출처 1 : Tensowflow와 OpenCV로 실시간 사물인식 앱을 만드는 과정을 잘 정리한 포스트출처 2 : AI Korea (Deep Learning) Building a Real-Time Object Recognition App with Tensorflow and OpenCVIn this article, I will walk through the steps how you can easily build your own real-time object recognition application with Tensorflow’s (TF) new Object Detection API and OpenCV in Python 3 (specifically 3.5). The focus will be on the ch..

출처 : Neural Image Captioning / Keras code - Neural Network를 이용한 Image Captioning (NIC)- IAPR2012 dataset 을 이용- Keras로 구현된 코드 Neural Image Captioning (NIC)Neural image captioning implementation with Keras based on Show and Tell.

출처 : TensorFlow KR Tae Young Lee 님의 글 AutoML & AutoDraw https://www.slideshare.net/taeyounglee1447/io17ex-automl-autodraw?from_m_app=android

출처 : NEXTOBE Deep Learning for Speech and Language UPC TelecomBCN 겨울세미나 (2017 년 1 월 24-31 일) 이 과정의 목표는 언어와 언어에 대한 딥러닝 방법을 학생들에게 훈련시키는 것입니다. RNN이라는 시계열 처리를 위한 최첨단 도구의 잠재력을 이해하기 위해 상세하게 제시되고 분석될 것입니다. 엔지니어링 팁 및 확장성 문제는 기계 번역, 음성 인식, 음성 합성 또는 질문 응답과 같은 작업을 해결함니다. 실습 세션은 개발 기술을 제공하므로 참석자는 최신 데이터 분석 도구에 능숙해질 수 있습니다. D1L2 The Perceptron http://www.slideshare.net/…/the-perceptron-d1l2-deep-learni… D1L3..

출처 1 : 서울경제출처 2 : TensorFlow KR SKT, 서울대와 실무진 육성 협약 KT, 국내외 대학 직접 발품 팔아 네이버, 美실리콘밸리 채용설명회 카카오, 창립 첫 대규모 상시채용 [서울경제] 인공지능(AI)이 의료와 금융에 이어 자동차 등 제조 분야로까지 영토를 확장하면서 ‘인재 확보전’이 뜨겁게 달아오르고 있다. 이미 구글이나 페이스북 등 글로벌 기업들은 AI 인재 영입에 수십억원에 달하는 연봉을 제시하고 있으며 최근에는 국내 정보기술(IT) 기업들도 AI 인재 확보전에 뛰어들었다. 시장이 후끈 달아오르면서 인재 품귀 현상을 빚자 AI 전문가의 몸값도 덩달아 치솟고 있다. SK텔레콤은 4일 서울대와 AI 분야 인재 양성을 위한 협약을 맺었다. 2학기부터 서울대 전기정보공학부 대학원 과정..

출처 1 : http://www.aje.com/ko/arc/writing-cover-letter/출처 2 : 저널투고 성공을 위한 저널 커버레터 작성법 (2)출처 3 : http://blog.naver.com/PostView.nhn?blogId=jamjore&logNo=1401124253101. 좋은 커버레터 작성의 목표커버레터는 여러분의 원고를 대신해 로비를 할 수 있는 기회입니다. 커버레터는 단순히 형식을 갖추기 위함이 아니며, 여러분의 원고를 쓸 때와 마찬가지로 정성을 들여야 합니다(오히려 더 쏟는 것까지는 아니더라도). 궁극적으로 여러분의 커버레터는 에디터가 여러분의 원고를 피어 리뷰 단계로 보낼지 아닐지 결정하는데 영향을 미칠 수 있습니다. 레터는 여러분의 원고가 여러분이 제출한 저널에 적합하다..

출처 : http://www.editage.co.kr/insights/how-to-write-a-great-rebuttal-letter 대부분의 원고는 저널 승인 전 최소 한 번의 수정을 거치게 됩니다. 상당한 수정 또는 약간의 수정을 거쳐 승인한다는 저널의 결정이 내려지면, 저자는 피어 리뷰 의견에 기반해 원고를 수정해야 합니다.수정된 원고를 저널에 다시 제출할 때는 검토자 의견에 대해 하나하나 응답하는 답변을 첨부해야 합니다. 검토자 의견에 따른 저자의 답변과 함께 편집자에게 수정원고에 대한 커버레터를 보내게 되는데, 이 커버레터를 답신편지, 또는 반박편지(rebuttal letter)라고 합니다. 수정 원고를 제출할 때 답신 편지를 잘 쓰는 것은 무척 중요합니다. 답신 편지, 또는 반박 편지의 작성..

