°£Æí°áÁ¦, ½Å¿ëÄ«µå û±¸ÇÒÀÎ
ÀÎÅÍÆÄÅ© ·Ôµ¥Ä«µå 5% (36,770¿ø)
(ÃÖ´ëÇÒÀÎ 10¸¸¿ø / Àü¿ù½ÇÀû 40¸¸¿ø)
ºÏÇǴϾð ·Ôµ¥Ä«µå 30% (27,090¿ø)
(ÃÖ´ëÇÒÀÎ 3¸¸¿ø / 3¸¸¿ø ÀÌ»ó °áÁ¦)
NH¼îÇÎ&ÀÎÅÍÆÄÅ©Ä«µå 20% (30,960¿ø)
(ÃÖ´ëÇÒÀÎ 4¸¸¿ø / 2¸¸¿ø ÀÌ»ó °áÁ¦)
Close

ÅÙ¼­Ç÷Π2¿Í Äɶ󽺷Π±¸ÇöÇÏ´Â µö·¯´× : ȸ±Í, CNN. GAN, RNN, NLP, AutoML±îÁö µö·¯´×ÀÇ ¸ðµç °Í

¿øÁ¦ : Deep Learning with TensorFlow 2 and Keras - Second Edition
¼Òµæ°øÁ¦

2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.

ÆǸÅÁö¼ö 40
?
ÆǸÅÁö¼ö¶õ?
»çÀÌÆ®ÀÇ ÆǸŷ®¿¡ ±â¹ÝÇÏ¿© ÆǸŷ® ÃßÀ̸¦ ¹Ý¿µÇÑ ÀÎÅÍÆÄÅ© µµ¼­¿¡¼­ÀÇ µ¶¸³ÀûÀÎ ÆǸŠÁö¼öÀÔ´Ï´Ù. ÇöÀç °¡Àå Àß Æȸ®´Â »óÇ°¿¡ °¡ÁßÄ¡¸¦ µÎ¾ú±â ¶§¹®¿¡ ½ÇÁ¦ ´©Àû ÆǸŷ®°ú´Â ´Ù¼Ò Â÷ÀÌ°¡ ÀÖÀ» ¼ö ÀÖ½À´Ï´Ù. ÆǸŷ® ¿Ü¿¡µµ ´Ù¾çÇÑ °¡ÁßÄ¡·Î ±¸¼ºµÇ¾î ÃÖ±ÙÀÇ À̽´µµ¼­ È®Àνà À¯¿ëÇÒ ¼ö ÀÖ½À´Ï´Ù. ÇØ´ç Áö¼ö´Â ¸ÅÀÏ °»½ÅµË´Ï´Ù.
Close
°øÀ¯Çϱâ
Á¤°¡

43,000¿ø

  • 38,700¿ø (10%ÇÒÀÎ)

    2,150P (5%Àû¸³)

ÇÒÀÎÇýÅÃ
Àû¸³ÇýÅÃ
  • S-Point Àû¸³Àº ¸¶ÀÌÆäÀÌÁö¿¡¼­ Á÷Á¢ ±¸¸ÅÈ®Á¤ÇϽŠ°æ¿ì¸¸ Àû¸³ µË´Ï´Ù.
Ãß°¡ÇýÅÃ
  • 3/28(¸ñ) À̳» ¹ß¼Û ¿¹Á¤  (¼­¿ï½Ã °­³²±¸ »ï¼º·Î 512)
  • ¹«·á¹è¼Û
  • ÁÖ¹®¼ö·®
    °¨¼Ò Áõ°¡
    • À̺¥Æ®/±âȹÀü

    • ¿¬°üµµ¼­(88)

    • »óÇ°±Ç

    AD

    Ã¥¼Ò°³

    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» ¾Ë ¼ö ÀÖ´Ù. ƯÈ÷ ÇöÀç È°¹ßÈ÷ ¿¬±¸ ÁßÀÎ AutoML ºÐ¾ßÀÇ ÇöȲ°ú ±¸±Û Ŭ¶ó¿ìµå¸¦ ÀÌ¿ëÇÑ AutoML ½Ç½Àµµ ´Ù·ç°í ÀÖ´Ù.

    dzºÎÇÑ ¿¹Á¦¸¦ ÅëÇØ Äɶ󽺰¡ ¿ÏÀü ÅëÇÕµÈ ÅÙ¼­Ç÷Π2.0ÀÇ »ç¿ë ¹æ¹ýÀ» ´Ù¾çÇÑ ÀÀ¿ëºÐ¾ß¿¡ °ÉÃÄ Á÷Á¢ ±¸ÃàÇØ º¼ 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°Ô µÇ¸é, ´Ù¾çÇÑ °¢µµ¿¡¼­ µö·¯´×À» ÀÌÇØÇÏ°Ô µÉ °ÍÀÌ´Ù. ¸¶Áö¸· Àå¿¡¼­´Â ÃÖ±Ù ÁÖ¸ñ¹Þ°í ÀÖ´Â ±¸±ÛÀÇ TPU°¡ ±âÁ¸ GPU ´ëºñ ¾ó¸¶³ª ¼º´ÉÀÌ ¿ì¼öÇÑÁö¿¡ ´ëÇÑ ¼³¸íµµ º¼ ¼ö ÀÖ´Ù.

    ÃâÆÇ»ç ¼­Æò

    ¡Ú ÀÌ Ã¥¿¡¼­ ´Ù·ç´Â ³»¿ë ¡Ú

    ¡á ÅÙ¼­Ç÷Π2¿Í ÄÉ¶ó½º API¸¦ »ç¿ëÇØ ¸Ó½Å·¯´×°ú µö·¯´× ½Ã½ºÅÛ ±¸Ãà
    ¡á ¸Ó½Å·¯´×¿¡¼­ °¡Àå º¸ÆíÀûÀÎ ±â¹ýÀΠȸ±ÍºÐ¼®
    ¡á ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ ÀÌÇØ¿Í À̹ÌÁö ºÐ·ù¿¡ µö·¯´× ½Ã½ºÅÛ Àû¿ë
    ¡á GANÀ» »ç¿ëÇØ ±âÁ¸ ÆÐÅÏ¿¡ ÀûÇÕÇÑ »õ·Î¿î µ¥ÀÌÅÍ »ý¼º
    ¡á ½ÃÄö½º ÀϺΰ¡ ´Ù¸¥ ½ÃÄö½º¸¦ Çؼ®ÇØ ÀÔ·Â ½ÃÄö½º¸¦ ó¸®ÇÒ ¼ö ÀÖ´Â RNN
    ¡á ÀÚ¿¬¾î¿Í ÀÚ¿¬¾î ¹ø¿ª¿¡ µö·¯´×À» Àû¿ëÇØ ÀûÀýÇÑ ¹ÝÀÀ »ý¼º
    ¡á Ŭ¶ó¿ìµå¿¡¼­ ¸ðµ¨À» ÈÆ·ÃÇÏ°í ½ÇÁ¦ ȯ°æ¿¡ TF Àû¿ë
    ¡á ±¸±Û ÅøÀÌ ´Ü¼øÇÑ ¸Ó½Å·¯´× ¿öÅ©Ç÷ο츦 º¹ÀâÇÑ ¸ðµ¨¸µ ¾øÀ̵µ ÀÚµ¿È­ ÇÏ´Â °ÍÀ» Ž»ö

    ¡Ú ÀÌ Ã¥ÀÇ ´ë»ó µ¶ÀÚ ¡Ú

    ¸Ó½Å·¯´×¿¡ °æÇèÀÌ ÀÖ´Â µ¥ÀÌÅÍ °úÇÐÀÚÀ̰ųª ½Å°æ¸ÁÀ» ¾Ë°í ÀÖ´Â AI ÇÁ·Î±×·¡¸Ó¶ó¸é ÀÌ Ã¥ÀÌ ÅÙ¼­Ç÷Π2.0À» »ç¿ëÇØ µö·¯´×À» ´Ù·ç´Â À¯¿ëÇÑ ÁøÀÔÁ¡ÀÌ µÉ °ÍÀÌ´Ù. µö·¯´× ¾²³ª¹Ì¿¡ ´ëÇÑ °ü½ÉÀ» Å°¿ö°¡´Â ¼ÒÇÁÆ®¿þ¾î ¿£Áö´Ï¾î¿¡°Ô Áö½ÄÀ» ³ÐÈú ¼ö ÀÖ´Â ±â¹ÝÀÌ µÉ °ÍÀÌ´Ù. ÀÌ Ã¥À» ÀÐÀ¸·Á¸é ÆÄÀ̽㠱⺻ Áö½ÄÀÌ ÇÊ¿äÇÏ´Ù.

