±¹³»µµ¼
ÄÄÇ»ÅÍ/ÀÎÅͳÝ
IT Àü¹®¼
ÄÄÇ»ÅÍ°øÇÐ
Á¤°¡ |
35,000¿ø |
---|
31,500¿ø (10%ÇÒÀÎ)
1,750P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
µö·¯´×, Á¶±Ý ´õ ±í°Ô ÀÌÇØÇؼ Á¶±Ý ´õ ³Ð°Ô È°¿ëÇÒ ¼ö ÀÖ°Ô ÇØÁÖ´Â ¾È³»¼!
ÀÌ Ã¥Àº ÀúÀÚ°¡ ´Ù¾çÇÑ µö·¯´× ÇÁ·ÎÁ§Æ®¸¦ ¼öÇàÇÏ¸é¼ °ÞÀº °æÇèÀ» ¹ÙÅÁÀ¸·Î ½Ç¹«ÀÚ°¡ ²À ¾Ë¾Æ¾ßÇÒ µö·¯´× Çٽɰ³³äµéÀ» ±¸¼º¿ä¼Òº°·Î ³ª´©¾î ¼³¸íÇÏ°í ÀÖ´Ù. ÀÌ Ã¥¿¡¼ ¼³¸íµÈ µö·¯´×ÀÇ °¢ ±¸¼º¿ä¼Ò¸¦ ÀÌÇØÇÏ°í ³ª¸é µö·¯´× Àüü°¡ º¸À̱⠽ÃÀÛÇÑ´Ù.
ÀÌ Ã¥Àº Áö±Ý±îÁö ¹ßÇ¥µÈ °ÅÀÇ ¸ðµç ºÐ¾ßÀÇ µö·¯´× ¸ðµ¨°ú ¿©±â¿¡ Àû¿ëµÈ °³³äµéÀ» °¡Àå ±âº»ÀûÀÎ ¿ø¸®¸¦ ¹ÙÅÁÀ¸·Î Â÷±Ù Â÷±Ù ÀÚ¼¼ÇÏ°Ô ¼³¸íÇÏ°í ÀÖ´Ù. ±×¸®°í ÀÌ·ÐÀûÀ¸·Î ¼³¸íµÈ µö·¯´× ¸ðµ¨ÀÌ ½ÇÁ¦·Î ±¸ÇöµÇ´Â °úÁ¤À» È®ÀÎÇØ º¼ ¼ö ÀÖµµ·Ï ÅÙ¼Ç÷οì¿Í ÆÄÀÌÅäÄ¡¸¦ »ç¿ëÇÑ ¿¹Á¦ Äڵ带 ÷ºÎÇÏ¿´´Ù.
µö·¯´× °³³ä ¼³¸íÀ» À§ÇØ ºÒ°¡ÇÇÇÏ°Ô µµÀÔµÈ ¸î °¡Áö ¼ö½Ä µîÀ» µ¶ÀÚµéÀÌ Â÷ºÐÇÏ°Ô Â¤°í ³Ñ¾î°¡°Ô µÇ¸é, µö·¯´× ±× ÀÚü´Â ±×·¸°Ô ¾î·Á¿î ºÐ¾ß°¡ ¾Æ´Ï¶ó´Â »ç½ÇÀ» °æÇèÇϵµ·Ï ÀÌ Ã¥ÀÌ ¾È³»ÇØÁÙ °ÍÀÌ´Ù.
¿¹Á¦ ÄÚµå ¹× Á¤¿ÀÇ¥: www.github.com/MyriadSpace
https://github.com/MyriadSpace/Concepts_and_Apps_of_Deep_Learning
ÃâÆÇ»ç ¼Æò
µö·¯´×À» ÀÌÇØÇϴµ¥ ²À ÇÊ¿äÇÑ ÇÙ½ÉÀûÀÎ ±¸¼º¿ä¼Ò¸¦ Ã¥ Çѱǿ¡ ¸ðµÎ ´ã¾Ò´Ù!
ÀúÀÚ´Â 2016³â¿¡ ÃâÆÇµÈ ¡´¾Ë°í¸®ÁòÀ¸·Î ¹è¿ì´Â ÀΰøÁö´É, ¸Ó½Å·¯´×, µö·¯´× ÀÔ¹®¡µÀ̶ó´Â Ã¥À» ÅëÇØ ÀΰøÁö´ÉÀ̶ó´Â ±â¼úÀûÀÎ ÁÖÁ¦¸¦ ½±°Ô Ç®¾î³»¾î ´Ù¾çÇÑ µ¶Àڵ鿡°Ô Àü´ÞÇØÁØ ÀûÀÌ ÀÖ´Ù.
