어느덧, 2020년을 마무리하는 시간까지 왔다. 나름 새해를 준비한답시고, 다이어리도 바꾸고, 내년에 해야 할 일들을 쭉 정리하고는 있지만, 올해만큼 시간이 참 빠르게 간 해도 처음이었던 것 같다. 그래도 나름 뭔가에 집중해서 일을 했던 한해였었고, 그만큼 보람도 있었다. 생각치도 못한데서, 재미있는 것을 찾는 것도 많았던 한해였다. 내년에도 올해의 나보다는 더 발전할 수 있도록, 조금더 노력을 해야겠다. 한해동안 블로그를 많이 찾아와주셔서 감사합니다. 올해는 지식 공유를 많이 하지 못하고, 읽었던 책의 느낌만 공유했었는데, 그래도 이전에 정리해둔 글을 보고 많이 찾아와주셨네요. 덕분에 하루하루 열심히 공부하고, 새로운 것을 찾을 의욕을 얻어갑니다. 내년에도 오시는 분들께 도움이 될만한 글들을 공유할 수..
(해당 포스트에서 소개하고 있는 "밑바닥부터 시작하는 딥러닝 3" 책은 한빛미디어로부터 제공받았음을 알려드립니다.) 밑바닥부터 시작하는 딥러닝 3 밑바닥부터 만들며 배우는 딥러닝, 이번에는 프레임워크입니다. 3편의 목표는 딥러닝 프레임워크 안의 놀라운 기술과 재미있는 장치들을 밖으로 꺼내보고 제대로 이해하는 것입니다. 현대적이 www.hanbit.co.kr 아마 인공지능과 관련된 연구나 업무를 하고 있는 사람이라면 누구나 Tensorflow나 PyTorch, MXNet같은 딥러닝 프레임워크를 사용할 것이다. (몇몇 프레임워크는 C++이나 java같은 언어로 포팅이 되어 있겠지만) 대부분 이 프레임워크를 다루기 위해서는 파이썬을 잘 다루고, 뭔가의 수학 공식을 코드로 옮길 줄 알고 있을 것이다. 말이 쉬워..
(해당 포스트에서 소개하고 있는 "안전한 인공지능 시스템을 위한 심층 신경망 강화" 책은 한빛미디어로부터 제공받았음을 알려드립니다.) 우리 삶속을 살펴보면 인공지능 기술들이 접목된 것들이 많이 보인다. 길을 지나가다 봐도, 다 인공지능과 관련 기술들을 선전하고, 사람들은 거기에 매력을 느끼는 것 같다. 문제는 너무 이런 경향이 심해져서, 심지어는 인공지능 기술에 맹신하는 의견들도 있다는 것이다. 위의 예시는 Berkeley BAIR에서 제시한, physical adversarial example의 예시다. 단순하게만 보면 그냥 표지판을 병이라고 잘못 인식한 것이라고 생각할 수 있겠지만, 만약 자율주행을 목적으로 학습된 인공지능 모델이 이런 표지판을 위와 같이 잘못 인식했다면 어떤 결과가 나올까? 대부분이..
- Total
- Today
- Yesterday
- arduino
- DepthStream
- Variance
- dynamic programming
- Kinect for windows
- Policy Gradient
- reward
- SketchFlow
- Windows Phone 7
- Expression Blend 4
- PowerPoint
- Off-policy
- RL
- processing
- Pipeline
- 파이썬
- 딥러닝
- End-To-End
- Kinect
- Python
- Offline RL
- Kinect SDK
- Gan
- Distribution
- windows 8
- 한빛미디어
- 강화학습
- bias
- ColorStream
- TensorFlow Lite
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |