( 분류및특징 ) 학습방법에따라 1 지도학습 (Supervised 2 비지도 학습 (Unsupervised 3 강화학습 (Reinforcement 으로구분 3) < 머신러닝의학습방법 > 구분 지도학습 (Supervised 비지도학습 (Unsupervised 강화학습 (

Size: px
Start display at page:

Download "( 분류및특징 ) 학습방법에따라 1 지도학습 (Supervised 2 비지도 학습 (Unsupervised 3 강화학습 (Reinforcement 으로구분 3) < 머신러닝의학습방법 > 구분 지도학습 (Supervised 비지도학습 (Unsupervised 강화학습 ("

Transcription

1 보안연구부 머신러닝 (Machine 개요및활용동향 - 금융권인공지능 (AI) 을위한머신러닝과딥러닝 - ( 보안연구부보안기술팀 / ) 개요 이세돌 9단과인공지능 (AI, Artificial Intelligence) 알파고 (AlphaGo) 의대국 ( 16 년 3월 9~15일총 5국 ) 의영향으로 4차산업혁명단계 1) 진입을인식함과더불어금융권에서도인공지능기술이주목받게됨에따라, 본보고서에서는빅데이터 (Big Data) 의분석기술및인공지능의한분야로 학습 ( 에관한부분을구체화한기술인머신러닝의개념과기술적특징을소개하고금융권머신러닝활용사례에대해조사 분석함 머신러닝 (Machine Learning, 기계학습 ) ( 개념 ) 인간이갖고있는고유의지능적기능인학습능력 2) 을기계를통해구현하는방법으로, 환경과의상호작용에기반한데이터로부터스스로성능을향상시키는 ( 기계가학습할수있는 ) 알고리즘및기술을개발하는분야 < 머신러닝의개념 > 1) 세계경제포럼 (WEF) 에서 제 4 차산업혁명 ( 인더스트리 4.0) 을 3 차산업혁명을기반으로한디지털과바이오산업, 물리학등의경계를융합하는기술혁명으로설명하고있으며, 로봇, 인공지능 (AI), 사물인터넷 (IoT) 등을통한기술융합이핵심 1 차산업혁명 ( 증기기관 ) 은기계화과정에서물과증기의힘을사용, 2 차산업혁명 ( 대량생산 ) 은전기에너지를이용해대량생산체제를만듦, 3 차산업혁명 ( 컴퓨터와 IT) 에서는컴퓨터및전기기술과정보기술을이용하여자동화된생산체계를만듦 2) 앨런튜닝 (A.M. Tunning) 은저널 Mind 에발표한 (1950) Computing Machinery and Intelligence 에서기계가지능적이라는조건 ( 컴퓨터로부터의반응을인간과구별할수없다면컴퓨터는생각할수있는것 ) 을언급함 - 1 -

2 ( 분류및특징 ) 학습방법에따라 1 지도학습 (Supervised 2 비지도 학습 (Unsupervised 3 강화학습 (Reinforcement 으로구분 3) < 머신러닝의학습방법 > 구분 지도학습 (Supervised 비지도학습 (Unsupervised 강화학습 (Reinforcement 내용 학습시출력결과값을미리알려주는 교사 (supervised) 가존재하는형태주로인식, 분류, 진단, 예측등의문제해결에적합비지도학습에비해성능이좋으나좋은결과를위해시간, 비용증가예 ) 회귀분석 (Regression Analysis, 데이터의함수관계예측 ), 의사결정나무 (Decision Tree, 데이터속성에따라나무형태의의사결정학습모델을만들고, 반복을통해최종결정을도출 ) 등 학습시출력값에대한정보없이 ( 교사없이 ) 학습이이루어지는형태군집화, 밀도추정, 차원축소, 특징추출등이필요한문제에적합지도학습에비해성능은좋지않으나, 학습데이터구축용이, 비용절감예 ) 군집화 (Clustering, 비슷한관측치끼리군집 ), 차원축소 (Dimensionality Reduction, 데이터간의연관규칙을찾음 ) 등 상태 (State) 에서어떤행동 (Action) 을취하는것이최적인지를학습행동을취할때마다외부환경에서보상 (Reward) 이주어지며, 보상을최대화하는방향으로학습이진행예 ) 컴퓨터체스, 복잡한로봇의제어등 - ( 강화학습 ) 최근인공지능분야에서강화학습에대한관심이커졌으며, 강화학습의접근방법으로는 1가치함수를직접활용하는방법 (value function-based methods), 2상태의존적이며제어전략에대한탐색을활용하는방법 (policy search methods), 3가치함수와제어전략탐색을위하여분리된모듈을사용하되학습과정에서이들을종합적으로활용하는액터-크리틱방법 (actor-critic methods) 의세가지방향으로발전함 < 환경과상호작용을통한강화학습 > 자료 : MIT Press, Reinforcement Learning : An Introduction 3) O. Chapelle et al., Semi-supervised learning, MIT Press Cambridge 에서는 Supervised Learning, Unsupervised Learning, Semi-Supervised Learning 으로구분 - 2 -

3 딥러닝 (Deep ( 개요 ) 인공신경망 (ANN, Artificial Neural Networks) 4) 에기반하고 1 입력층 (Input layer), 2 출력층 (Output layer), 복수개의 3 은닉층 (Hidden layer) 의계층구조 (Layer Structure) 를가지는심층신경망 (DNN, Deep Neural Networks) 을학습의주요방식으로사용하는머신러닝의한분야 < 딥러닝심층신경망구조 > ( 분류 ) 1 심층신경망 (DNN, Deep Neural Networks), 2 컨볼루션신경망 (CNN, Convolutional Neural Network), 3 리커런트신경망 (RNN, Recurrent Neural Network) 등다양한종류의심층신경망알고리즘과구조가존재하지만대부분대표적인몇가지구조들에서파생 - ( 컨볼루션신경망 ) 최소한의전처리 (pre-process) 를사용하도록설계된다층퍼셉트론 (MLP, Multi-Layer Perceptrons) 5) 의한종류이며, 1convolution-pooling layer( 입력된이미지로부터계층적구조의 feature 추출 ) 와 2fully connected layer ( 추출된 feature 를입력받아타겟클래스로분류 ) 의두부분으로구성 < 컨볼루션신경망 (CNN) 의일반구조 > 자료 : Y. LeCun 외 3 명, Gradient-based learning applied to document recognition,proceedings of the IEEE 4) 인간의신경망구조를모방하며, 인공신경망은 x1 부터 x n 까지입력값에각각 w1 부터 w n 까지의가중치를곱하고그모든합이변형함수를통해임계치가초과되면출력값이발생 5) 뉴런들을여러개결합하여네트워크형태를갖춘신경망을제안한것이 Rosenblatt 의퍼셉트론 (perceptrons) 이며, 비선형결정경계를만들기위해은닉층을가지는신경망을다층퍼셉트론 (multilayer perceptron) 이라고함 - 3 -

4 ( 특징 ) 1 특징추출을위한전처리단계 6) 를전체학습프로세스에포함 *, 2 영상데이터와같이차원수가크고복잡한데이터의경우전처리과정에서손실될수도있는정보를자동추출, 3 높은수준의추상화작업 (Abstraction)* 에효율적이며시뮬레이션크기를늘릴수록대량의데이터를흡수하는능력이좋아지는특징, 4 빅데이터발달, GPU 등정보처리능력의향상과함께딥러닝은인공지능발전에기여할것으로예상 * 기존의특징추출과패턴분류의두단계를분리하여문제를해결하던방식을하나의단계로통합 ** 다량의데이터나복잡한자료들속에서핵심적인내용또는기능을요약하는작업 < 딥러닝구조 > - 글로벌 IT 기업 ( 구글, 페이스북, 트위터, MS, 바이두등 ) 에서딥러닝알고리즘의초고용량학습알고리즘특징을통해성능발휘 < 구글의딥러닝활용예 > < 페이스북의딥페이스 > 자료 : 구글 1만 6000개의컴퓨터프로세서로 10억개이상뉴럴네트워크를이용한딥러닝을적용유튜브안에있는 1000만개의이미지중에서스스로고양이를알아내는연구수행 자료 : 페이스북딥러닝을적용한딥페이스기술 (Closing the Gap to Human-Level Performance in Face Verification 논문에서발표 ) 에서인간과유사한 97.35% 정확도로사람얼굴을인식할수있는기술을선보임 6) 전처리 (Pre-Processing) 단계 : 주어진데이터를정제하여인식기가다루기쉬운형태로최적화또는정규화 (normalization) 등을통해서변환하는과정특징추출 (Feature Extraction) : 전 ( 前 ) 처리를통하여정제된데이터의특성을분석하여각패턴을표현하는가장핵심적인정보를특징으로찾는과정 - 4 -