    ¡Ú ÀÌ Ã¥ÀÇ ±¸¼º ¡Ú

    ÀÌ Ã¥ÀÇ ¸ñÀûÀº ÅÙ¼­Ç÷Π2.0ÀÇ Æ¯Â¡°ú ¶óÀ̺귯¸®¸¦ ¼³¸íÇÏ°í, Áöµµ ¹× ºñÁöµµ ¸Ó½Å·¯´× ¸ðµ¨ÀÇ °³¿ä¸¦ Á¦°øÇϸç, µö·¯´×°ú ¸Ó½Å·¯´× ¸ðµ¨¿¡ ´ëÇÑ Æ÷°ýÀûÀÎ ºÐ¼®À» Á¦°øÇÏ´Â °ÍÀÌ´Ù. Ŭ¶ó¿ìµå, ¸ð¹ÙÀÏ, ´ë±Ô¸ð ¿î¿µ ȯ°æ¿¡ ´ëÇÑ ½Ç»ç·Ê°¡ Ã¥ Àü¹Ý¿¡ °ÉÃÄ Á¦°øµÈ´Ù.

    1Àå, ¡®ÅÙ¼­Ç÷Π2.0À¸·Î ½Å°æ¸Á ±¸¼º¡¯¿¡¼­´Â ½Å°æ¸ÁÀ» ´Ü°èº°·Î ¼Ò°³ÇÑ´Ù. ÅÙ¼­Ç÷Π2ÀÇ tf.keras °èÃþÀ» »ç¿ëÇØ °£´ÜÇÑ ½Å°æ¸Á ¸ðµ¨À» ¸¸µå´Â ¹æ¹ýÀ» ¹è¿î´Ù. ÆÛ¼ÁÆ®·Ð, ´ÙÃþ ÆÛ¼ÁÆ®·Ð, È°¼ºÈ­ ÇÔ¼ö¿Í ¹ÐÁý ½Å°æ¸ÁÀ» ¼³¸íÇÏ°í ¸¶Áö¸·À¸·Î ¿ªÀüÆÄÀÇ Á÷°üÀ» ¼Ò°³ÇÑ´Ù.
    2Àå, ¡®ÅÙ¼­Ç÷Π1.x¿Í 2.x¡¯¿¡¼­´Â ÅÙ¼­Ç÷Π1.x¿Í ÅÙ¼­Ç÷Π2.0 ÇÁ·Î±×·¡¹Ö ¸ðµ¨À» ºñ±³ÇÑ´Ù. ÅÙ¼­Ç÷Π1.x ÇÏÀ§·¹º§ °è»ê ±×·¡ÇÁ API¸¦ »ç¿ëÇÏ´Â ¹æ¹ý°ú tf.keras °í±Þ API¸¦ »ç¿ëÇÏ´Â ¹æ¹ýÀ» ÇнÀÇÑ´Ù. Áï½Ã °è»ê(eager computation), ¿ÀÅä±×·¡ÇÁ(Autograph), tf.Datasets¿Í °°Àº »õ·Î¿î ±â´É°ú ºÐ»ê ÈÆ·ÃÀ» ¼³¸íÇÑ´Ù. tf.keras¿Í ÃßÁ¤±â »çÀÌÀÇ °£·«ÇÑ ºñ±³¿Í ÇÔ²² tf.keras¿Í Äɶ󽺸¦ ºñ±³ ¼³¸íÇÑ´Ù.
    3Àå, ¡®È¸±Í¡¯¿¡¼­´Â °¡Àå Àαâ ÀÖ´Â ¸Ó½Å·¯´× ±â¼úÀΠȸ±Í¿¡ ÃÊÁ¡À» ¸ÂÃá´Ù. ÅÙ¼­Ç÷Π2.0 ÃßÁ¤±â¸¦ »ç¿ëÇØ ´Ü¼ø ¹× ´ÙÁß È¸±Í ¸ðÇüÀ» ÀÛ¼ºÇÏ´Â ¹æ¹ýÀ» ¹è¿î´Ù.
    4Àå, ¡®ÄÁº¼·ç¼Ç ½Å°æ¸Á¡¯¿¡¼­´Â ÄÁº¼·ç¼Ç ½Å°æ¸Á(CNN, Convolutional Neural Networks) ¹× À̹ÌÁö ó¸®ÀÇ ÀÀ¿ëÀ» ¼Ò°³ÇÑ´Ù. ÅÙ¼­Ç÷Π2.0À» »ç¿ëÇØ MNIST µ¥ÀÌÅͼ¿¡¼­ Çʱâü ¹®ÀÚ¸¦ ÀνÄÇÏ´Â °£´ÜÇÑ CNNÀ» ÀÛ¼ºÇÏ´Â ¹æ¹ý°ú CIFAR À̹ÌÁö¸¦ ºÐ·ùÇÏ´Â ¹æ¹ýÀ» ¾Ë¾Æº»´Ù. ¶ÇÇÑ VG6°ú ÀμÁ¼Ç(Inception) °°Àº »çÀü ÈÆ·ÃµÈ ½Å°æ¸ÁÀ» »ç¿ëÇÏ´Â ¹æ¹ýÀ» »ìÆ캻´Ù.
    5Àå, ¡®°í±Þ ÄÁº¼·ç¼Ç ½Å°æ¸Á¡¯¿¡¼­´Â CNNÀ» À̹ÌÁö, ºñµð¿À, ¿Àµð¿À, ÅؽºÆ® 󸮿¡ Àû¿ëÇÏ´Â °í±Þ ÀÀ¿ë ±â¹ýÀ» ¾Ë¾Æº»´Ù. À̹ÌÁö ó¸®(ÀüÀÌÇнÀ(Transfer Learning), DeepDream), À½¼º ó¸®(WaveNet)¿Í ÅؽºÆ® ó¸®(°¨Á¤ ºÐ¼®, Áú¹®&´äº¯(Q&A))¸¦ ¿¹·Î ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù.
    6Àå, ¡®»ý¼ºÀû Àû´ë ½Å°æ¸Á¡¯¿¡¼­´Â ÃÖ±Ù¿¡ ¹ß°ßµÈ »ý¼ºÀû Àû´ë ½Å°æ¸Á(GAN, Generative Adversarial Networks)¿¡ ÁßÁ¡À» µÐ´Ù. ¸ÕÀú ÃÖÃÊ·Î Á¦¾ÈµÈ GAN ¸ðµ¨À» »ìÆ캸°í MNIST ¼ýÀÚ¸¦ ¸¸µå´Â µ¥ »ç¿ëÇÑ´Ù. ½ÉÃþ ÄÁº¼·ç¼Ç GANÀ» »ç¿ëÇØ ¿¬¿¹ÀÎ À̹ÌÁö¸¦ ¸¸µç´Ù. ¶ÇÇÑ SRGAN, InfoGAN, CycleGAN°ú °°Àº ´Ù¾çÇÑ GAN ¾ÆÅ°ÅØó¸¦ ¼³¸íÇÏ°í GANÀÇ ¿©·¯ ÀÀ¿ë ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. ¸¶Áö¸·À¸·Î °Ü¿ï-¿©¸§ À̹ÌÁö¸¦ º¯È¯ÇÏ°íÀÚ ÅÙ¼­Ç÷Π2.0¿¡ ±¸ÇöµÈ CycleGANÀ» »ç¿ëÇÏ´Â ¹æ¹ýÀ» ¾Ë¾Æº»´Ù.
    7Àå, ¡®´Ü¾î ÀÓº£µù¡¯¿¡¼­´Â Word2vec°ú GloVe¶ó´Â ³Î¸® ¾Ë·ÁÁø µÎ °¡Áö ÀÓº£µùÀ¸·Î ¿öµå ÀÓº£µùÀ» ¼³¸íÇÑ´Ù. µÎ °¡Áö ÀÓº£µùÀÇ ÇÙ½É ¾ÆÀ̵ð¾î¿Í À̸¦ ÀÚ½ÅÀÇ ¸»¹¶Ä¡(corpus)¿¡¼­ »ý¼ºÇÏ´Â ¹æ¹ý, ÀÚ¿¬¾î ó¸®(NLP, Natural Language Processing)¸¦ ÀÀ¿ëÇÏ°íÀÚ ÀÚ½ÅÀÇ ½Å°æ¸Á¿¡¼­ »ç¿ëÇÏ´Â ¹æ¹ýÀ» ´Ù·é´Ù. ±×·± ´ÙÀ½ ´Ü¾î ´ë½Å ¹®ÀÚ Æ®¶óÀ̱׷¥(trigram)(fastText) »ç¿ë, Á¤Àû ÀÓº£µùÀ» ½Å°æ¸ÁÀ¸·Î ´ëüÇØ ´Ü¾î ³»¿ë À¯Áö(ELMO, Google Universal Sentence Encoder), ¹®Àå ÀÓº£µù(InferSent, SkipThoughts), ÀÓº£µù¿¡ »çÀü ÈÆ·ÃµÈ ¾ð¾î ¸ðµ¨ »ç¿ë(ULMFit, BERT)°ú °°Àº ±âº» ÀÓº£µù ¹æ¹ýÀÇ ´Ù¾çÇÑ È®ÀåÀ» ´Ù·é´Ù.