À̹ø¿¡ Ãâ°£µÈ ¡´µö·¯´× °³³ä°ú È°¿ë¡µÀº ÀúÀÚ°¡ ±¹³»¿Ü ¿¬±¸¼Ò, Á¤ºÎ±â°ü ±×¸®°í ±â¾÷À» ´ë»óÀ¸·Î ¼öÇàÇÑ ´Ù¾çÇÑ ÀΰøÁö´É ÇÁ·ÎÁ§Æ®¸¦ ÅëÇØ ÃàÀûµÈ °æÇèÀ» ¹ÙÅÁÀ¸·Î µö·¯´× °øºÎ¿¡ ²À ÇÊ¿äÇÑ À̷еéÀ» Á¤¸®ÇÑ °ÍÀÌ´Ù.
ÀÌ Ã¥¿¡¼´Â µö·¯´× ±â¼úÀ» ÀΰøÁö´ÉÀÇ ÇÙ½ÉÀ̶ó°í Á¤ÀÇÇÏ¸é¼ Áö±Ý±îÁö ¹ßÇ¥µÈ °ÅÀÇ ¸ðµç ºÐ¾ßÀÇ µö·¯´× ¸ðµ¨°ú ¿©±â¿¡ Àû¿ëµÈ °³³äµéÀ» ÀÚ¼¼È÷ ¼³¸íÇÏ°í ÀÖ´Ù. ÀÌ·ÐÀûÀ¸·Î ¼³¸íµÈ µö·¯´× ¸ðµ¨ÀÌ ½ÇÁ¦·Î ±¸ÇöµÇ´Â °úÁ¤À» È®ÀÎÇØ º¼ ¼ö ÀÖ°Ô ÅÙ¼Ç÷οì¿Í ÆÄÀÌÅäÄ¡¸¦ »ç¿ëÇÑ ¿¹Á¦ Äڵ带 ÷ºÎÇÏ¿´´Ù.
ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ÁÖ¿ä ³»¿ëÀº ´ÙÀ½°ú °°´Ù.
¨ç ÀΰøÁö´É, ¸Ó½Å·¯´× µö·¯´×ÀÇ Á¤ÀÇ
¨è ¸Ó½Å·¯´×/µö·¯´×¿¡¼ ²À ¾Ë¾Æ¾ß ÇÒ ÇÙ½ÉÀûÀÎ ¿ë¾î¿Í °³³ä Á¤¸®
¨é ¸Ó½Å·¯´×°ú µö·¯´×ÀÇ Â÷ÀÌ: ¿Ö µö·¯´×Àΰ¡?
¨ê µ¥ÀÌÅÍÀÇ ÇüÅÂ¿Í ¸ñÇ¥ °ú¾÷¿¡ µû¸¥ µö·¯´× ¸ðµ¨ ¼³¸í: ´ÙÃþ ÆÛ¼ÁÆ®·Ð, ÄÁº¼·ç¼Ç ½Å°æ¸Á, ¼øȯ½Å°æ¸Á, ½Å°æ¸Á ±â¹Ý °ÈÇнÀ, »ý¼º¸ðµ¨ µî
¨ë µö·¯´× ¸ðµ¨ °³¹ßÀÇ ÇÊ¿äÁ¶°ÇÀÎ ÇÁ·¹ÀÓ¿öÅ© ¼Ò°³¿Í ÅÙ¼Ç÷οì/ÆÄÀÌÅäÄ¡ ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ µö·¯´× ¸ðµ¨ ±¸Çö ¿¹Á¦
¨ì »ý¼º¸ðµ¨ °³³ä°ú ¸ðµ¨ ±¸Çö ¹æ¹ý: ÀáÀ纯¼öÀÇ °³³ä, ¿ÀÅäÀÎÄÚ´õ, RBM, PixelRNN/PixelCNN, VAE, GAN, DeepFake µî
¨í °ÈÇнÀÀÇ Ã¼°èÀûÀÎ ÀÌÇØ