5 금융권머신러닝활용사례 7) 선도금융회사와핀테크기업에서기존단순통계기반의데이터분석이아닌머신러닝알고리즘적용등을통해영업및마케팅, 투자관리및트레이딩, 사기및부정방지, 신용평가및심사등다양한분야에서활용 - 최근국내금융사들은펀드매니저, 자산관리사역할, 소비자의패턴분석등의활용을위해로보어드바이저 (Robo-advisor) 8) 서비스제공및투자 9) 구분 영업및마케팅 투자관리및트레이딩 사기및부정방지 신용평가및심사 내용및활용사례 타겟마케팅, 고객유지를위한고객이탈가능성예측등에활용아마존의상품추천, 미국퍼스트테네시 (First Tennessee) 은행의데이터분석을통한마케팅활용보험사에서는이탈가능고객, 보험갱신율등의예측모델수립에활용 고객맞춤형투자자문과자산관리서비스 ( 싱가포르개발은행 (DBS)), 투자자문서비스의품질개선 ( 호주뉴질랜드은행 (ANZ)) 등에활용증권권역에서는트레이딩 (Trading) 시스템에서예측정확도와수익률향상도모에머신러닝알고리즘활용 이상거래탐지시스템 (FDS, Fraud Detection System) 에서거래의위험도와특정거래의발생가능성을예측을위해머신러닝알고리즘 * 적용 * 의사결정나무 (Decision Tree), 랜덤포레스트 (Random Forest), 자가조직도 (Self- Organization Map), 연관규칙 (Association Rule) 등페이팔 (PayPal) 은이상거래판별하는인공지능에딥러닝적용 대출신청자의사회경제적인특성, 신용정보와지급이력과같은세부정보를바탕으로신용도, 특정대출에대한채무불이행가능성예측핀테크기업인제스트파이낸스 (Zest Finance) 는빅데이터와머신러닝을활용하여신용평가에접목 시사점 ( 금융데이터와머신러닝, 인공지능과조화로운활용 ) 1 타산업에비해데이터보유량이많아잠재적활용가치가높은금융권의특성과 2 딥러닝의경우비지도학습이가능함으로써인공지능의상용화시기를앞당길수있다는점을고려하여, 활용시적극적인분석및전략수립필요 ( 지속적인신기술흐름에대한이해및활용방안모색 ) 데이터분석을넘어머신러닝은이미대형 IT 기업과선도금융회사들의적극적인투자및신규서비스출시되는환경에서선행적으로신기술의흐름에대한이해와활용방안을모색필요 7) 금융보안원, 전자금융과금융보안 (2015.7) 중 Research 편 머신러닝을활용한스마트서비스와금융 내용을정리 8) 로봇 과 어드바이저 ( 조언자 ) 의합성어로, 컴퓨터알고리즘을활용하고빅데이터분석을기반으로한온라인상의자산관리서비스를의미 9) 조선비즈, 투자, 인공지능에맡겨라! 금융권 ' 로보어드바이저 ' 경쟁,

Introduction to Deep learning

Introduction to Deep learning Introduction to Deep learning Youngpyo Ryu 동국대학교수학과대학원응용수학석사재학 youngpyoryu@dongguk.edu 2018 년 6 월 30 일 Youngpyo Ryu (Dongguk Univ) 2018 Daegu University Bigdata Camp 2018 년 6 월 30 일 1 / 66 Overview 1 Neuron

More information

1-1-basic-43p

1-1-basic-43p A Basic Introduction to Artificial Neural Network (ANN) 도대체인공신경망이란무엇인가? INDEX. Introduction to Artificial neural networks 2. Perceptron 3. Backpropagation Neural Network 4. Hopfield memory 5. Self Organizing

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

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

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

<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

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

<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

보고싶었던 Deep Learning과 OpenCV를이용한이미지처리과정에대해공부를해볼수있으며더나아가 Deep Learning기술을이용하여논문을작성하는데많은도움을받을수있으며아직배우는단계에있는저에게는기존의연구를따라해보는것만으로도큰발전이있다고생각했습니다. 그래서이번 DSP스마

보고싶었던 Deep Learning과 OpenCV를이용한이미지처리과정에대해공부를해볼수있으며더나아가 Deep Learning기술을이용하여논문을작성하는데많은도움을받을수있으며아직배우는단계에있는저에게는기존의연구를따라해보는것만으로도큰발전이있다고생각했습니다. 그래서이번 DSP스마 특성화사업참가결과보고서 작성일 2017 12.22 학과전자공학과 참가활동명 EATED 30 프로그램지도교수최욱 연구주제명 Machine Learning 을이용한얼굴학습 학번 201301165 성명조원 I. OBJECTIVES 사람들은새로운사람들을보고인식을하는데걸리는시간은 1초채되지않다고합니다. 뿐만아니라사람들의얼굴을인식하는인식률은무려 97.5% 정도의매우높은정확도를가지고있습니다.

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

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 [ 인공지능입문랩 ] SEOPT ( Study on the Elements Of Python and Tensorflow ) 인공지능 + 데이터분석목적 / 방법 / 기법 / 도구 + Python Programming 기초 + NumpyArray(Tensor) youngdocseo@gmail.com 1 *3 시간 / 회 구분일자내용비고 1 회 0309

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

때문이다. 물론가장큰이유는, 다음절에서살펴보겠지만최근들어딥러닝구조를학습하는데필요한여러가지테크닉들이개발되었기때문이다 [6,7]. 딥러닝이산업현장에서선호되는데는몇가지이유가있다. 일단은어려운문제를잘해결한다는것이다. 예를들어서, 물체인식과음성인식등전통적인패턴인식의문제에서딥러닝

때문이다. 물론가장큰이유는, 다음절에서살펴보겠지만최근들어딥러닝구조를학습하는데필요한여러가지테크닉들이개발되었기때문이다 [6,7]. 딥러닝이산업현장에서선호되는데는몇가지이유가있다. 일단은어려운문제를잘해결한다는것이다. 예를들어서, 물체인식과음성인식등전통적인패턴인식의문제에서딥러닝 기계학습개론 / 딥러닝강의노트, 서울대학교컴퓨터공학부장병탁, Copyright 2013-2016 3 장 : 딥러닝모델과모델복잡도이론 3.1 딥러닝개념 3.2 딥러닝의혁신점 3.3 딥러닝아키텍쳐 3.4 모델복잡도이론과정규화 3.5 딥러닝모델의비교 3.1 딥러닝개념 30 년전에는인공지능의기초연구분야에속하던머신러닝이최근구글, 애플, 삼성등글로벌기업들이앞다투어확보하려는핵심산업기술로발전하고있다.

More information

THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE Jul.; 29(7),

THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE Jul.; 29(7), THE JOURNAL OF KOREAN INSTITUTE OF ELECTROMAGNETIC ENGINEERING AND SCIENCE. 2018 Jul.; 29(7), 550 559. http://dx.doi.org/10.5515/kjkiees.2018.29.7.550 ISSN 1226-3133 (Print) ISSN 2288-226X (Online) Human

More information

[Summary] 딥러닝이란인간뇌의학습처리과정을모방한머신러닝방법의한종류로, 사람의사고방식을컴퓨터에게가르치는것을의미 1980년대등장한인공신경망 (ANN, artificial neural networks) 에기반하여설계된개념으로, IT기술의발전과함께단점으로여겨지던과적합문제

[Summary] 딥러닝이란인간뇌의학습처리과정을모방한머신러닝방법의한종류로, 사람의사고방식을컴퓨터에게가르치는것을의미 1980년대등장한인공신경망 (ANN, artificial neural networks) 에기반하여설계된개념으로, IT기술의발전과함께단점으로여겨지던과적합문제 2016. 4. 25 (16-31 호 ) : 알파고의딥러닝 (Deep Learning) 금융업적용사례 Deep Learning 의개념과역사 Deep Learning 금융업적용사례 시사점 [Summary] 딥러닝이란인간뇌의학습처리과정을모방한머신러닝방법의한종류로, 사람의사고방식을컴퓨터에게가르치는것을의미 1980년대등장한인공신경망 (ANN, artificial neural

