÏÁö¸¸, Çõ½ÅÀûÀÎ ±â¼úÀÌ ³ª¿Ã ¶§¸¶´Ù ÀÏÀÚ¸®´Â º¯¸ðÇØ¿Ô°í ´õ ´Ù¾çÇØÁ³´Ù.
ÀÌ Ã¥Àº ÅÙ¼Ç÷Î(TF, TensorFlow) 2.0 ¹öÀüÀÇ »õ·Î¿î ±â´É°ú ÅÙ¼Ç÷Π2.0À» È°¿ëÇÑ ½Å°æ¸Á°ú ¸Ó½Å·¯´× ±â¹Ý ¾ÖÇø®ÄÉÀ̼ÇÀ» ¸¸µå´Â ¹æ¹ý¿¡ ´ëÇØ Æí¸®ÇÑ °¡À̵åºÏ ¿ªÇÒÀ» ÇØÁÙ °ÍÀÌ´Ù. ¸Ó½Å·¯´×°ú ½Å°æ¸Á¿¡ ´ëÇÑ ÀÌ·ÐÀû °³¿ä·Î ½ÃÀÛÇØ TF 1.x ¹× TF 2.0 ¹öÀüÀÇ ¶óÀ̺귯¸® »ç¿ë ¹æ¹ý¿¡ ´ëÇÑ ¼³¸íÀ¸·Î À̾îÁø´Ù. ±×¸²¿Í ½ÇÁ¦ ÄÚµåµéÀ» º¸°í µû¶ó Çϱ⠽¬¿î ¿¹Á¦·Î ±¸¼ºµÅ ÀÖ¾î¼, ½Å°æ¸ÁÀÌ ÀÛµ¿ÇÏ´Â ¹æ½ÄÀ» ÀÚ¿¬½º·¹ ÀÌÇØÇÏ°í ±¸ÇöÇÒ ¼ö ÀÖ°Ô ÇÑ´Ù(Ã¥¿¡¼ Á¦°øÇÏ´Â ÄÚµå´Â ±êÇãºê¸¦ ÅëÇØ ´Ù¿î·ÎµåÇÒ ¼ö ÀÖ´Ù).
´ÙÀ½À¸·Î TF 2.0¿¡¼ Á¦°øÇÏ´Â »õ·Î¿î ¸ðµâÀ» »ç¿ëÇØ ³ÐÀº ¹üÀ§ÀÇ ½Å°æ¸Á ¾ÆÅ°ÅØó¸¦ ±¸ÃàÇϱâ À§ÇÑ ÃÖÀûÈ ±â¼ú°ú ¾Ë°í¸®ÁòÀ» ¸¶½ºÅÍÇÏ´Â ¹æ¹ýÀ» ¹è¿ï ¼ö ÀÖ´Ù. ³ª¾Æ°¡, ºÐ·ù ¹®Á¦¸¦ ÇØ°áÇϱâ À§ÇÑ ÄÁº¼·ç¼Ç ½Å°æ¸Á(CNN, Convolution Neural Network), ½Ã¸Çƽ ºÐÇÒ(Semantic Segmentation), ÇнÀ µ¥ÀÌÅÍ È®º¸¸¦ À§ÇÑ »ý¼ºÀû Àû´ë ½Å°æ¸Á(GAN, Generative Adversarial Network) µî°ú °°Àº ´õ º¹ÀâÇÑ ½Å°æ¸Á ¾ÆÅ°ÅØó¸¦ ±¸ÇöÇÏ´Â ¹æ¹ýµµ ¾Ë ¼ö ÀÖ´Ù.
AI Àü¹®°¡°¡ Àý´ëÀûÀ¸·Î ºÎÁ·ÇÑ Áö±Ý, ÀÌ Ã¥À» ÅëÇØ µ¶ÀÚµéÀÌ ¸Ó½Å·¯´×°ú AI ¾Ë°í¸®Áò ¼³°è ´É·ÂÀ» ÇÑÃþ ´õ ¹ßÀü½ÃÄÑ, °¡´É¼ºÀÌ ¹«ÇÑÇÑ ½ÃÀåÀ» ¼±Á¡ÇÏ°í ¼ö¾øÀÌ ¸¹Àº ±âȸ¸¦ ÀïÃëÇϱ⸦ Èñ¸ÁÇÑ´Ù.