    8Àå, ¡®¼øȯ ½Å°æ¸Á¡¯¿¡¼­´Â ¼øȯ ½Å°æ¸Á(RNN, Recurrent Neural Networks)ÀÇ ±âº» ¾ÆÅ°ÅØó¿Í NLP µî¿¡ ÀÖ´Â ½ÃÄö½º ÇнÀ ÀÛ¾÷¿¡ ¾î¶»°Ô ÀûÇÕÇÏ°Ô »ç¿ëµÇ´ÂÁö ¼³¸íÇÑ´Ù. ¿©±â¿¡´Â ´Ù¾çÇÑ À¯ÇüÀÇ RNN, LSTM, °ÔÀÌÆ® ¼øȯ ½Å°æ¸Á(GRU, Gated Recurrent Unit), GRU ÇÌȦ(Peephole) LSTM°ú ¾ç¹æÇâ LSTM µîÀÌ ÀÖ´Ù. RNNÀ» ¾ð¾î ¸ðµ¨·Î »ç¿ëÇÏ´Â ¹æ¹ýÀº Á» ´õ ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù. ±×·± ´ÙÀ½ ÄÄÇ»ÅÍ º¯È¯¿¡ óÀ½ »ç¿ëµÈ RNN ±â¹ÝÀÇ ÀÎÄÚ´õ-µðÄÚ´õ ¾ÆÅ°ÅØóÀÇ ÀÏÁ¾ÀÎ seq2seq ¸ðµ¨À» ´Ù·é´Ù. ±× ÈÄ ¾îÅÙ¼Ç(attention) ±â¹ýÀ» ÅëÇØ seq2seq ¾ÆÅ°ÅØóÀÇ ¼º´ÉÀ» °­È­½ÃÅ°´Â ¹æ¹ýÀ» ¼³¸íÇÏ°í, ¸¶Áö¸·À¸·Î ¡´ÁÖÀÇ·ÂÀÌ ÀüºÎ´Ù(Attention is all you need)¡µ¶ó´Â ³í¹®¿¡ ±â¹ÝÀ» µÐ º¯È¯±â(Transformer) ¾ÆÅ°ÅØó(BERT, GPT-2)¸¦ ¼³¸íÇÑ´Ù.
    9Àå, ¡®¿ÀÅäÀÎÄÚ´õ¡¯¿¡¼­´Â ÀÔ·ÂÀ» ¸ñÇ¥·Î Àç»ý¼ºÇÏ·Á´Â ½Å°æ¸Á ºÎ·ùÀÎ ¿ÀÅäÀÎÄÚ´õ¸¦ ¼³¸íÇÑ´Ù. Èñ¼Ò(sparse) ¿ÀÅäÀÎÄÚ´õ, ÄÁº¼·ç¼Ç ¿ÀÅäÀÎÄÚ´õ, ³ëÀÌÁî Á¦°Å ¿ÀÅäÀÎÄÚ´õ¿Í °°Àº ´Ù¾çÇÑ Á¾·ùÀÇ ¿ÀÅäÀÎÄÚ´õ¸¦ ´Ù·é´Ù. ³ëÀÌÁî Á¦°Å ¿ÀÅäÀÎÄÚ´õ¸¦ ÈƷýÃÄÑ ÀÔ·Â À̹ÌÁö¿¡¼­ ³ëÀÌÁ Á¦°ÅÇÑ´Ù. ¿ÀÅäÀÎÄÚ´õ¸¦ »ç¿ëÇØ MNIST ¼ýÀÚ¸¦ ¸¸µå´Â ¹æ¹ýµµ º¸¿©ÁØ´Ù. ¸¶Áö¸·À¸·Î ¹®Àå º¤Å͸¦ »ý¼ºÇÏ°íÀÚ LSTM ¿ÀÅäÀÎÄÚ´õ¸¦ ±¸ÃàÇÏ´Â ´Ü°èµµ ´Ù·é´Ù.
    10Àå, ¡®ºñÁöµµÇнÀ¡¯¿¡¼­´Â ºñÁöµµÇнÀ ¸ðµ¨À» ¾Ë¾Æº»´Ù. PCA, k-Æò±Õ°ú ÀÚü ±¸¼º(self-organized) ¸Ê°ú °°Àº ±ºÁýÈ­¿Í Â÷¿ø Ãà¼Ò¿¡ ÇÊ¿äÇÑ ±â¼úÀ» ¼Ò°³ÇÑ´Ù. ÅÙ¼­Ç÷θ¦ »ç¿ëÇØ º¼Ã÷¸¸ ¸Ó½Å(Boltzmann Machines)ÀÇ ¼¼ºÎ »çÇ×°ú ±¸ÇöÀ» ¾Ë¾Æº»´Ù. ¿©±â¼­ ¼³¸íÇÑ °³³äÀº Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å(RBM, Restricted Boltzmann Machine)À» ±¸ÃàÇÏ°íÀÚ È®ÀåµÈ´Ù.
    11Àå, ¡®°­È­ÇнÀ¡¯¿¡¼­´Â °­È­ÇнÀ¿¡ ÃÊÁ¡À» ¸ÂÃá´Ù. ¸ÕÀú Q ·¯´× ¾Ë°í¸®ÁòÀ¸·Î ½ÃÀÛÇÑ´Ù. º§¸¸Æ÷µå(Bellman Ford) ¹æÁ¤½ÄÀ¸·Î ½ÃÀÛÇØ ÇÒÀÎ º¸»ó, Ž»ö°ú °³¹ß, ÇÒÀÎ ¿äÀΰú °°Àº °³³äÀ» ¼³¸íÇÑ´Ù. ¶ÇÇÑ Á¤Ã¥ ±â¹Ý°ú ¸ðµ¨ ±â¹ÝÀÇ °­È­ÇнÀÀ» ¼³¸íÇÑ´Ù. ¸¶Áö¸·À¸·Î ¾ÆŸ¸®(Atari) °ÔÀÓ¿¡¼­ ½ÉÃþ Q ·¯´×(Q-learning) ½Å°æ¸Á(DQN, Deep Q-learning Network)À» ±¸ÃàÇÑ´Ù.
    12Àå, ¡®ÅÙ¼­ÇÃ·Î¿Í Å¬¶ó¿ìµå¡¯¿¡¼­´Â Ŭ¶ó¿ìµå ȯ°æ°ú À̸¦ È°¿ëÇØ ¸ðµ¨À» ±³À°ÇÏ°í ¹èÆ÷ÇÏ´Â ¹æ¹ýÀ» ¼³¸íÇÑ´Ù. µö·¯´×¿ë AWS(Amazon Web Services)¸¦ ¼³Á¤ÇÏ´Â µ¥ ÇÊ¿äÇÑ ´Ü°èµµ ¾Ë¾Æº»´Ù. ¶ÇÇÑ µö·¯´× ¾ÖÇø®ÄÉÀÌ¼Ç¿ë ±¸±Û Ŭ¶ó¿ìµå Ç÷§ÆûÀ» ¼³Á¤ÇÏ´Â µ¥ ÇÊ¿äÇÑ ´Ü°è¸¦ ´Ù·ç°í, µö·¯´× ¾ÖÇø®ÄÉÀ̼ÇÀ» À§ÇØ ¸¶ÀÌÅ©·Î¼ÒÇÁÆ® ¾ÖÀú(Azure)¸¦ ¼³Á¤ÇÏ´Â ¹æ¹ýµµ ¼³¸íÇÑ´Ù. Ŭ¶ó¿ìµå¿¡¼­ ÁÖÇÇÅÍ ³ëÆ®ºÏ(Jupyter Notebook)À» Á÷Á¢ ½ÇÇàÇÒ ¼ö ÀÖ´Â ´Ù¾çÇÑ Å¬¶ó¿ìµå ¼­ºñ½ºµµ ¼³¸íÇÑ´Ù. ¸¶Áö¸·À¸·Î ÅÙ¼­Ç÷ΠÀͽºÅÙµðµå(Extended)¸¦ ¼Ò°³ÇÏ¸ç ¸¶¹«¸®ÇÑ´Ù.
    13Àå, ¡®¸ð¹ÙÀÏ, IoT, ÅÙ¼­Ç÷Î.js¿ë ÅÙ¼­Ç÷Ρ¯¿¡¼­´Â ¸ð¹ÙÀÏ Àåºñ¿Í IoT¿¡¼­ ÅÙ¼­Ç÷Π¶óÀÌÆ®(Lite)¸¦ »ç¿ëÇÏ´Â ¹æ¹ý°ú ¾Èµå·ÎÀ̵å Àåºñ¿¡¼­ ½ÇÁ¦·Î ¾ÖÇø®ÄÉÀ̼ÇÀ» ¹èÄ¡ÇÏ´Â ¹æ¹ýÀ» ´Ù·é´Ù. ¶ÇÇÑ ¼öõ °³ÀÇ ¸ð¹ÙÀÏ Àåºñ¿¡¼­ ºÐ»ê ÇнÀÇÏ´Â ¿¬ÇÕÇнÀ(federated learning)µµ ¾Ë¾Æº»´Ù.
    14Àå, ¡®AutoML¡¯¿¡¼­´Â Èï¹Ì·Î¿î AutoML ºÐ¾ß¸¦ ¼Ò°³ÇÑ´Ù. ÀÚµ¿ µ¥ÀÌÅÍ Áغñ, ÀÚµ¿ Ư¡ ¿£Áö´Ï¾î¸µ, ÀÚµ¿ ¸ðµ¨ »ý¼ºÀ» ¼³¸íÇÑ´Ù. ¶ÇÇÑ Å×À̺í, ºñÀü, ÅؽºÆ®, ¹ø¿ª, ºñµð¿À ó¸®¿ë ´Ù¾çÇÑ ¼Ö·ç¼ÇÀ» °®Ãá AutoKeras¿Í ±¸±Û Ŭ¶ó¿ìµå Ç÷§Æû AutoMLÀ» ¼Ò°³ÇÑ´Ù.
    15Àå, ¡®µö·¯´× ¹è°æ ¼öÇС¯¿¡¼­´Â µö·¯´×ÀÇ ±âÃÊ ¼öÇÐÀ» ¼³¸íÇÑ´Ù. µö·¯´×À» ¼öÇàÇÒ ¶§ ³»ºÎ¿¡¼­´Â ¾î¶² ÀÏÀÌ ¹ú¾îÁö°í ÀÖ´ÂÁö »ìÆ캻´Ù. ¸ÕÀú µö·¯´× ÇÁ·Î±×·¡¹Ö°ú ¿ªÀüÆÄÀÇ ±â¿ø¿¡ °üÇÑ °£·«ÇÑ ¿ª»ç·Î ½ÃÀÛÇÑ´Ù. ´ÙÀ½À¸·Î °³³ä ÀÌÇØ¿¡ µµ¿òÀÌ µÉ ¼öÇÐÀû µµ±¸¿Í ¹ÌºÐÀ» ¼Ò°³ÇÑ´Ù. ³ª¸ÓÁö ºÎºÐÀº ¿ªÀüÆÄ¿Í CNN, RNN ³»ÀÇ ÀϺΠ¾ÖÇø®ÄÉÀ̼ÇÀ» ÀÚ¼¼È÷ ¼³¸íÇÑ´Ù.
    16Àå, TPU¿¡¼­´Â ½Å°æ¸Á ¼öÇÐ ¿¬»êÀÇ ÃÊ°í¼Ó ½ÇÇàÀ» À§ÇØ ±¸±Û¿¡¼­ °³¹ßÇÑ Æ¯¼ö ĨÀÎ TPU(Tensor Processing Unit)¸¦ ¼Ò°³ÇÑ´Ù. CPU¿Í GPU¸¦ 3¼¼´ë TPU¿Í ¿¡Áö(Edge) TPU¿Í ºñ±³ÇÑ´Ù. ¶ÇÇÑ TPU »ç¿ë¿¡ ´ëÇÑ ÄÚµå ¿¹¸¦ º¸¿©ÁØ´Ù.

