
(해당 포스트에서 소개하고 있는 "쓸모있는 AI 서비스 만들기" 책은 한빛미디어로부터 제공받았음을 알려드립니다.) 쓸모 있는 AI 서비스 만들기현직 개발자가 다양한 예제로 알려 주는 쉽고 빠른 나만의 AI 서비스 개발 가이드hanbit.co.kr예전에는 e커머스같은 서비스가 핫했다면, 최근 가장 이슈가 되고 있는 IT 서비스는 ChatGPT같은 생성형 AI를 활용한 서비스가 될 것이다. 사실 예전같으면 어떤 웹서비스를 하려면 능력있는 개발자가 빵빵한 자원을 가지고 이리저리 실험하면서 잘 구축한 시스템 환경상에서 운영하는게 필요했을텐데, ChatGPT가 그런 능력있는 개발자 역할을 하게 되면서, 어떤 아이디어만 있으면 금방 서비스화할 수 있는 시대까지 도래했다. 실제로 생성형 AI를 활용한 서비스를 실제로..

(해당 포스트에서 소개하고 있는 "Deep Learning for Coders with fastai & PyTorch" 책은 한빛 미디어로부터 제공받았음을 알려드립니다.) fastai와 파이토치가 만나 꽃피운 딥러닝 최소한의 지식으로 딥러닝을 쉽게 배울 수 있는 도서 hanbit.co.kr 요새는 인공지능 교육에 대한 수요가 많기도 하고, 유무료로 교육자료가 제공되는 형태들도 많아졌다. 맘만 먹으면 양질의 인공지능 강의를 무료로도 들을 수 있는 것이다. 물론 수많은 강의들이 있겠지만, 그 중에 한 축이라고 할 수 있는 강의 중 하나가 fast.ai일 것이다. fast.ai · Making neural nets uncool again 15 Mar 2022 Rachel Thomas On the surface..

(해당 포스트에서 소개하고 있는 "TinyML-초소형 머신러닝" 책은 한빛미디어로부터 제공받았음을 알려드립니다.) 요새는 소위 말하자면 인공지능 관련 주제들이 관심을 많이 받는 세상이다. 현업에서도 과제 제안 내용을 받아보면 적어도 어딘가에는 인공지능 기술을 반영하겠다거나, 빅데이터를 통해서 사용자 패턴을 분석하겠다는 내용이 들어있다. 소비자가 생각하는 인공지능 기술이랑 개발자/기획자가 생각하는 인공지능 기술간에는 약간의 괴리가 있겠지만, 요새는 인공지능으로 기존에 못 풀었던 문제들을 해결하고자 하는 시도를 해보고 있다. 그런데 인공지능 기술, 짧게 머신러닝/딥러닝을 실생활에 적용하려면 적어도, 학습하려는 데이터와 어느정도 모사화시킨 모델이 필요하고, 그 모델이 "잘" 동작하게 하려면 데이터를 가지고 모..

원본 : https://www.oreilly.com/ideas/how-ai-and-machine-learning-are-improving-customer-experience 작성자 : Ben Lorica, Mike Loukides (이 글은 한빛미디어의 콘텐츠 세션에서 "인공지능(AI)와 머신러닝(ML)은 어떻게 고객의 경험을 향상시키는가" 라는 글로 게시되었습니다.) 데이터의 질에서부터 개인화, 고객의 효용가치나 소유에 이르기까지 궁극적으로 AI와 ML은 미래의 고객의 경험적인 부분을 좌우할 것이다. 인공지능(AI)이나 머신러닝(ML)의 어떤 부분이 고객의 경험적인 부분을 향상시킬 수 있을까? 사실 AI와 ML은 이미 온라인 쇼핑이 시작하는 시점부터 온라인 쇼핑과 긴밀하게 연결되어 왔다. 아마 당신은 ..
Richard Ernest Bellman이 제안한 Bellman Equation은 이전 포스트에서 잠깐 소개했던 State와 Action, reward(+ discounted value)를 이용해서 특정 값으로 도출하는 공식으로, 강화학습에서 거의 처음으로 나오는 주제이다. 처음 이 공식이 나왔을 때는 복잡한 조건이 담긴 문제에서 해를 구하는 Dynamic Programming의 기법 중 하나로 쓰였었고, 지금에 이르러서는 강화학습에 많이 활용된다. 이 공식이 어떤식으로 이뤄지는지 간단하게 설명해보고자 한다. 보통 강화학습 강좌를 보면 이런 도식판을 많이 보게 된다. 좌측 하단에는 로봇이 하나가 있고, 우측 상단에는 이 로봇이 도달해야 하는 목표가 있다. 그런데 이 목표의 아래에는 장애물도 하나 있고, ..
- Total
- Today
- Yesterday
- RL
- Variance
- ai
- Pipeline
- PowerPoint
- Offline RL
- DepthStream
- windows 8
- TensorFlow Lite
- Expression Blend 4
- Policy Gradient
- processing
- Kinect
- Kinect for windows
- bias
- 파이썬
- 강화학습
- 한빛미디어
- 딥러닝
- Windows Phone 7
- arduino
- Distribution
- reward
- Gan
- dynamic programming
- SketchFlow
- Off-policy
- ColorStream
- End-To-End
- Kinect SDK
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 |