More information

<BFACB1B831382D31355FBAF2B5A5C0CCC5CD20B1E2B9DDC0C720BBE7C0CCB9F6C0A7C7E820C3F8C1A4B9E6B9FD20B9D720BBE7C0CCB9F6BBE7B0ED20BFB9C3F8B8F0C7FC20BFACB1B82D33C2F7BCF6C1A E687770>

<BFACB1B831382D31355FBAF2B5A5C0CCC5CD20B1E2B9DDC0C720BBE7C0CCB9F6C0A7C7E820C3F8C1A4B9E6B9FD20B9D720BBE7C0CCB9F6BBE7B0ED20BFB9C3F8B8F0C7FC20BFACB1B82D33C2F7BCF6C1A E687770> Ⅳ. 사이버사고예측모델개발 사이버보험시장활성화를위해서는표준데이터개발이필요하다. 이를위하여이전장에서는빅데이터기반의사이버위험측정체계를제안하였다. 본장에서는제안된사이버위험지수를이용하여사이버사고 (Cyber Incident) 를예측하는모델을개발하고자한다. 이는향후정확한보험금산출에기여할것으로기대한다. 최근빅데이터, 인공지능 (Artificial Intelligence),

More information

Reinforcement Learning & AlphaGo

Reinforcement Learning & AlphaGo Gait recognition using a Discriminative Feature Learning Approach for Human identification 딥러닝기술및응용딥러닝을활용한개인연구주제발표 이장우 wkddn1108@kist.re.kr 2018.12.07 Overview 연구배경 관련연구 제안하는방법 Reference 2 I. 연구배경 Reinforcement

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 딥러닝소개 < 인공지능입문 > 강의 허민오 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University (C) 2007-2018, SNU Biointelligence Lab, http://bi.snu.ac.kr/ 1 Playground (playground.tensorflow.org)

More information

PowerPoint Presentation

PowerPoint Presentation 기계학습을통한 시계열데이터분석및 금융시장예측응용 울산과학기술원 전기전자컴퓨터공학부최재식 얼굴인식 Facebook 의얼굴인식기 (DeepFace) 가사람과비슷한인식성능을보임 문제 : 사진에서연애인의이름을맞추기 사람의인식율 : 97.5% vs DeepFace 의인식률 : 97.35% (2014 년 3 월 ) 물체인식 ImageNet (http://image-net.org):

More information

Ch 8 딥강화학습

Ch 8 딥강화학습 Chapter 8. 딥강화학습 < 기계학습개론 > 강의서울대학교컴퓨터공학부장병탁 교재 : 장교수의딥러닝, 홍릉과학출판사, 2017. Slides Prepared by 장병탁, 최진영 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University Version

More information

신경망 (Neural Networks) < 인공지능입문 > 강의 허민오 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University

신경망 (Neural Networks) < 인공지능입문 > 강의 허민오 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 신경망 (Neural Networks) < 인공지능입문 > 강의 허민오 Bioitelligece Laboratory School of Computer Sciece ad Egieerig Seoul Natioal Uiversity 목차 신경망이란? 퍼셉트론 - 퍼셉트론의구조와학습목표 - 퍼셉트론의활성화함수 - 퍼셉트론의학습 : 델타규칙신경망의학습 - 다층퍼셉트론

More information

3 Gas Champion : MBB : IBM BCS PO : 2 BBc : : /45

3 Gas Champion : MBB : IBM BCS PO : 2 BBc : : /45 3 Gas Champion : MBB : IBM BCS PO : 2 BBc : : 20049 0/45 Define ~ Analyze Define VOB KBI R 250 O 2 2.2% CBR Gas Dome 1290 CTQ KCI VOC Measure Process Data USL Target LSL Mean Sample N StDev (Within) StDev

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Chapter 1. 머신러닝개요 < 기계학습개론 > 강의서울대학교컴퓨터공학부장병탁 교재 : 장교수의딥러닝, 홍릉과학출판사, 2017. Slides Prepared by 장병탁, 김준호, 이상우 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University

More information

요약 최근금융과 IT업계의중요화두가운데하나는핀테크이며, 신기술의발전등으로금융서비스의모습도나날이변화하고있다. 금융관련데이터는폭발적으로증가하고있으며이러한빅데이터시대에새로운가치를창출할수있는정보분석을위한머신러닝이각광받고있다. 머신러닝은빅데이터시대에보다직관적인이해를돕기위한시각화

요약 최근금융과 IT업계의중요화두가운데하나는핀테크이며, 신기술의발전등으로금융서비스의모습도나날이변화하고있다. 금융관련데이터는폭발적으로증가하고있으며이러한빅데이터시대에새로운가치를창출할수있는정보분석을위한머신러닝이각광받고있다. 머신러닝은빅데이터시대에보다직관적인이해를돕기위한시각화 머신러닝을활용한스마트서비스와금융 이근영 * Ⅰ. 서론 33 Ⅱ. 머신러닝개요 34 1. 머신러닝의개념 34 2. 머신러닝의다른학문분야와의연계성 35 Ⅲ. 머신러닝관련기술및특징 40 1. 머신러닝의분류 40 2. 머신러닝알고리즘과특징 41 Ⅳ. 머신러닝의활용 43 1. 머신러닝의활용분야 43 2. 금융권머신러닝의활용 45 Ⅴ. 머신러닝관련동향및이슈 51 1.

More information

기획특집 4 I 머신러닝알고리즘을이용한부동산가치산정에관한소고 Ⅱ. 인공지능의정의와주요분야 1956년여름개최된다트머스학술회의 (Dartmouth Conference) 를통해인공지능이라는용어가널리알려지고, 인공지능이새로운연구분야로서확립되게된다. 인공지능이라는용어를처음고안한

기획특집 4 I 머신러닝알고리즘을이용한부동산가치산정에관한소고 Ⅱ. 인공지능의정의와주요분야 1956년여름개최된다트머스학술회의 (Dartmouth Conference) 를통해인공지능이라는용어가널리알려지고, 인공지능이새로운연구분야로서확립되게된다. 인공지능이라는용어를처음고안한 머신러닝알고리즘을이용한부동산가치산정에관한소고 심재헌부연구위원한국감정원 KAB 부동산연구원연구개발실 Ⅰ. 들어가며 2016년상반기대한민국의가장큰화두는바둑대결로널리알려진 AlphaGo 1) 와인공지능 (artificial intelligence) 이었다. 수많은경우의수를가진복잡한바둑경기만큼은아직까지인공지능기술이인간을상대로우위를점하기어렵다는일반적인예상과상반된결과가나오자,

More information

시장분석통계Ⅰ. 서론부록인공신경망의시초라할수있는퍼셉트론 (perceptron) 은 1957 년 Frank Rosenblatt 가발명했고딥러닝의 학습알고리즘인오차역전파법 (back-propagation) 은 1986년 LeCun에의해발명됐다. 이미딥러닝의핵심이론은 198

시장분석통계Ⅰ. 서론부록인공신경망의시초라할수있는퍼셉트론 (perceptron) 은 1957 년 Frank Rosenblatt 가발명했고딥러닝의 학습알고리즘인오차역전파법 (back-propagation) 은 1986년 LeCun에의해발명됐다. 이미딥러닝의핵심이론은 198 SURVEY AND RESEARCH 02 딥러닝의현재와미래 Ⅰ. 서론 Ⅱ. 딥러닝을이용한채권회수율예측 Ⅲ. 알파고, 알파고제로, 알파제로 Ⅳ. 결론 김동현 * 한국주택금융공사정보전산부팀장 2017년말에딥마인드에서개발한알파제로는딥러닝을이용한강화학습을통해바둑의기본규칙만을입력받고스스로바둑을둬가며학습하여불과 3일만에수천년간쌓아올린인간의바둑지식을터득했고인간이미처생각하지못한새로운전략도발견했다.