    ¡Ú ¿Å±äÀÌÀÇ ¸» ¡Ú

    µö·¯´×ÀÇ ±âÃʺÎÅÍ ÃֽŠ±â¼ú µ¿Çâ±îÁö ÇÑ´«¿¡ ½±°Ô ÆľÇÇÒ ¼ö ÀÖµµ·Ï ±¸¼ºµÅ ÀÖ´Ù. ƯÈ÷ Äɶ󽺸¦ ¿ÏÀü ÅëÇÕÇÑ ÅÙ¼­Ç÷Π2.0ÀÇ Ç³ºÎÇÑ ¿¹Á¦¿Í ÇÔ²² ÇöÀç È°¹ßÈ÷ ¿¬±¸°¡ ÁøÇàÁßÀÎ AutoML±îÁö ´Ù·é´Ù. µö·¯´×À» óÀ½ ½ÃÀÛÇÏ´Â »ç¶÷µµ ¾î·ÆÁö ¾ÊÀ» Á¤µµ·Î Ä£ÀýÈ÷ ¾È³»Çϸ鼭µµ µö·¯´×ÀÇ ÇÙ½ÉÀÎ ¿ªÀüÆÄÀÇ À̸鿡¼­ ¹ú¾îÁö°í ÀÖ´Â ¼öÇÐÀû Àǹ̿¡ ´ëÇÑ Çغο¡ ÇÑ ÀåÀ» ÇÒ¾ÖÇÒ Á¤µµ·Î Àü¹®ÀûÀÎ ¼³¸íµµ ºüÆ®¸®Áö ¾Ê´Â´Ù.
    Ã¥ÀÇ ÈĹݺο¡´Â ÃֽŠƮ·»µåÀÎ ¿¡Áö¿¡¼­ÀÇ ¿¬ÇÕÇнÀÀ» Æ÷ÇÔÇØ ºÐ»ê ÈƷÿ¡ °üÇÑ ÀÚ¼¼ÇÑ ¼³¸í°ú ÇÔ²² TPU¸¦ »ç¿ëÇØ ¼öÇà ¼Óµµ¸¦ Çâ»ó½Ãų ¼ö ÀÖ´Â ¹æ¹ýÀ» ¿¹Á¦¿Í ÇÔ²² Á¦°øÇÑ´Ù.
    Æí¾ÈÇÑ ¸¶À½À¸·Î Ã¥À» µû¶ó°¡´Ù º¸¸é ¾î´À»õ ÃֽŠ±âÁ¶ÀÎ ÅÙ¼­Ç÷Π2.0ÀÇ Àü¹®°¡°¡ µÅ ÀÖÀ» °ÍÀÌ´Ù.