--- °ÈÇнÀ ¹®Á¦ Á¤ÀÇ: ¿¡ÀÌÀüÆ®¿Í ȯ°æ ±×¸®°í º¸»óÇÔ¼ö
---- On-policy¿Í Off-policy ¹æ¹ýÀÇ Â÷ÀÌ
--- °¡Ä¡±â¹Ý°ú Á¤Ã¥±â¹Ý ¹æ¹ýÀÇ Â÷ÀÌ
--- ¸ðµ¨±â¹Ý°ú ¸ðµ¨ÇÁ¸® ¹æ¹ýÀÇ Â÷ÀÌ
¨î ÃÖ±Ù µö·¯´× ºÐ¾ß¿¡¼ ¶°¿À¸£´Â ÁÖÁ¦ÀÎ ¸ÞŸÇнÀ, ÀüÀÌÇнÀ, µµ¸ÞÀÎÀûÀÀ, VQA, NAS, AutoML µî¿¡ »ç¿ëµÈ ±â¼úµéÀ» ¼Ò°³
¸ñÂ÷
01Àå ÀΰøÁö´É°ú ¸Ó½Å·¯´×
1.1 ÀΰøÁö´É
-----1.1.1 Áö´É
-----1.1.2 ÀΰøÁö´É
-----1.1.3 ¡®ÀΰøÁö´É¡¯À̶õ ¿ë¾îÀÇ µîÀå
-----1.1.4 ÀΰøÁö´É ºÐ¾ß
1.2 ¸Ó½Å·¯´×
-----1.2.1 ÀΰøÁö´ÉÀ» ¶°¹ÞÄ¡´Â ¸Ó½Å·¯´×
-----1.2.2 ¸Ó½Å·¯´×ÀÇ Á¤ÀÇ
-----1.2.3 ¸Ó½Å·¯´×¿¡¼ ÀÚÁÖ »ç¿ëµÇ´Â Çٽɿë¾î Á¤¸®
-----1.2.4 ¸Ó½Å·¯´×ÀÇ ºÐ·ù
1.3 ÁöµµÇнÀ
-----1.3.1 ÁöµµÇнÀ: ¿¹Ãø, ȸ±Í
-----1.3.2 ÁöµµÇнÀ: ºÐ·ù
1.4 ºñÁöµµÇнÀ
-----1.4.1 ºñÁöµµÇнÀ: ±ºÁý
-----1.4.2 ºñÁöµµÇнÀ: Â÷¿øÃà¼Ò
-----1.4.3 ºñÁöµµÇнÀ: »ý¼º¸ðµ¨
1.5 °ÈÇнÀ
02Àå ÀΰøÁö´ÉÀÇ Á᫐ µö·¯´×
2.1 µö·¯´× °³¿ä
-----2.1.1 Àΰø½Å°æ¸Á
-----2.1.2 Çñ½º ¹ýÄ¢: ½Å°æ¸ÁÀÇ ÇнÀ
-----2.1.3 ÃÖÃÊÀÇ µö·¯´× ¸ðµ¨: ÆÛ¼ÁÆ®·Ð
2.2 ´ÜÃþ ÆÛ¼ÁÆ®·Ð
2.3 ´ÙÃþ ÆÛ¼ÁÆ®·Ð
-----2.3.1 ´ÜÃþ ÆÛ¼ÁÆ®·ÐÀÇ ÇÑ°è
-----2.3.2 ´ÙÃþ ÆÛ¼ÁÆ®·Ð
2.4 ¿¡·¯ÀÇ ¿ªÀüÆÄ
-----2.4.1 ¿¡·¯ÀÇ ¿ªÀüÆÄ ÀÌ·ÐÀÇ ¹è°æ
-----2.4.2 ¿¡·¯ÀÇ ¿ªÀüÆÄ µ¿ÀÛ °³³ä
2.5 µö·¯´×
-----2.5.1 ¿Ö µö·¯´×ÀÌ ¸Ó½Å·¯´×ÀÇ ÇÙ½ÉÀΰ¡?
