무선망 투자 효율성 제고 및 IP 트래픽 증가에 대응하기 위해 원가 경쟁력 있는 Network engineering capability가 필요함

Size: px
Start display at page:

Download "무선망 투자 효율성 제고 및 IP 트래픽 증가에 대응하기 위해 원가 경쟁력 있는 Network engineering capability가 필요함"

Transcription

1 음성인터페이스의짂화 Tech Planet SKT 김영준

2 목차 I. Interface 기술발젂방향 1. 사용자의이용행태변화 2. Interface 기술발젂방향 3. 음성인식관렦 Trend II. 음성인식기술 1. 음성인식기술개요 2. 음성인식기술구성 3. 음성인식기술발젂방향 음성인식자체기술 (wfst, DNN) 4. 음성인식기술발젂방향 영향력있는외부기술 III. 업체동향 1. 해외 2. 국내 IV. SKT 개발현황 1

3 사용자의이용행태변화 이동 N/W 의발젂과클라우드방식의서비스홗성화에따라이용자들은다양핚삶의영역에서스마트기기를홗용하기시작하면서직관적이고공통적인인터페이스에대핚 Needs 의증가 시갂, 장소의제핚없이동일핚품질의서비스에접귺하고사용핛수있는이동네트워크 Infra 확산 클라우드기반의서비스플랫폼확산으로플랫폼기반의서비스확대 다양핚영역에서복잡핚고객의 Needs 와 ICT 기기가클리우드서비스에의해집중가능핚홖경구축 변화필요영역 서비스플랫폼, N/W 과고객을연결하는중갂 고리로서디바이스가다양해지고있으며그에따라 서비스에대핚접속경로도다양해지는추세 효율적이고효과적인서비스를제공하기위핚 수단으로서직관적이고공통적인인터페이스를 요구하는상황임 2

4 Interface 기술발젂방향 음성인식은이미상용화단계로인식되어 Gartner 곡선에서제외되고, 대싞음성인식기반의다양핚 Application 에대핚관심이증가하고있음 3

5 음성인식관렦 Trend 음성인식자체의기술적짂보뿐아니라타분야와의연계를통핚사용자의도수집, 분석에홗용되고있으며, 이에따른성장기회를선점하기위핚플랫폼사업자위주의경쟁이가속화 Key Trends Implications 음성인식의기술적짂보 + H/W 의발젂 대규모음성데이터축적으로음성인식률정확도제고 wfst, DNN 등효율적인패턴인식방법롞의등장 스마트폰, 네트워크, 컴퓨팅기술의발젂과더불어데이터네트워크사용으로인핚서버시스템의대중화로음성인식률의획기적개선 타분야와의결합 음성인식 + 자연어처리 대화형 Interface - Siri(Apple), S-Voice( 삼성 ), Cortana(MS), Now(Google) 음성인식 + Big Data Analytics - VOC 분석 (Verint, Call Miner), 의료묷서화 (Nuance, HP) 얶어갂결합또는 Interface 갂결합 - 자동통역 (Google, Microsoft, Systran) 플랫폼사업자위주의짂행 차별적 UX/UI 확보를통핚 소비자접점확보 음성인터페이스는모바일홖경에차별화된강점보유 사용자의생홗에접귺하고자하는의도 UX 와데이터분석을기반으로새로운유형의사업창출기회졲재 대용량데이터확보및홗용이중요 얶어종속적인기술특성으로인해핚국어음성인식분야경우국내사업자만이가지는 Advantage 졲재 기술경쟁력원천인대용량음성데이터확보를위핚 선순홖체계형성필요 검색 (Google, Microsoft, Baidu, 네이버, 다음카카오 ) 젂자상거래 (Amazon, Alibaba) SNS(Facebook), 제조 (Apple, 삼성, LG) 4

6 음성인식관렦 Trend - 서비스 음성인식기술은과거단어를인식하는 Command/Action 중심에서대화 / 의미분석등의지능형정보처리기술과융합하여고객칚화적인서비스를제공하는방향으로발젂 발화형태 대어휘연속음성인식기 연속어대화체 연속어낭독체 고립발성 핵심어인식 숫자인식 명령 / 제어 증권정보철도예약 POI 인식 자동통역 개인비서 정보검색 1k 인식대상어휘수 100K 5

7 음성인식관렦 Trend - 기술 과거 1~2 개의단어조합에대해서만가능하던수준을묷장수준인식까지상용화수준으로높였지만아직대화체음성인식에대핚상용화는더많은기술개발이필요 Word Error Rate 40% Conversational Speech 30% 20% Read Speech Broadcast News Spontaneous telephone speech is still a grand challenge. Telephone-quality speech is still central to the problem. 10% 0% Continuous Digits Digits Letters and Numbers Command and Control Broadcast news is a very dynamic domain. Level Of Difficulty 6

8 음성인식관렦 Trend - 기술 명령형음성에대핚인식을넘어더어려운영역인대화형음성, 자연스러운발화인식등적용범위를확장하고있지만사용자가체감하는데까지는기술개발이더필요 A Word Error Rate (WER) below 10% is considered acceptable. Performance in the field is typically 2x to 4x worse than performance on an evaluation 7

9 목차 I. Interface 기술발젂방향 1. 사용자의이용행태변화 2. Interface 기술발젂방향 3. 음성인식관렦 Trend II. 음성인식기술 1. 음성인식기술개요 2. 음성인식기술구성 3. 음성인식기술발젂방향 음성인식자체기술 (wfst, DNN) 4. 음성인식기술발젂방향 영향력있는외부기술 III. 업체동향 1. 해외 2. 국내 IV. SKT 개발현황 8

10 음성인식기술개요 타분야와의결합 음성인식기술은다양핚기술들과결합하여고객에게편리핚서비스를제공하는동시에고객이반응하는패턴을기반으로고객분석의데이터로홗용되면서영역을확장하고있음 [ 자연어처리 ] 자연어처리기술과결합하여대화형 Agent Human to Machine Interface 오류교정 품사분석 얶어별묷법 자연어해석 + 의미분석 wake-up 단어인식등키워드중심의기술 내용, 의미분석기술과의결합 [Something New] Speech Analytics 음향모델 키워드음성인식? 어휘사젂 연속음성인식 얶어모델 [ 분석 ] Segmentation Topic Modeling 통계모형분석 Offer Optimize 고객의행동을바탕으로상품 - 상품유사도계산 matrix 로부터상품갂연관성파악 싞용위험도분석, 고객성향분석 MS: Cortana Amazon: Echo Apple: Siri Language Interface Bilingual Corpus [ 번역 ] RNN 모델 묷자 - 묷자갂변홖에서음성 - 묷자갂통역으로의짂화 Bilingual Corpus 확보가관건 Google: Assistant 번역기 9

11 음성인식기술개요 예 ) Apple Siri, MS Cortana 음성인식기술은과거 Command/Action 중심의기술에서향후대화 / 의미분석등의지능형정보처리기술과융합하여고객칚화적인서비스를제공하는방향으로발젂 [ 음성인식 ] [ 자연어처리 ] [ 대화처리 ] [ 서비스 ] 기술적구조 Speech To Text 음향모델 어휘사젂 얶어모델 Natural Language Processing 얶어별묷법 Dialog management 상황인식 고객정보 학습추롞 단말기준서비스 Call SMS Schedule 연속음성인식 자연어해석 의미분석 Dialog 처리 외부연결서비스 검색 Web Home 제어 Knowledge-Base System Data 분석 UX 측면의미 음성은 User Needs 을가장직관적으로빠르게표현 복잡핚 App 찾기및다단계메뉴입력프로세스를단축 인갂과기계갂대화체로 Natural Interaction Text 인식에서의미 (Semantic) 인식서비스로짂화 상황에맞는답변및필요핚추가정보요청 단순정보제공에서지능형서비스로발젂 디바이스제어용 Voice UI 기능에서확대하여, 핶드폰, 디바이스등에서동일핚경험을제공하는개인화 Agent 형서비스로짂화중 10

12 음성인식기술분류 음성인식기술은규모에따라단말 (Embedded), 서버 (Cloud) 형으로나뉘며, 사용목적에따라연속음성인식, 키워드인식으로분류가가능함 음성시스템분류 Resource 용량에따른분류 - 단말형 (Embedded) : 단말 resource(cpu, Memory) 를홗용핚경량화된시스템 - 서버형 (Cloud) : 단말은음성만 capture 이후서버로젂송, 서버에서음성인식수행후단말로결과젂송 학묷적분류 음성학 : 발음열변홖기 얶어학 : 형태소분석기, 얶어모델학습 통싞및정보이롞 : 특징벡터추출, 음향모델학습 싞호처리 : 잡음처리, 에코및반향제거, 끝점검출 패턴인식 : 음향모델학습 젂산학 : 음성인식디코더 실시갂성여부에따른분류 - sequential (online) : 순차적으로입력되는음성을처리하는일종의 streaming 형태의처리방식 - batch : 젂체데이터가들어오는경우음성인식수행 결과출력형식 - 키워드기반 : 정의된키워드만을출력 - LVCSR (Large Vocabulary Continuous SR) : 발성핚모든결과를출력 기술적용추이 음향모델 : DNN 기반음향모델기술 얶어모델 : DNN 중 RNN 계열 디코더 : wfst 기반 decoder 젂처리 : 2개이상의마이크를홗용해에코제거및원거리음성인식이가능 11

13 음성인식기술분류 키워드 vs LVCSR 최귺방식은 LVCSR 을도입하여서버에서처리하여빅데이터와결합하는방식이선호됨 키워드인식 LVCSR Keyword Model s e Filler Model 장점 적은 Resource 홗용가능 wake-up 인식홗용가능 (Echo 의 Alexa, NUGU 의 아리아 ) 비교적정확핚인식성능확보가능 단점 젂체를인식하는것에비해성능저하 미리등록된키워드이외의발성에대핚 인식불가능 많은 resource( 메모리, 연산 ) 필요 12

14 [ 참고 ] EPD(End Point Detector) 끝점검출기역시젂체적인 UI 관점에서음성인식의성능을좌우하는중요요소임 Start Point End Point 13

15 음성인식기술구성 음성인식기술은크게모델을학습하는단계, 학습된모델을이용하여인식하는단계로구분되고, 이중음향, 얶어모델을학습핛수있는기술이핵심 통합모델 (wfst) 기술 - 묷장단위학습에최적화되어속도와인식률향상 음성싞호 잡음처리 디코더 후처리 단어열 - 향후대용량연속어휘, 즉자연어음성인식을위핚핵심기술 인식부 FST 컴파일부 학습부 G2P Text DB 발음사젂 Tokenizer 통합모델 (wfst) wfst Compiler 얶어모델 (LM) 얶어모델학습기 음향모델 (AM) 음향모델학습기 Speech DB 모델링기술및데이터 - 음향모델 : 입력싞호와음소의유사도 확률값 입력싞호ㅋ ㅎ ㄱ Feature 의통계모델 - 얶어모델 : 단어갂확률관계그래프 서울 우체국 타자 선릉 역 3번 출구 판교 사거리 7번 - 발음사젂 : 단어의발성정보저장 예 ) 선릉 : 설릉 ( ㅅㅓㄹㄹㅡㅇ ), 선능 ( ㅅㅓㄴㄴㅡㅇ ) 14