    ¸ñÂ÷

    1Àå. ÅÙ¼­Ç÷Π2.0À¸·Î ½Å°æ¸Á ±¸Çö
    __ÅÙ¼­Ç÷Î(TF)¶õ?
    __Äɶ󽺶õ?
    __ÅÙ¼­Ç÷Π2.0ÀÇ °¡Àå Áß¿äÇÑ º¯È­
    __½Å°æ¸Á ¼Ò°³
    __ÆÛ¼ÁÆ®·Ð
    ____ÅÙ¼­Ç÷Π2.0 ÄÚµå ù ¹ø° ¿¹Á¦
    __´ÙÃþ ÆÛ¼ÁÆ®·Ð: ½Å°æ¸Á ù ¹ø° ¿¹Á¦
    ____ÆÛ¼ÁÆ®·Ð ÈÆ·ÃÀÇ ¹®Á¦Á¡°ú ÇØ°áÃ¥
    ____È°¼ºÈ­ ÇÔ¼ö: ½Ã±×¸ðÀ̵å
    ____È°¼ºÈ­ ÇÔ¼ö: tanh
    ____È°¼ºÈ­ ÇÔ¼ö: ReLU
    ____Ãß°¡ÀûÀÎ µÎ °³ÀÇ È°¼ºÈ­ ÇÔ¼ö: ELU¿Í LeakyReLU
    ____È°¼ºÈ­ ÇÔ¼ö
    ____°£´ÜÈ÷ ¸»ÇØ: °á±¹ ½Å°æ¸ÁÀ̶õ?
    __½ÇÁ¦ ¿¹Á¦: Çʱâü ¼ýÀÚ ÀνÄ
    ____¿øÇÖ ÀÎÄÚµù(OHE)
    ____ÅÙ¼­Ç÷Π2.0À¸·Î ´Ü¼ø ½Å°æ¸Á Á¤ÀÇ
    ____´Ü¼ø ÅÙ¼­Ç÷Π2.0 ½Å°æ¸Á ½ÇÇà°ú º£À̽º¶óÀÎ ±¸Ãà
    ____ÅÙ¼­Ç÷Π2.0ÀÇ ´Ü¼ø ½Å°æ¸ÁÀ» Àº´ÐÃþÀ¸·Î °³¼±
    ____ÅÙ¼­Ç÷ο¡¼­ µå·Ó¾Æ¿ôÀ¸·Î ´Ü¼ø¸Á °³¼±
    ____ÅÙ¼­Ç÷Π2.0¿¡¼­ ¿©·¯ ÃÖÀûÈ­±â Å×½ºÆ®
    ____¿¡Æø ¼ö Áõ°¡½ÃÅ°±â
    ____ÃÖÀûÈ­±â ÇнÀ·ü Á¶Àý
    ____³»ºÎ Àº´ÐÃþ °³¼ö Áõ°¡
    ____¹èÄ¡ °è»ê Å©±â Áõ°¡
    ____Çʱâü ÀÎ½Ä ½ÇÇà Â÷Æ® ¿ä¾à
    __Á¤±ÔÈ­
    ____°úÀûÇÕÀ» ÇÇÇϱâ À§ÇÑ Á¤±ÔÈ­ Àû¿ë
    ____¹èÄ¡ Á¤±ÔÈ­ÀÇ ÀÌÇØ
    __±¸±Û Colab »ç¿ë: CPU, GPU, TPU
    __°¨Á¤ ºÐ¼®
    __ÃʸŰ³º¯¼ö Æ©´×°ú AutoML
    __Ãâ·Â ¿¹Ãø
    __¿ªÀüÆÄ¿¡ ´ëÇÑ ½Ç¿ëÀû °³°ý
    __Á¤¸®
    __µö·¯´× Á¢±Ù¹ýÀ» ÇâÇØ
    __Âü°í ÀÚ·á

    2Àå. ÅÙ¼­Ç÷Π1.x¿Í 2.x
    __ÅÙ¼­Ç÷Π1.xÀÇ ÀÌÇØ
    ____ÅÙ¼­Ç÷Π1.x °è»ê ±×·¡ÇÁ ±¸Á¶
    ____»ó¼ö, º¯¼ö, Ç÷¹À̽ºÈ¦´õ¿Í ÀÛ¾÷
    ____¿¬»êÀÇ ¿¹½Ã
    ____ÅÙ¼­Ç÷Π2.x¿¡¼­ÀÇ ÅÙ¼­Ç÷Π1.x ¿¹Á¦
    __ÅÙ¼­Ç÷Π2.xÀÇ ÀÌÇØ
    ____Áï½Ã ½ÇÇà
    ____¿ÀÅä±×·¡ÇÁ
    ____ÄÉ¶ó½º API: 3°¡Áö ÇÁ·Î±×·¡¹Ö ¸ðµ¨
    ____Äݹé
    ____¸ðµ¨°ú °¡ÁßÄ¡ ÀúÀå
    ____tf.data.datasetsÀ¸·Î ÈÆ·Ã
    ____tf.keras ¶Ç´Â ÃßÁ¤±â?
    ____ºñÁ¤Çü ÅÙ¼­
    ____¸ÂÃãÇü ÈÆ·Ã
    ____ÅÙ¼­Ç÷Π2.x¿¡¼­ ºÐ»ê ÈÆ·Ã
    ____³×ÀÓ½ºÆäÀ̽ºÀÇ º¯È­
    ____1.x¿¡¼­ 2.x·Î º¯È¯
    ____ÅÙ¼­Ç÷Π2.xÀÇ È¿À²ÀûÀÎ »ç¿ë
    __ÅÙ¼­Ç÷Π2.x »ýÅ°è
    ____¾ð¾î ¹ÙÀεù
    __ÄÉ¶ó½º ¶Ç´Â tf.keras Áß ¾î¶² °Í?
    __¿ä¾à

    3Àå. ȸ±Í
    __ȸ±Í¶õ?
    __¼±Çü ȸ±Í¸¦ »ç¿ëÇÑ ¿¹Ãø
    ____´Ü¼ø ¼±Çü ȸ±Í
    ____´ÙÁß ¼±Çü ȸ±Í
    ____´Ùº¯·® ¼±Çü ȸ±Í
    __ÅÙ¼­Ç÷ΠÃßÁ¤±â
    ____Ư¡ ¿­
    ____ÀÔ·Â ÇÔ¼ö
    ____ÅÙ¼­Ç÷ΠÃßÁ¤±â API¸¦ »ç¿ëÇÑ MNIST
    __¼±Çü ȸ±Í¸¦ »ç¿ëÇÑ ÁÖÅà °¡°Ý ¿¹Ãø
    __ºÐ·ù °úÁ¦¿Í °áÁ¤ °æ°è
    ____·ÎÁö½ºÆ½ ȸ±Í
    ____MNIST µ¥ÀÌÅͼ¿¡ ·ÎÁö½ºÆ½ ȸ±Í Àû¿ë
    __¿ä¾à
    __Âü°í ÀÚ·á

    4Àå. ÄÁº¼·ç¼Ç ½Å°æ¸Á
    __½ÉÃþ ÄÁº¼·ç¼Ç ½Å°æ¸Á(DCNN)
    ____·ÎÄà ¼ö¿ë Çʵå
    ____°¡ÁßÄ¡ °øÀ¯¿Í Çâ
    ____¼öÇÐÀû ¿¹Á¦
    ____ÅÙ¼­Ç÷Π2.xÀÇ ConvNets
    ____Ç®¸µ °èÃþ
    __DCNNÀÇ ¿¹: LeNet
    ____ÅÙ¼­Ç÷Π2.0¿¡¼­ LeNet ÄÚµå
    ____µö·¯´×ÀÇ À§·Â ÀÌÇØ
    __µö·¯´×À¸·Î CIFAR-10 À̹ÌÁö ÀνÄ
    ____½ÉÃþ ½Å°æ¸ÁÀ¸·Î CIFAR-10 ¼º´É Çâ»ó
    ____µ¥ÀÌÅÍ º¸°­À¸·Î CIFAR-10 ¼º´É °³¼±
    ____CIFAR-10À¸·Î ¿¹Ãø
    __´ë±Ô¸ð À̹ÌÁö ÀνÄÀ» À§ÇÑ °í½ÉÃþ ÄÁº¼·ç¼Ç ½Å°æ¸Á
    ____VGG16 ½Å°æ¸ÁÀ¸·Î °í¾çÀÌ ÀνÄ
    ____VGG16¸Á ³»Àå tf.keras È°¿ë
    ____Ư¡ ÃßÃâÀ» À§ÇØ »çÀü ±¸ÃàµÈ µö·¯´× ¸ðµ¨ ÀçÈ°¿ë
    __¿ä¾à
    __Âü°í ÀÚ·á