ÃÖ¹Îȯ
°³¹ßÀÚ¸¶´Ù ȤÀº ¼ÓÇÑ Á¶Á÷¿¡ µû¶ó ¼±È£ÇÏ´Â µö·¯´× ¶óÀ̺귯¸®°¡ ´Ù¾çÇÑ ½ÇÁ¤ÀÌ´Ù. ¶ÇÇÑ ³í¹® ÀúÀÚ°¡ ±¸Çö Äڵ带 °ø°³ÇÏ´Â °æ¿ì¿¡µµ µö·¯´× ¶óÀ̺귯¸®¿Í ¹öÀüÀÌ ´Ù¾çÇÏ´Ù. ¿¬±¸ÀÚ³ª °³¹ßÀÚ ÀÔÀå¿¡¼´Â ÀÌ Äڵ带 ¿Ïº®È÷ ÀÌÇØÇÑ µÚ ´Ù½Ã º»ÀÎÀÇ ¼±È£ ¶óÀ̺귯¸®·Î ±¸ÇöÇÒ »óȲÀÌ »ý±â°Ô µÈ´Ù. ÀÌ Ã¥Àº ¿©·¯ ¶óÀ̺귯¸® Áß ÅÙ¼Ç÷Π1.x, 2.x ¹öÀü »çÀÌÀÇ Å« ±¸Á¶ º¯È¸¦ ¼Ò°³ÇÑ´Ù. ÀÌ Ã¥À» »ìÆ캸¸é¼ ÅÙ¼Ç÷Π1.x, 2.xÀÇ ±Ù°£À» ÀÌ·ç´Â °³³äÀ» ÀÌÇØÇÏ°í Äɶ󽺿ÍÀÇ ÅëÇÕÀ¸·Î ¾ò´Â ÀÌÁ¡¿¡ ´ëÇØ ¹è¿ï ¼ö ÀÖÀ» °Å¶ó ±â´ëÇÑ´Ù. ÀÌ Ã¥ÀÌ µö·¯´×À» °øºÎÇÏ´Â ºÐµé¿¡°Ô Á¶±ÝÀ̳ª¸¶ º¸ÅÆÀÌ µÇ¸é ÁÁ°Ú´Ù.
±è⿱
¸ñÂ÷
1ºÎ. ½Å°æ¸Á ±âÃÊ
1Àå. ¸Ó½Å·¯´×À̶õ?
__µ¥ÀÌÅͼÂÀÇ Á߿伺
____nÂ÷¿ø °ø°£
____Â÷¿øÀÇ ÀúÁÖ
__ÁöµµÇнÀ
____°Å¸®¿Í À¯»çµµ-k-NN ¾Ë°í¸®Áò
____¸ð¼ö ¸ðµ¨
____¸ðµ¨ÀÇ ¼º´É ÃøÁ¤-Æò°¡ ÁöÇ¥
__ºñÁöµµÇнÀ
__ÁØÁöµµÇнÀ
__¿ä¾à
__½Ç½À
2Àå. ½Å°æ¸Á°ú µö·¯´×
__½Å°æ¸Á
____»ý¹°ÇÐÀû ´º·±
____Àΰø ´º·±
____¿ÏÀü ¿¬°á ·¹À̾î
____È°¼ºÈ ÇÔ¼ö
____¼Õ½ÇÇÔ¼ö
____ÆĶó¹ÌÅÍ ÃʱâÈ
__ÃÖÀûÈ
____°æ»çÇÏ°¹ý
____°æ»çÇÏ°¹ý ÃÖÀûÈ ¾Ë°í¸®Áò
____¿ªÀüÆÄ¿Í ÀÚµ¿ ¹ÌºÐ
__ÄÁº¼·ç¼Ç ½Å°æ¸Á
____ÄÁº¼·ç¼Ç ¿¬»êÀÚ
____2D ÄÁº¼·ç¼Ç
____º¼·ý °£ 2D ÄÁº¼·ç¼Ç
____1¡¿1¡¿D ÄÁº¼·ç¼Ç
__ÀϹÝÈ
____µå·Ó¾Æ¿ô
____µ¥ÀÌÅÍ Áõ°
____¾ó¸®½ºÅ¸ÇÎ
____¹èÄ¡ Á¤±ÔÈ
__¿ä¾à
__½Ç½À
2ºÎ. ÅÙ¼Ç÷Π±âÃÊ
3Àå. ÅÙ¼Ç÷Π±×·¡ÇÁ ¾ÆÅ°ÅØó
__ȯ°æ ¼³Á¤
____ÅÙ¼Ç÷Π1.x ȯ°æ
____ÅÙ¼Ç÷Π2.0 ȯ°æ
__µ¥ÀÌÅÍ È帧 ±×·¡ÇÁ
____ÁÖ¿ä ±¸Á¶-tf.Graph
____±×·¡ÇÁ Á¤ÀÇ-tf.OperationºÎÅÍ tf.Tensor±îÁö
____±×·¡ÇÁ ¹èÄ¡-tf.device
____±×·¡ÇÁ ½ÇÇà-tf.Session
____Á¤Àû ±×·¡ÇÁÀÇ º¯¼ö
__¸ðµ¨ Á¤ÀÇ¿Í ÈÆ·Ã
____tf.layers ±â¹Ý ¸ðµ¨ Á¤ÀÇ
____ÀÚµ¿ ¹ÌºÐ-¼Õ½Ç°ú ¿ÉƼ¸¶ÀÌÀú
__ÆÄÀ̽ãÀ» È°¿ëÇÑ ±×·¡ÇÁ ´Ù·ç±â
____Ç÷¹À̽ºÈ¦´õ¿¡ Àü´Þ
____¿ä¾à ±â·Ï
____¸ðµ¨ ÆĶó¹ÌÅÍ ÀúÀå°ú ¸ðµ¨ ¼±ÅÃ
__¿ä¾à
__½Ç½À
4Àå. ÅÙ¼Ç÷Π2.0 ¾ÆÅ°ÅØó