More information

표상학습을이용한딥러닝이미지특성의범용분류성에대한실험적분석 지도교수장병탁 이논문을공학학사학위논문으로제출함 년 12 월 21 일 서울대학교공과대학컴퓨터공학부한동식 2016 년 2 월

표상학습을이용한딥러닝이미지특성의범용분류성에대한실험적분석 지도교수장병탁 이논문을공학학사학위논문으로제출함 년 12 월 21 일 서울대학교공과대학컴퓨터공학부한동식 2016 년 2 월 표상학습을이용한딥러닝이미지특성의범용분류성에대한실험적분석 Experimental Analyses on Generalized Discriminability of Deep Convolutional Image Features using Representational Learning 서울대학교공과대학컴퓨터공학부한동식 표상학습을이용한딥러닝이미지특성의범용분류성에대한실험적분석

More information

발표순서 l 소개 l 딥러닝과빅데이터 l 딥러닝과빅데이터기술동향 l 국내외인공지능동향및시장전망 l 맺는말

발표순서 l 소개 l 딥러닝과빅데이터 l 딥러닝과빅데이터기술동향 l 국내외인공지능동향및시장전망 l 맺는말 딥러닝과빅데이터동향 정보통신설비학회 (ITFE) 학술발표회 2016.09.02 중부대학교컴퓨터게임학과 김순곤 Soongohn, Kim (sgkim@joongbu.ac.kr) 발표순서 l 소개 l 딥러닝과빅데이터 l 딥러닝과빅데이터기술동향 l 국내외인공지능동향및시장전망 l 맺는말 1 장. 딥러닝과머신러닝 인공지능 (Artificial Inteligence :

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

[NO_11] 의과대학 소식지_OK(P)

[NO_11] 의과대학 소식지_OK(P) 진 의학 지식과 매칭이 되어, 인류의 의학지식의 수준을 높 여가는 것이다. 하지만 딥러닝은 블랙박스와 같은 속성을 가지고 있어서, 우리는 단지 결과만을 알 수 있기 때문에 이런 식의 의학지 식의 확장으로 이어지기는 힘들 수 있다는 것을 의미한다. 이것은 실제로 의학에서는 인공지능을 사용하게 될 때 여러 가지 문제를 만들 수 있다. 뿐만 아니라, 인간이 이해

More information

_KrlGF발표자료_AI

_KrlGF발표자료_AI AI 의과거와현재그리고내일 AI is the New Electricity 2017.09.15 AI! 2 Near Future of Super Intelligence? *source l http://www.motherjones.com/media/2013/05/robots-artificial-intelligence-jobs-automation 3 4 I think

More information

PowerPoint Presentation

PowerPoint Presentation 4 장. 신경망 들어가는말 신경망 1940년대개발 ( 디지털컴퓨터와탄생시기비슷 ) 인간지능에필적하는컴퓨터개발이목표 4.1 절 일반적관점에서간략히소개 4.2-4.3 절 패턴인식의분류알고리즘으로서구체적으로설명 4.2 절 : 선형분류기로서퍼셉트론 4.3 절 : 비선형분류기로서다층퍼셉트론 4.1.1 발상과전개 두줄기연구의시너지 컴퓨터과학 계산능력의획기적발전으로지능처리에대한욕구의학

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

(JBE Vol. 23, No. 2, March 2018) (Special Paper) 23 2, (JBE Vol. 23, No. 2, March 2018) ISSN

(JBE Vol. 23, No. 2, March 2018) (Special Paper) 23 2, (JBE Vol. 23, No. 2, March 2018)   ISSN (Special Paper) 23 2, 2018 3 (JBE Vol. 23, No. 2, March 2018) https://doi.org/10.5909/jbe.2018.23.2.186 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) a), a) Robust Online Object Tracking via Convolutional

More information

01 AI Definition 02 Deep Learning Theory - Linear Regression - Cost Function - Gradient Descendent - Logistic Regression - Activation Function - Conce

01 AI Definition 02 Deep Learning Theory - Linear Regression - Cost Function - Gradient Descendent - Logistic Regression - Activation Function - Conce Artificial Intelligence for Deep Learning 01 AI Definition 02 Deep Learning Theory - Linear Regression - Cost Function - Gradient Descendent - Logistic Regression - Activation Function - Concept of Neural

More information

분석기법의기본개념부터활용까지사례중심의 A to Z 학습 데이터분석기본 교육기간 : 3 일 (24 시간 )/ 비합숙 교육비 : 회원 62 만원 / 비회원 69 만원 데이터분석핵심이론학습및현업에적용 현장에서발생하는변수를이해하고상황에따른최적화방안도출 품질향상을위한부적합원인도

분석기법의기본개념부터활용까지사례중심의 A to Z 학습 데이터분석기본 교육기간 : 3 일 (24 시간 )/ 비합숙 교육비 : 회원 62 만원 / 비회원 69 만원 데이터분석핵심이론학습및현업에적용 현장에서발생하는변수를이해하고상황에따른최적화방안도출 품질향상을위한부적합원인도 인간이사용하는언어를분석하는기법과다양한데이터를그래프로표현하는방법학습 텍스트데이터수집과감성분석 인터넷에있는다양한비정형데이터수집 고객이회사의어떤서비스에불만을갖는지를자동으로분석 분석된결과를데이터의특징에맞게다양한그래프로표현 데이터분석실무자, 마케팅기획실무담당자 비정형데이터분석 데이터시각화 사용자언어의분석과시각화 키워드 / 감성분석 형태소분석 분석결과시각화 비정형데이터의수집,

More information

슬라이드 0

슬라이드 0 지능형보험부당청구탐지와예측 위세아이텍 김상수 0 11 부당청구탐지서비스의차별적경쟁우위를확보하기위함임 도입배경 프로젝트목적 효과적조사대상선정 보험부당청구세그먼트별탐지모형차별화 머신러닝기반탐지정확도향상 기대효과 최신기술기반민첩한탐지 머신러닝을이용한데이터기반모형 학습과탐지모형의구조화 보험사기는해마다다양한방법으로 10% 씩증가하는추세이다. 2016 년한해동안적발된보험사기금액은전년대비

More information

모바일동향

모바일동향 .... 기계학습의원리, 능력과한계 2016.3. 김진형 소프트웨어정책연구소소장 KAIST 전산학부명예교수 국제패턴인식학회 Fellow 정보과학회명예회장 결과는종종혁신적이지만 진화는항상점진적이다 * 혁신적인알파고, 딥러닝은 70 년동안의인공지능기술진화의산물 * 출처 : 기술의진화 : 비유와함의들, 이관수 ( 동국대다르마칼리지이관수교수 ) 에서 지능적행동을자동화하기위한컴퓨터과학의한분야

More information

288 Woosik Lee 주요은행과삼성증권, 신한금융투자, 미래에셋대우, 한국투자증권, 현대증권등증권사들은자체적으로시스템을개발하거나로보어드바이저스타트업체와제휴하는방식으로추진하고있다 (Ko, 2016). 현재일반투자자를대상으로저비용자산관리서비스를제공하는로보어드바이저에의

288 Woosik Lee 주요은행과삼성증권, 신한금융투자, 미래에셋대우, 한국투자증권, 현대증권등증권사들은자체적으로시스템을개발하거나로보어드바이저스타트업체와제휴하는방식으로추진하고있다 (Ko, 2016). 현재일반투자자를대상으로저비용자산관리서비스를제공하는로보어드바이저에의 Journal of the Korean Data & Information Science Society 2017, 28(2), 287 295 http://dx.doi.org/10.7465/jkdi.2017.28.2.287 한국데이터정보과학회지 딥러닝분석과기술적분석지표를이용한한국 코스피주가지수방향성예측 이우식 1 1 안양대학교정보통계학과 접수 2017 년 1 월

More information

Slide 1

Slide 1 딥러닝 (Deep Learning) 2016 04 29 변경원 1. 딥러닝이란무엇인가? 2. 인공지능이란무엇인가? 3. 딥러닝은왜필요한가? Agenda 4. 딥러닝은어떤역할을하는가? 5. 딥러닝은어떻게만들어야하는가? 6. GPU 의역할 7. 딥러닝의기여 8. AlphaGo 와 GPU 2 1. 딥러닝이란무엇인가? 2. 인공지능이란무엇인가? 3. 딥러닝은왜필요한가?