    5Àå. °í±Þ ÄÁº¼·ç¼Ç ½Å°æ¸Á
    __ÄÄÇ»ÅÍ ºñÀü
    ____º¹ÀâÇÑ °úÁ¦¸¦ À§ÇÑ CNN ±¸¼º
    ____tf.keras ÃßÁ¤±â ¸ðµ¨·Î ÆÐ¼Ç MNIST ºÐ·ù
    ____ÆÐ¼Ç MNIST tf.keras ÃßÁ¤±â ¸ðµ¨À» GPU¿¡¼­ ½ÇÇà
    ____ÀüÀÌÇнÀ¿ë ½ÉÃþ ÀμÁ¼Ç-V3 ¸Á
    ____¸»°ú »ç¶÷À» ±¸ºÐÇϱâ À§ÇÑ ÀüÀÌÇнÀ
    ____tf.keras¿Í ÅÙ¼­Ç÷ΠHub¸¦ »ç¿ëÇÑ ÀÀ¿ë ÁýÇÕ¼Ò
    ____±âŸ CNN ¾ÆÅ°ÅØó
    ____À̹ÌÁö¿¡ ´ëÇÑ Áú¹®ÀÇ ´ë´ä(VQA)
    ____½ºÅ¸ÀÏ º¯È¯
    ____DeepDream ¸Á »ý¼º
    ____¸ÁÀÌ ÇнÀÇÑ °ÍÀ» Á¶»ç
    __ºñµð¿À
    ____»çÀü ÈÆ·ÃµÈ ¸ÁÀ¸·Î ºñµð¿À¸¦ ºÐ·ùÇÏ´Â 6°¡Áö ¹æ¹ý
    __ÅؽºÆ® ¹®¼­
    ____CNNÀ» »ç¿ëÇÑ °¨Á¤ ºÐ¼®
    __¿Àµð¿À¿Í À½¾Ç
    ____È®Àå ConvNets, WaveNet, NSynth
    __ÄÁº¼·ç¼Ç ¿¬»ê ¿ä¾à
    ____±âº» ÄÁº¼·ç¼Ç ½Å°æ¸Á(CNN ¶Ç´Â ConvNet)
    ____È®Àå ÄÁº¼·ç¼Ç
    ____ºÐ¸® °¡´É ÄÁº¼·ç¼Ç
    ____±íÀ̺° ÄÁº¼·ç¼Ç
    ____±íÀ̺° ºÐ¸® °¡´É ÄÁº¼·ç¼Ç
    __ĸ½¶ ¸Á
    ____±×·¸´Ù¸é CNNÀÇ ¹®Á¦Á¡Àº ¹«¾ùÀΰ¡?
    ____ĸ½¶ ¸ÁÀÌ »õ·Î¿î Á¡Àº ¹«¾ùÀΰ¡?
    __¿ä¾à
    __Âü°í ÀÚ·á

    6Àå. »ý¼ºÀû Àû´ë ½Å°æ¸Á
    __GANÀ̶õ?
    ____ÅÙ¼­Ç÷ο¡¼­ GANÀ» »ç¿ëÇÑ MNIST
    __½ÉÃþ ÄÁº¼·ç¼Ç GAN(DCGAN)
    ____MNIST ¼ýÀÚ¸¦ À§ÇÑ DCGAN
    __¸î °¡Áö Èï¹Ì·Î¿î GAN ¾ÆÅ°ÅØó
    ____SRGAN
    ____CycleGAN
    ____InfoGAN
    __GANÀÇ Èï¹Ì·Î¿î ÀÀ¿ë
    __ÅÙ¼­Ç÷Π2.0·Î CycleGAN ±¸Çö
    __¿ä¾à
    __Âü°í ÀÚ·á

    7Àå. ´Ü¾î ÀÓº£µù
    __´Ü¾î ÀÓº£µù: ½ÃÀÛ°ú ±âÃÊ
    __ºÐ»ê Ç¥Çö
    __Á¤Àû ÀÓº£µù
    ____Word2Vec
    ____GloVe
    __gensimÀ» »ç¿ëÇØ ÀڽŸ¸ÀÌ ÀÓº£µù »ý¼º
    __gensimÀ» »ç¿ëÇÑ ÀÓº£µù °ø°£ Ž»ö
    __¿öµå ÀÓº£µùÀ» »ç¿ëÇÑ ½ºÆÔ Å½Áö
    ____µ¥ÀÌÅÍ ±¸Çϱâ
    ____µ¥ÀÌÅ͸¦ »ç¿ë Áغñ
    ____ÀÓº£µù Çà·Ä ±¸Ãà
    ____½ºÆÔ ºÐ·ù±â Á¤ÀÇ
    ____¸ðµ¨ÀÇ ÈƷðú Æò°¡
    ____½ºÆÔ Å½Áö±â ½ÇÇà
    __½Å°æ¸Á ÀÓº£µù: ´Ü¾î ÀÌ¿ÜÀÇ ¿ëµµ
    ____Item2Vec
    ____node2vec
    __¹®ÀÚ¿Í ºÎºÐ ´Ü¾î ÀÓº£µù
    __µ¿Àû ÀÓº£µù
    __¹®Àå°ú ¹®´Ü ÀÓº£µù
    __¾ð¾î ¸ðµ¨ ±â¹Ý ÀÓº£µù
    ____BERT¸¦ Ư¡ ÃßÃâ±â·Î »ç¿ë
    ____BERT ¹Ì¼¼ Á¶Á¤
    ____BERT¸¦ »ç¿ëÇÑ ºÐ·ù: Ä¿¸Çµå¶óÀÎ
    ____BERT¸¦ ÀÚ½ÅÀÇ ½Å°æ¸Á ÀϺηΠ»ç¿ë
    __¿ä¾à
    __Âü°í ÀÚ·á

    8Àå. ¼øȯ ½Å°æ¸Á
    __±âº» RNN ¼¿
    ____BPTT
    ____»ç¶óÁö°í Æø¹ßÇÏ´Â ±×·¡µð¾ðÆ®
    __RNN ¼¿ º¯Çü
    ____LSTM
    ____GRU
    ____ÇÌȦ LSTM
    __RNN º¯Çü
    ____¾ç¹æÇâ RNN
    ____»óÅÂ ÀúÀå RNN
    __RNN ˤȗ
    ____¿¹Á¦: ÀÏ´ë´Ù ÅؽºÆ® »ý¼ºÀ» ÇнÀ
    ____¿¹Á¦: ´Ù´ëÀÏ °¨Á¤ ºÐ¼®
    ____¿¹Á¦: ´Ù´ë´Ù POS űë
    __ÀÎÄÚ´õ-µðÄÚ´õ ¾ÆÅ°ÅØó: seq2seq
    ____¿¹Á¦: ±â°è ¹ø¿ª¿ë ¾îÅÙ¼Ç ¾ø´Â seq2seq
    __¾îÅÙ¼Ç ¸ÞÄ¿´ÏÁò
    ____¿¹Á¦: ±â°è ¹ø¿ª¿ë ¾îÅÙ¼ÇÀÌ ÀÖ´Â seq2seq
    __º¯È¯±â ¾ÆÅ°ÅØó
    __¿ä¾à
    __Âü°í ÀÚ·á

    9Àå. ¿ÀÅäÀÎÄÚ´õ
    __¿ÀÅäÀÎÄÚ´õ ¼Ò°³
    __¹Ù´Ò¶ó ¿ÀÅäÀÎÄÚ´õ
    ____ÅÙ¼­Ç÷ΠÄÉ¶ó½º Layers: ¸ÂÃãÇü °èÃþ Á¤ÀÇ
    ____¿ÀÅäÀÎÄÚ´õ¸¦ »ç¿ëÇØ Çʱâü ¼ýÀÚ À籸¼º
    __Èñ¼Ò ¿ÀÅäÀÎÄÚ´õ
    __µð³ëÀÌ¡ ¿ÀÅäÀÎÄÚ´õ
    ____µð³ëÀÌ¡ ¿ÀÅäÀÎÄÚ´õ¸¦ ÀÌ¿ëÇÑ À̹ÌÁö Á¤¸®
    __½ºÅÃµÈ ¿ÀÅäÀÎÄÚ´õ
    ____À̹ÌÁöÀÇ ³ëÀÌÁî Á¦°Å¸¦ À§ÇÑ ÄÁº¼·ç¼Ç ¿ÀÅäÀÎÄÚ´õ
    ____ÄÉ¶ó½º ¿ÀÅäÀÎÄÚ´õ ¿¹Á¦: ¹®Àå º¤ÅÍ
    __¿ä¾à
    __Âü°í ÀÚ·á