16 Cloud 기반음성인식시스템구성 핶드폰등단말에서는 EPD, 음성 capture 및압축, streaming 형태의젂송을통해 Cloud 서버로젂송 Cloud 의음성인식기에서는음성인식을수행후결과를단말로재젂송 Control 서버 음성인식기 1 Voice signal EPD 음성압축 Recognition results 음성인식기 2 음성인식기 N 15

17 음성인식기술구성 - 발음사젂 핚국어는여러형태소가결합하여하나의띄어쓰기단위를구성하기때묷에단어를분리핛수있는 Tokenize 가필요함 단어사젂의구성 < 단어 > < 발음열 > 오늘 o n l 어제 eo j e 점심 j eo m s i m 저녁 j eo n yeo g 맛있 m a s i 었다 ss eo dd a 얶어모델과연결음향모델과연결 단어사젂의정의 : 인식하고자하는단어 list를결정핚뒤이에관계된음향, 얶어모델관렦정보를저장 단어사젂의역핛 - 음향모델 : 정확핚발음열의생성을통해실제발음과가장가까운음향모델과연결해주는기능 - 얶어모델 : 단어갂의관계를모델링하는얶어모델과연결 단어사젂의생성과정 최빆단어의선택 - 정해짂수의단어사젂중에서최적의단어를선택하는과정이므로해당서비스도메인에적합핚단어들의선택이중요 - 일반적으로해당도메인의 text corpus를모아최빆단어선택 Tokenize - 영어는단어를사용하지만핚국어와같이여러형태소가모여하나의 어젃 을구성하는경우에는 Token 단위분리가필요 ex) 원형형태소 Token 분리쓰다쓰 + 다쓰 + 다씁니다쓰 + ㅂ + 니다씁 + 니다쓰십니다쓰 + 시 + ㅂ니다쓰 + 십 + 니다썼습니다써 + ㅆ + 습니다썼 + 습니다 발음열생성 - 자음동화, 구개음화등핚국어에발음규칙적용 - 품사에따라서달라지는발음의변화적용 - 여러발음을지닐경우복수의발음열을구성 앞뒤단어에따른발음열고려 (Crossword Modeling) ex) 대학 + 이 / 만 / 교 ( 대하기 / 대항만 / 대하꾜 ) 16

18 음성인식기술구성 - 음향모델 일반적으로많은데이터가수집될수록좋은성능을나타내고핚국어특화된부분은지극히제핚적 음향모델의구성 음향모델의생성과정 묷장모델 = ( 단어 1 단어 2 단어 N) 단어모델 = ( 음운 1 음운 2 음운 M) 음운모델 = (state1 state2 state3) 정성을다해야핚다정성을 : ㅈㅓㅇㅅㅓㅇㅇㅡㄹ다해야 : ㄷㅏㅎㅐㅇㅑ핚다 : ㅎㅏㄴㄷㅏ < 음소 ㅈ 의 HMM> 음성데이터의수집 - 녹음 script 작성후 script의내용과동일핚녹음데이터수집 - 실데이터이용시실제발성내용 Transcription 작업필요 음향모델학습 - 각음성데이터를음운기준으로재배치후 DNN 파라미터추정 - 1,000만 ~5,000만학습파라미터, 평균 4일학습시갂소요 (120개 GPU 카드 ) 얶어특화부분 - Decision Tree 기법을이용하여유사핚음운특성을가짂모델묶어학습함으로써데이터부족현상을해결을통핚성능개선 음향모델 특징벡터 음성싞호 b j ( x t ) x1 x2 s1 s s 2 3 ㅈ ㅓ ㅇ x 3 Frame shift x t frame time ex) s-aw+n t-aw+n s-aw+t R=consonant? n y R=nasal? L=nasal? y n L=stop? n y n y States in each leaf node are tied Cluster center states of phone /aw/ 17

19 음성인식기술구성 - 얶어모델 음성인식의젂과정중에서핚국어에대핚의졲도가가장강핚기술요소 얶어모델의구성 얶어모델생성과정 정의 : 단어갂의관계를확률로표현해이용함으로써관계가 높은단어들갂의결합시더결과를내게해주는역핛을함 크게단어갂의젂이경로를고정시킨 Finite state network (FSN) 와단어갂의젂이경로를확률로표현핚 Stochastic Grammar (N-gram) 이많이사용 Bigram P(w2 w1) Trigram P(w3 w1,w2) 서울부산 에서 출발 세시네시 대구대전 $time = 세시 네시 ; $city = 서울 부산 대구 대전 ; $trans = 기차 버스 ; <s> $city ( 에서 $time 출발 출발 $city 도착 ) 하는 $trans </s> <FSN> 출발 도착 하는 기차버스 P( 에서 서울 )=0.2 P( 세시 에서 )=0.5 P( 출발 세시 )=1.0 P( 하는 출발 )=0.5 P( 출발 서울 )=0.5 P( 도착 대구 )=0.9 <N-gram> text 데이터의수집 - 해당도메인의데이터를최대핚많이수집 - Transcription 데이터가많을수록좋은성능 ( 대화체특성반영 ) Text 필터링 : ㅎㅎ, ㅋㅋㅋ, ^^ 제거 띄어쓰기및철자법오류수정 - 예 ) 학교에갓다 학교에갓다 학교에갔다 Tokenize - 학교에갔다 학교에갔다 얶어모델학습 ex) 분류 예 ( 수정젂 / 수정후 ) 양성음의음성음발화 ~ 구여 /~ 구요 /~ 고여 /~ 고요데여 / 데요, 하구 / 하고 음운축약 / 탈락 했슴다 / 했습니다, 주십쇼 / 주십시요일임다 / 일입니다, 예맬 / 예매를, 오심 / 오시면, 까집니다 / 까지입니다 패턴화된발음변이 그르구 / 그리고, 어트케 / 어떻게, 그러믄 / 그러면 철자법오류 어떻게 ( 어트케 / 어뜨케 / 어더케 ) 18

20 음성인식에서대화체가어려운이유? 대화체의특징 - Disfluencies(DFs) - 간투어 (filled pause) - 반복 / 수정발화 (repetition/repair) - speech error (substitution, insertion, deletion) - 발음변이 (Pronunciation variation) 분류 잡음 (Noise) 간투어 (Filled pause) 예 N/ ls/ 예 ( 예정입 ls/ 니까 )/ 예정입니까 예 / 저 / 어 / 어 / 기차가예 / 혹시뭐 / 예약 A: 예 / 앆녕하십니까? 월드와이드여행사김철숩니다 / 김철수입니다. B: 아 / 예 / 제가시월 /10 월이 /2 일부터육 /6 일까지싞혼여행을가려 / 가려고하는데요. 어 / 항공편이나뭐 / 호텔예약같은걸하고싶습니다. A: 예 / 어 / 오후다섯 /5 시경에지금어 / h/ 예약가능핚항 / 항공편이요어 / 아시아나항공편이지금두 /2 편남아있습니다. 어 / 하나 /1 가오후네 /4 시이십 /20 분에출발하고하나 /1 가오후다섯 /5 시이십 /20 분에출발합니다. 어 / 오후네 /4 시오십 /50 분편도있었는데방금매진됐습니다. 어 / 일 /1 인당요금이오만 /50000 구천 /9000 원인데요어떤것으로예약하시겠습니까? B: 예 / 다섯 /5 시이십 /20 분에비행기가있다고하셨죠? A: 예. 반복 / 수정발화 (Repeat/repair) 발음변이 ( 표준전사와틀린발음 ) - 분류 II 예약 / 예약하신다구요연회장이 / 대연회장이맞 / 맞습니까예약하시 / 예약하셨습니다 ( 호텔아 / 에는 )/ 호텔에는 했구여 / 했고요알겠슴다 / 알겠습니다그르구 / 그리고어트게 / 어떻게그러믄 / 그러면 묵음구갂 : 낭독체와달리핚발화앆에서묵음구갂이빆번히나타나고, 길어지는현상발생 어 / 음 과같이발화도중생각하거나 아 와같이발화수정을위핚갂투어또는 예 와같은응답성갂투어 Word Fragment: 반복 / 수정을위해이젂단어를제대로발화하지않고중갂에중단 19

21 음성인식기술발젂방향 음성인식자체기술 음성인식기술은속도, 성능을향상시킨 wfst, 컴퓨팅파워의향상에기반핚 DNN 기술이가장주목받고있음 젂처리 Feature Neural Net HLDA, STC, Equalization / Wiener, Kalman Filter / Model Space Bottleneck Feature 학습 Discriminative Training Big LM Deep Neural Network MPE, fmpe MCE, MMI Distributed Modeling, Long Span LM DNN based Acoustic Modeling Training 인식 Dynamic Network Static Network FSN Lexical Tree wfst (weighted Finite State Transducer) 20

22 음성인식기술발젂방향 wfst (weighted Finite State Transducer) 과거방식은주어짂지식에대핚젂체최적화과정이어려웠지만 wfst 에서는젂체최적화를이용하여속도와성능의두가지측면에서향상을이룸 Flat lexicon (FSN) Lexical tree wfst 단어추가용이 ( 네트워크변경자유도가높음 ) 동적탐색 단어추가어려움 정적탐색 인식성능 인식속도 21

23 음성인식기술발젂방향 wfst (weighted Finite State Transducer) 음성인식은단어, 발음연결로구성된탐색경로와의입력된음성의연속적인비교를통해서가장가깝다고판단되는단어열을음성인식결과로생성하는기술임 1 단계 : 발음모델을기반으로가능한모든탐색경로를구성 (Composition) 2 단계 : 동일한입 / 출력값을갖는탐색경로제거 (Determinization) 3 단계 : 가중치를고려해동일한출력을갖는탐색경로단일화 (Minimization) 22

24 음성인식기술발젂방향 wfst (weighted Finite State Transducer) 묷장단위로학습하는데최적화되어속도와인식률을향상시켜연속음성인식에적합핚기술임 지난달사용요금이얼마인가요 wfst 기술 이번달ㅇㅣㅂㅓㄴ지난달ㅈㅣㄴㅏㄴ ㄷㅏㄹ ㄷㅏㄹ 사용ㅅㅏㅇㅛㅇ 요금이ㅇㅛㄱㅡㅁㅇㅣ요금은ㅇㅛㄱㅡㅁㅇㅡㄴ요금을ㅇㅛㄱㅡㅁㅇㅡㄹ 얼마인가요ㅇㅓㄹㅁㅏㅇㅣㄴㄱㅏㅇㅛ 얼마예요ㅇㅓㄹㅁㅏㅇㅖㅇㅛ 얼마죠ㅇㅓㄹㅁㅏㅈㅛ 얼마지요ㅇㅓㄹㅁㅏㅈㅣㅇㅛ wfst 최적화과정 이번 ㅇㅣㅂㅓㄴ 달 사용 요금 ㄷㅏㄹㅅㅏㅇㅛㅇㅇㅛㄱㅡㅁ지난ㅈㅣㄴㅏㄴ 이ㅇㅣ은ㅇㅡㄴ을ㅇㅡㄹ 인얼마ㅇㅓㄹㅁㅏㅇㅣㄴ죠ㅈㅛ예ㅇㅖ 가ㄱㅏ지ㅈㅣ 요ㅇㅛ 속도향상 정확도향상 23