More information

2 : (EunJu Lee et al.: Speed-limit Sign Recognition Using Convolutional Neural Network Based on Random Forest). (Advanced Driver Assistant System, ADA

2 : (EunJu Lee et al.: Speed-limit Sign Recognition Using Convolutional Neural Network Based on Random Forest). (Advanced Driver Assistant System, ADA (JBE Vol. 20, No. 6, November 2015) (Regular Paper) 20 6, 2015 11 (JBE Vol. 20, No. 6, November 2015) http://dx.doi.org/10.5909/jbe.2015.20.6.938 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) a), a),

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Visual Search At SK-Planet sk-planet Machine Intelligence Lab. 나상일 1. 개발배경 2. 첫접근방법 3. 개선된방법 A. Visual recognition technology B. Guided search C. Retrieval system 개발배경 개발배경 상품검색을좀더쉽게 Key-word 트렌치코트버튺벨트

More information

제4차 산업혁명과 인공지능 차 례 제4차 산업혁명과 인공지능 2 제46회 다보스포럼이 2016년 1월 21일~24일 4차 산업혁명의 이해 라는 주제로 개최 되었습니다. 4차 산업혁명은 인공지능에 의해 자동화와 연결성이 극대화되는 단계 로서 오늘날 우리 곁에 모습을 드러

제4차 산업혁명과 인공지능 차 례 제4차 산업혁명과 인공지능 2 제46회 다보스포럼이 2016년 1월 21일~24일 4차 산업혁명의 이해 라는 주제로 개최 되었습니다. 4차 산업혁명은 인공지능에 의해 자동화와 연결성이 극대화되는 단계 로서 오늘날 우리 곁에 모습을 드러 국가연구개발사업 정보 길잡이 제23호 2016년 4월 4월 과학의 날 특집 인공지능과 알파고 이야기 제4차 산업혁명과 인공지능 차 례 제4차 산업혁명과 인공지능 2 제46회 다보스포럼이 2016년 1월 21일~24일 4차 산업혁명의 이해 라는 주제로 개최 되었습니다. 4차 산업혁명은 인공지능에 의해 자동화와 연결성이 극대화되는 단계 로서 오늘날 우리 곁에 모습을

More information

Contents SEOUL NATIONAL UNIVERSITY FUTURE INTEGRATED-TECHNOLOGY PROGRAM FIP 13 FIP

Contents SEOUL NATIONAL UNIVERSITY FUTURE INTEGRATED-TECHNOLOGY PROGRAM FIP 13 FIP SEOUL NATIONAL UNIVERSITY FUTURE INTEGRATED-TECHNOLOGY PROGRAM 13 : (IoT), 4.0,,,,,, CEO. 13 : 2016 3 29 ( ) ~ 11 1 ( ) : 310 Contents SEOUL NATIONAL UNIVERSITY FUTURE INTEGRATED-TECHNOLOGY PROGRAM FIP

More information

SEOUL NATIONAL UNIVERSITY FUTURE INTEGRATED-TECHNOLOGY PROGRAM 13 : (IoT), 4.0,,,,,, CEO. 13 : ( ) ~ 11 1 ( ) : 310

SEOUL NATIONAL UNIVERSITY FUTURE INTEGRATED-TECHNOLOGY PROGRAM 13 : (IoT), 4.0,,,,,, CEO. 13 : ( ) ~ 11 1 ( ) : 310 SEOUL NATIONAL UNIVERSITY FUTURE INTEGRATED-TECHNOLOGY PROGRAM 13 : (IoT), 4.0,,,,,, CEO. 13 : 2016 3 29 ( ) ~ 11 1 ( ) : 310 Contents SEOUL NATIONAL UNIVERSITY FUTURE INTEGRATED-TECHNOLOGY PROGRAM FIP

More information

(JBE Vol. 23, No. 2, March 2018) (Special Paper) 23 2, (JBE Vol. 23, No. 2, March 2018) ISSN

(JBE Vol. 23, No. 2, March 2018) (Special Paper) 23 2, (JBE Vol. 23, No. 2, March 2018)   ISSN (Special Paper) 23 2, 2018 3 (JBE Vol. 23, No. 2, March 2018) https://doi.org/10.5909/jbe.2018.23.2.246 ISSN 2287-9137 (Online) ISSN 1226-7953 (Print) CNN a), a), a) CNN-Based Hand Gesture Recognition

More information

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월 지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., 2004 5 2009 12 KOSPI200.,. * 2009. 지능정보연구제 16 권제 1 호 2010 년 3 월 김선웅 안현철 社 1), 28 1, 2009, 4. 1. 지능정보연구제 16 권제 1 호 2010 년 3 월 Support

More information

다중 곡면 검출 및 추적을 이용한 증강현실 책

다중 곡면 검출 및 추적을 이용한 증강현실 책 1 딥러닝기반성별및연령대 추정을통한맞춤형광고솔루션 20101588 조준희 20131461 신혜인 2 개요 연구배경 맞춤형광고의필요성 성별및연령별주요관심사에적합한광고의필요성증가 제한된환경에서개인정보획득의한계 맞춤형광고의어려움 영상정보기반개인정보추정 연구목표 딥러닝기반사용자맞춤형광고솔루션구현 얼굴영상을이용한성별및연령대추정 성별및연령대를통합네트워크로학습하여추정정확도향상

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

딥러닝튜토리얼 Deep Learning Tutorial - 신경망과딥러닝의이해 Understanding Neural Network & Deep Learning

딥러닝튜토리얼 Deep Learning Tutorial - 신경망과딥러닝의이해 Understanding Neural Network & Deep Learning 딥러닝튜토리얼 Deep Learning Tutorial - 신경망과딥러닝의이해 Understanding Neural Network & Deep Learning 집필기관및참여인원 : 소프트웨어정책연구소 안성원 추형석 전남대학교 김수형 목 차 제 1 장서론 2 제2장단일퍼셉트론 2 제1절구조 2 제2절기능 3 제3절학습원리 5 제4절단층퍼셉트론 8 제3장다층퍼셉트론

More information

슬라이드 1

슬라이드 1 빅데이터분석을위한데이터마이닝방법론 SAS Enterprise Miner 활용사례를중심으로 9 주차 예측모형에대한평가 Assessment of Predictive Model 최종후, 강현철 차례 6. 모형평가의기본개념 6.2 모델비교 (Model Comparison) 노드 6.3 임계치 (Cutoff) 노드 6.4 의사결정 (Decisions) 노드 6.5 기타모형화노드들

More information

< 내용요약 > 인공지능 (Artificial Intelligence) 기술은혁신적알고리즘 (algorithm) 의개발을통해인간과유사한방식으로학습하는진정한의미의인공지능으로발전 인공지능알고리즘의발전은이미지인식, 음성인식및통 번역등다양한영역에서비약적인성능향상을견인하고, 스

< 내용요약 > 인공지능 (Artificial Intelligence) 기술은혁신적알고리즘 (algorithm) 의개발을통해인간과유사한방식으로학습하는진정한의미의인공지능으로발전 인공지능알고리즘의발전은이미지인식, 음성인식및통 번역등다양한영역에서비약적인성능향상을견인하고, 스 2018. 5. 28 : 인공지능알고리즘의발전방향과금융산업적용 인공지능알고리즘의발전과성과 인공지능알고리즘의한계와진화방향 알고리즘활용시고려사항 < 내용요약 > 인공지능 (Artificial Intelligence) 기술은혁신적알고리즘 (algorithm) 의개발을통해인간과유사한방식으로학습하는진정한의미의인공지능으로발전 인공지능알고리즘의발전은이미지인식, 음성인식및통

More information

제1강 인공지능 개념과 역사

제1강 인공지능 개념과 역사 인공지능개념과역사 < 인공지능입문 > 강의노트 장병탁서울대학교컴퓨터공학부 & 인지과학 / 뇌과학협동과정 http://bi.snu.ac.kr/~btzhang/ Version: 20180302 목차 인공지능의개념........ 3 연구분야............ 4 역사...... 6 패러다임........ 7 응용사례.......... 8 Reading Assignments.........

