728x90
๋ฐ˜์‘ํ˜•

์ธ๊ณต์ง€๋Šฅ 9

[ KT AI ์„์‚ฌ๊ณผ์ • ] 2025 ๋ด„ํ•™๊ธฐ KT AI ์„์‚ฌ๊ณผ์ • ๋ชจ์ง‘

https://hae-koos.tistory.com/82 [ KT AI ์„์‚ฌ๊ณผ์ • ] ๋ชจ์ง‘๊ณต๊ณ  / ์„ค๋ช…ํšŒ / ์„œ๋ฅ˜์ „ํ˜•ํ•œ์ฐธ ์—ฐ๊ตฌ๋ถ€์—์„œ ์ธํ„ด์„ ํ•˜๊ณ  ์žˆ์„๋•Œ ํฌ์Šคํ… ํ™ˆํŽ˜์ด์ง€์— ๊ธฐ์‚ฌ๊ฐ€ ํ•˜๋‚˜ ์˜ฌ๋ผ์™”๋‹ค. 2023ํ•™๋…„๋„ ์‹ ์„ค๋˜๋Š” ์„์‚ฌ๊ณผ์ •์œผ๋กœ KT์—์„œ ๋Œ€ํ•™์› ์žฌํ•™ ๊ธฐ๊ฐ„ ์ž…ํ•™๊ธˆ์„ ํฌํ•จํ•œ ๋“ฑ๋ก๊ธˆ ์ „์•ก, ์—ฐ๊ตฌ ์ง€์›๋น„, ๊ธฐ์ˆ™์‚ฌhae-koos.tistory.com2025 ๋ด„ํ•™๊ธฐ KT AI ์„์‚ฌ๊ณผ์ •(์ฑ„์šฉ์—ฐ๊ณ„ํ˜• ๊ณ„์•ฝํ•™๊ณผ) ์‹ ์ž…์ƒ ๋ชจ์ง‘ ์ฑ„์šฉ๊ณต๊ณ ๊ฐ€ Open ๋˜์—ˆ๋Š”๋ฐ์š”,์ฃผ๋ณ€ ์„ /ํ›„๋ฐฐ/์ง€์ธ ์ค‘ ๊ด€์‹ฌ์žˆ๋Š” ๋ถ„๋“ค์—๊ฒŒ ์•ˆ๋‚ดํ•ด์ฃผ์‹œ๋ฉด ์ •๋ง ๊ณ ๋ง™๊ฒ ์Šต๋‹ˆ๋‹ค. ๊ณต๊ณ ๊ฐ€ ์˜ฌ๋ผ์™€์„œ ๊ทธ๋Ÿฐ์ง€ ๋ถ€์ฉ ๋ธ”๋กœ๊ทธ ๋Œ“๊ธ€์ด๋‚˜ ๋ฉ”์ผ์„ ํ†ตํ•ด ์งˆ๋ฌธ ์ฃผ์‹œ๋Š” ๋ถ„๋“ค์ด ๋Š˜๊ณ ์žˆ๋‹ค.๊ถ๊ธˆํ•˜์‹  ์  ๋Œ“๊ธ€์ด๋‚˜ ๋ฉ”์ผ ํ†ตํ•ด ํŽธํ•˜๊ฒŒ ๋ฌผ์–ด๋ด์ฃผ์„ธ์š”.