__ÇÁ·¹ÀÓ¿öÅ© ´Ù½Ã ¹è¿ì±â
__ÄÉ¶ó½º ÇÁ·¹ÀÓ¿öÅ©¿Í ¸ðµ¨
____¼øÂ÷ API
____ÇÔ¼ö API
____¼ºêŬ·¡½º ±â¹ý
__Áï½Ã ½ÇÇà°ú »õ·Î¿î ±â´Éµé
____º£À̽º¶óÀÎ ¿¹Á¦
____¼¼¼ÇÀÌ ¾Æ´Ñ ÇÔ¼ö
____´õ ÀÌ»óÀÇ Àü¿ª º¯¼ö´Â ¾ø´Ù
____Á¦¾î È帧
____GradientTape
____»ç¿ëÀÚ Á¤ÀÇ ÈÆ·Ã ·çÇÁ
____¸ðµ¨ »óÅ ÀúÀå°ú º¹¿ø
____¿ä¾à°ú Æò°¡ ÁöÇ¥
____¿ÀÅä±×·¡ÇÁ
__Äڵ庣À̽º ¸¶À̱׷¹À̼Ç
__¿ä¾à
__½Ç½À
5Àå. È¿À²ÀûÀÎ µ¥ÀÌÅÍ ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎ ¹× Estimator API
__È¿À²ÀûÀÎ µ¥ÀÌÅÍ ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎ
____ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎ ±¸Á¶
__tf.data.
____¼º´É ÃÖÀûÈ
____µ¥ÀÌÅͼ ±¸Ãà
____µ¥ÀÌÅÍ Áõ°
____ÅÙ¼Ç÷Πµ¥ÀÌÅͼÂ-tfds
____ÄÉ¶ó½º ÅëÇÕ
____Áï½Ã ½ÇÇà ÅëÇÕ
__Estimator API
____µ¥ÀÌÅÍ ÀÔ·Â ÆÄÀÌÇÁ¶óÀÎ
____»ç¿ëÀÚ Á¤ÀÇ Estimator
____»çÀü Á¤ÀÇ Estimator
____ÄÉ¶ó½º ¸ðµ¨ »ç¿ëÇϱâ
____Canned Estimator È°¿ë
__¿ä¾à
__½Ç½À
3ºÎ. ½Å°æ¸ÁÀÇ ÀÀ¿ë ºÐ¾ß
6Àå. ÅÙ¼Ç÷ΠÇãºê¸¦ »ç¿ëÇÑ À̹ÌÁö ºÐ·ù
__µ¥ÀÌÅÍ ¼öÁý
__ÀüÀÌÇнÀ
____ÅÙ¼Ç÷ΠÇãºê
____ÇÇó ÃßÃâ±â·Î Inception v3 »ç¿ë
____¸ðµ¨¿¡ µ¥ÀÌÅÍ Àû¿ë
____¸ðµ¨ ÀÛ¼º-hub.KerasLayer
____ÈƷðú Æò°¡
____ÈÆ·Ã ¼Óµµ
__¹Ì¼¼ Á¶Á¤
____¹Ì¼¼ Á¶Á¤ ½Ã±â
____ÅÙ¼Ç÷ΠÇãºê ÅëÇÕ
____ÈÆ·Ã ¹× Æò°¡
____ÈÆ·Ã ¼Óµµ
__¿ä¾à
__½Ç½À
7Àå. °´Ã¼ ŽÁö ¼Ò°³