More information

조사보고서 구조화금융관점에서본금융위기 분석및시사점

조사보고서 구조화금융관점에서본금융위기 분석및시사점 조사보고서 2009-8 구조화금융관점에서본금융위기 분석및시사점 Ⅰ. 서론 Ⅱ. 구조화금융의미시적시장구조 2 조사보고서 2009-08 요약 3 Ⅲ. 서브프라임위기의현황과분석 4 조사보고서 2009-08 Ⅳ. 서브프라임위기의원인및특징 요약 5 6 조사보고서 2009-08 Ⅴ. 금융위기의파급경로 Ⅵ. 금융위기극복을위한정책대응 요약 7 8 조사보고서 2009-08

More information

Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology Vol.7, No.11, November (2017), pp

Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology Vol.7, No.11, November (2017), pp Vol.7, No.11, November (2017), pp. 71-79 http://dx.doi.org/10.14257/ajmahs.2017.11.59 이기종컴퓨팅을활용한환율예측뉴럴네트워크구현 한성현 1), 이광엽 2) Implementation of Exchange Rate Forecasting Neural Network Using Heterogeneous

More information

슬라이드 1

슬라이드 1 저작권기술 NEWSLETTER 2017.08.07. Volume 05-3 기술분야 : SW 저작권기술 적용시장 : 인공지능시장 인공지능 (AI, Artificial Intelligence) 이란인간처럼사고 감지 행동하도록설계된일련의알고리즘체계이다. 아이폰의 시리 (Siri) 도인공지능의한종류라고할수있는데, 즉인공지능은사람의개입없이도사람이의도한바를이루어주는대리인

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Introduction to Deep Learning and Neural Networks Vision Modeling Lab. Division of Electrical Engineering Hanyang University, ERICA Campus 2 Contents Machine learning Artificial Neural Network (ANN) 신경망의역사와최근의딥러닝

More information

02본문

02본문 46 특집 : 딥러닝기반방송미디어기술 특집 딥러닝기반방송미디어기술 딥러닝기반의음성 / 오디오기술 Speech/Audio Processing based on Deep Learning 이영한 / KETI Ⅰ. 서론 인간의두뇌를모델링하는뉴럴네트워크연구는 1940 년대신경세포의모델링부터시작하여현재까지다양한기술이축적되어왔다. 특히 backpropagation 이제안된이후에

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 1 2 3 3-1 3-2 3-3 Large-scale data 개요기계학습기반자료분석기술교통분석에기계학습적용사례 1 CNN 을활용한대중교통수요예측 2 RNN 을활용한공로통행속도예측 3 DQN 을이용한최적교통신호제어 4 시연 Large-Scale Data 기술요소 전수자료 이력자료누적 ( 자료를지우지않음 ) Hadoop HDFS MapReduce 병렬 DBMS

More information

Electronics and Telecommunications Trends 인공지능을이용한 3D 콘텐츠기술동향및향후전망 Recent Trends and Prospects of 3D Content Using Artificial Intelligence Technology

Electronics and Telecommunications Trends 인공지능을이용한 3D 콘텐츠기술동향및향후전망 Recent Trends and Prospects of 3D Content Using Artificial Intelligence Technology Electronics and Telecommunications Trends 인공지능을이용한 3D 콘텐츠기술동향및향후전망 Recent Trends and Prospects of 3D Content Using Artificial Intelligence Technology 이승욱 (S.W. Lee, tajinet@etri.re.kr) 황본우 (B.W. Hwang,

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 ETRI, Kim Kwihoon (kwihooi@etri.re.kr) 1 RL overview & RL 에주목하는이유? 2 RL Tech. Tree 3 Model-based RL vs Model-free RL 4 몇가지사례들 5 Summary 2 AI Framework KSB AI Framework BeeAI,, Edge Computing EdgeX,, AI

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 사람인 LAB 매칭기술팀김정길 INDEX ) 취업포털관점의 4 차산업혁명기술동향분석 2) 비전공자의소프트웨어일자리진출현황분석 기술과동반한산업혁명의흐름 4 차산업혁명 정보기술기반의초연결혁명 (2 세기후반 ) 3 차산업혁명 인공지능 (AI),MachineLearning( 머신러닝 ), DeepLearning( 딥러닝 ), 사물인터넷 (IoT), Big-data(

More information

2002년 2학기 자료구조

2002년 2학기 자료구조 자료구조 (Data Structures) Chapter 1 Basic Concepts Overview : Data (1) Data vs Information (2) Data Linear list( 선형리스트 ) - Sequential list : - Linked list : Nonlinear list( 비선형리스트 ) - Tree : - Graph : (3)

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 빅데이터분석의현재와미래 2018 동국대학교통계학과이영섭 yung@dongguk.edu 데이터마이닝 (Data Mining) 데이터마이닝과 KDD KDD (Knowledge Discovery in Data) 란? - 데이터에서숨겨져있는유용한패턴들을알아나가는전체적인과정 KDD 학회의변천사 - Knowledge Discovery in Databases(1989)

More information

김경재 안현철 지능정보연구제 17 권제 4 호 2011 년 12 월

김경재 안현철 지능정보연구제 17 권제 4 호 2011 년 12 월 지능정보연구제 17 권제 4 호 2011 년 12 월 (pp.241~254) Support vector machines(svm),, CRM. SVM,,., SVM,,.,,. SVM, SVM. SVM.. * 2009() (NRF-2009-327- B00212). 지능정보연구제 17 권제 4 호 2011 년 12 월 김경재 안현철 지능정보연구제 17 권제 4 호

More information

논문제출양식

논문제출양식 C-LSTM 신경망을이용한웹트래픽이상탐지 김태영조성배 b 연세대학교공과대학컴퓨터과학과 120-749, 서울시서대문구연세로 50 Tel: +82-2-2123-2710, Fax: +82-2-365-2579, E-mail: taeyoungkim@yonsei.ac.kr, sbcho@yonsei.ac.kr 요약 웹트래픽이상탐지는웹서버를보호하기위한보안프레임워크의가장중요한구성요소로서정상동작을따르지않는웹트래픽구간을빠르고정확하게탐지하는것이무엇보다중요하다.

More information

Microsoft PowerPoint - ai-8 기계 학습-I

Microsoft PowerPoint - ai-8 기계 학습-I 기계학습 충북대학교소프트웨어학과이건명 충북대인공지능 1 기계학습 Part I 충북대학교소프트웨어학과이건명 충북대인공지능 2 1. 기계학습 기계학습 ( 機械學習, machine learning) 경험을통해서나중에유사하거나같은일 (task) 를더효율적으로처리할수있도록시스템의구조나파라미터를바꾸는것 (To improve the performance of a system

More information

슬라이드 0

슬라이드 0 Machine Learning Basic 2016.09 Quarry systems 윤동한 인공지능이란? 지능적행동을자동화하기위한컴퓨터과학의한분야 (Luger & Stubblefield, 1993) 현재사람이더잘하는일을컴퓨터가하도록하는연구 (Rich & Knight, 1991) 1 Machine Learning 이란 명시적으로 Program 하지않고, 스스로학습할수있는능력을컴퓨터에게주기위한연구

More information

<4D F736F F D20B1E2C8B9BDC3B8AEC1EE2DB1E2BFEBB0C9>

<4D F736F F D20B1E2C8B9BDC3B8AEC1EE2DB1E2BFEBB0C9> 기획시리즈 주간기술동향 2016. 3. 9. 인공지능과심층학습의연구동향 기용걸 도로교통공단교통과학연구원부수석연구원 kiyongkul@koroad.or.kr 1. 서론 2. 심층학습의발전과정 3. 심층망의문제점 4. 심층망을위한학습기법 5. 심층학습의응용 6. 결론및시사점 1. 서론마이너리티리포트와같은공상과학영화에서미래에는자동차가스스로운전하고사람들은그냥편안히앉아있는모습을종종보게된다.

More information

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선 Point Operation Histogram Modification 김성영교수 금오공과대학교 컴퓨터공학과 학습내용 HISTOGRAM HISTOGRAM MODIFICATION DETERMINING THRESHOLD IN THRESHOLDING 2 HISTOGRAM A simple datum that gives the number of pixels that a

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

미래포럼수정(2.29) 2012.12.29 3:36 PM 페이지3 위너스CTP1번 2540DPI 200LPI 미래에 대해 얼마나 알고 계십니까? 새로운 미래, 어떻게 맞이할 것입니까? 오늘보다 나은 내일, 더 큰 미래를 열어갑시다 2014년 아시아 세계경제 33% 차지

미래포럼수정(2.29) 2012.12.29 3:36 PM 페이지3 위너스CTP1번 2540DPI 200LPI 미래에 대해 얼마나 알고 계십니까? 새로운 미래, 어떻게 맞이할 것입니까? 오늘보다 나은 내일, 더 큰 미래를 열어갑시다 2014년 아시아 세계경제 33% 차지 미래포럼수정(2.29) 2012.12.29 3:36 PM 페이지3 위너스CTP1번 2540DPI 200LPI 미래에 대해 얼마나 알고 계십니까? 새로운 미래, 어떻게 맞이할 것입니까? 오늘보다 나은 내일, 더 큰 미래를 열어갑시다 2014년 아시아 세계경제 33% 차지 / 광컴퓨터 상용화 2016년 대한민국 경제활동 인구 감소 시작 2021년 인공지능 로봇