[ KT AI ์„์‚ฌ๊ณผ์ • ] Welcome Ceremony (2024 ๋ด„ํ•™๊ธฐ KT AI ์„์‚ฌ๊ณผ์ •) / 2024 ๊ฐ€์„ํ•™๊ธฐ KT AI ์„์‚ฌ๊ณผ์ • ๋ชจ์ง‘

https://hae-koos.tistory.com/95 KT Welcome Ceremony / SCI ๋…ผ๋ฌธ์บ ํ”„ / ๊ฐœ๊ฐ• KT Welcome Ceremony ๋Œ€ํ•™์› ์ž…์‹œ๋กœ ์ง€์ฒด๋˜์—ˆ๋˜ ํ”„๋กœ์ ํŠธ์— ์‹œ๊ฐ„์„ ์Ÿ๋‹ค๋ณด๋‹ˆ ์–ด๋Š๋ง ๋‚ด์ผ์ด ๊ฐœ๊ฐ•์ด๋‹ค. ๋…ผ๋ฌธ ๋งˆ๊ฐ๊ธฐํ•œ์ด 3์›” 1์ผ์ด๋ผ ์™„์ „ํžˆ ๋‚ด๋ ค๋†“๊ณ  ์‰ฌ์ง€๋Š” ๋ชปํ–ˆ์ง€๋งŒ ๋•๋ถ„์— ๊ฐœ๊ฐ•์„ ์œ„ํ•ด ๋”ฐ๋กœ ์ƒํ™œ hae-koos.tistory.com 2023 ๋ด„ํ•™๊ธฐ ์‹ ์ž…์ƒ์„ ์„ ๋ฐœํ•˜๊ณ  , 2024 ๋ด„ํ•™๊ธฐ ์‹ ์ž…์ƒ์„ ์„ ๋ฐœํ•˜๋Š” ๊ณต๊ณ ๊นŒ์ง„ ๋ดค๋Š”๋ฐ ์ด๋ฒˆ์— ๊ฐ€์„ํ•™๊ธฐ ์‹ ์ž…์ƒ๊นŒ์ง€ ์„ ๋ฐœํ•œ๋‹ค๋Š” ์†Œ์‹์„ ๋“ค์—ˆ๋‹ค. ์ธ์‚ฌํŒ€๋ถ„๋“ค๊ป˜ ๋“ค์–ด๋ณด๋‹ˆ ์„œ๋ฅ˜์ „ํ˜• ๊ฒฝ์Ÿ๋ฅ ์ด ํ•ด๊ฐ€ ๊ฑฐ๋“ญํ• ์ˆ˜๋ก ๋†’์•„์ง„๋‹ค๊ณ  ํ•œ๋‹ค. ์˜ค๋Š˜์€ 24๋…„ 1์›” 2์ผ๋ถ€ํ„ฐ ์˜ค๋Š˜ 2์›” 16์ผ๊นŒ์ง€ ์•ฝ 7์ฃผ๊ฐ„์˜ ์ธํ„ด์„ ๋งˆ์น˜๊ณ  ์ˆ˜๋ฃŒ์‹์„ ํ•˜๋Š” ๋‚ . ์ง€์ง€๋‚œ์ฃผ์ด๊ธด ํ•˜์ง€๋งŒ 2์›” 6์ผ. 24..

[ ํฌ์Šคํ… ์ธ๊ณต์ง€๋Šฅ์—ฐ๊ตฌ์› ์—ฐ๊ตฌ์ธํ„ด ]AUTOVC ์ฝ”๋“œ ๋ฆฌ๋ทฐ ๋ฐ Reproducing

์ฝ”๋“œ ํŒŒํ—ค์น˜๊ธฐ ๐Ÿ”ฅ make_spect.py : Generate spectrogram data from the wav files npy ํ˜•ํƒœ๋กœ melspectrogram์ด ์ƒ์„ฑ๋จ make_metadata.py : Generate speaker embeddings and metadata for training ์œ„์—์„œ ๋งŒ๋“  ./spmel ํด๋”์— train.pkl ์ƒ์„ฑ metadata.pkl ์ƒ์„ฑ main.py : Run the main training script & Converges when the reconstruction loss is around 0.0001 conversion.ipynb : Download pre-trained AUTOVC model and run it autovc.ckpt ๋กœ๋“œํ•˜๊ณ ,..

