자신에 대한 고찰

(해당 포스트에서 소개하고 있는 "비전 시스템을 위한 딥러닝" 책은 한빛 미디어로부터 제공받았음을 알려드립니다.) 비전 시스템을 위한 딥러닝 이 책은 아주 어렵지 않은 수준에서 컴퓨터 비전 시스템에 고급 딥러닝 알고리즘을 어떻게 활용하는지 소개한다. 파이썬 코드를 어느 정도 작성할 수 있는 사람이라면 다양한 딥러닝 기반 알고 hanbit.co.kr 인공지능 기술이 다양한 분야에 적용되고 있다고는 하지만, 가장 많이 드러나있고, 성과로 보여지는 분야는 역시 컴퓨터 비전이 아닐까 싶다. 우리가 눈뜨고 살아가는 이상, 눈으로 들어오는 시각 정보의 양도 어마어마하면서, 뭔가 변화나 결과가 나왔을때 제일 확 와닿기 때문이다. 그래서 아마 대부분의 인공지능 기술 책을 살펴보면 제일 처음 배우는 MLP이후로 바로 나..

(해당 포스트에서 소개하고 있는 "GAN 첫걸음" 책은 한빛미디어로부터 제공받았음을 알려드립니다.) GAN 첫걸음 손 글씨부터 풀컬러 연예인 얼굴까지 GAN으로 이미지를 생성해보며 안락하게 GAN을 익힐 수 있게 구성했다. 수학 공식은 줄이고 친절한 그림과 문장으로 개념 원리를 알려준다. www.hanbit.co.kr 참 시간이 빠르다고 느끼는 것이 처음 GAN과 관련된 책을 리뷰했었던 것이 2019년 말이었는데, 이제 3권 정도 리뷰를 했다. 2014년 Ian Goodfellow가 NIPS 2014 tutorial에서 처음 소개한 Generative Adversarial Network(GAN)이란 기술이 다양한 분야에 접목되기도 하고, 이를 활용하려는 사람들이 많아지기에 이렇게 사람들에게 쉽게 기술의 ..

(해당 포스트에서 소개하고 있는 "GAN 인 액션" 책은 한빛미디어로부터 제공받았음을 알려드립니다.) 1년전 쯤에 동일 출판사에서 번역된 "미술관에 GAN 딥러닝 실전 프로젝트" 에 대한 리뷰를 한적이 있다. 사실 원서로 따지면, 그때의 책(Generative Deep Learning)이나 이번에 리뷰할 책(GANs in Action)이나 거의 비슷한 시점에 나왔는데, 후자의 책은 이번에 번역되어 오늘 이 포스트를 통해서 리뷰하게 되었다. 그래서 아마 리뷰 내용도 이전에 나왔던 책과 어떤 차이가 있는지에 초점을 맞추게 될거 같다, 앞에서 설명한 것처럼 GAN 인 액션은 여타 인공지능 책 중에서도 보통 적대적 생성 네트워크(Generative Adversarial Network, GAN)이라는 딥러닝 모델..

(해당 포스트에서 소개하고 있는 "핸즈온 비지도 학습" 책은 한빛미디어로부터 제공받았음을 알려드립니다.) 흔히 머신러닝의 학습 방법을 크게 3가지로 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 나눠서 설명한다. 나도 전문가는 아니지만 내가 이해한 대로 간단히 설명하면, 지도 학습은 말그대로 학습시키고자 하는 모델에게 데이터와 답을 같이 알려줌으로써 데이터와 답간의 상관관계를 학습시키고, 이를 기반으로 접하지 못한 데이터에 대한 예측이나 분류 작업을 할 수 있게끔 하는 학습 방법이고, 강화학습은 아무 것도 정의되어 있지 않은 모델을 알지 못하는 환경에서 자유롭게 탐험도 하면서, 내면적으로 ..

(해당 포스트는 "Generative Deep Learning"에 대한 서평으로, 해당 책은 한빛미디어로부터 제공받았음을 알려드립니다.) 혹시 인공지능이 적용된 예시중에 이런 그림을 본적 있는지 모르겠다. 위에 소개된 기술은 CycleGAN을 활용한 Style Transfer라는 기술로, 기존의 유명한 명화들을 학습한 모델을 바탕으로 실제 사진을 넣었을 때 해당 화풍을 적용한 것처럼 변형시켜준다. 사실 인공지능이 미래의 데이터를 예측하고, 이미지를 분류하는 예제만 봐왔던 사람들한테는 이렇게 직관적으로 결과가 나타나고, 시각적으로도 딱 보여주기 좋았기에 사람들에 전달하는 의미가 매우 컸었다. 이밖에도 MuseGAN이나 World Model과 같이, 이미지 생성에만 한정짓지 않고, 새로운 음악도 만들어내기도..