-----2.5.2 ´Ù¾çÇÑ µö·¯´× ¸ðµ¨
2.6 µö·¯´× ÇÁ·¹ÀÓ¿öÅ©
-----2.6.1 ´Ù¾çÇÑ µö·¯´× ÇÁ·¹ÀÓ¿öÅ©
-----2.6.2 ÆÄÀÌÅäÄ¡ ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ µö·¯´× ¸ðµ¨ ±¸Çö ¹æ¹ý
-----2.6.3 ÅÙ¼Ç÷οì ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ µö·¯´× ¸ðµ¨ ±¸Çö ¹æ¹ý
03Àå ´Ù¾çÇÑ ÃÖÀûÈ ±â¹ý
3.1 °æ»çÇÏ°¹ý °³¿ä
-----3.1.1 °æ»çÇÏ°¹ý ÀÌÇØÇϱâ
-----3.1.2 °æ»çÇÏ°¹ý Àû¿ë ¿¹Á¦
-----3.1.3 µö·¯´× ÇÁ·¹ÀÓ¿öÅ©¸¦ ÀÌ¿ëÇÑ ÃÖÀûÈ
3.2 °æ»çÇÏ°¹ý Àû¿ë½Ã ÇнÀµ¥ÀÌÅÍ Å©±â °áÁ¤
-----3.2.1 ¹èÄ¡ °æ»çÇÏ°¹ý
-----3.2.2 È®·üÀû °æ»çÇÏ°¹ý
-----3.2.3 ¹Ì´Ï¹èÄ¡ °æ»çÇÏ°¹ý
3.3 ±âº» °æ»çÇÏ°¹ý
3.4 °ü¼ºÀ» ÀÌ¿ëÇÑ °æ»çÇÏ°¹ý
-----3.4.1 ¸ð¸àÅÒ °æ»çÇÏ°¹ý
-----3.4.2 NAG
3.5 ÀûÀÀÇü °æ»çÇÏ°¹ý
-----3.5.1 AdaGrad
-----3.5.2 RMSprop
-----3.5.3 AdaDelta
3.6 È¥ÇÕÇü °æ»çÇÏ°¹ý
-----3.6.1 ADAM
-----3.6.2 NADAM
3.7 ¹èÄ¡ Á¤±ÔÈ
3.8 ÆĶó¸ÞÅÍ ÃʱâÈ
04Àå ¿À¹öÇÇÆà ÇØ°á¹æ¾È - ±ÔÁ¦È
4.1 ¾ð´õÇÇÆÃ, ³ë¸ÖÇÇÆÃ, ¿À¹öÇÇÆÃ
4.2 L2 ±ÔÁ¦È
4.3 L1 ±ÔÁ¦È
4.4 µå·Ó¾Æ¿ô°ú µå·ÓÄ¿³ØÆ®
-----4.4.1 µå·Ó¾Æ¿ô
-----4.4.2 µå·ÓÄ¿³ØÆ®
4.5 Á¶±â Á¾·á
05Àå º¤ÅÍÇü µ¥ÀÌÅÍ ÇнÀ ¸ðµ¨ - MLP
5.1 º¤ÅÍÇü µ¥ÀÌÅÍ °³¿ä
-----5.1.1 ÇнÀ µ¥ÀÌÅÍ Á¾·ù
-----5.1.2 º¤ÅÍÇü ÇнÀ µ¥ÀÌÅÍ Á¤Á¦Çϱâ
5.2 MLP¸¦ ÀÌ¿ëÇÑ º¤ÅÍÇü µ¥ÀÌÅÍ ÇнÀ
-----5.2.1 MLP ¸ðµ¨
-----5.2.2 MLP ¸ðµ¨¿¡¼ Çà·Ä ¹× ÅÙ¼ ¿¬»ê
-----5.2.3 ½ºÄÚ¾î¿Í ºÐ·ù±â
-----5.2.4 MLP ¸ðµ¨À» ÀÌ¿ëÇÑ MNIST ºÐ·ù
5.3 È°¼ºÈ ÇÔ¼ö
-----5.3.1 È°¼ºÈ ÇÔ¼öÀÇ Çʿ伺
-----5.3.2 È°¼ºÈ ÇÔ¼öÀÇ Á¾·ù
-----5.3.2 ÁÁÀº È°¼ºÈ ÇÔ¼ö¶õ
06Àå À̹ÌÁö µ¥ÀÌÅÍ ÇнÀ ¸ðµ¨ - CNN
6.1 À̹ÌÁö µ¥ÀÌÅÍ ºÐ¼®