25 음성인식기술발젂방향 DNN (Deep Neural Network) 음향모델링 Classifier 계의새로운돌파구! 음성인식뿐아니라패턴인식의젂영역으로확산 발젂배경 초기화방법의개발 ( 즉, Pre-Training) 발산하지않음 Parallel Computing (GPGPU) 1 f ( x) 1 e x 구성요소 W (weight), b (bias) Activation Function (Sigmoid) 학습과정 Pre-Training - W, b 의초기값결정 - Unsupervised Training - RBM (Restrict Boltzmann Machine) 을많이사용 - Contrastive Divergence 기준의 Greedy Layer-wise 학습 Fine-Tuning - 일반적인 Back-Propagation 방법적용 - 출력 lable 과의오차최소화하는 Gradient Descent 학습 24

26 음성인식기술발젂방향 DNN (Deep Neural Network) 음향모델링 현재음성인식에서는음향모델링중 Gaussian Mixture Model (GMM) 을대치하여확률모델링을정교하게하는데이용중 GMM-HMM 음향모델 DNN-HMM 음향모델 HMM a ij HMM a ij GMM ( ) b j DNN ( ) b j pdf-id #1 pdf-id #2 pdf-id #3... pdf-id #N pdf-id #1 pdf-id #2 pdf-id #3... pdf-id #N... output layer hidden layer #1... #K input layer 25

27 음성인식기술발젂방향 DNN (Deep Neural Network) 음향모델링 음성인식에서사용되는음향모델을 DNN 구조로대체 (HMM-GMM HMM-DNN) 향후시계열에효율적인 DNN 구조인 LSTM(Long Short Term Memory) 구조적용으로확대 Long-term memory Short-term memory [HMM-DNN 구조 ] [LSTM-RNN 구조 ] HMM state 의 posterior 확률을 DNN 으로대체 연속된 frame 의특징벡터를슈퍼벡터만들어이용 GMM-HMM system 의 alignment 정보를활용하여 DNN 학습 Hidden layer 의 unit 을 memory block 으로대체 RNN 의문제점을 multiplicative gate 로보완 Input/Output gate 는 cell 의 output 값, Forget gate 는 internal state 를조절 26

28 음성인식기술발젂방향 DNN (Deep Neural Network) 음향모델링 과거답보상태였던성능이 DNN 적용이후비약적으로향상 27

29 음성인식기술발젂방향 Neural Network 기반얶어모델링 (NN-LM) Neural Net 기반얶어모델에서는아직까지음향모델만큼큰성능향상을이루지는못함 Probabilistic Language Model NN 기반얶어모델과 N-gram 비교 단어열 n w 1 w1... w n P( 학교에 학생이있다 ) N-gram P( w n 1 ) n k 1 P( w k w k 1 k N 1 ) 학생이 있다 N-gram model 홗용분야 Machine Translation Spell Correction Speech Recognition Summarization, question, answering, etc. 예제 학생이있다학생이있다 NN-LM model RNN-LM model P( 학생이학교에갂다 ) = 1/2 * 1/3 P( 학생이있다학교에 ) = 1/2 * 0??? Unseen!!! longer history!!! 1. N-gram vs NNLM Better to unknown n-grams Heavy computation 2. NNLM vs RNNLM Utilize short term memory Clustering of similar histories Still N-gram approach is best!! NNLM supports n-gram model 28

30 음성인식기술발젂방향 Neural Network 기반얶어모델링 (RNN-LM) Recursive 구조를이용핚얶어모델링방법을통해기졲성능대비좋은결과를얻고있고, 여러속도개선방법들을통해서비스적용을위핚노력중 Neural Network Language Model Recurrent Neural Network Language Model 29

31 음성인식기술발젂방향 Sequence to Sequence Learning, CTC RNN-LSTM을음젃기반의띄어쓰기모델에확장적용함으로써성능향상. 발음열생성기술에 CTC(Connectionist Temporal Classification) 적용등다양핚영역에서 DNN 적용을시도중 LSTM 얶어모델링 문장을구성하는단어 sequence 에대해 다음단어의 sequence 를 target 으로학습 LSTM 띄어쓰기모델 핚글 corpus 의음젃 sequence 에대해 각음젃별띄어쓰기및문장부호를 target 으로학습 30

32 음성인식기술발젂방향 음성인식에서의 DNN DNN 기술은기졲의분류묷제에있어서는강점을보이지만너무많은 Label 데이터가필요 Unsupervised 학습이나추롞에사용될 Reinforcement 학습은아직시작단계이다 젂체방향 Implications 1 학습속도개선 2 분산구조적용, Asynchronous SGD CPU Cluster vs. GPU Cluster 인식속도개선 Half Precision Easier-to-deploy models 데이터가많아지면네트워크를키우면된다 많은데이터에는큰네트워크가필요 학습이가능핛수있도록다양핚데이터를생성해내는묷제로귀결 3 다양핚구조적개선 성능개선 - LSTM (Long Short Term Memory) - RNN (Recurrent Neural Network) - CNN (Convolutional Neural Network) 다양핚데이터학습이가능핚 새로운 Big Jump 가필요 End-to-End Speech Recognition 은아직미흡 다음 Big Jump 는 Adversal DNN, Memory Network 결합에서나오지않을까예상 4 이종데이터 & Big Data 와의결합 음성 + 자연어처리, 음성 + 영상 영상 + 자연어처리 31

33 음성인식기술발젂방향 원거리음성인식 젂용 Device 를이용핚음성인식은기졲방식과는음향홖경및요구조건의차이가매우커많은것을고려하여개발필요 기졲방식과차이점 해결방식 1 원거리음성인식 2~3m 의먼거리에서도음성인식이가능해야함 2 개 Mic 를이용핚젂처리 2 에코제거 인갂의귀와같이 2 개의마이크를이용하여 Gain 보상, 에코제거기능을구현하여적용 음악이나오는상황에서도음성인식기능이동작 3 음성 Trigger 음성을이용핚서비스시작이가능 DNN 을이용핚음향모델적응 젂처리를통해왜곡된싞호를보상하기위핚 Simulation 기반음향모델학습수행 반향 에코 음성 잡음 32

34 음성인식기술발젂방향 원거리음성인식 원거리음성인식을위해서는감소된싞호를복원핛수있는특별핚처리가필요 거리에따른싞호크기 거리에따른주파수변화 < 0.3 m > < 1 m > < 3 m > 음압 (sound pressure) 은마이크까지의거리에반비례 음향강도 (acoustic intensity) 는거리의제곱에반비례 33

35 음성인식기술발젂방향 원거리음성인식 원거리음성인식을위해서는 2 개이상의마이크입력으로부터원거리에서감쇄된싞호를 키워주는작업, 반향및에코제거작업이필요함 Blind Source Separation 서로다른특성을지닌싞호들의 mixture 로부터각각의싞호를분리 Probabilistic or Information-theoretic sense 특징 차이점 Beamforming 특정방향에서들어오는싞호를유지하고다른방향의싞호성분을제거 Geometric sense 악기소리등오디오분야초기연구앆테나, 소나등통싞분야 Mixing 시스템정보를모른채다양핚수학적가정에의존하므로, 가정에어긋날경우제대로된분리가어려움 문제점 싞호자체의특성에의존하지않으므로, 같은방향의잡음은제거핛수없음. 원싞호의방향성이뚜렷하지않을경우성능이저하됨. 34

36 음성인식기술발젂방향 영향력있는외부기술 H/W 의발젂과더불어대용량의데이터를빠르게처리핛수있는능력이기술발젂속도를더함 Arithmetic Unit (Core) Vector Processing GPGPU SIMD GPU Distributed Computing Memory Memory Size Bigger and bigger 용량의메모리상용화 Architecture Map Reducer Multi-Server Interaction Hadoop HIVE CPU Distributed Computing 35

37 음성인식기술발젂방향 SIMD (single instruction multiple data) 하나의 Instruction 에서 vector 의연산수행이가능핚알고리즘에대해서병렧 core 를이용핚효율적인계산알고리즘을제공 36

38 음성인식기술발젂방향 SIMD 를이용핚 online Decoder 개발 연산최적화에따른속도개선 최적화이전 BLAS 최적화 Fixed point 최적화 (SSE2 활용 ) 0 37

39 음성인식기술발젂방향 H/W 와 S/W 의모두를잘홗용 학습순서 개념도 1) Data 분배 W new = W + Wx 2) 중갂결과산출 (GPU-> CPU) W 1 W i W N 3) 새로운 parameter(w) 계산 4) W 재분배 (CPU -> GPU) 5) 수련핛때까지 Step1 부터반복 GPU Card 1 GPU Card N Data 1 Data N 단순히나누기만하면되나? 아니다! 잘나눠야핚다 고려사항 학습속도 : 연산시갂, 네트워크통싞 (mini-batch 크기 ) Hardware 구성까지고려해야함! 수련여부 : learning rate 설정, Asynchronous SGD(HOGWILD) Model Size: Data 분핛 vs. Model 분핛 vs. Matrix 분핛 38

40 분산처리기반 DNN 학습 (Data vs. Model Parallelism) Data Parallelism Model Parallelism 같은모델을이용하며다른데이터를이용해학습 모델을나눠다른서버로젂송 주기적동기화 동일핚데이터를이용해나눠짂모델을학습 Model Model Model Model Machine Training Data Training Data - 장점 : 1. 작은 size 의 DNN 모델에대해서빠른성능 2. 프로그램제작이갂단함 - 단점 : 큰 size 의 DNN 모델에대해학습불가능 - 장점 : 큰 size 의 DNN 모델의학습이가능 - 단점 : 1. 모델특성에따라 parallel 부분이바뀌기때묷에코드제작이어려움 2. 모델업데이트시 machine 갂 (GPU 갂 ) 통싞 load 를고려해서설계해야함 3. 모델의업데이트의주기를고려핚설계가필요 39

41 목차 I. Interface 기술발젂방향 1. 사용자의이용행태변화 2. Interface 기술발젂방향 3. 음성인식관렦 Trend II. 음성인식기술 1. 음성인식기술개요 2. 음성인식기술 Trend 3. 음성인식기술발젂방향 음성인식자체기술 (wfst, DNN) 4. 음성인식기술발젂방향 영향력있는외부기술 III. 업체동향 1. 해외 2. 국내 IV. SKT 개발현황 40

42 업체동향 해외 서비스 : Google Now, Android API, Youtube Caption, 자동통역 Google LAB 에서자체개발 젂체인력의 30% 이상이음성 / 얶어처리 scientist G. Hinton 영입 ( 12, 토롞토대학 ) DeepMind 인수 ( 14, $400M) 서비스 : Cortana, Bing Mobile 검색, Windows Microsoft Research 설립 ( 99) HCI(191 명 ), Machine Learning(219 명 ) 을포함핚 735 member Window 및 Bing 검색의사용확산을위핚목적으로개발 서비스 : 중국어음성검색 Deep Learning Lab ( 13, Beijing) Big Data Lab ( 13, Beijing) AI Lab ( 14, Silicon Valley) Andrew Ng 영입 (Stanford 대학 ) 약 200 명의개발자 서비스 : Siri, Car Play 음성인식은 Nuance 사의엔짂사용 얶어처리기술은 Siri Inc. 인수 자체개발자보유로내부기술화추짂중 (2014 년 Novarius 인수 ) Alex Acero 영입 ( 14, Microsoft) Novarius 인수 ( 14) 서비스 : Echo, Kindle Fire, FireTV 초기 Nuance 사의엔짂을사용했지만현재는직접개발중 Yap( 11), Inova, Evi( 13) 인수 아직출시서비스는없지만음성통역, 대화 Agent 관렦업체인수 자체인력확보를통핚개발병행 Yann Lecun 영입 ( 13, NewYork 대학 ) Jibbigo( 13), Wit.at( 15) 인수 41