출처 : http://flogsta.tistory.com/679 스도쿠 풀이의 기초부터 기법에 대한 설명부터 해당 기법을 사용할 수 있는 풍부한 예제까지 들어있다. 읽어보니, 그동안 내가 사용해왔던 기법부터, 처음 들어보는 기법까지 다양하다. (그 중 어떤 것은 아직도 이해가 잘 안되는 것이 있다. 써보고 잘 되니까 쓰는 것뿐.^^) 그 중에서, 고도니안 로직(Gordonian Logic)이 인상적이다. 이 기법은 이 책의 저자인 피터 고든(Peter Gordon)이 창안했기에 자신의 이름을 따서 붙인 것인데, 이 책에서 해당 기법을 개발하게 된 상황을 설명하고 있다.(아래부터 스도쿠 용어가 많이 등장하고 있습니다. 이를 이해하시려면 여기를 참고하세요.)친구가 추측하지 않고서는 도저히 풀 수 없다고 투덜..

이전 Deep Learning 포스팅 [Deep Learning] 1. 단층 퍼셉트론과 다층 퍼셉트론 [Deep Learning] 2. 신경망 (Sigmoid, ReLU) [Deep Learning] 3. 출력층 (항등함수, 소프트맥스함수) 저번 포스팅에서는 출력층의 항등함수를 이용하여 회귀, 소프트맥스함수를 이용하여 분류하는 문제를 다루었다. 이번 포스팅에서는 신경망 학습 이라는 주제를 다룰 것이다. 학습이란 훈련 데이터로부터 가중치 매개변수의 최적값을 자동으로 획득하는 것을 뜻한다. 이러한 신경망이 학습할 수 있도록 해주는 지표인 손실함수를 소개한다. 손실함수의 결과값을 가장 작게 만드는 가중치 매개변수를 찾는 것이 학습의 목표이다. 이번 장에서는 손실 함수의 값을 가급적 작게 만드는 기법으로 함수의..

이전 Deep Learning 포스팅 [Deep Learning] 1. 단층 퍼셉트론과 다층 퍼셉트론 [Deep Learning] 2. 신경망 (Sigmoid, ReLU) 기계학습 문제는 분류(Classification)와 회귀(Regression)로 나눌 수 있다. 분류는 데이터가 어느 클래스에 속하느냐의 문제이고, 회귀는 입력 데이터에서 연속적인 수치를 예측하는 문제이다. 이렇듯, 신경망의 출력층에서는 항등함수와 소프트맥스 함수를 이용하여 출력 값을 얻을 수 있다. 이는 분류와 회귀에 있어서 중요한 역할을 수행하게 된다. 또한, 기계학습의 문제풀이는 학습과 추론(Inference)의 두 단계를 거쳐 이뤄진다. 학습단계에서 모델을 학습하고, 추론 단계에서 앞서 학습 된 모델로 미지의 데이터에 대해서 추..

프레젠테이션 시작할 때 Good morning / Good afternoon.인사 Hello, Thank you for being here.여기 와 주셔서 감사합니다. The objective of my presentation is …저의 발표 목표는 …. The topic of my presentation today is …저의 발표 주제는 … What I’m going to talk about today is ..제가 말씀 드릴 내용은 … The presentation will focus on (A), (B), and (C)…발표는 …에 집중할 겁니다. By the end of the presentation, I hope that … (your goal)발표가 끝나면, 저는 … 하기를 기대합니다. I..

윈도우 환경에서 아나콘다 배포파일을 설치 하고 *.ipynb 파일을 실행시키는 방법이다. 1. 설치를 완료 한 후, 명령프롬프트 실행 (cmd) 2. 테스트 하고자 하는 폴더 경로로 이동 (C:\testing/python) 3. ipython notebook 입력 후 엔터 4. 실행된 Jupyter 에서 실행하고자 하는 *.ipynb 클릭하여 Run (demo.ipynb) 참고로 Jupyter는 머신러닝이나 데이터 분석 용도로 파이썬을 사용하는 사람들이 주로 사용하는 툴로써 가볍고, 코드를 실행하고 수정하기가 간편하다. 또한 notebook 형태로 파일 공유가 가능하다. 다음처럼 notebook 단위로 코드가 관리된다. 우측에 New를 클릭하면 노트북을 만들고 쓸 수 있다. 5. 실행 결과 확인 참고자료..