-----6.1.1 À̹ÌÁö µ¥ÀÌÅÍ Ã³¸®
-----6.1.2 ÄÁº¼·ç¼Ç ½Å°æ¸ÁÀÇ ½ÃÀÛ
-----6.1.3 ÄÁº¼·ç¼Ç
-----6.1.4 Ç®¸µ
-----6.1.5 ÆòźÈ
-----6.1.6 ¸ñÀûÇÔ¼ö¿Í ÇнÀ
6.2 CNN ¸ðµ¨ÀÇ ¹ßÀü
-----6.2.1 LeNet-5, AlexNet, VGGNet
-----6.2.2 GoogLeNet (Inception-V1)
-----6.2.3 ResNet
-----6.2.4 Xception
-----6.2.5 CNN ¸ðµ¨ ºñ±³
6.3 À̹ÌÁö ºÐ·ù
-----6.3.1 À̹ÌÁö ºÐ·ù¸¦ À§ÇÑ µ¥ÀÌÅͼÂ
-----6.3.2 ºÐ·ù±â¿Í ¸ñÀûÇÔ¼ö
-----6.3.2 MNIST Çʱâü ¼ýÀÚ ºÐ·ù ¿¹Á¦
6.4 À̹ÌÁö °´Ã¼ ÃßÃâ
-----6.4.1 SIFT
-----6.4.2 HOG
-----6.4.3 SURF
-----6.4.4 CNN ±â¹ÝÀÇ À̹ÌÁö °´Ã¼ ÃßÃâ
-----6.4.5 R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN ¾Ë°í¸®Áò
-----6.4.6 YOLO ¾Ë°í¸®Áò
-----6.4.7 SSD ¾Ë°í¸®Áò
6.5 À̹ÌÁö ºÐÇÒ
-----6.5.1 À̹ÌÁö ºÐÇÒÀ» À§ÇÑ ÇнÀ¹æ¹ý
-----6.5.2 FCN ¾Ë°í¸®Áò
-----6.5.3 U-Net ¾Ë°í¸®Áò
-----6.5.4 DeepLab V1, V2, V3, V3+ ¾Ë°í¸®Áò
6.6 ÇнÀ µ¥ÀÌÅÍ º¸¿Ï
-----6.6.1 ÇнÀ µ¥ÀÌÅÍ Áõ°
-----6.6.2 °¡ÁßÄ¡¸¦ ÀÌ¿ëÇÑ µ¥ÀÌÅÍ ºóµµ¼ö Á¶Á¤
07Àå ¼øÂ÷Àû µ¥ÀÌÅÍ ÇнÀ ¸ðµ¨ - RNN
7.1 ¼øÂ÷ÀûÀÎ µ¥ÀÌÅÍ
-----7.1.1 ½º³À¼¦ µ¥ÀÌÅÍ¿Í ½ÃÄö¼È µ¥ÀÌÅÍ
-----7.1.2 ¼øȯ½Å°æ¸Á È°¿ë »ç·Ê
7.2 ¼øȯ½Å°æ¸Á
-----7.2.1 ¼øȯ½Å°æ¸ÁÀÇ ±¸Á¶
-----7.2.2 ±âº» ¼øȯ½Å°æ¸Á¿¡¼ÀÇ ¿¬»ê
7.3 LSTM°ú GRU
-----7.3.1 LSTM
-----7.3.2 GRU
7.4 ÇнÀ ¸ñÀû¿¡ µû¸¥ ½Å°æ¸Á ±¸Á¶
-----7.4.1 many-to-one ¸ðµ¨
-----7.4.2 one-to-many ¸ðµ¨
-----7.4.3 many-to-many ¸ðµ¨
-----7.4.4 many-to-many ¸ðµ¨: seq2seq
7.5 ¼øȯ½Å°æ¸Á¿¡¼ÀÇ ¿ªÀüÆÄ
-----7.5.1 BPTT: Back Propagation Through Time
-----7.5.2 TBPTT: Truncated Back Propagation Through Time