More information

KODEX Perspectives 1. Market Perspectives [인공지능, 인간에게 위협이 아닌 인간과의 융합을] Market Perspectives는 국내외 금융 시장을 둘러싼 주요한 이슈를 집중 분석하며, 이를 통해 투자 아이디 어를 찾아냅니다. 금번

KODEX Perspectives 1. Market Perspectives [인공지능, 인간에게 위협이 아닌 인간과의 융합을] Market Perspectives는 국내외 금융 시장을 둘러싼 주요한 이슈를 집중 분석하며, 이를 통해 투자 아이디 어를 찾아냅니다. 금번 준법감시인 승인필 제160324-12호 KODEX Perspectives 1. Market Perspectives [인공지능, 인간에게 위협이 아닌 인간과의 융합을] Market Perspectives는 국내외 금융 시장을 둘러싼 주요한 이슈를 집중 분석하며, 이를 통해 투자 아이디 어를 찾아냅니다. 금번 호에서는 최근 이슈가 되고 있 는 인공지능에 대해 알아보는

More information

융합WEEKTIP data_up

융합WEEKTIP data_up 2016 MAY vol.19 19 융합 인지과학 연구동향 이아름 융합연구정책센터 발행일 2016. 05. 09. 발행처 융합정책연구센터 융합 2016 MAY vol.19 인지과학 연구동향 이아름 융합연구정책센터 선정 배경 최근 구글의 인공지능 프로그램인 알파고가 이세돌 9단과의 바둑대결에서 압승을 거둔 이후 전세계적으로 인공지능에 대한 관심이 증대 - 인간

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

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 고령사회인공지능과로봇의미래 뉴스토마토 2016 은퇴전략포럼 2016. 9. 23 ( 목 ), 15:20~14:00 장병탁서울대학교컴퓨터공학부 & 인지과학 / 뇌과학협동과정인지로봇인공지능연구센터 (CRAIC) http://bi.snu.ac.kr/ 목차 1. 인공지능혁명............. 3 머신러닝 / 딥러닝혁명, 글로벌기업동향 2. 스마트머신의등장........

More information

KCC2011 우수발표논문 휴먼오피니언자동분류시스템구현을위한비결정오피니언형용사구문에대한연구 1) Study on Domain-dependent Keywords Co-occurring with the Adjectives of Non-deterministic Opinion

KCC2011 우수발표논문 휴먼오피니언자동분류시스템구현을위한비결정오피니언형용사구문에대한연구 1) Study on Domain-dependent Keywords Co-occurring with the Adjectives of Non-deterministic Opinion KCC2011 우수발표논문 휴먼오피니언자동분류시스템구현을위한비결정오피니언형용사구문에대한연구 1) Study on Domain-dependent Keywords Co-occurring with the Adjectives of Non-deterministic Opinion 요약 본연구에서는, 웹문서로부터특정상품에대한의견문장을분석하는오피니언마이닝 (Opinion

More information

I. 인간의마지막자존심, 바둑을넘어선인공지능 1) 알파고의등장바둑은기계가이길수없는인간의마지막자존심의영역이었다. 이러한믿음은구글의알파고에의해무너졌다. 2016년 3월구글-딥마인드의 알파고 가상금 100만달러를내걸고이세돌 9단과 5차례대국을벌였다. 승리를믿어의심치않았던인간

I. 인간의마지막자존심, 바둑을넘어선인공지능 1) 알파고의등장바둑은기계가이길수없는인간의마지막자존심의영역이었다. 이러한믿음은구글의알파고에의해무너졌다. 2016년 3월구글-딥마인드의 알파고 가상금 100만달러를내걸고이세돌 9단과 5차례대국을벌였다. 승리를믿어의심치않았던인간 디지에코보고서 Issue&Trend 2017.04.04 4 차산업혁명을이끄는인공지능 - 딥러닝을중심으로 kt BigData Project-TF, 류성일 (ryu0121@kt.com) I. 인간의마지막자존심, 바둑을넘어선인공지능 II. 딥러닝 : 더인간처럼, 그리고인간을넘어 III. 인공지능의핵심경쟁력, 빅데이터 IV. 인공지능이할수있는일 V. 인공지능, 축복인가위협인가

More information

¹Ì·¡Æ÷·³-5±âºê·Î¼Å_1228.ps

¹Ì·¡Æ÷·³-5±âºê·Î¼Å_1228.ps 미래에 대해 얼마나 알고 계십니까? 새로운 미래, 어떻게 맞이할 것입니까? 오늘보다 나은 내일, 더 큰 미래를 열어갑시다 2014년 아시아 세계경제 33% 차지 / 광컴퓨터 상용화 2016년 대한민국 경제활동 인구 감소 시작 2021년 인공지능 로봇 실용화 2024년 유전자 치료와 암 정복 가능 2025년 중국 세계 1위 경제대국 / 세계인구 80억 돌파 2030년

More information

<313620B1E8BFB5BFF52E687770>

<313620B1E8BFB5BFF52E687770> The Journal of The Institute of Internet, Broadcasting and Communication (IIBC) Vol. 17, No. 5, pp.119-124, Oct. 31, 2017. pissn 2289-0238, eissn 2289-0246 https://doi.org/10.7236/jiibc.2017.17.5.119 JIIBC

More information

방송공학회논문지 제18권 제2호

방송공학회논문지 제18권 제2호 방송공학회논문지 제 20권 6호 (2015년 11월) 특집논문 : 2015년 하계학술대회 좌장추천 우수논문 프레넬 회절을 이용한 디지털 홀로그램 암호화 알고리즘 새로운 광적응 효과 모델을 이용한 정교한 영상 화질 측정 민방위 경보 방송에 대한 정보 수용자 인식 연구 UHDTV 방송을 위한 공간 변조 다중 안테나 시스템 수신 성능 분석 홍보동영상 제작 서비스를

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 3 장. 다층퍼셉트론 PREVIEW 신경망 기계학습역사에서가장오래된기계학습모델이며, 현재가장다양한형태를가짐 1950년대퍼셉트론 1980년대다층퍼셉트론 3장은 4장딥러닝의기초가됨 3.1 신경망기초 3.1.1 인공신경망과생물신경망 3.1.2 신경망의간략한역사 3.1.3 신경망의종류 3.1.1 인공신경망과생물신경망 사람의뉴런 두뇌의가장작은정보처리단위 세포체는 cell

More information

650 원승현 서대호 박대원 Intelligence, AI) 이란사고나학습등인간이가진지적능력을컴퓨터를통해구현하는기술이며 (Won et al., 2016) 인간처럼생각하고행동하며이성적으로생각하며행동하는시스템으로정의하였다 (Russell et al., 2003). 인공지능

650 원승현 서대호 박대원 Intelligence, AI) 이란사고나학습등인간이가진지적능력을컴퓨터를통해구현하는기술이며 (Won et al., 2016) 인간처럼생각하고행동하며이성적으로생각하며행동하는시스템으로정의하였다 (Russell et al., 2003). 인공지능 한국자원공학회지 J. Korean Soc. Miner. Energy Resour. Eng. Vol. 55, No. 6 (2018) pp. 649-659, https://doi.org/10.32390/ksmer.2018.55.6.649 ISSN 2288-0291(print) ISSN 2288-2790(online) 기술보고 딥러닝기법을활용한매립가스발전소포집공의메탄가스농도예측

More information

사회통계포럼

사회통계포럼 wcjang@snu.ac.kr Acknowledgements Dr. Roger Peng Coursera course. https://github.com/rdpeng/courses Creative Commons by Attribution /. 10 : SNS (twitter, facebook), (functional data) : (, ),, /Data Science

More information

<4D F736F F D20B1E2C8B9BDC3B8AEC1EE2DB0FBB3EBC1D8>

<4D F736F F D20B1E2C8B9BDC3B8AEC1EE2DB0FBB3EBC1D8> 딥러닝기술동향 - CNN 과 RNN 을중심으로 - 곽노준박성헌 * 김대식 * 서울대학교교수서울대학교박사과정 * 본고에서는딥러닝의여러가지분야중최근영상인식분야에서기존방법들보다월등한성능을보이고있는컨볼루션신경망 (Convolutional Neural Networks: CNN) 과음성인식이나자연어처리등에적용되어뛰어난성능을보이는순환신경망 (Recurrent Neural

More information

KAKAO AI REPORT Vol.01

KAKAO AI REPORT Vol.01 KAKAO AI REPORT Vol.01 2017.03 import kakao.ai.dataset.daisy import kakao.ai.image import kakao.ai.classifier import mxnet as mx def Conv(data, num_filter, kernel=(1, 1), stride=(1, 1), pad=(0, 0), name=none,