[ ํฌ์Šคํ… ์ธ๊ณต์ง€๋Šฅ์—ฐ๊ตฌ์› ์—ฐ๊ตฌ์ธํ„ด ] Acoustic Feature, MelGAN ๋…ผ๋ฌธ ์ •๋ฆฌ ๋ฐ ์ฝ”๋“œ ์‹ค์Šต

Acoustic Feature Audio File Structure Channel : Mono(1) / Stereo(2) Length : 60s, 1m, 1h … Sampling Rate : 1์ดˆ๋‹น ์ƒ˜ํ”Œ์˜ ๋นˆ๋„์ˆ˜ (44.1kHz - 1์ดˆ์— ์ƒ˜ํ”Œ ์ˆ˜๊ฐ€ 44,100๊ฐœ ๋“ค์–ด์žˆ๋‹ค.) Bit Depth : ์Œ์˜ ๊ฐ•๋„๋ฅผ ์–ผ๋งˆ๋‚˜ ์„ธ๋ถ„ํ™”ํ•˜์—ฌ ํ‘œํ˜„ํ•  ๊ฒƒ์ธ์ง€ (24 bit - 2^24๊ฐœ์˜ ๋†’๋‚ฎ์ด๋ฅผ ํ‘œํ˜„ํ•  ์ˆ˜ ์žˆ๋‹ค.) Bit Rate : ์˜ค๋””์˜ค๋กœ ์ „์†ก๋˜๋Š” ๋ฐ์ดํ„ฐ์˜ ์–‘ (CHANNEL # x SAMPLING RATE x BIT DEPTH) import matplotlib.pyplot as plt from scipy.io import wavfile as wav fs, data = wav.read('./3sec.wav') pri..

[ ์ฒญ๋…„ AI ๋น…๋ฐ์ดํ„ฐ ์•„์นด๋ฐ๋ฏธ 17๊ธฐ ] ์ˆ˜๋ฃŒ์ฆ ๋„์ฐฉ, ์ง„์งœ ๋ - !