-----7.5.3 ¾ç¹æÇâ ¼øȯ½Å°æ¸Á
-----7.5.4 GRU¸¦ ÀÌ¿ëÇÑ µ¶ÀÏ ¿¹³ªÁö¿ª ±âÈÄ¿¹Ãø ¿¹Á¦
7.6 ¾ð¾î¸ðµ¨
7.7 Sequence-to-Sequence ¸ðµ¨
7.8 Seq2Seq with Attention¸ðµ¨
7.9 Æ®·£½ºÆ÷¸Ó
-----7.9.1 Positional Encoding
-----7.9.2 ¼¿ÇÁ ¾îÅÙ¼Ç
-----7.9.3 ¸ÖƼÇìµå ¾îÅÙ¼Ç
7.10 GPT ¸ðµ¨°ú BERT ¸ðµ¨
-----7.10.1 GPT ¸ðµ¨
-----7.10.2 BERT ¸ðµ¨
08Àå ½Å°æ¸Á ±â¹Ý °ÈÇнÀ - DRL
8.1 °ÈÇнÀ
-----8.1.1 °ÈÇнÀ ¸ðµ¨ ±¸¼º¿ä¼Ò
-----8.1.2 °ÈÇнÀ ¹®Á¦ Á¤ÀÇ: MDP
8.2 °¡Ä¡±â¹Ý °ÈÇнÀ
-----8.2.1 µ¿Àû °èȹ¹ý
-----8.2.2 ¸óÅ×Ä«¸¦·Î ¹æ¹ý
-----8.2.3 ½Ã°£Â÷ ¹æ¹ý
8.3 Á¤Ã¥±â¹Ý °ÈÇнÀ
-----8.3.1 REINFORCE ¾Ë°í¸®Áò
-----8.3.2 ½Å·Ú±¸°£ Á¤Ã¥ ÃÖÀûÈ (TRPO)
-----8.3.3 ±ÙÁ¢ Á¤Ã¥ ÃÖÀûÈ (PPO)
-----8.3.4 ¾×ÅÍ-Å©¸®Æ½ ¹æ¹ý Actor-Critic Method: QAC, TD-AC, A2C, A3C, GAE
-----8.3.5 ½Å°æ¸Á ±â¹Ý °áÁ¤Àû Á¤Ã¥ ±â¿ï±â (DDPG)
8.4 ¸ðµ¨±â¹Ý °ÈÇнÀ
-----8.4.1 Á¤ÇØÁø ÀüÀ̸𵨠±â¹Ý ¸í½ÃÀû °èȹ¹ý
-----8.4.2 ÇнÀµÈ ÀüÀ̸𵨠±â¹Ý ¸í½ÃÀû °èȹ¹ý
-----8.4.3 Àü°úÁ¤ °èȹ ¹× ÀüÀ̸𵨠µ¿½Ã ÇнÀ¹ý
09Àå °¨¼ºÀ» Áö´Ñ ÄÄÇ»ÅÍ - »ý¼º¸ðµ¨
9.1 âÀÛÀ» ÇÏ´Â ÀΰøÁö´É
-----9.1.1 Å©¸®½ºÆ¼ °æ¸Å¿¡¼ Æȸ° ÀΰøÁö´ÉÀÌ ±×¸° ÃÊ»óÈ
-----9.1.2 »ý¼º¸ðµ¨Àº ÁÖ°ü½Ä
-----9.1.3 ÀáÀ纯¼ö
-----9.1.4 ¿ÀÅäÀÎÄÚ´õ
9.2 »ý¼º¸ðµ¨
-----9.2.1 Á¦ÇÑµÈ º¼Ã÷¸¸ ¸Ó½Å
-----9.2.2 PixelRNN/PixelCNN
-----9.2.3 º¯ºÐ¹ýÀ» ÀÌ¿ëÇÑ ¿ÀÅäÀÎÄÚ´õ (VAE)
-----9.2.4 »ý¼ºÀû ´ë¸³ ³×Æ®¿öÅ© (GAN)
-----9.2.5 °¡Â¥¿ÍÀÇ ÀüÀï: DeepFake
10Àå AGI·Î °¡´Â ±æ
10.1 ƯÀÌÁ¡
-----10.1.1 ¼±Çü ´ë Áö¼ö
-----10.1.2 ÀÏ¹Ý ÀΰøÁö´É: AGI
10.2 AGI¸¦ ÇâÇÑ µµÀü
-----10.2.1 ¸ÞŸÇнÀ
-----10.2.2 ÀüÀÌÇнÀ