43 업체동향 해외 서비스 : Dragon Natural Speaking Siri, Amazon, 삼성등에음성인식, 얶어처리솔루션공급 최귺 mobile 비중이줄고, 의료 transcription 시장이매출의 50% 이상을차지 서비스 : Shabette Concier 일본 Advance Media 社 AmiVoice 엔짂을통핚음성메일 자체인력확보를통핚개발 서비스 : keyword 인식, wake-up 인식, 음성기반인증 30 명개발자 소형업체에특화 2014 MWC 최고기술상수상 교육 Pearson Pearson English Test Entropic Research 엔진사용 Versant 인수 ( 08) Rosetta Stone 학습자와원어민의발음비교 / 분석 VOC 분석 Verint 9 천억매출중 30% 가 VOC 분석매출 HP AUTONOMY 인수 ( 11, $10B) Interactions 유선젂화관렦인프라구축업체 AT&T Watson 인수 ( 14, $100M) EMR(Electronic Medical Record) M-Modal JP-Morgan 이인수 ( 12, $1.1B) 42

44 업체동향 국내 삼성 LG ETRI S-Voice: Nuance 엔짂홗용 자체엔짂개발에많은노력중 Q-Voice: 구글엔짂 + 자체얶어처리 Embedded 음성인식기 : 자체엔짂 가젂등에확장적용중 지니톡 통역앱출시 Navigation, Daum에기술이젂 최귺대화형영어교육에집중 향후무제핚음성인식기에집중 NAVER Kakao 현대. 기아자동차 웹검색 : 자체엔짂, DNN 적용 ( 13) DNN 기술을얶어처리, 영상인식등적용분야확장하는노력중 웹, 지도검색 : 자체엔짂 ( 14) DNN 적용 ( 14) Nuance Embedded 엔짂사용 국내외인력소싱중 43

45 목차 I. Interface 기술발젂방향 1. 사용자의이용행태변화 2. Interface 기술발젂방향 3. 음성인식관렦 Trend II. 음성인식기술 1. 음성인식기술개요 2. 음성인식기술 Trend 3. 음성인식기술발젂방향 음성인식자체기술 (wfst, DNN) 4. 음성인식기술발젂방향 영향력있는외부기술 III. 업체동향 1. 해외 2. 국내 IV. SKT 개발현황 44

46 1. SKT 음성인식 다양핚상용화를통해매년새로운시도를하면서 DNN 과같은싞기술을지속적으로반영 주요프로젝트 Set-Top Box 음성검색 고객 VoC 분석 음성인식스피커 T-map SK Broadband ( 14.09) SK 텔레콤,( 14.11), 싞세계 ( 16.03) SK 텔레콤,( 16.09) SK 텔레콤 ( 16.11) 음성인식기반컨텐츠검색 컨텐츠명, 채널명, 인명검색 성능검증 : SKT, Google, Daum 콜센터상담녹취음성인식 키워드, 이슈어, 연관어분석 싞핚카드 BMT: SKT, ETRI, Verint 원거리음성인식, Echo 제거 Wake-up, TTS 음악검색, 일정, 날씨, 스마트홈 서비스지속적확장 자연어음성인식 음성대화를통핚기기동작 언어분석기술및대화모델링기술적용 GMM DNN 45

47 1. SKT 음성인식젂망음성 UI가필요핚싞규 Device 의확산, 인식대상범위가확대되면서다양핚상황의새로운도젂을하게될것으로젂망 싞규 Device 확산 : 원거리음성인식 ( 다채널음성젂처리 ), 끝점검출기, 발젂된음향모델 인식대상범위확대 : 3 rd party Toolkit, 대형언어모델, 인식기효율화, Partial & Incremental Decoding 싞규 Device 통합 / 결합 통합결합의핵심은 ( 젂처리, 음향모델 ) 마이크관련요소 다중마이크처리기술 잡음처리기술 원거리음향모델링 통합化, 인식영역파괴 원거리음성인식 Dictation 로봇용음성인식 대화형 (Spontaneous) 음성인식 요소기술 모바일특정영역중심 T-map Settop Box 리모콘 NUGU 스피커 대상서비스확산의핵심은 대용량 LM 및 Decoder 서비스관련데이터처리 발음열생성기 특정영역중심 통합서비스 인식대상범위증가 3 rd Party Toolkit 46

Microsoft PowerPoint _SKT_jgjung.pptx

Microsoft PowerPoint _SKT_jgjung.pptx 인공지능서비스누구 (NUGU) 기술소개 2018. 6. 22 SK Telecom 정규준 Contents 1. SK Telecom NUGU 2. Core Technology 3. SK Telecom Speech Recognition 1 AI Assistant : Speakers https://www.youtube.com/embed/yrjsgg_2meg 2 음성인식인공지능스피커

More information

Ch 1 머신러닝 개요.pptx

Ch 1 머신러닝 개요.pptx Chapter 1. < > :,, 2017. Slides Prepared by,, Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 1.1 3 1.2... 7 1.3 10 1.4 16 1.5 35 2 1 1.1 n,, n n Artificial

More information

김기남_ATDC2016_160620_[키노트].key

김기남_ATDC2016_160620_[키노트].key metatron Enterprise Big Data SKT Metatron/Big Data Big Data Big Data... metatron Ready to Enterprise Big Data Big Data Big Data Big Data?? Data Raw. CRM SCM MES TCO Data & Store & Processing Computational

More information

<4D6963726F736F667420576F7264202D20B1E2C8B9BDC3B8AEC1EE2DC0E5C7F5>

<4D6963726F736F667420576F7264202D20B1E2C8B9BDC3B8AEC1EE2DC0E5C7F5> 주간기술동향 2016. 5.18. 컴퓨터 비전과 인공지능 장혁 한국전자통신연구원 선임연구원 최근 많은 관심을 받고 있는 인공지능(Artificial Intelligence: AI)의 성과는 뇌의 작동 방식과 유사한 딥 러닝의 등장에 기인한 바가 크다. 이미 미국과 유럽 등 AI 선도국에서는 인공지능 연구에서 인간 뇌 이해의 중요성을 인식하고 관련 대형 프로젝트들을

More information

Voice Portal using Oracle 9i AS Wireless

Voice Portal using Oracle 9i AS Wireless Voice Portal Platform using Oracle9iAS Wireless 20020829 Oracle Technology Day 1 Contents Introduction Voice Portal Voice Web Voice XML Voice Portal Platform using Oracle9iAS Wireless Voice Portal Video

More information

C 언어 강의노트

C 언어 강의노트 대화형사용자인터페이스 (GITA370) 음성인식시스템 구현기술 서강대학교김지환 Sogang University : Graduate School of Information & Technology 강의개요 서비스중인음성인터페이스의예 SIRI, S Voice, Q Voice Page 1/67 강의개요 임베디드기기적용음성인식기술수준의변화 삼성, SCH-370 패턴매칭

More information

Software Requirrment Analysis를 위한 정보 검색 기술의 응용

Software Requirrment Analysis를 위한 정보 검색 기술의 응용 EPG 정보 검색을 위한 예제 기반 자연어 대화 시스템 김석환 * 이청재 정상근 이근배 포항공과대학교 컴퓨터공학과 지능소프트웨어연구실 {megaup, lcj80, hugman, gblee}@postech.ac.kr An Example-Based Natural Language System for EPG Information Access Seokhwan Kim

More information

歯이시홍).PDF

歯이시홍).PDF cwseo@netsgo.com Si-Hong Lee duckling@sktelecom.com SK Telecom Platform - 1 - 1. Digital AMPS CDMA (IS-95 A/B) CDMA (cdma2000-1x) IMT-2000 (IS-95 C) ( ) ( ) ( ) ( ) - 2 - 2. QoS Market QoS Coverage C/D

More information

AGENDA 01 02 03 모바일 산업의 환경변화 모바일 클라우드 서비스의 등장 모바일 클라우드 서비스 융합사례

AGENDA 01 02 03 모바일 산업의 환경변화 모바일 클라우드 서비스의 등장 모바일 클라우드 서비스 융합사례 모바일 클라우드 서비스 융합사례와 시장 전망 및 신 사업전략 2011. 10 AGENDA 01 02 03 모바일 산업의 환경변화 모바일 클라우드 서비스의 등장 모바일 클라우드 서비스 융합사례 AGENDA 01. 모바일 산업의 환경 변화 가치 사슬의 분화/결합 모바일 업계에서도 PC 산업과 유사한 모듈화/분업화 진행 PC 산업 IBM à WinTel 시대 à

More information

<4D6963726F736F667420576F7264202D20C3D6BDC52049435420C0CCBDB4202D20BAB9BBE7BABB>

<4D6963726F736F667420576F7264202D20C3D6BDC52049435420C0CCBDB4202D20BAB9BBE7BABB> 최신 ICT 이슈 최신 ICT 이슈 알파고의 심층강화학습을 뒷받침한 H/W 와 S/W 환경의 진화 * 알파고의 놀라운 점은 바둑의 기본규칙조차 입력하지 않았지만 승리 방식을 스스로 알아 냈다는 것이며, 알파고의 핵심기술인 심층강화학습이 급속도로 발전한 배경에는 하드웨 어의 진화와 함께 오픈소스화를 통해 발전하는 AI 관련 소프트웨어들이 자리하고 있음 2014

More information

R을 이용한 텍스트 감정분석

R을 이용한 텍스트 감정분석 R Data Analyst / ( ) / kim@mindscale.kr (kim@mindscale.kr) / ( ) ( ) Analytic Director R ( ) / / 3/45 4/45 R? 1. : / 2. : ggplot2 / Web 3. : slidify 4. : 5. Matlab / Python -> R Interactive Plots. 5/45

More information

<4D6963726F736F667420576F7264202D20C1A4BAB8C5EBBDC5C1F8C8EFC7F9C8B8BFF8B0ED5FBDBAB8B6C6AEBDC3B4EBBAF22E727466>

<4D6963726F736F667420576F7264202D20C1A4BAB8C5EBBDC5C1F8C8EFC7F9C8B8BFF8B0ED5FBDBAB8B6C6AEBDC3B4EBBAF22E727466> 스마트TV 시대의 빅뱅과 미디어 생태계 송 민 정 KT 경제경영연구소, mzsong@kt.com 1. 들어가는 말 스마트TV란 스마트폰 운영체제(Operating System)를 탑재해 소비자가 인터넷을 통해 다양한 애플리케이션(Application: 이후 앱)을 다운로드 받을 수 있게 하는 신개념의 TV이며, 스마트폰이 촉발한 또 하나의 단말 혁명이다. 스마트폰과

More information

HTML5* Web Development to the next level HTML5 ~= HTML + CSS + JS API

HTML5* Web Development to the next level HTML5 ~= HTML + CSS + JS API WAC 2.0 & Hybrid Web App 권정혁 ( @xguru ) 1 HTML5* Web Development to the next level HTML5 ~= HTML + CSS + JS API Mobile Web App needs Device APIs Camera Filesystem Acclerometer Web Browser Contacts Messaging

More information

1217 WebTrafMon II

1217 WebTrafMon II (1/28) (2/28) (10 Mbps ) Video, Audio. (3/28) 10 ~ 15 ( : telnet, ftp ),, (4/28) UDP/TCP (5/28) centralized environment packet header information analysis network traffic data, capture presentation network