์•„์นด๋ฐ๋ฏธ ๊ธฐ๊ฐ„์ด ๋๋‚˜๊ณ  ๊ฐ‘์ž‘์Šค๋Ÿฝ๊ฒŒ ์—ฌ์œ ๋ฅผ ๋˜์ฐพ์€ ํƒ“์— ๋งŒ์กฑ๊ฐ๊ณผ ๊ณตํ—ˆํ•จ์ด ๊ณต์กดํ•˜๋˜ ์ฐฐ๋‚˜, ํฌํ•ญ์— ์‚ฌ๋Š” ์กฐ์›๋“ค์ด ํ•˜๋‚˜๋‘˜ ์ˆ˜๋ฃŒ์ฆ๊ณผ ์ƒ์žฅ, ๋ถ€์ƒ์„ ๋ฐ›์•˜๋‹ค๊ณ  ์—ฐ๋ฝ์ด ์™”๋‹ค. ์ˆ˜๋ฃŒ์‹์—์„œ ํ™”๋ฉด์— ๋„์›Œ๋‘” ์ƒ์žฅ๊ณผ ์‹ค๋ฌผ๋กœ ๋ฐ›๋Š” ์ƒ์žฅ์€ ์•„๋ฌด๋ž˜๋„ ๋Š๋‚Œ์ด ๋‹ค๋ฅด๋‹ˆ๊นŒ ๊ธฐ๋Œ€๋๋‹ค. ์–ด์ œ๋Š” ์ˆ˜์˜, ์˜ค๋Š˜์€ ํฌ๋กœ์Šคํ•์„ ํ•˜๋ฉด์„œ 3๊ฐœ์›”๋™์•ˆ ์ˆจ๋งŒ ์‰ฌ๋Š” ์˜์žฅ๋ฅ˜๋กœ ์ „๋ฝํ•œ ๋‚˜๋ฅผ ์–ด์ด์—†์–ด ํ•˜๋‹ค๊ฐ€ ์ง‘์— ๋Œ์•„์˜ค๋‹ˆ ์ €๋Ÿฐ ํญํƒ„์ฒ˜๋Ÿผ ์ƒ๊ธด ์†Œํฌ๊ฐ€ ๋„์ฐฉํ–ˆ๊ณ , ์‹ ๋‚˜์„œ ์–ธํŒจํ‚น์„ ์ง„ํ–‰ํ–ˆ๋‹ค. ์˜๋กฑํ•œ ์ˆ˜๋ฃŒ์ฆ๊ณผ ๊ตฌ๊ธ€ ๋„ค์ŠคํŠธ, ๊ทธ๋ฆฌ๊ณ  ์—์–ดํŒŸ 3์„ธ๋Œ€ ๋‘ ์นœ๊ตฌ ใ…Žใ…Žใ…Ž ์ง€๊ธˆ ์“ฐ๋Š” ์—์–ดํŒŸ์ด ๊ฐ€๋” ๋ง์ฝ์„ ๋ถ€๋ฆฌ๊ธด ํ•˜๋Š”๋ฐ ๊ตณ์ด ๋ฐ”๊ฟ€ ํ•„์š”๋Š” ์—†์„๊ฒƒ ๊ฐ™์•„์„œ ๋‹ค๊ฐ€์˜ค๋Š” ์–ด๋ฒ„์ด๋‚  ์„ ๋ฌผ์ค€๋น„์— ์‚ฌ์šฉํ•˜๋Š” ๊ฑธ๋กœ. ์ˆ˜๋ฃŒ์ฆ๋„, ๋ฐ˜์žฅ์„ ๋งก์•„ ๋ฐ›์€ ๋ด‰์‚ฌ์ƒ๋„, ๊ฐœ์ธ ์„ฑ์  ์šฐ์ˆ˜์ƒ๋„ ๋ชจ๋‘ 12์ฃผ๊ฐ„ ๋ฐค์ƒ˜์„ ๋””ํดํŠธ ์‚ผ์•„ ..

