데이터 공부하는 뉴욕킴

Part 5-1,2  1. 딥러닝이란 무엇인가?  딥러닝은 신경망에서 히든 레이어를 2개 이상 사용하는 것으로, 현실적으로는 많은 레이어를 사용합니다.  2. 딥러닝이 현재 각광받고 있는 이유를 설명하시오.  딥러닝이 각광받는 이유는 하드웨어(GPU, 데이터의 양), 소프트웨어(Vanishing gradient 문제 해결: ReLU, Regularization: Dropout, Optimization: Adam, Architecture: CNN, RNN) 등이 발전했기 때문입니다.  3. 다음 중 CNN의 구성 요소가 아닌 것은? a. Convolutional Layerb. MaxPooling Layerc. Fully Connected Layerd. Recurrence Layer 4. Convolutio..

VAE는 입력 데이터를 잠재 변수로 인코딩한 후 샘플링된 잠재 변수로부터 데이터를 디코딩한다.참 / 거짓GAN의 판별자는 입력된 데이터가 진짜인지 가짜인지 판별한다. 참  / 거짓Transformer 모델은 셀프 어텐션 메커니즘을 사용하여 입력 시퀀스 내의 단어 간 관계를 모델링한다. 참  / 거짓DBN은 여러 층의 제한된 볼츠만 머신(RBM)으로 구성된다. 참  / 거짓Diffusion 모델은 데이터를 노이즈로 변환한 후 이를 다시 원본 데이터로 복원하는 과정을 학습한다.참 / 거짓 VAE의 재파라미터화 트릭(reparameterization trick)에 대해 설명하시오.재파라미터화 트릭은 확률 변수의 샘플링 과정에서 그래디언트를 계산할 수 있도록 하는 기법으로, z=μ+σ⊙ϵ\mathbf{z} = ..

연사: 김은희 상무주제: 융합적 IT 시대, Domain Knowledge를 기반으로 IT 기술을 포용한 커리어 스토리 Vector Search벡터 검색은 무엇인가요? ML로 향상되는 검색 | Elastic 벡터 검색은 무엇인가요? ML로 향상되는 검색벡터 검색은 무엇인가요? 벡터 검색은 비정형 데이터의 의미와 컨텍스트를 파악합니다. 벡터 검색을 사용하면 검색 속도가 빨라지고 결과의 정확도가 높아집니다. ...www.elastic.co  검색 증강 생성(Retrieval Augmented Generation, RAG)검색 증강 생성(Retrieval Augmented Generation, RAG)은 맞춤형 데이터를 활용하여 대규모 언어 모델(LLM) 애플리케이션의 효율성을 개선할 수 있는 아키텍처 접근 ..

1. 생성 모델 (Generative Models)2012년: Deep Learning 혁명 (AlexNet)설명: 2012년에 발표된 AlexNet은 딥러닝의 혁명적인 변화를 이끌어낸 모델로, 이미지 분류에서 획기적인 성능을 보였습니다. AlexNet은 깊은 신경망 구조와 ReLU 활성화 함수, 드롭아웃 기법을 사용하여 ImageNet 대회에서 우승을 차지했습니다.의의: 딥러닝이 실질적인 문제 해결에 적용될 수 있음을 증명했습니다.2016년: AlphaGo설명: AlphaGo는 구글 딥마인드가 개발한 바둑 인공지능으로, 신경망을 이용한 강화학습을 통해 인간 챔피언을 이겼습니다. 정책 네트워크와 가치 네트워크를 결합한 형태의 모델을 사용했습니다.의의: 강화학습과 딥러닝의 결합으로 복잡한 전략 게임에서도 ..

Explainable AI (설명 가능한 인공지능)1. Explain is All You Need (설명이 전부다)AI-Doctor:AI가 의사의 진단을 돕는 예를 들 수 있습니다. 의사가 진단을 내릴 때 AI도 함께 진단을 제시하며, 이를 통해 더 정확하고 빠른 진단이 가능합니다.Precrime investigation (미래 범죄 조사):영화 '마이너리티 리포트'(2002)에서처럼 범죄가 발생하기 전에 예측하고 대응하는 기술을 말합니다.2. Explainable AI (설명 가능한 AI)성능:여러 작업에서 AI의 성능은 충분히 만족스럽습니다. 예를 들어 시각 인식의 성능은 꽤 좋으며, 자연어 처리 성능도 상당히 괜찮습니다.투명성과 해석력 부족:이제는 신뢰, 공정성, 신뢰성, 안전성, 설명 가능성, 정..