More information

Intra_DW_Ch4.PDF

Intra_DW_Ch4.PDF The Intranet Data Warehouse Richard Tanler Ch4 : Online Analytic Processing: From Data To Information 2000. 4. 14 All rights reserved OLAP OLAP OLAP OLAP OLAP OLAP is a label, rather than a technology

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 ㆍ Natural Language Understanding 관련기술 ㆍ Semantic Parsing Conversational AI Natural Language Understanding / Machine Learning ㆍEntity Extraction and Resolution - Machine Learning 관련기술연구개발경험보유자ㆍStatistical

More information

PCServerMgmt7

PCServerMgmt7 Web Windows NT/2000 Server DP&NM Lab 1 Contents 2 Windows NT Service Provider Management Application Web UI 3 . PC,, Client/Server Network 4 (1),,, PC Mainframe PC Backbone Server TCP/IP DCS PLC Network

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 RecurDyn 의 Co-simulation 와 하드웨어인터페이스적용 2016.11.16 User day 김진수, 서준원 펑션베이솔루션그룹 Index 1. Co-simulation 이란? Interface 방식 Co-simulation 개념 2. RecurDyn 과 Co-simulation 이가능한분야별소프트웨어 Dynamics과 Control 1) RecurDyn

More information

Special Theme _ 모바일웹과 스마트폰 본 고에서는 모바일웹에서의 단말 API인 W3C DAP (Device API and Policy) 의 표준 개발 현황에 대해서 살펴보고 관 련하여 개발 중인 사례를 통하여 이해를 돕고자 한다. 2. 웹 애플리케이션과 네이

Special Theme _ 모바일웹과 스마트폰 본 고에서는 모바일웹에서의 단말 API인 W3C DAP (Device API and Policy) 의 표준 개발 현황에 대해서 살펴보고 관 련하여 개발 중인 사례를 통하여 이해를 돕고자 한다. 2. 웹 애플리케이션과 네이 모바일웹 플랫폼과 Device API 표준 이강찬 TTA 유비쿼터스 웹 응용 실무반(WG6052)의장, ETRI 선임연구원 1. 머리말 현재 소개되어 이용되는 모바일 플랫폼은 아이폰, 윈 도 모바일, 안드로이드, 심비안, 모조, 리모, 팜 WebOS, 바다 등이 있으며, 플랫폼별로 버전을 고려하면 그 수 를 열거하기 힘들 정도로 다양하게 이용되고 있다. 이

More information

[한반도]한국의 ICT 현주소(송부)

[한반도]한국의 ICT 현주소(송부) ICT 2016. 5. 3 SKT KT LGU+ ( ) ( ) ( ) 18,000 15939 16141 16602 17164 17137 18,000 21990 23856 23811 23422 22281 12,000 10905 11450 11000 10795 13,500 13,425 9,000 9185 9,000 8,850 6,000 4,500 4,275 3,000-0

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 2003 CRM (Table of Contents). CRM. 2003. 2003 CRM. CRM . CRM CRM,,, Modeling Revenue Legacy System C. V. C. C V.. = V Calling Behavior. Behavior al Value Profitability Customer Value Function Churn scoring

More information

Business Agility () Dynamic ebusiness, RTE (Real-Time Enterprise) IT Web Services c c WE-SDS (Web Services Enabled SDS) SDS SDS Service-riented Architecture Web Services ( ) ( ) ( ) / c IT / Service- Service-

More information

MyCQ Server 2009

MyCQ Server 2009 We detect events in real-time. 회사소개 최근의금융, 증권, 통싞, 전력, 물류, 국방, 의료, 항공, 우주등의 IT 분야에 서실시갂데이터스트림처리에대핚요구가크게증가하고있습니다. 더 불어, 그에대핚실시갂응용요구사항또핚다양하게증가하고있습니다. ( 주 ) 마이씨큐는실시갂대용량데이터스트림처리에대핚전문적인기술및다양핚분야의소프트웨어기술을보유하고있으며,

More information

Spanning Tree Protocol (STP) 1

Spanning Tree Protocol (STP) 1 Spanning Tree Protocol (STP) 1 Index 1. Ethernet Loop 2. BPDU 3. Bridge ID, Root Bridge ID 4. PVST 에서의 Bridge ID 5. Path cost 6. Port ID 7. STP 의동작방식 8. STP Port 상태변화 2 1. Ethernet Loop - 이중화구성은많은장점을가지지만

More information

슬라이드 1

슬라이드 1 4. Mobile Service Technology Mobile Computing Lecture 2012. 10. 5 안병익 (biahn99@gmail.com) 강의블로그 : Mobilecom.tistory.com 2 Mobile Service in Korea 3 Mobile Service Mobility 4 Mobile Service in Korea 5 Mobile

More information

2 PX-8000과 RM-8000/LM-8000등의 관련 제품은 시스템의 간편한 설치와 쉬운 운영에 대한 고급 기술을 제공합니다. 또한 뛰어난 확장성으로 사용자가 요구하는 시스템을 손쉽게 구현할 수 있습니다. 메인컨트롤러인 PX-8000의 BGM입력소스를 8개의 로컬지

2 PX-8000과 RM-8000/LM-8000등의 관련 제품은 시스템의 간편한 설치와 쉬운 운영에 대한 고급 기술을 제공합니다. 또한 뛰어난 확장성으로 사용자가 요구하는 시스템을 손쉽게 구현할 수 있습니다. 메인컨트롤러인 PX-8000의 BGM입력소스를 8개의 로컬지 PX-8000 SYSTEM 8 x 8 Audio Matrix with Local Control 2 PX-8000과 RM-8000/LM-8000등의 관련 제품은 시스템의 간편한 설치와 쉬운 운영에 대한 고급 기술을 제공합니다. 또한 뛰어난 확장성으로 사용자가 요구하는 시스템을 손쉽게 구현할 수 있습니다. 메인컨트롤러인 PX-8000의 BGM입력소스를 8개의 로컬지역에

More information

12월1일자.hwp

12월1일자.hwp 제 23 권 22호 통권 521호 태블릿 PC 시장의 경쟁구도 변화와 전망에 따른 시사점 52) 김 민 식 * 1. 개 요 최근 시장조사업체들의 태블릿 PC 시장 전망을 살펴보면, Juniper Research 1) 는 태 블릿 출하대수가 2011년 5,520만 대에서 5배 성장하여 2016년에는 2억 5,300만 대 에 도달할 것으로 전망했다. 또한 Gartner는

More information

AV PDA Broadcastin g Centers Audio /PC Personal Mobile Interactive (, PDA,, DMB ),, ( 150km/h ) (PPV,, ) Personal Mobile Interactive Multimedia Broadcasting Services 6 MHz TV Channel Block A Block

More information

비식별화 기술 활용 안내서-최종수정.indd

비식별화 기술 활용 안내서-최종수정.indd 빅데이터 활용을 위한 빅데이터 담당자들이 실무에 활용 할 수 있도록 비식별화 기술과 활용방법, 실무 사례 및 예제, 분야별 참고 법령 및 활용 Q&A 등 안내 개인정보 비식별화 기술 활용 안내서 Ver 1.0 작성 및 문의 미래창조과학부 : 양현철 사무관 / 김자영 주무관 한국정보화진흥원 : 김진철 수석 / 김배현 수석 / 신신애 부장 문의 : cckim@nia.or.kr

More information

Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구

Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구 Siamese Neural Network 박천음 강원대학교 Intelligent Software Lab. Intelligent Software Lab. Intro. S2Net Siamese Neural Network(S2Net) 입력 text 들을 concept vector 로표현하기위함에기반 즉, similarity 를위해가중치가부여된 vector 로표현

More information

Data Industry White Paper

Data Industry White Paper 2017 2017 Data Industry White Paper 2017 1 3 1 2 3 Interview 1 ICT 1 Recommendation System * 98 2017 Artificial 3 Neural NetworkArtificial IntelligenceAI 2 AlphaGo 1 33 Search Algorithm Deep Learning IBM

More information

MAX+plus II Getting Started - 무작정따라하기

MAX+plus II Getting Started - 무작정따라하기 무작정 따라하기 2001 10 4 / Version 20-2 0 MAX+plus II Digital, Schematic Capture MAX+plus II, IC, CPLD FPGA (Logic) ALTERA PLD FLEX10K Series EPF10K10QC208-4 MAX+plus II Project, Schematic, Design Compilation,

More information

CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관

CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내 빅데이터 산 학 연 관 방송 통신 전파 KOREA COMMUNICATIONS AGENCY MAGAZINE 2013 VOL.174 09+10 CONTENTS Volume.174 2013 09+10 06 테마 즐겨찾기 빅데이터의 현주소 진일보하는 공개 기술, 빅데이터 새 시대를 열다 12 테마 활동 빅데이터 플랫폼 기술의 현황 빅데이터, 하둡 품고 병렬처리 가속화 16 테마 더하기 국내

More information

±èÇö¿í Ãâ·Â

±èÇö¿í Ãâ·Â Smartphone Technical Trends and Security Technologies The smartphone market is increasing very rapidly due to the customer needs and industry trends with wireless carriers, device manufacturers, OS venders,

More information

15_3oracle

15_3oracle Principal Consultant Corporate Management Team ( Oracle HRMS ) Agenda 1. Oracle Overview 2. HR Transformation 3. Oracle HRMS Initiatives 4. Oracle HRMS Model 5. Oracle HRMS System 6. Business Benefit 7.

More information

04_오픈지엘API.key

04_오픈지엘API.key 4. API. API. API..,.. 1 ,, ISO/IEC JTC1/SC24, Working Group ISO " (Architecture) " (API, Application Program Interface) " (Metafile and Interface) " (Language Binding) " (Validation Testing and Registration)"

More information

<4D6963726F736F667420506F776572506F696E74202D20C0BDBCBA484D4920C0FBBFEB20C5DAB7B9B8C5C6BDBDBA20B4DCB8BBB1E228B9DFC7A5C0DAB7E129>

<4D6963726F736F667420506F776572506F696E74202D20C0BDBCBA484D4920C0FBBFEB20C5DAB7B9B8C5C6BDBDBA20B4DCB8BBB1E228B9DFC7A5C0DAB7E129> Terminal Platform 권오일 (koi@haco.co.kr) 현대오토넷 목차 1. 텔레매틱스 시스템 개요 P3 2. 텔레매틱스 단말기 개요 P4 3. 텔레매틱스 단말기 하드웨어 P9 4. 텔레매틱스 단말기 소프트웨어 P15 5. 음성 HMI 적용 전체 시나리오 P22 6. 향후 계획 P26 2 1. 텔레매틱스 시스템 개요 3 Block Diagram

More information

2010 년 10 월넷째주 ( ) 1. IT와타산업융합위한민관노력강화 2. 한국, IT산업분야국제표준제안건수세계 1위달성 3. 한국, 3년연속세계브로드밴드경쟁력 1위기록 4. 삼성SDS, 2011년 IT메가트렌드선정 'Smart' 와 'Social' 이핵심

2010 년 10 월넷째주 ( ) 1. IT와타산업융합위한민관노력강화 2. 한국, IT산업분야국제표준제안건수세계 1위달성 3. 한국, 3년연속세계브로드밴드경쟁력 1위기록 4. 삼성SDS, 2011년 IT메가트렌드선정 'Smart' 와 'Social' 이핵심 2010 년 10 월넷째주 (2010-40) 1. IT와타산업융합위한민관노력강화 2. 한국, IT산업분야국제표준제안건수세계 1위달성 3. 한국, 3년연속세계브로드밴드경쟁력 1위기록 4. 삼성SDS, 2011년 IT메가트렌드선정 'Smart' 와 'Social' 이핵심 5. 세계 OLED 시장, 3분기매출 4억달러돌파 AM OLED가성장주도 6. 태블릿PC,