    10Àå. ºñÁöµµÇнÀ
    __ÁÖ¼ººÐ ºÐ¼®
    ____MNIST µ¥ÀÌÅͼ¿¡¼­ PCA
    ____ÅÙ¼­Ç÷ΠÀÓº£µù API
    ____K-Æò±Õ ±ºÁýÈ­
    ____ÅÙ¼­Ç÷Π2.0¿¡¼­ÀÇ K-Æò±Õ
    ____k-Æò±Õ º¯Çü
    __ÀÚü ±¸¼º ¸Ê
    ____SOMÀ» »ç¿ëÇÑ Ä÷¯ ¸ÅÇÎ
    __Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å
    ____RBMÀ» »ç¿ëÇÑ À̹ÌÁö À籸¼º
    ____½ÉÃþ ½Å·Ú ½Å°æ¸Á
    __°¡º¯ ¿ÀÅäÀÎÄÚ´õ
    __¿ä¾à
    __Âü°í ÀÚ·á

    11Àå. °­È­ÇнÀ
    __¼Ò°³
    ____RL ¿ë¾î
    ____½ÉÃþ °­È­ÇнÀ ¾Ë°í¸®Áò
    ____ÃÖ±Ù ¸î ³â°£ÀÇ °­È­ÇнÀ ¼º°ø
    __OpenAI Gym ¼Ò°³
    ____Breakout °ÔÀÓÀ» ÇÏ´Â ·£´ý ¿¡ÀÌÀüÆ®
    __½ÉÃþ Q ½Å°æ¸Á
    ____Ä«Æ®Æú¿ë DQN
    ____¾ÆŸ¸® °ÔÀÓ¿ë DQN
    ____DQN º¯Á¾
    __½ÉÃþ È®Á¤Àû Á¤Ã¥ ±×·¡µð¾ðÆ®
    __¿ä¾à
    __Âü°í ÀÚ·á

    12Àå. ÅÙ¼­ÇÃ·Î¿Í Å¬¶ó¿ìµå
    __Ŭ¶ó¿ìµå¿¡¼­ÀÇ µö·¯´×
    ____¸¶ÀÌÅ©·Î¼ÒÇÁÆ® ¾ÖÀú
    ____¾Æ¸¶Á¸ À¥ ¼­ºñ½º(AWS)
    ____±¸±Û Ŭ¶ó¿ìµå Ç÷§Æû(GCP)
    ____IBM Ŭ¶ó¿ìµå
    __Ŭ¶ó¿ìµåÀÇ °¡»ó¸Ó½Å
    ____¾Æ¸¶Á¸ÀÇ EC2
    ____GCPÀÇ ÄÄǻƮ ÀνºÅϽº
    ____¸¶ÀÌÅ©·Î¼ÒÇÁÆ® ¾ÖÀúÀÇ °¡»ó¸Ó½Å
    __Ŭ¶ó¿ìµåÀÇ ÁÖÇÇÅÍ ³ëÆ®ºÏ
    ____SageMaker
    ____±¸±Û Colaboratory
    ____¸¶ÀÌÅ©·Î¼ÒÇÁÆ® ¾ÖÀú ³ëÆ®ºÏ
    __»ý»êÀ» À§ÇÑ ÅÙ¼­Ç÷ΠÀͽºÅÙµðµå
    ____TFX ÆÄÀÌÇÁ¶óÀÎ
    ____TFX ÆÄÀÌÇÁ¶óÀÎ ±¸¼º ¿ä¼Ò
    ____TFX ¶óÀ̺귯¸®
    __ÅÙ¼­Ç÷Π¿£ÅÍÇÁ¶óÀÌÁî
    __¿ä¾à
    __Âü°í ÀÚ·á

    13Àå. ¸ð¹ÙÀÏ, IoT, ÅÙ¼­Ç÷Î.js¿ë ÅÙ¼­Ç÷Î
    __ÅÙ¼­Ç÷Π¸ð¹ÙÀÏ
    __ÅÙ¼­Ç÷Π¶óÀÌÆ®
    ____¾çÀÚÈ­
    ____Ç÷§¹öÆÛ`
    ____¸ð¹ÙÀÏ º¯È¯±â
    ____¸ð¹ÙÀÏ ÃÖÀûÈ­ ÀÎÅÍÇÁ¸®ÅÍ
    ____Áö¿ø Ç÷§Æû
    ____¾ÆÅ°ÅØó
    ____ÅÙ¼­Ç÷Π¶óÀÌÆ® »ç¿ë
    ____ÀϹÝÀû ÀÀ¿ë »ç·Ê
    ____GPU¿Í °¡¼Ó±â »ç¿ë
    ____ÀÀ¿ë ¿¹Á¦
    __ÅÙ¼­Ç÷Π¶óÀÌÆ®¿¡¼­ »çÀü ÈÆ·ÃµÈ ¸ðµ¨
    ____À̹ÌÁö ºÐ·ù
    ____°´Ã¼ ŽÁö
    ____ÀÚ¼¼ ÃßÁ¤
    ____½º¸¶Æ® ȸ½Å
    ____¼¼±×¸ÕÅ×À̼Ç
    ____½ºÅ¸ÀÏ ÀüÀÌ
    ____ÅؽºÆ® ºÐ·ù
    ____Áú¹®°ú ´äº¯
    ____¸ð¹ÙÀÏ GPU »ç¿ëÀÇ Âü°í »çÇ×
    __¿¡Áö¿¡¼­ÀÇ ¿¬ÇÕÇнÀ °³¿ä
    ____ÅÙ¼­Ç÷ΠFL API
    __ÅÙ¼­Ç÷Î.js
    ____¹Ù´Ò¶ó ÅÙ¼­Ç÷Î.js
    ____¸ðµ¨ º¯È¯
    ____»çÀü ÈÆ·ÃµÈ ¸ðµ¨
    ____Node.js
    __¿ä¾à
    __Âü°í ÀÚ·á

    14Àå. AutoML ¼Ò°³
    __AutoMLÀ̶õ?
    __AutoML ¼ºÃë
    __ÀÚµ¿ µ¥ÀÌÅÍ Áغñ
    __ÀÚµ¿ Ư¡ ¿£Áö´Ï¾î¸µ
    __ÀÚµ¿ ¸ðµ¨ »ý¼º
    __AutoKeras
    __±¸±Û Ŭ¶ó¿ìµå AutoML
    ____Ŭ¶ó¿ìµå AutoML »ç¿ë: Å×ÀÌºí ¼Ö·ç¼Ç
    ____Ŭ¶ó¿ìµå AutoML »ç¿ë: ºñÀü ¼Ö·ç¼Ç
    ____Ŭ¶ó¿ìµå AutoML »ç¿ë: ÅؽºÆ® ºÐ·ù ¼Ö·ç¼Ç
    ____Ŭ¶ó¿ìµå AutoML »ç¿ë: ¹ø¿ª ¼Ö·ç¼Ç
    ____Ŭ¶ó¿ìµå AutoML »ç¿ë: ºñµð¿À ÀÎÅÚ¸®Àü½º ºÐ·ù ¼Ö·ç¼Ç
    ____ºñ¿ë
    __±¸±Û AutoMLÀ» ij±Û·Î °¡Á®°¡±â
    __¿ä¾à
    __Âü°í ÀÚ·á

