성장하기87 [E-16] 흐린 사진을 선명하게 Opening Super Resolution 분야에서의 최근 SOTA 논문들의 리스트를 찾아봅시다. [예시답안] CAR : Learned Image Downscaling for Upscaling using Content Adaptive Resampler SAN : Second-Order Attention Network for Single Image Super-Resolution DBPN-RES-MR64-3 : Deep Back-Projection Networks for Single Image Super-resolution DRLN+ : Densely Residual Laplacian Super-Resolution SRGAN+Residual-in-Residual Dense Block : ESRGAN: En.. 2021. 3. 4. [E-15] 트랜스포머로 만드는 대화형 챗봇 Opening 트랜스포메이션이 어떤 점에서 이득을 가져왔을 까요? [예시 답안] RNN 혹은 CNN을 사용하지 않고 attention만 사용해서 연산량이 매우 줄였다. 그럼에도 불구하고 성능도 매우 높게 나오는 모델이라는 점 트랜스포머는 여러 테스크에서 좋은 성능을 보이면서도 더 발전할 가능성이 보이는 모델입니다. 가장 먼저 두각을 나타낸 자연어 처리에서의 트랜스포머의 구현을 노드를 따라가면서 공부해봅시다! Check-up 항목 tensorflow 버전 때문에 아래 명령어로 바꿔서 진행해야 합니다. → AIFFEL 강남 공부방글 참고 Slack aiffel.slack.com print("살짝 오래 걸릴 수 있어요. 스트레칭 한 번 해볼까요? 👐") # 질문과 답변 데이터셋에 대해서 Vocabulary 생.. 2021. 3. 1. [E-14] 폐렴아 기다려라! Opening 의료 영상 분석을 하기에 앞서 일반 영상과 달리 의료 영상이 가지는 특성에 대해서 찾아보고 설명해 봅시다. [예시 답안] light source에 따른 다양한 의료 영상 데이터 종류 가시광선을 이용한 의료 영상: 내시경(Endoscopy), 현미경(Microscopy) 방사선을 이용한 의료 영상: X-ray, CT(Computed Tomography), PET(Positron Emmision Tomography) 자기장을 이용한 의료 영상: MRI(Magnetic Resonance image) 人Co BLOG :: 의료 영상 분석의 개요 人Co BLOG :: 의료 영상 분석의 개요 Posted at 2020/09/27 18:26 Filed under 지식관리 4차 산업혁명 시대에서 인공지능.. 2021. 2. 25. [서평] 비즈니스 머신러닝 #비즈니스 #머신러닝 #한빛출판사 #도서리뷰 #도서서평단 머신러닝을 공부하면서 이를 어떻게 실무적으로 사용할 수 있을까 항상 고민했었는데, 당장 업무에 적용해 보아도 불편함이 없을 정도로 상세하게 적용할 수 있는 구체적인 예시가 나와서 정말 반가웠다. 또한 책의 1장에서 자동화가 왜 중요한지, 생산성 향상을 위해서 머신러닝이 어떻게 사용될 수 있는지 친절하게 설명되어 있어 있다. 자동화는 반복 작업 수행을 위한 소프트웨어 사용이라고 할 수 있는데, 이런 업무에 자동화가 어려운 이유는 반복적으로 보이는 프로세스의 여러 단계에 필요한 간단한 의사결정이 필요한 병목들이 있기 때문이다. 이러한 부분에 과거에 적용해서 성공적인 결과를 가져왔던 부분을 학습하여 스스로 의사결정을 내릴 수 있는 머신 러닝을 적용하게 .. 2021. 2. 22. [E-13] 어제 오른 내 주식, 과연 내일은? Opening 미래 예측 시나리오에서 과거 정보를 활용하여 미래를 예측하는 "시계열 데이터"가 갖는 의미를 생각해 봅시다. 코로나가 촉발된 2020년 2월 이전과 이후로 급변하는 시점에 시계열 데이터 분석은 어떤 관점으로 하면 좋을까요? [예시 답안] 코로나로 인해서 다양한 산업들의 희비가 엇갈리고 있습니다. 기업들이 작년도 실적(과거 데이터)를 기반으로 미래를 예측하는 것이 더욱 불투명해지고 있는 환경입니다. 이런 상황에서는 내부 데이터 보다는 외부 데이터(관련 산업의 추이 변화, 글로벌 시장 동향, 소비자 감성 지수 등) 양상을 반영해서 데이터를 분석하는 관점이 필요하다고 생각합니다. Check-up 항목 시계열 데이터에서 stationary(정상성)과 Non-stationary(비정상성)에 대해서 .. 2021. 2. 22. [E-12] 인공지능으로 세상에 없던 새로운 패션 만들기 Opening 생성 모델은 최근에 딥러닝에서 가장 각광을 받고 있는 분야이기도 합니다. 왜 그럴까요? 어떤 분야에서 활용할 수 있는지 한번 생각해 보시고 함께 토론해 보세요. [예시 답안] GAN의 인기 이유 생성 모델은 학습 데이터의 분포를 학습하여 학습 데이터의 분포를 따르는 유사한 데이터를 생성하는 모델이다. 학습 데이터 속의 각 샘플들마다 픽셀들의 분포를 제대로만 알아낼 수 있다면 학습 데이터와 유사한 데이터를 생성해 낼 수 있다. 학습 데이터가 많아짐에 따라 실제와 거의 유사한 수준의 결과물을 만들어 낼 수 있으므로, 새로운 무언가를 만들어 내는 생성 모델링은 인간의 창의성을 극대화하는 재미있는 연구 분야로 인기가 높다. 활용 가능한 분야 저작권을 피할 수 있는 디자인 생성, 가상의 연예인 생성.. 2021. 2. 18. 이전 1 ··· 5 6 7 8 9 10 11 ··· 15 다음