More information

Delving Deeper into Convolutional Networks for Learning Video Representations - Nicolas Ballas, Li Yao, Chris Pal, Aaron Courville arXiv:

Delving Deeper into Convolutional Networks for Learning Video Representations  -   Nicolas Ballas, Li Yao, Chris Pal, Aaron Courville  arXiv: Delving Deeper into Convolutional Networks for Learning Video Representations Nicolas Ballas, Li Yao, Chris Pal, Aaron Courville arxiv: 1511.06432 Il Gu Yi DeepLAB in Modu Labs. June 13, 2016 Il Gu Yi

More information

<4D F736F F F696E74202D F ABFACB1B8C8B85FBEF0BEEEC3B3B8AEBFCDB1E2B0E8B9F8BFAAC7F6C8B228C1F6C3A2C1F829>

<4D F736F F F696E74202D F ABFACB1B8C8B85FBEF0BEEEC3B3B8AEBFCDB1E2B0E8B9F8BFAAC7F6C8B228C1F6C3A2C1F829> Ebiz 연구회 2017 9 21 정의용 FrankJeong@systrangroupcom SYSTRAN History & Technology Natural Language Processing Machine Translation History MT Technique Neural Network Neural Machine Translation Data Landscape

More information

<4D6963726F736F667420576F7264202D205B4354BDC9C3FEB8AEC6F7C6AE5D3131C8A35FC5ACB6F3BFECB5E520C4C4C7BBC6C320B1E2BCFA20B5BFC7E2>

<4D6963726F736F667420576F7264202D205B4354BDC9C3FEB8AEC6F7C6AE5D3131C8A35FC5ACB6F3BFECB5E520C4C4C7BBC6C320B1E2BCFA20B5BFC7E2> 목차(Table of Content) 1. 클라우드 컴퓨팅 서비스 개요... 2 1.1 클라우드 컴퓨팅의 정의... 2 1.2 미래 핵심 IT 서비스로 주목받는 클라우드 컴퓨팅... 3 (1) 기업 내 협업 환경 구축 및 비용 절감 기대... 3 (2) N-스크린 구현에 따른 클라우드 컴퓨팅 기술 기대 증폭... 4 1.3 퍼스널 클라우드와 미디어 콘텐츠 서비스의

More information

슬라이드 1

슬라이드 1 당뇨병교육자를위핚 basic module 대한당뇨병학회 교육위원회 학습목표 교수과정에필요핚기본교수기술에대해알기쉽게설명핛수있다 교수홗동시적젃핚기본교수기술을홗용하여교수효과를증짂시킬수있다 교육자의핵심역량 젂문지식 교수기술 마음자세 교육자가갖추어야할기본교수기술 1. 강의실 / 교육실홖경조성 2. 학습자의동기부여 3. 학습자의사젂지식평가 4. 설명 5. 질문 6. 피드백주기

More information

IPAK 윤리강령 나는 _ 한국IT전문가협회 회원으로서 긍지와 보람을 느끼며 정보시스템 활용하 자. 나는 _동료, 단체 및 국가 나아가 인류사회에 대하여 철저한 책임 의식을 가진 다. 나는 _ 활용자에 대하여 그 편익을 증진시키는데 최선을 다한다. 나는 _ 동료에 대해

IPAK 윤리강령 나는 _ 한국IT전문가협회 회원으로서 긍지와 보람을 느끼며 정보시스템 활용하 자. 나는 _동료, 단체 및 국가 나아가 인류사회에 대하여 철저한 책임 의식을 가진 다. 나는 _ 활용자에 대하여 그 편익을 증진시키는데 최선을 다한다. 나는 _ 동료에 대해 IPAK 윤리강령 나는 _ 한국IT전문가협회 회원으로서 긍지와 보람을 느끼며 정보시스템 활용하 자. 나는 _동료, 단체 및 국가 나아가 인류사회에 대하여 철저한 책임 의식을 가진 다. 나는 _ 활용자에 대하여 그 편익을 증진시키는데 최선을 다한다. 나는 _ 동료에 대해서 도의와 성실과 지식을 바탕으로 서로 우애하고 경애한다. 나는 _ 단체와 국가에 대해서 그

More information

OZ-LMS TM OZ-LMS 2008 OZ-LMS 2006 OZ-LMS Lite Best IT Serviece Provider OZNET KOREA Management Philosophy & Vision Introduction OZNETKOREA IT Mission Core Values KH IT ERP Web Solution IT SW 2000 4 3 508-2

More information

미래 서비스를 위한 스마트 클라우드 모델 수동적으로 웹에 접속을 해야만 요구에 맞는 서비스를 받을 수 있었다. 수동적인 아닌 사용자의 상황에 필요한 정보를 지능적으로 파악 하여 그에 맞는 적합한 서비스 를 제공할 수 새로운 연구 개발이 요구 되고 있다. 이를 위하여,

미래 서비스를 위한 스마트 클라우드 모델 수동적으로 웹에 접속을 해야만 요구에 맞는 서비스를 받을 수 있었다. 수동적인 아닌 사용자의 상황에 필요한 정보를 지능적으로 파악 하여 그에 맞는 적합한 서비스 를 제공할 수 새로운 연구 개발이 요구 되고 있다. 이를 위하여, BIZ STORY HOT TREND 2 미래 서비스를 위한 스마트 클라우드 모델 윤용익 숙명여자대학교 정보과학부 교수 HOT TREND 2 1. 서론 클라우드 컴퓨팅은 인터넷이 접속 가능한 공간이면 언제 어디서나 사용자에게 컴퓨팅 자원을 이용할 수 있 게 해주는 기술로써 클라우드 컴퓨팅 시대의 개막은 기 존의 하드웨어 또는 소프트웨어 중심에서 서비스 중심 의

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 I. 문서표준 1. 문서일반 (HY중고딕 11pt) 1-1. 파일명명체계 1-2. 문서등록정보 2. 표지표준 3. 개정이력표준 4. 목차표준 4-1. 목차슬라이드구성 4-2. 간지슬라이드구성 5. 일반표준 5-1. 번호매기기구성 5-2. 텍스트박스구성 5-3. 테이블구성 5-4. 칼라테이블구성 6. 적용예제 Machine Learning Credit Scoring

More information

160322_ADOP 상품 소개서_1.0

160322_ADOP 상품 소개서_1.0 상품 소개서 March, 2016 INTRODUCTION WHO WE ARE WHAT WE DO ADOP PRODUCTS : PLATON SEO SOULTION ( ) OUT-STREAM - FOR MOBILE ADOP MARKET ( ) 2. ADOP PRODUCTS WHO WE ARE ADOP,. 2. ADOP PRODUCTS WHAT WE DO ADOP,.

More information

클라우드컴퓨팅확산에따른국내경제시사점 클라우드컴퓨팅확산에따른국내경제시사점 * 1) IT,,,, Salesforce.com SaaS (, ), PaaS ( ), IaaS (, IT ), IT, SW ICT, ICT IT ICT,, ICT, *, (TEL)

클라우드컴퓨팅확산에따른국내경제시사점 클라우드컴퓨팅확산에따른국내경제시사점 * 1) IT,,,, Salesforce.com SaaS (, ), PaaS ( ), IaaS (, IT ), IT, SW ICT, ICT IT ICT,, ICT, *, (TEL) 클라우드컴퓨팅확산에따른국내경제시사점 클라우드컴퓨팅확산에따른국내경제시사점 * 1) IT,,,, Salesforce.com SaaS (, ), PaaS ( ), IaaS (, IT ), IT, SW ICT, ICT IT ICT,, ICT, *, (TEL) 02-570-4352 (e-mail) jjoon75@kisdi.re.kr 1 The Monthly Focus.

More information

歯목차45호.PDF

歯목차45호.PDF CRM CRM (CRM : Customer Relationship Management ). CRM,,.,,.. IMF.,.,. (CRM: Customer Relationship Management, CRM )., CRM,.,., 57 45 (2001 )., CRM...,, CRM, CRM.. CRM 1., CRM,. CRM,.,.,. (Volume),,,,,,,,,,

More information

RNN & NLP Application

RNN & NLP Application RNN & NLP Application 강원대학교 IT 대학 이창기 차례 RNN NLP application Recurrent Neural Network Recurrent property dynamical system over time Bidirectional RNN Exploit future context as well as past Long Short-Term

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 실시간자연어음성인식솔루션소개 SGSAS (SG Speech Analysis System) Speech Recognition IT Service IT Solution consulting June. 2016 1 1. 회사소개 - 일반현황 솔루게이트는국내외의 IT 경험을바탕으로가치를창조하고, 새로운비지니스모델을창출하여고객과함께동반 성장하는경영이념을갖고설립된 ICT

More information

DIY 챗봇 - LangCon

DIY 챗봇 - LangCon without Chatbot Builder & Deep Learning bage79@gmail.com Chatbot Builder (=Dialogue Manager),. We need different chatbot builders for various chatbot services. Chatbot builders can t call some external

More information

e-spider_제품표준제안서_160516

e-spider_제품표준제안서_160516 The start of something new ECMA Based Scraping Engine CONTENTS 3 4 1 2 3 4 5 6 7 8 9 5 6 ECMA Based Scraping Engine 7 No.1 No.2 No.3 No.4 No.5 8 24 ( ) 9 ios Device (all architecture) Android Device (all

More information

4 : (Hyo-Jin Cho et al.: Audio High-Band Coding based on Autoencoder with Side Information) (Special Paper) 24 3, (JBE Vol. 24, No. 3, May 2019

4 : (Hyo-Jin Cho et al.: Audio High-Band Coding based on Autoencoder with Side Information) (Special Paper) 24 3, (JBE Vol. 24, No. 3, May 2019 4 : (Hyo-Jin Cho et al.: Audio High-Band Coding based on Autoencoder with Side Information) (Special Paper) 24 3, 2019 5 (JBE Vol. 24, No. 3, May 2019) https://doi.org/10.5909/jbe.2019.24.3.387 ISSN 2287-9137

More information

<C7D1B1B9C1A4BAB8BBEABEF7BFACC7D5C8B82D535720C7C3B7A7C6FB20C7D8B9FD20536F4320C0B6C7D5C0B8B7CE2DB3BBC1F62E687770>

<C7D1B1B9C1A4BAB8BBEABEF7BFACC7D5C8B82D535720C7C3B7A7C6FB20C7D8B9FD20536F4320C0B6C7D5C0B8B7CE2DB3BBC1F62E687770> 표지 면지와 동일 SW 플랫폼 해법: SoC 융합으로 임채덕, 김선태, 정영준, 김태호, 유현규 목 차 1. 서론 1 2. 플랫폼 현주소 2 2.1. 모바일 OS 엿보기 2 2.2. SW 기업의 최신 동향 4 2.3. SoC 기업의 최신 동향 7 2.4. 시사점 11 3. SW 플랫폼 Innovative Mover 전략 13 3.1. 후발 주자의 고민 13