-----10.2.3 µµ¸ÞÀÎ ÀûÀÀ
-----10.2.4 NAS
-----10.2.5 AutoML
-----10.2.6 ½Å°æ¸Á ±â¹Ý Ãß·Ð ¸ðµ¨
-----10.2.7 ÀÚ±âÁöµµÇнÀ
-----10.2.8 ¼¿ÇÁ Ç÷¹ÀÌ
10.3 AGI·Î °¡´Â ±æ
°ü·ÃÀ̹ÌÁö
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
¼¿ï´ëÇб³¸¦ Á¹¾÷ÇÏ°í ½Ã½ºÅÛ°øÇבּ¸¼Ò(Çö ÀüÀÚÅë½Å¿¬±¸¼Ò)¿¡¼ º´·Ä ÄÄÇ»Æà ¹öÀüÀÇ ¹ü¿ë ¼öÄ¡Çؼ® ÇÁ·Î±×·¥ °³¹ß¿¡ ÁÖµµÀûÀ¸·Î Âü¿©Çß´Ù. ½Ã½ºÅÛ°øÇבּ¸¼Ò¸¦ Åð»çÇÏ°í Ä«³×±â¸á·Ð ´ëÇб³¿¡¼ ÃÖÀûÈ ºÐ¾ß º´·Ä ÄÄÇ»Æà ¾Ë°í¸®ÁòÀ¸·Î ÄÄÇ»ÅÍ°øÇÐ ¹Ú»çÇÐÀ§¸¦ ¹Þ¾Ò´Ù. ¹Ú»çÈÄ°úÁ¤À¸·Î Ä«³×±â¸á·Ð ´ëÇб³¿¡¼ ¹Ì±¹ ±¹¸³°úÇÐÀç´Ü ±×·£µå 縰Áö °úÁ¦ÀÎ ¡®Quake¡¯ ÇÁ·ÎÁ§Æ®¿¡¼ ÇÙ½É ¿¬±¸¿øÀ¸·Î Âü¿©ÇÏ¸é¼ ¹Ì±¹ Ķ¸®Æ÷´Ï¾Æ ºÎ±Ù¿¡¼ ½ÇÁ¦ ÀÏ¾î³ ÁöÁøÀ» ¼öÄ¡Çؼ®À¸·Î ºñ±³ÇÏ´Â ¿¬±¸¸¦ ÁøÇàÇß´Ù. ÀÌ ¿¬±¸¿¡¼ ´ç½Ã ÃÖ´ë ¹ÌÁö¼ö¸¦ °¡Áö´Â ¹®Á¦¸¦ 3000´ë ¼¹ö°¡ ¿¬°áµÈ ¼¼°è 2À§ ½´ÆÛÄÄÇ»ÅÍ¿¡¼ ºÐ¼®ÇÑ ÈÄ °¡Àå Á¤È®ÇÑ °á°ú¸¦ ¿¹ÃøÇÑ ³í¹®À» ¹ßÇ¥Çß´Ù. ÀÌ ¿¬±¸ÀÇ °ø·Î·Î 2003³â ½´ÆÛÄÄÇ»ÅÍ ºÐ¾ßÀÇ ¿À½ºÄ«»óÀÎ °íµçº§ ¾î¿öµå(Gordon Bell Awards)¸¦ ¼ö»óÇß´Ù. ÀÌÈÄ µàÅ© ´ëÇб³¿¡¼ ¸®¼Ä¡ Æç·Î¿ì¸¦ ¿ªÀÓÇÏ¸é¼ µàÅ© ´ëÇб³ ³» È®ÀåÇü ºÐ»ê ÄÄÇ»Æà ½Ã½ºÅÛ ±¸Ãà°ú ¹Ì±¹ »÷µð¾Æ ±¹¸³ ¿¬±¸¼Ò¿Í °øµ¿À¸·Î °øÇкоßÀÇ ´ë±Ô¸ð ½Ã¹Ä·¹ÀÌ¼Ç ÇÁ·ÎÁ§Æ®¸¦ ¼öÇàÇß´Ù. Çѱ¹¿¡¼´Â 10¿© ³â µ¿¾È IT ±â¾÷¿¡¼ ¼ö¼®¿¬±¸¿ø ¹× CTO·Î ±Ù¹«ÇÏ´Ù°¡ ÃÖ±Ù ½Ç¸®Äܹ븮ÀÇ ÀΰøÁö´É ¾÷ü¿Í °øµ¿À¸·Î ¼³¸³ÇÑ ½ºÅ¸Æ®¾÷ ¾ÆÀ̵§Æ¼ÆÄÀÌ(aidentify)ÀÇ ´ëÇ¥¸¦ ¸Ã°í ÀÖ´Ù.
ÆîÃ帱âÀúÀÚÀÇ ´Ù¸¥Ã¥
Àüüº¸±â¾Ë°í¸®ÁòÀ¸·Î ¹è¿ì´Â ÀΰøÁö´É, ¸Ó½Å·¯´×, ...
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
ÄÄÇ»ÅÍ/ÀÎÅÍ³Ý 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.