[ ์ฒญ๋…„ AI ๋น…๋ฐ์ดํ„ฐ ์•„์นด๋ฐ๋ฏธ 17๊ธฐ ] ์ธ๊ณต์ง€๋Šฅ ์ฃผ๊ฐ„ n๋ฒˆ์˜ ์‹œํ—˜, n๋ฒˆ์˜ ๊ณผ์ œ ๊ทธ๋ฆฌ๊ณ  ๋Œ€๋ง์˜ ํ”„๋กœ์ ํŠธ

2022๋…„ 4์›” 22์ผ,์˜ค์ „ 10์‹œ ์ˆ˜๋ฃŒ์‹์„ ๋์œผ๋กœ ์ฒญ๋…„ AI ๋น…๋ฐ์ดํ„ฐ ์•„์นด๋ฐ๋ฏธ 17๊ธฐ์˜ ๋ชจ๋“  ๊ณผ์ •์ด ๋์ด ๋‚ฌ๋‹ค. ์–ด๋–ค ์ด์•ผ๊ธฐ๋กœ ๊ธ€์„ ์‹œ์ž‘ํ•  ์ง€, ์–ด๋Š ์ •๋„์˜ ๊นŠ์ด๋กœ ๊ธ€์„ ์“ธ ์ง€ ๊ฐ์ด ์˜ค์ง€ ์•Š์€ ์ฑ„๋กœ ๋…ธํŠธ๋ถ ์•ž์— ์•‰์€๊ฑด ์ƒ์ƒํ•œ ๊ธฐ๋ก์„ ๋‚จ๊ธฐ๊ณ  ์‹ถ์–ด์„œ๋‹ค. ๋‹น๋ถ„๊ฐ„ ๋…ธํŠธ๋ถ์€ ์ณ๋‹ค๋ณด๊ธฐ๋„ ์‹ซ๋‹ค๊ณ  ์ž…์„ ๋ชจ์•˜์—ˆ์ง€๋งŒ... ์ง€๊ธˆ ์จ์•ผ ๋  ๊ฒƒ๋งŒ ๊ฐ™์•˜๋‹ค. ๊ทธ๋ฆฌ๊ณ  ๋ฌด์—‡๋ณด๋‹ค 2์ฃผ๊ฐ„ ์ธ๊ณต์ง€๋Šฅ ํ”„๋กœ์ ํŠธ ํ•ฉ์ˆ™์„ ํ•˜๋ฉด์„œ ์ƒํ™œ ํŒจํ„ด์ด ๊ผฌ์—ฌ ์ž ์ด ์•ˆ์˜จ๋‹ค ใ…Žใ…Žใ…Ž ์šฐ์„  ์ƒ๋‹จ ์˜ค๋ฅธ์ชฝ ์‚ฌ์ง„์˜ AI ์ฃผ๊ฐ„ ์Šค์ผ€์ค„๋Œ€๋กœ ์ง„ํ–‰๋˜์ง„ ์•Š์•˜๋‹ค. 3์›” 21์ผ์„ ๊ธฐ์ ์œผ๋กœ AIoT / ์•Œ๊ณ ๋ฆฌ์ฆ˜ / ์ธ๊ณต์ง€๋Šฅ / ๋จธ์‹ ๋Ÿฌ๋‹๊ณผ ๋”ฅ๋Ÿฌ๋‹ / ์ปดํ“จํ„ฐ๋น„์ „ ์ˆœ์„œ๋กœ ๊ฐ•์˜๊ฐ€ ์ง„ํ–‰๋๋‹ค. ํ•™๋ถ€ ๊ฐ•์˜๋กœ ๋“ค์–ด์•ผ ํ•  ๊ฒƒ ๊ฐ™์€ ๊ณผ๋ชฉ๋“ค์„ ์ผ์ฃผ์ผ์ด ์ฑ„ ์•ˆ ๋˜๋Š” ์‹œ๊ฐ„๋™์•ˆ ์–ผ๋งˆ๋‚˜ ํ•˜๊ฒ ๋‚˜ ์‹ถ์—ˆ์ง€๋งŒ ์ƒ๊ฐ๋ณด..