More information

2009방송통신산업동향.hwp

2009방송통신산업동향.hwp 제 1 절인터넷포털 53) 목차 1. 163. 163. 166 2. 168 176 1. 시장동향 가. 시장규모. 2008 2009. PWC 2008 / 15.6% 599. 2009 1.9% 587. *, (02) 570-4112, byjung@kisdi.re.kr 163 제 3 장 인터넷콘텐츠 < 표 3-1> 세계온라인광고시장규모추이 ( :, %) 2007

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 In-memory 클러스터컴퓨팅프레임워크 Hadoop MapReduce 대비 Machine Learning 등반복작업에특화 2009년, UC Berkeley AMPLab에서 Mesos 어플리케이션으로시작 2010년 Spark 논문발표, 2012년 RDD 논문발표 2013년에 Apache 프로젝트로전환후, 2014년 Apache op-level Project

More information

정보기술응용학회 발표

정보기술응용학회 발표 , hsh@bhknuackr, trademark21@koreacom 1370, +82-53-950-5440 - 476 - :,, VOC,, CBML - Abstract -,, VOC VOC VOC - 477 - - 478 - Cost- Center [2] VOC VOC, ( ) VOC - 479 - IT [7] Knowledge / Information Management

More information

CS.hwp

CS.hwp 보고서 2019-11 2019. 1. 3 CS(065770) IT H/W < 작성기관 : 한국기업데이터 > 보고서 ( 요약 ) 보고서 ( 전문 ) 기업현황산업분석기술분석주요이슈및전망 CS(065770) IT H/W 이 보고서는 자본시장 혁신을 위한 코스닥시장 활성화 방안 의 일환으로 코스닥 기업에 대한 투자정보 확충을 위해, 한국거래소와 한국예탁결제원의 후원을

More information

목 차 Ⅰ. 정보기술의 환경 변화 Ⅱ. 차량-IT Convergence Ⅲ. 차량 센서 연계 서비스 Ⅳ. 차량-IT 융합 발전방향

목 차 Ⅰ. 정보기술의 환경 변화 Ⅱ. 차량-IT Convergence Ⅲ. 차량 센서 연계 서비스 Ⅳ. 차량-IT 융합 발전방향 차량-IT 융합 기반의 미래형 서비스 발전 동향 이범태 (현대자동차) 목 차 Ⅰ. 정보기술의 환경 변화 Ⅱ. 차량-IT Convergence Ⅲ. 차량 센서 연계 서비스 Ⅳ. 차량-IT 융합 발전방향 Ⅰ. 정보 기술의 환경변화 1. 정보기술의 발전 2. 자동차 전장 시스템의 발전 1. 정보기술의 발전 정보기술은 통신 네트워크의 급속한 발전, 단말의 고기능화,

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 고장수목을이용핚테스트케이스의 안전성측정 윤상현, 조재연, 유준범 Dependable Software Laboratory 건국대학교 차례 서론 배경지식 고장수목분석 테스트케이스와고장수목의최소절단집합의비교 개요 소프트웨어요구사항모델 - 핸드폰카메라예제 고장수목분석최소절단집합의 CTL 속성으로의변홖 테스트케이스에서 SMV 입력프로그램으로의변홖 테스트케이스변홖모델에대핚모델체킹

More information

Microsoft PowerPoint - 30.ppt [호환 모드]

Microsoft PowerPoint - 30.ppt [호환 모드] 이중포트메모리의실제적인고장을고려한 Programmable Memory BIST 2010. 06. 29. 연세대학교전기전자공학과박영규, 박재석, 한태우, 강성호 hipyk@soc.yonsei.ac.kr Contents Introduction Proposed Programmable Memory BIST(PMBIST) Algorithm Instruction PMBIST

More information

지구시스템의 이해 (1강)

지구시스템의 이해 (1강) SSI (Socio-Scientific Issue) 논쟁 (Debate) 을이용핚지구과학수업 남윤경 과학적논쟁 (Scientific Argument) 질문 (Question) 주장 (Claim) 증거 (Evidence) 과학적사고 (Scientific Reasoning) 귀납적사고 (Inductive Reasoning): 특정사례 읷반화 ( 추롞 ) 연역적사고

More information

[Brochure] KOR_TunA

[Brochure] KOR_TunA LG CNS LG CNS APM (TunA) LG CNS APM (TunA) 어플리케이션의 성능 개선을 위한 직관적이고 심플한 APM 솔루션 APM 이란? Application Performance Management 란? 사용자 관점 그리고 비즈니스 관점에서 실제 서비스되고 있는 어플리케이션의 성능 관리 체계입니다. 이를 위해서는 신속한 장애 지점 파악 /

More information

(72) 발명자 정진곤 서울특별시 성북구 종암1동 54-398 이용훈 대전광역시 유성구 어은동 한빛아파트 122동 1301 호 - 2 -

(72) 발명자 정진곤 서울특별시 성북구 종암1동 54-398 이용훈 대전광역시 유성구 어은동 한빛아파트 122동 1301 호 - 2 - (51) Int. Cl. (19) 대한민국특허청(KR) (12) 등록특허공보(B1) H04B 7/04 (2006.01) H04B 7/02 (2006.01) H04L 1/02 (2006.01) (21) 출원번호 10-2007-0000175 (22) 출원일자 2007년01월02일 심사청구일자 2008년08월26일 (65) 공개번호 10-2008-0063590 (43)

More information

I What is Syrup Store? 1. Syrup Store 2. Syrup Store Component 3.

I What is Syrup Store? 1. Syrup Store 2. Syrup Store Component 3. Deep-Dive into Syrup Store Syrup Store I What is Syrup Store? Open API Syrup Order II Syrup Store Component III Open API I What is Syrup Store? 1. Syrup Store 2. Syrup Store Component 3. 가맹점이 특정 고객을 Targeting하여

More information

종합설계 I (Xcode and Source Control )

종합설계 I  (Xcode and Source Control ) Sogang University: Dept of Computer Science 구명완교수 서강대학교컴퓨터공학과 Email: mwkoo9@gmail.com 내용 개념도 시맨틱해석기 대화상태추적기 대화관리기 자연언어생성기 결론 개념도 음성인식 음성대화 음성대화솔류션사례 음성대화서비스 음성대화로봇 Apple Siri Google MS Cortana Amazon Echo

More information

지구시스템의 이해 (1강)

지구시스템의 이해 (1강) 구성주의 (Constructivism) 남윤경 구성주의 (constructivism) 학습에영향을주는요인 발달심리학 ( 인지발달단계, 나이 ) 행동주의 ( 학습이일어나는조건 ) 구성주의 ( 학습자의경험과개념적틀 conceptual schemes) 구성주의 학습은물리적, 사회적세계와의상호작용을통해어떤내용에대핚개인적의미를구성해가는능동적과정이다. 급짂적구성주의와사회적구성주의

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Verilog: Finite State Machines CSED311 Lab03 Joonsung Kim, joonsung90@postech.ac.kr Finite State Machines Digital system design 시간에배운것과같습니다. Moore / Mealy machines Verilog 를이용해서어떻게구현할까? 2 Finite State

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Reasons for Poor Performance Programs 60% Design 20% System 2.5% Database 17.5% Source: ORACLE Performance Tuning 1 SMS TOOL DBA Monitoring TOOL Administration TOOL Performance Insight Backup SQL TUNING

More information

서현수

서현수 Introduction to TIZEN SDK UI Builder S-Core 서현수 2015.10.28 CONTENTS TIZEN APP 이란? TIZEN SDK UI Builder 소개 TIZEN APP 개발방법 UI Builder 기능 UI Builder 사용방법 실전, TIZEN APP 개발시작하기 마침 TIZEN APP? TIZEN APP 이란? Mobile,

More information

Cloud Friendly System Architecture

Cloud Friendly System Architecture -Service Clients Administrator 1. -Service 구성도 : ( 좌측참고 ) LB(LoadBlancer) 2. -Service 개요 ucloud Virtual Router F/W Monitoring 개념 특징 적용가능분야 Server, WAS, DB 로구성되어 web service 를클라우드환경에서제공하기위한 service architecture

More information

FMX M JPG 15MB 320x240 30fps, 160Kbps 11MB View operation,, seek seek Random Access Average Read Sequential Read 12 FMX () 2

FMX M JPG 15MB 320x240 30fps, 160Kbps 11MB View operation,, seek seek Random Access Average Read Sequential Read 12 FMX () 2 FMX FMX 20062 () wwwexellencom sales@exellencom () 1 FMX 1 11 5M JPG 15MB 320x240 30fps, 160Kbps 11MB View operation,, seek seek Random Access Average Read Sequential Read 12 FMX () 2 FMX FMX D E (one

More information

침입방지솔루션도입검토보고서

침입방지솔루션도입검토보고서 IT 2005. 06. 02. IT IT Windows 3503 4463 4178 64% Solaris 142 56 36 Digital UX 37 24 9 Tru64 30 20 26 Server & DeskTop UNIX HP-UX 27 IRIX 19 FreeBSD 12 7 15 8 5 17 9 2% AIX 5 3 3 Linux 348 400 516 8% Apple

More information

Windows Embedded Compact 2013 [그림 1]은 Windows CE 로 알려진 Microsoft의 Windows Embedded Compact OS의 history를 보여주고 있다. [표 1] 은 각 Windows CE 버전들의 주요 특징들을 담고

Windows Embedded Compact 2013 [그림 1]은 Windows CE 로 알려진 Microsoft의 Windows Embedded Compact OS의 history를 보여주고 있다. [표 1] 은 각 Windows CE 버전들의 주요 특징들을 담고 OT S / SOFTWARE 임베디드 시스템에 최적화된 Windows Embedded Compact 2013 MDS테크놀로지 / ES사업부 SE팀 김재형 부장 / jaei@mdstec.com 또 다른 산업혁명이 도래한 시점에 아직도 자신을 떳떳이 드러내지 못하고 있는 Windows Embedded Compact를 오랫동안 지켜보면서, 필자는 여기서 그와 관련된

More information

금융고객 보안 Selling

금융고객 보안 Selling Big Data 기반의의사결정과비즈니스가치 장성우상무 Technology Sales Consulting, Oracle Korea Agenda Big Data 개요 Big Data의정의및주요특징 Big Data 기반의의사결정 Big Data의중요성과가치 오라클의 Big Data 지원젂략 요약및 Q&A Agenda Big

More information

45호_N스크린 추진과정과 주체별 서비스 전략 분석.hwp

45호_N스크린 추진과정과 주체별 서비스 전략 분석.hwp 방송통신기술 이슈&전망 2014년 제 45호 N스크린 추진과정과 주체별 서비스 전략 분석 Korea Communications Agency 2014.01.17 방송통신기술 이슈&전망 2014년 제 45 호 개요 N스크린 서비스는 하나의 콘텐츠를 스마트폰, PC, 태블릿, 자동차 등 다양한 디지 털 정보기기에서 공유할 수 있는 차세대컴퓨팅, 네트워크 서비스를

More information

빅데이터_DAY key

빅데이터_DAY key Big Data Near You 2016. 06. 16 Prof. Sehyug Kwon Dept. of Statistics 4V s of Big Data Volume Variety Velocity Veracity Value 대용량 다양한 유형 실시간 정보 (불)확실성 가치 tera(1,0004) - peta -exazetta(10007) bytes in 2020

More information

U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형

U.Tu System Application DW Service AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 AGENDA 1. 개요 4. 솔루션 모음 1.1. 제안의 배경 및 목적 4.1. 고객정의 DW구축에 필요한 메타정보 생성 1.2. 제품 개요 4.2. 사전 변경 관리 1.3. 제품 특장점 4.3. 부품화형 언어 변환 1.4. 기대 효과 4.4. 프로그램 Restructuring 4.5. 소스 모듈 관리 2. SeeMAGMA 적용 전략 2.1. SeeMAGMA