__µ¥ÀÌÅÍ ¼öÁý
__°´Ã¼ Áö¿ªÈ
____ȸ±Í ¹®Á¦·Î¼ÀÇ Áö¿ªÈ
____Intersection over Union
____Æò±Õ Á¤¹Ðµµ
____mAP
____ÈÆ·Ã ½ºÅ©¸³Æ® °³¼±
__ºÐ·ù¿Í Áö¿ªÈ
____¸ÖƼŽºÅ© ·¯´×
____´õºí Çìµå ³×Æ®¿öÅ©
____¾ÞÄ¿ ±â¹Ý ŽÁö±â
____¾ÞÄ¿ »óÀÚ
__¿ä¾à
__½Ç½À
8Àå. ½Ã¸Çƽ ºÐÇÒ ¹× »ç¿ëÀÚ Á¤ÀÇ µ¥ÀÌÅͼ ºô´õ
__½Ã¸Çƽ ºÐÇÒ
____¹®Á¦Á¡
____µðÄÁº¼·ç¼Ç-ÀüÄ¡ ÄÁº¼·ç¼Ç
____U - Net ¾ÆÅ°ÅØó
__ÅÙ¼Ç÷ΠDatasetBuilder ¸¸µé±â
____°èÃþÀû ±¸Á¶
____µ¥ÀÌÅͼ Ŭ·¡½º¿Í DatasetInfo
____µ¥ÀÌÅͼ ºÐÇÒ
____¿¹Á¦ »ý¼º
____ºô´õ »ç¿ëÇϱâ
__¸ðµ¨ ÈƷðú Æò°¡
____µ¥ÀÌÅÍ Áغñ
____ÈÆ·Ã ·çÇÁ¿Í ÄÉ¶ó½º Äݹé
____Æò°¡¿Í Ãß·Ð
__¿ä¾à
__½Ç½À
9Àå. »ý¼ºÀû Àû´ë ½Å°æ¸Á
__GAN°ú ÇØ´ç ¾ÖÇø®ÄÉÀ̼ÇÀÇ ÀÌÇØ
____°¡Ä¡ÇÔ¼ö
____ºñÆ÷È °¡Ä¡ÇÔ¼ö
____¸ðµ¨ Á¤ÀÇ¿Í ÈÆ·Ã ´Ü°è
____GAN ÀÀ¿ë ºÐ¾ß
____¹«Á¶°ÇºÎ GAN
____µ¥ÀÌÅÍ Áغñ
____»ý¼º±â Á¤ÀÇ
____ÆǺ°±â Á¤ÀÇ
____¼Õ½ÇÇÔ¼ö Á¤ÀÇ
____¹«Á¶°ÇºÎ GANÀÇ Àû´ëÀû ÈÆ·Ã ÇÁ·Î¼¼½º
__Á¶°ÇºÎ GAN
____Á¶°ÇºÎ GAN¿¡ °üÇÑ µ¥ÀÌÅÍ °¡Á®¿À±â
____Á¶°ÇºÎ GAN¿¡¼ »ý¼º±â Á¤ÀÇ
____Á¶°ÇºÎ GAN¿¡¼ ÆǺ°±â Á¤ÀÇ
____Àû´ëÀû ÈÆ·Ã °úÁ¤
__¿ä¾à
__½Ç½À
10Àå. ¸ðµ¨À» ½Ç¹«¿¡ Àû¿ëÇϱâ
__SavedModel Á÷·ÄÈ Çü½Ä
____±â´É
____ÄÉ¶ó½º ¸ðµ¨·Î SavedModel »ý¼ºÇϱâ
____ÀÏ¹Ý ÇÔ¼ö¸¦ SavedModel·Î º¯È¯Çϱâ
__ÆÄÀ̽㠹èÆ÷
____ÀÏ¹Ý ¿¬»ê ±×·¡ÇÁ
____ÄÉ¶ó½º ¸ðµ¨
____Ç÷§ ±×·¡ÇÁ
__Áö¿øÇÏ´Â ¹èÆ÷ Ç÷§Æû
____TensorFlow.js
____Go ¹ÙÀεù°ú tfgo
__¿ä¾à
__½Ç½À
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç 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 »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.