[ ์ฒญ๋…„ AI ๋น…๋ฐ์ดํ„ฐ ์•„์นด๋ฐ๋ฏธ 17๊ธฐ ] ๋ฉด์ ‘ ํ›„๊ธฐ & ์ตœ์ข… ํ•ฉ๊ฒฉ

ํ•„๊ธฐ์‹œํ—˜์„ ๋ดค๋”๋ผ๋ฉด ํฌํ•ญ๊นŒ์ง€ ๋‚ด๋ ค๊ฐ”์–ด์•ผ ํ–ˆ๋Š”๋ฐ ๊ทธ๋Ÿฌ์ง€ ์•Š์•„๋„ ๋˜์—ˆ๋‹ค. ๊ณต๋ถ€๋Ÿ‰๊ณผ ๊ด€๊ณ„์—†์ด ์‹œํ—˜์€ ๋ถˆ์•ˆํ•จ์ด ๋”ฐ๋ฅด๊ธฐ ๋งˆ๋ จ์ด๋‹ˆ ์ฐจ๋ผ๋ฆฌ ์ž์‹ ์žˆ๋Š” ๋ฉด์ ‘์ด ์ข‹์•˜๋‹ค. ํ•˜์ง€๋งŒ ์ฐจ์„ ์ฑ…์ด ์—†์—ˆ๋˜, ๊ทธ๋ž˜์„œ ํ‰์†Œ๋ณด๋‹ค ๊ฐ„์ ˆํ–ˆ๋˜ ๊ธฐํšŒ์˜€๊ธฐ์— ์ค€๋น„๋ฅผ ์ •๋ง ์ฒ ์ €ํžˆ ํ–ˆ๋‹ค. ์˜ˆ์ƒ ์งˆ๋ฌธ๋“ค์— ๋Œ€ํ•œ 3๋ถ„ ~ 4๋ถ„ ๋ถ„๋Ÿ‰์˜ ๋‹ต๋ณ€์„ ๋‹ฌ๋‹ฌ ์™ธ์šธ ์ •๋„๋กœ. ์•„์ง๋„ ์™ธ์šฐ๊ณ  ์žˆ๋‹ค ใ…‹ใ…‹ใ…‹ ์—ฌ๋Ÿฌ ๋ธ”๋กœ๊ทธ๋“ค์„ ์ฐธ๊ณ ํ•˜๋ฉฐ ์ •๋ฆฌํ•œ ์˜ˆ์ƒ์งˆ๋ฌธ์€ ์•„๋ž˜์™€ ๊ฐ™๋‹ค. 1. ์ž๊ธฐ์†Œ๊ฐœ 2. ์ง€์›๋™๊ธฐ 3. ์ด ํ”„๋กœ๊ทธ๋žจ์„ ์œ„ํ•ด ๋ฌด์—‡์„ ์–ผ๋งˆ๋‚˜ ์–ด๋–ป๊ฒŒ ์ค€๋น„ํ–ˆ๋Š”์ง€ 4. ์•ž์œผ๋กœ์˜ ๊ณ„ํš๊ณผ ํฌ๋ถ€ 5. ์‚ฌ์ „์— ์ œ๊ณตํ•˜๋Š” ์˜จ๋ผ์ธ ๊ฐ•์˜๋ฅผ ์ˆ˜๊ฐ•ํ–ˆ๋Š”์ง€ 6. ํ™œ๋™์—์„œ ๊ธฐ๋Œ€๊ฐ€ ๋˜๋Š” ์  7. ํ”„๋กœ์ ํŠธ๋ฅผ ํ•˜๋‹ค๊ฐ€ ๋ง‰ํžŒ๋‹ค๋ฉด? 8. ์ด์™ธ์˜ ์ž์†Œ์„œ ๊ธฐ๋ฐ˜ ๊ฒฝํ—˜๋“ค 5๋ช…์”ฉ ๋ฉด์ ‘์— ๋“ค์–ด๊ฐ”๊ณ , ๋ฉด์ ‘๊ด€์€ 3๋ถ„์ด์…จ๋‹ค. ์‹œ๊ฐ„ ์ œํ•œ์€ ํฌ๊ฒŒ ..

[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ Pre-Course] ํ•ต์‹ฌ๋งŒ ๋‹ด์€ AI๋ฅผ ์œ„ํ•œ ์ˆ˜ํ•™ ์ง€์‹ ๋ฒกํ„ฐ ๊ทธ๋ฆฌ๊ณ  ํ–‰๋ ฌ