More information

1

1 1 1....6 1.1...6 2. Java Architecture...7 2.1 2SDK(Software Development Kit)...8 2.2 JRE(Java Runtime Environment)...9 2.3 (Java Virtual Machine, JVM)...10 2.4 JVM...11 2.5 (runtime)jvm...12 2.5.1 2.5.2

More information

슬라이드 1

슬라이드 1 Data-driven Industry Reinvention All Things Data Con 2016, Opening speech SKT 종합기술원 최진성원장 Big Data Landscape Expansion Big Data Tech/Biz 진화방향 SK Telecom Big Data Activities Lesson Learned and Other Topics

More information

월간 SW 산업동향 ( ~ ) Ⅰ. Summary 1 Ⅱ SW 5 2. SW 7 Ⅲ Ⅳ. SW SW Ⅴ : Big Data, 38

월간 SW 산업동향 ( ~ ) Ⅰ. Summary 1 Ⅱ SW 5 2. SW 7 Ⅲ Ⅳ. SW SW Ⅴ : Big Data, 38 월간 SW 산업동향 (2011. 7. 1 ~ 2011. 7. 31) Ⅰ. Summary 1 Ⅱ. 4 1. SW 5 2. SW 7 Ⅲ. 10 1. 11 2. 14 Ⅳ. SW 17 1. 18 2. SW 27 3. 33 Ⅴ. 35 1. : 36 2. Big Data, 38 Ⅵ. SW 41 1. IT 2 42 2. 48 Ⅰ. Summary 2015 / 87 2015

More information

<4D F736F F F696E74202D203137C0E55FBFACBDC0B9AEC1A6BCD6B7E7BCC72E707074>

<4D F736F F F696E74202D203137C0E55FBFACBDC0B9AEC1A6BCD6B7E7BCC72E707074> SIMATIC S7 Siemens AG 2004. All rights reserved. Date: 22.03.2006 File: PRO1_17E.1 차례... 2 심벌리스트... 3 Ch3 Ex2: 프로젝트생성...... 4 Ch3 Ex3: S7 프로그램삽입... 5 Ch3 Ex4: 표준라이브러리에서블록복사... 6 Ch4 Ex1: 실제구성을 PG 로업로드하고이름변경......

More information

딥러닝 첫걸음

딥러닝 첫걸음 딥러닝첫걸음 4. 신경망과분류 (MultiClass) 다범주분류신경망 Categorization( 분류 ): 예측대상 = 범주 이진분류 : 예측대상범주가 2 가지인경우 출력층 node 1 개다층신경망분석 (3 장의내용 ) 다범주분류 : 예측대상범주가 3 가지이상인경우 출력층 node 2 개이상다층신경망분석 비용함수 : Softmax 함수사용 다범주분류신경망

More information

이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론

이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 2. 관련연구 2.1 MQTT 프로토콜 Fig. 1. Topic-based Publish/Subscribe Communication Model. Table 1. Delivery and Guarantee by MQTT QoS Level 2.1 MQTT-SN 프로토콜 Fig. 2. MQTT-SN

More information

Manufacturing6

Manufacturing6 σ6 Six Sigma, it makes Better & Competitive - - 200138 : KOREA SiGMA MANAGEMENT C G Page 2 Function Method Measurement ( / Input Input : Man / Machine Man Machine Machine Man / Measurement Man Measurement

More information

<4D6963726F736F667420576F7264202D20C3D6BDC52049435420C0CCBDB4202D20BAB9BBE7BABB>

<4D6963726F736F667420576F7264202D20C3D6BDC52049435420C0CCBDB4202D20BAB9BBE7BABB> 주간기술동향 2016. 2. 24. 최신 ICT 이슈 인공지능 바둑 프로그램 경쟁, 구글이 페이스북에 리드 * 바둑은 경우의 수가 많아 컴퓨터가 인간을 넘어서기 어려움을 보여주는 사례로 꼽혀 왔 으며, 바로 그런 이유로 인공지능 개발에 매진하는 구글과 페이스북은 바둑 프로그램 개 발 경쟁을 벌여 왔으며, 프로 9 단에 도전장을 낸 구글이 일단 한발 앞서 가는

More information

HTML5가 웹 환경에 미치는 영향 고 있어 웹 플랫폼 환경과는 차이가 있다. HTML5는 기존 HTML 기반 웹 브라우저와의 호환성을 유지하면서도, 구조적인 마크업(mark-up) 및 편리한 웹 폼(web form) 기능을 제공하고, 리치웹 애플리케이 션(RIA)을

HTML5가 웹 환경에 미치는 영향 고 있어 웹 플랫폼 환경과는 차이가 있다. HTML5는 기존 HTML 기반 웹 브라우저와의 호환성을 유지하면서도, 구조적인 마크업(mark-up) 및 편리한 웹 폼(web form) 기능을 제공하고, 리치웹 애플리케이 션(RIA)을 동 향 제 23 권 5호 통권 504호 HTML5가 웹 환경에 미치는 영향 이 은 민 * 16) 1. 개 요 구글(Google)은 2010년 5월 구글 I/O 개발자 컨퍼런스에서 HTML5를 통해 플러 그인의 사용이 줄어들고 프로그램 다운로드 및 설치가 필요 없는 브라우저 기반 웹 플랫폼 환경이 점차 구현되고 있다고 강조했다. 그리고 애플(Apple)은 2010년

More information

6주차.key

6주차.key 6, Process concept A program in execution Program code PCB (process control block) Program counter, registers, etc. Stack Heap Data section => global variable Process in memory Process state New Running

More information

Disclaimer IPO Presentation,. Presentation...,,,,, E.,,., Presentation,., Representative...

Disclaimer IPO Presentation,. Presentation...,,,,, E.,,., Presentation,., Representative... DEXTER STUDIOS INVESTOR RELATIONS 2015 Disclaimer IPO Presentation,. Presentation...,,,,, E.,,., Presentation,., Representative... Contents Prologue 01 VFX 02 China 03 Investment Highlights 04 Growth Engine

More information

Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제

Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제 Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, 2018 1 1.1 Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제 6.5에서 찾아볼 수 있다. http://incompleteideas.net/book/bookdraft2017nov5.pdf

More information

Microsoft PowerPoint - 실습소개와 AI_ML_DL_배포용.pptx

Microsoft PowerPoint - 실습소개와 AI_ML_DL_배포용.pptx 실습강의개요와인공지능, 기계학습, 신경망 < 인공지능입문 > 강의 허민오 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 실습강의개요 노트북을꼭지참해야하는강좌 신경망소개 (2 주, 허민오 ) Python ( 프로그래밍언어 ) (2주, 김준호

More information

슬라이드 1

슬라이드 1 웹 2.0 분석보고서 Year 2006. Month 05. Day 20 Contents 1 Chapter 웹 2.0 이란무엇인가? 웹 2.0 의시작 / 웹 1.0 에서웹 2.0 으로 / 웹 2.0 의속성 / 웹 2.0 의영향 Chapter Chapter 2 3 웹 2.0 을가능케하는요소 AJAX / Tagging, Folksonomy / RSS / Ontology,

More information

지난 10월 6일과 12일

지난 10월 6일과 12일 글로벌 정보통신(ICT) 방송 동향리포트 제 98호 l Ver. 2013. 05. 02 2013년 글로벌 주요 IT 사업자들의 M&A 현황 2013년 초, 글로벌 주요 IT 사업자들의 M&A 진행 현황 Google, Amazon, Facebook, Twitter 등 글로벌 주요 IT 사업자들의 M&A가 2013년 상반기 활발히 진행되고 있음 - 2013년 4월

More information

Microsoft Word - 조병호

Microsoft Word - 조병호 포커스 클라우드 컴퓨팅 서비스 기술 및 표준화 추진 동향 조병호* 2006년에 클라우딩 컴퓨팅이란 용어가 처음 생겨난 이래 글로벌 IT 기업 CEO들이 잇달아 차 기 핵심 기술로 클라우드 컴퓨팅을 지목하면서 전세계적으로 클라우드 컴퓨팅이라는 새로운 파 라다임에 관심이 고조되고 있다. 클라우드 컴퓨팅 기술을 이용하면 효율적인 IT 자원을 운용할 수 있으며 비용절감

More information

1 6 7 사법부(법원관련 ICT 시대의 급격한 변화 2 인터넷과 법적 규제 3 4 SNS 5 생활과 건강 인터넷, 그 길을 묻다 인생과 삶, 리더쉽 이야기) 3 1 4 2

1 6 7 사법부(법원관련 ICT 시대의 급격한 변화 2 인터넷과 법적 규제 3 4 SNS 5 생활과 건강 인터넷, 그 길을 묻다 인생과 삶, 리더쉽 이야기) 3 1 4 2 2015. 11. 18. 부산지방법원장 강민구 혁신의 길목에 선 우리의 선택 (모바일, SNS의 파도 위에서의 생존전략) 1 1 6 7 사법부(법원관련 ICT 시대의 급격한 변화 2 인터넷과 법적 규제 3 4 SNS 5 생활과 건강 인터넷, 그 길을 묻다 인생과 삶, 리더쉽 이야기) 3 1 4 2 혁신적 기술과 창조적 파괴 v 인쇄혁명 전기 증기기관, 내연기관

More information

IP IP ICT

IP IP ICT 1 1 5 1 5 2 6 2 8 1 8 1. 8 2. 10 3. 11 2 12 1. 3 12 2. 13 3. IP 14 4. IP 14 3 15 1. 15 2. 16 4 17 1. ICT 17 2. 21 3. 21 2 3 22 1 22 2 22 4 24 1, IP 24 1. 24 2. MVNO 26 3. 28 4. 30 5. 32 2 36 1. 36 2. 38

More information

레이아웃 1

레이아웃 1 CSE NEWSLETTER 부산대학교 정보컴퓨터공학전공 뉴스레터 01 03 07 09 12 @ PNU 여름호 (통권 제15호) 2016년 6월 정컴 소식 정컴행사, 학사일정, 정컴포커스(교수, 학생, 학과) 교수 동정 칼럼 (유영환 교수) 발행처 부산대학교 정보컴퓨터공학전공 동문 동정 해외 IT기업 재직 선배 이야기 주소 부산시 금정구 부산대학로 63번길 2

More information

Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤

Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤 Open Cloud Engine Open Source Big Data Platform Flamingo Project Open Cloud Engine Flamingo Project Leader 김병곤 (byounggon.kim@opence.org) 빅데이터분석및서비스플랫폼 모바일 Browser 인포메이션카탈로그 Search 인포메이션유형 보안등급 생성주기 형식

More information

Index 1. VLAN VLAN 이란? VLAN 의역핛 VLAN 번호 VLAN 과 IP Address Trunking DTP 설정 VT

Index 1. VLAN VLAN 이란? VLAN 의역핛 VLAN 번호 VLAN 과 IP Address Trunking DTP 설정 VT VLAN (Virtual LAN) 1 Index 1. VLAN... 3 1. 1 VLAN 이란?...3 1. 2 VLAN 의역핛... 3 1. 3 VLAN 번호...4 1.4 VLAN 과 IP Address... 5 1. 5 Trunking... 6 1. 6 DTP...9 1. 7 설정...11 2. VTP... 14 2. 1 VTP 란?...14 2. 2

More information