    15Àå. µö·¯´× ¹è°æ ¼öÇÐ
    __¿ª»ç
    __¸î °¡Áö ¼öÇÐ µµ±¸
    ____¹ÌºÐ°ú ±×·¡µð¾ðÆ®
    ____±×·¡µð¾ðÆ® ÇÏ°­
    ____¿¬¼â¹ýÄ¢
    ____¸î °¡Áö ¹ÌºÐ ±ÔÄ¢
    ____Çà·Ä ¿¬»ê
    __È°¼ºÈ­ ÇÔ¼ö
    ____½Ã±×¸ðÀ̵åÀÇ µµÇÔ¼ö
    ____tanhÀÇ µµÇÔ¼ö
    ____ReLUÀÇ µµÇÔ¼ö
    __¿ªÀüÆÄ
    ____Àü¹æÇâ ´Ü°è
    ____¿ª´Ü°è
    ____¿ªÀüÆÄÀÇ ÇÑ°è
    ____±³Â÷ ¿£Æ®·ÎÇÇ¿Í µµÇÔ¼ö
    ____¹èÄ¡ ±×·¡µð¾ðÆ® ÇÏ°­, È®·üÀû ±×·¡µð¾ðÆ® ÇÏ°­, ¹Ì´Ï ¹èÄ¡
    __¿ªÀüÆÄ¿Í ÄÁº¼·ç¼Ç ½Å°æ¸Á
    __¿ªÀüÆÄ¿Í RNN
    __ÅÙ¼­Ç÷ΠÂü°í »çÇ×°ú ÀÚµ¿ ¹ÌºÐ
    __¿ä¾à
    __Âü°í ÀÚ·á

    16Àå. TPU
    __C/G/T ÇÁ·Î¼¼½º À¯´Ö
    ____CPU¿Í GPU
    ____TPU
    __3¼¼´ëÀÇ TPU¿Í ¿¡Áö TPU
    ____1¼¼´ë TPU
    ____2¼¼´ë TPU
    ____3¼¼´ë TPU
    ____¿¡Áö TPU
    __TPU ¼º´É
    __Colab¿¡¼­ TPU¸¦ »ç¿ëÇÏ´Â ¹æ¹ý
    ____TPU¸¦ ¾µ ¼ö ÀÖ´ÂÁö È®ÀÎ
    ____tf.data·Î µ¥ÀÌÅÍ ·Îµå
    ____¸ðµ¨ ±¸Ãà°ú TPU·Î ·Îµå
    __»çÀü ÈÆ·ÃµÈ TPU ¸ðµ¨ »ç¿ë
    __ÅÙ¼­Ç÷Π2.1 »ç¿ë°ú ¾ß°£ ºôµå
    __¿ä¾à
    __Âü°í ÀÚ·á

    °ü·ÃÀ̹ÌÁö

    ÀúÀÚ¼Ò°³

    ¾ÈÅä´Ï¿À °É¸® [Àú] ½ÅÀ۾˸² SMS½Åû
    »ý³â¿ùÀÏ -

    Çõ½Å°ú ½ÇÇà¿¡ ÀÖ¾î ÀüüÀû ±â¼ú°ú °ü¸®¸¦ ±¸ÃàÇÏ´Â µ¥ ¿­Á¤ÀÌ ÀÖ´Ù. Àü¹® ºÐ¾ß´Â Ŭ¶ó¿ìµå ÄÄÇ»ÆÃ, µö·¯´×, °Ë»ö ¿£ÁøÀÌ´Ù. ÇöÀç ±¸±Û CTO »ç¹«¼Ò¿¡¼­ ¿£Áö´Ï¾î¸µ ÀÌ»ç·Î ÀçÁ÷ ÁßÀÌ´Ù. ÀÌÀü¿¡ ±¸±Û ¹Ù¸£»þ¹Ù(Warsaw) »çÀÌÆ®¿¡¼­ ¸®´õ·Î ±Ù¹«ÇÏ¸ç ¿£Áö´Ï¾î¸µ »çÀÌÆ®¸¦ µÎ ¹è·Î ´Ã·È´Ù. Áö±Ý±îÁö ¿î ÁÁ°Ô À¯·´ 4°³±¹¿¡¼­ Àü¹®ÀûÀÎ °æÇèÀ» ½×À» ¼ö ÀÖ¾ú°í, EMEAÀÇ 6°³±¹°ú ¹Ì±¹¿¡¼­ ÆÀÀ» °ü¸®Çß´Ù. ¾Ï½ºÅ׸£´ãÀÇ ÁÖ¿ä °úÇÐ ÃâÆÇ»çÀÎ ¿¤½ººñ¾î(Elsevier)¿¡¼­´Â ºÎ»çÀåÀ¸·Î °úÇÐ ÃâÆÇÀ» À̲ø¾ú°í, ·±´ø¿¡¼­´Â ¸¶ÀÌÅ©·Î¼ÒÇÁÆ® Ask.comÀÇ CTO·Î Bing °Ë»ö ÀÛ¾÷À» ¼öÇàÇÏ´Â ¿£Áö

    ÆîÃ帱â
    ¾Æ¹ÌŸ īǪ¾î, ¼öÁþ ÆÈ [Àú] ½ÅÀ۾˸² SMS½Åû
    »ý³â¿ùÀÏ -

    ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

    Å©¶ó½º·¦ [¿ª] ½ÅÀ۾˸² SMS½Åû
    »ý³â¿ùÀÏ -

    ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.

    ÀÌ »óÇ°ÀÇ ½Ã¸®Áî

    (ÃÑ 88±Ç / ÇöÀ籸¸Å °¡´Éµµ¼­ 87±Ç)

    ¼±ÅÃÇÑ »óÇ° ºÏÄ«Æ®´ã±â
    ÆîÃ帱â

    Àü°øµµ¼­/´ëÇб³Àç ºÐ¾ß¿¡¼­ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥

      ¸®ºä

      0.0 (ÃÑ 0°Ç)

      100ÀÚÆò

      ÀÛ¼º½Ã À¯ÀÇ»çÇ×

      ÆòÁ¡
      0/100ÀÚ
      µî·ÏÇϱâ

      100ÀÚÆò

      0.0
      (ÃÑ 0°Ç)

      ÆǸÅÀÚÁ¤º¸

      • ÀÎÅÍÆÄÅ©µµ¼­¿¡ µî·ÏµÈ ¿ÀǸ¶ÄÏ »óÇ°Àº ±× ³»¿ë°ú Ã¥ÀÓÀÌ ¸ðµÎ ÆǸÅÀÚ¿¡°Ô ÀÖÀ¸¸ç, ÀÎÅÍÆÄÅ©µµ¼­´Â ÇØ´ç »óÇ°°ú ³»¿ë¿¡ ´ëÇØ Ã¥ÀÓÁöÁö ¾Ê½À´Ï´Ù.

      »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
      ´Ü, »óÇ°ÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦Á¡ ¹ß°ß ÈÄ 30ÀÏ À̳»

      ¹ÝÇ°/±³È¯ ºñ¿ë

      º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã
      »óÇ°À̳ª ¼­ºñ½º ÀÚüÀÇ ÇÏÀÚ·Î ÀÎÇÑ ±³È¯/¹ÝÇ°Àº ¹Ý¼Û·á ÆǸÅÀÚ ºÎ´ã

      ¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯

      ·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
      (´ÜÁö È®ÀÎÀ» À§ÇÑ Æ÷Àå ÈѼÕÀº Á¦¿Ü)

      ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì
      ¿¹) È­ÀåÇ°, ½ÄÇ°, °¡ÀüÁ¦Ç°(¾Ç¼¼¼­¸® Æ÷ÇÔ) µî

      ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì
      ¿¹) À½¹Ý/DVD/ºñµð¿À, ¼ÒÇÁÆ®¿þ¾î, ¸¸È­Ã¥, ÀâÁö, ¿µ»ó È­º¸Áý

      ·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
      ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó

      ·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº ¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© 󸮵Ê

      ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼­ÀÇ ¼ÒºñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ

      (ÁÖ)KGÀ̴Ͻýº °áÁ¦´ë±Ý¿¹Ä¡¾÷ µî·Ï¹øÈ£: 02-006-00013

      (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.
      µî·Ï ¿©ºÎ´Â e-±ÝÀ¶¹Î¿ø¼¾ÅÍ È¨ÆäÀÌÁö(www.fcsc.kr)ÀÇ µî·Ï¡¤½Å°í>ÀüÀÚ±ÝÀ¶¾÷µî·ÏÇöȲ ¸Þ´º¿¡¼­ È®ÀÎÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù. ¼­ºñ½º °¡ÀÔ»ç½Ç È®ÀÎ

      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.

      • - µµ¼­ ±¸¸Å ½Ã 15,000¿ø ÀÌ»ó ¹«·á¹è¼Û, 15,000¿ø ¹Ì¸¸ 2,500¿ø - »óÇ°º° ¹è¼Ûºñ°¡ ÀÖ´Â °æ¿ì, »óÇ°º° ¹è¼Ûºñ Á¤Ã¥ Àû¿ë