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ๋ฅผ ์œ„ํ•œ Pre-Course ๋ฅผ ํ† ๋Œ€๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋ฒกํ„ฐ [ ๊ฐ•์˜ ์†Œ๊ฐœ ] ๋ฒกํ„ฐ์˜ ๊ธฐ๋ณธ ๊ฐœ๋…๊ณผ ์—ฐ์‚ฐ, ๋…ธ๋ฆ„์— ๋Œ€ํ•ด ์†Œ๊ฐœํ•ฉ๋‹ˆ๋‹ค. ๋‘ ๋ฒกํ„ฐ ์‚ฌ์ด์˜ ๊ฑฐ๋ฆฌ์™€ ๊ฐ๋„, ๊ทธ๋ฆฌ๊ณ  ๋‚ด์ ์— ๋Œ€ํ•ด ์„ค๋ช…ํ•ฉ๋‹ˆ๋‹ค. ๋ฒกํ„ฐ๋Š” ์„ ํ˜•๋Œ€์ˆ˜์˜ ๊ธฐ๋ณธ์ด๋ฉด์„œ ๋”ฅ๋Ÿฌ๋‹์—์„œ๋„ ๋งค์šฐ ์ค‘์š”ํ•œ ๊ฐœ๋…์ด๋‹ค. ๋ฒกํ„ฐ์˜ ๊ฐœ๋…๊ณผ ์—ฐ์‚ฐ ๊ทธ๋ฆฌ๊ณ  ๋…ธ๋ฆ„์ด๋‚˜ ๋‚ด์ ๊นŒ์ง€ ๊ทธ ๊ธฐํ•˜ํ•™์  ์„ฑ์งˆ๊ณผ ๋จธ์‹ ๋Ÿฌ๋‹๊ณผ ๋”ฅ๋Ÿฌ๋‹์—์„œ์˜ ํ™œ์šฉ ๊ฐ€๋Šฅ์„ฑ์— ๋Œ€ํ•œ ๊ณ ๋ฏผ์„ ํ•ด๋ณด์ž. ํ–‰๋ ฌ [ ๊ฐ•์˜ ์†Œ๊ฐœ ] ํ–‰๋ ฌ์˜ ๊ฐœ๋…๊ณผ ์—ฐ์‚ฐ, ๊ทธ๋ฆฌ๊ณ  ๋ฒกํ„ฐ๊ณต๊ฐ„์—์„œ ๊ฐ€์ง€๋Š” ์˜๋ฏธ๋ฅผ ์„ค๋ช…ํ•ฉ๋‹ˆ๋‹ค. ์—ฐ๋ฆฝ๋ฐฉ์ •์‹๊ณผ ์„ ํ˜•ํšŒ๊ท€๋ถ„์„์— ์‘์šฉํ•˜๋Š” ๋ฐฉ๋ฒ•์„ ์†Œ๊ฐœํ•ฉ๋‹ˆ๋‹ค. ํ–‰๋ ฌ ์—ฐ์‚ฐ์€ ๋”ฅ๋Ÿฌ๋‹์—์„œ ๊ฐ€์žฅ ํ•ต์‹ฌ์ ์ธ ์—ฐ์‚ฐ์œผ๋กœ ์ค‘์š”ํ•˜๊ณ  ์ž์ฃผ ์‚ฌ์šฉ๋ฉ๋‹ˆ๋‹ค.

[๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ Pre-Course] ์ธ๊ณต์ง€๋Šฅ(AI) ๋ง›๋ณด๊ธฐ

๋ชจ๋“  ๊ฒŒ์‹œ๋ฌผ์€ macOS Monterey 12.0.1 ๋ฒ„์ „์„ ๊ธฐ์ค€์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. ๋ถ€์ŠคํŠธ์บ ํ”„ AI Tech 3๊ธฐ ์˜ˆ๋น„ ์บ ํผ๋ฅผ ์œ„ํ•œ Pre-Course ๊ฐ•์ขŒ๋ฅผ ๋ฐ”ํƒ•์œผ๋กœ ์ž‘์„ฑํ•˜์˜€์Šต๋‹ˆ๋‹ค. [ Key Components of Deep Learning ] 1. Data that the model can learn from 2. Model how to transfrom the data 3. Loss Function that quantifies the badness of the model 4. Algorithm to adjust the parameters to minimize the loss ์ƒˆ๋กœ์šด ์—ฐ๊ตฌ๋‚˜ ๋…ผ๋ฌธ์„ ๋ณผ ๋•Œ๋„ ์œ„ ๋„ค ๊ฐ€์ง€ ํ•ญ๋ชฉ์„ ๊ธฐ์ค€์œผ๋กœ ๋ฐ”๋ผ๋ณธ๋‹ค๋ฉด ํ•ด๋‹น ์—ฐ๊ตฌ๊ฐ€ ๊ธฐ์กด ์—ฐ๊ตฌ์— ๋น„ํ•ด ์–ด๋–ค ์žฅ์ ๊ณผ Contr..

728x90
๋ฐ˜์‘ํ˜•