More information

42.hwp

42.hwp Asia-pacific Journal of 김대현 Multimedia Services Convergent with Art, Humanities, and Sociology Vol.6, No.5, May (2016), pp. 435-444 http://dx.doi.org/10.14257/ajmahs.2016.05.22 딥러닝 신경망모형을 이용한 실시간 교통정보수집

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

본보고서는 미래창조과학부정보통신진흥기금 을지원받아제작한것으로미래창조과학부의공식의견과다를수있습니다. 본보고서의내용은연구진의개인견해이며, 본보고서와관련한의문사항또는수정 보완할필요가있는경우에는아래연락처로연락해주시기바랍니다. 소프트웨어정책연구소연구조정실추형석선임연구원 (hsc

본보고서는 미래창조과학부정보통신진흥기금 을지원받아제작한것으로미래창조과학부의공식의견과다를수있습니다. 본보고서의내용은연구진의개인견해이며, 본보고서와관련한의문사항또는수정 보완할필요가있는경우에는아래연락처로연락해주시기바랍니다. 소프트웨어정책연구소연구조정실추형석선임연구원 (hsc 2015. 12. 28. (2015-013 호 ) 기계학습경진대회활성화방안 빅콘테스트 결과와시사점 추형석 본보고서는 미래창조과학부정보통신진흥기금 을지원받아제작한것으로미래창조과학부의공식의견과다를수있습니다. 본보고서의내용은연구진의개인견해이며, 본보고서와관련한의문사항또는수정 보완할필요가있는경우에는아래연락처로연락해주시기바랍니다. 소프트웨어정책연구소연구조정실추형석선임연구원

More information

Pattern Recognition

Pattern Recognition 딥러닝이해및미디어응용 아주대학교구형일 인공지능 / 기계학습 / 딥러닝 AI 에관한 4 개의관점 Humanly Rationally Thinking Thinking Humanly Thinking Rationally Acting Acting Humanly Acting Rationally Acting Humanly 사람처럼일하는 / 행동하는기계 인공지능은사람에의해서수행될때지능이필요한일을수행하는기계를만드는기술이다.

More information

2 : (Seungsoo Lee et al.: Generating a Reflectance Image from a Low-Light Image Using Convolutional Neural Network) (Regular Paper) 24 4, (JBE

2 : (Seungsoo Lee et al.: Generating a Reflectance Image from a Low-Light Image Using Convolutional Neural Network) (Regular Paper) 24 4, (JBE 2: (Seungsoo Lee et al.: Generating a Reflectance Image from a Low-Light Image Using Convolutional Neural Network) (Regular Paper) 24 4, 2019 7 (JBE Vol. 24, No. 4, July 2019) https://doi.org/10.5909/jbe.2019.24.4.623

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Global Leading Security All In Sniper 윈스연구소장조학수 1. 배경소개 보안기술변화요구 효율성 낮음 IoT Mobile Cloud BIG date 3 1. 배경소개 차세대보안 미래보안서비스플랫폼및위협대응 Flow Global-CTI Threat-DB ORG 빅데이터 제품 #1 DR 제품 #n SM 제품 #n SM 이벤트이벤트이벤트

More information

2. 인공지능관련주요기술분야와응용영역 2-1. 인공지능기술분류 2-2. 인공지능기술의특성 2-3. 인공지능응용영역및어플리케이션 2-4. 국내기술수준현황 3. 인공지능분야 Key Player 들의주요비즈니스동향 3-1. 주요동향 3-2. 인공지능관련인수합병 (M&A) 현

2. 인공지능관련주요기술분야와응용영역 2-1. 인공지능기술분류 2-2. 인공지능기술의특성 2-3. 인공지능응용영역및어플리케이션 2-4. 국내기술수준현황 3. 인공지능분야 Key Player 들의주요비즈니스동향 3-1. 주요동향 3-2. 인공지능관련인수합병 (M&A) 현 Ⅰ. 인공지능 (AI) 기술개관및도입효과 1. 인공지능의개념이해 1-1. 최근인공지능기술의대두 1-2. 인공지능개념정의 1-3. 인공지능의유형분류 1-4. 머신러닝 과 딥러닝 ', 핵심개념의구분 2. 인공지능의학문적논의배경 3. 인공지능기술의역사적발전과정 3-1. 인공지능의탄생기 : 1950 년대 3-2. 인공지능의활성화기 : 1960 년대 3-3. 인공지능의과도ㆍ침체기

More information

<4D F736F F D20302EC0CEC6AEB7CE2BC1BEB8F1B8AEBDBAC6AE2BBCBAB0FA BCBAB0FABEF7B5A5C0CCC6AEBFCFB7E1292E646F6378>

<4D F736F F D20302EC0CEC6AEB7CE2BC1BEB8F1B8AEBDBAC6AE2BBCBAB0FA BCBAB0FABEF7B5A5C0CCC6AEBFCFB7E1292E646F6378> 글로벌트렌드포트폴리오 채권같은주식 (Bond-like stocks) 리츠 (REITs) 스마트하우징 (Smart housing) 시니어이코노미 (Senior Economy) 뉴노멀소비 (New Consumers) 지속성장 (Continuous growth) 머신러닝 (Machine learning) 자율주행 (Autonomous driving) 만물인터넷 (Internet

More information

4 차산업혁명과지식서비스 l 저자 l 한형상 / 한국산업기술평가관리원지식서비스 PD 김 현 / 한국전자통신연구원 IoT 연구본부장 SUMMARY 4차산업혁명의성격은초연결 초융합 초지능의세키워드로요약된다. 초연결은사람, 사물등객체간의상호연결성이확장됨을말하며이는곧실시간데이

4 차산업혁명과지식서비스 l 저자 l 한형상 / 한국산업기술평가관리원지식서비스 PD 김 현 / 한국전자통신연구원 IoT 연구본부장 SUMMARY 4차산업혁명의성격은초연결 초융합 초지능의세키워드로요약된다. 초연결은사람, 사물등객체간의상호연결성이확장됨을말하며이는곧실시간데이 4 차산업혁명과지식서비스 l 저자 l 한형상 / 한국산업기술평가관리원지식서비스 PD 김 현 / 한국전자통신연구원 IoT 연구본부장 SUMMARY 4차산업혁명의성격은초연결 초융합 초지능의세키워드로요약된다. 초연결은사람, 사물등객체간의상호연결성이확장됨을말하며이는곧실시간데이터공유가질적 양적으로크게확대됨을의미한다. 초융합은초연결환경의조성으로이전에는생각할수없었던異種기술

More information

02본문

02본문 87 특집 딥러닝기반방송미디어기술 CNN 과 RNN 의기초및응용연구 이은주 / 계명대학교 Ⅰ. 서론 2016 년 3월, 전세계적으로굉장히이슈가되는사건이있었다. 다름아닌, 구글딥마인드 (Deep Mind) 가개발한인공지능바둑프로그램인알파고 (AlphaGo) 와이세돌 9단의바둑대결에서컴퓨터가 4대 1이라는압승을거둔것이다. 이때, 일반대중들에게바둑에대한관심못지않게오래된패러다임으로생각되었던인공지능에대한관심이폭발적으로증가하게되었다

More information

슬라이드 1

슬라이드 1 서강대학교인공지능연계전공소개 목차 2 인공지능이란? 인공지능의정의와의미 딥러닝과관계 영화속인공지능 현실속인공지능 적용분야 서강대학교인공지능연계전공 교육목표 이수요건 위원회 인공지능이란? Dream 4 C3PO and R2D2 AIBO? 5 What is Artificial Intelligence? 6 Artificial Intelligence (1) 7 인간성이나지성을갖춘존재나시스템에의해만들어진지능,

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

목차 AI Boom Chatbot Deep Learning Company.AI s Approach AI Chatbot In Financial service 2

목차 AI Boom Chatbot Deep Learning Company.AI s Approach AI Chatbot In Financial service 2 챗봇과 금융서비스의 결합 2017.05.25 Company.AI 강지훈 목차 1. 2. 3. 4. 5. AI Boom Chatbot Deep Learning Company.AI s Approach AI Chatbot In Financial service 2 3 인공지능 및 고급 기계 학습 딥러닝, 인공신경망, 자연어 처리 등 다양한 기술 이해, 학습, 예측

More information