Microsoft Professional Program Artificial Intelligence 과정소개서
|
|
|
- 민용 묘
- 4 years ago
- Views:
Transcription
1 Microsoft Professional Program Artificial Intelligence 과정소개서
2 Microsoft Professional Program AI MPP 란무엇인가요? 4 차산업혁명시대의기업과기관에서필요로하는가장최신직무의수행에도움이되는핵심기술을가르치는코스의모음입니다. 각코스는동영상강의와퀴즈, 클라우드기반의실습랩을포함하고있어매우재미있게학습할수있는온라인강좌입니다. 또한각코스를우수한성적으로마쳤을경우이를입증할수있는마이크로소프트공식인증서를획득할수있어취업 / 재취업 / 창업에큰도움이될수있습니다. Microsoft wants to empower every student today to succeed in tomorrow s job market, regardless of socio-economic status or ability. Microsoft Satya Nadella Microsoft 는오늘날의모든학생들이사회경제적지위 또는능력에관계없이내일의직업시장에서성공할수 있도록힘을북돋고싶습니다. 왜마이크로소프트 Artificial Intelligence 과정을학습해야하나요? 인공지능 (AI) 는차세대소프트웨어솔루션입니다. 인간에가까운이해력의기능은자연언어, 음성, 비전그리고지식을통한추론을통해어플리케이션을넘어서진화된소프트웨어로발전됩니다. 인공지능학습과정은인공지능의기본적인도입에서부터인간과유사한행동과지능을보여주는인공지능솔루션을개발하기위한심층학습모델을구축하는데필요한기술을배울수있도록제공하며, 궁극적으로혁신적인인공지능엔지니어로커리어를쌓을수있습니다. 인공지능 (AI) 에대한 Microsoft 전문가프로그램은인공지능에대한심층학습예측모델을작성하는방법을학생들에게가르쳐주면서지능형미래를구축하는데필요한기술을배우는데큰도움을줍니다.
3 과정을통해학습할수있는기술 Use Python to work with Data Build Reinforcement Learning Models Consider Ethics for AI Develop Applied AI Solutions Build Machine Learning Models Operationalize AI Solution 학습방법안내 마이크로소프트에서개발한 AI 교육과정은총 9 개의 Track 으로운영되고있으며각각의순서대로학습을진행하는것을제안하지만, 본인의관심도와학습경험에따라자유롭게과정을선택하여학습할수도있습니다. 또한온라인학습은자기주도적으로이루어지지만교육기관에서제공하는 Guide 에따라학습계획을세울수도있습니다. MS Certification 인증서취득 전체 9 개 Track 12 과목으로진행되는 Data Science 과정은학습자가목표로하는진로와경력에맞추어학습을완료한이후인증서를취득할수있습니다. 우수한성적으로학습을완료하면 academy.microsoft.com 과연동되어학습자의학습정보를관리하고, 추후전세계적으로채용에활용되고있는 LinkIn 과연동을통해개개인의커리어를취업과연동할수도있습니다.
4 Artificial Intelligence Professional Program - Curriculum Overview Course 1 - Introduction to Artificial Intelligence (AI) Course 2 - Introduction to Python for Data Science Course 3 - Essential Mathematics for Artificial Intelligence Course 4 - Ethics and Law in Data and Analytics Course 5 - Data Science Essentials Course 6 - Principles of Machine Learning Course 7 - Deep Learning Explained Course 8 - Reinforcement Learning Explained Course 9a - Knowledge Graphs - TBA Course 9b - Computer Vision and Image Analysis Course 9c - Speech Recognition Systems Course 9d - Natural Language Processing (NLP)
5 Course 1 : Introduction to Artificial Intelligence (AI) 예상학습기간 : 4 주 1 주일에 3~4 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 입문동영상강의 : 영어 과정소개이과정은 Microsoft Professional Program Certificate in Artificial Intelligence 과정에포함되어있습니다. 인공지능 (AI) 는차세대소프트웨어솔루션입니다. 이과정은 AI 에대한개요를제공하고보다사람들의삶을풍요롭게하는데도움이되는스마트앱을효율적으로만들기위해어떻게사용될수있는지설명합니다. 과정내에는매력적인강의들이구성되어있으며실습을통해흥미진진한 AI 분야에서첫걸음을내딛을수있도록제공합니다. AI 에대한예측모델을구축하는데머신러닝을사용하는방법을알아보십시오. 소프트웨어를사용하여자연어에서의미를추출하고처리하며분석하는방법그리고우리가하는방식으로세상을이해하기위해이미지와비디오를분석하고처리하는방법을알아보세요. 인간과인공지능시스템간의대화를가능하게하는인텔리전트로봇을제작하는방법을배우게됩니다. 참고 : 이과정의실습을진행하기위하여 Microsoft Azure 를사용하며 Azure 구독이필요합니다. 무료평가판가입을신청하는방법은코스내에서자료와함께제공됩니다. 선행학습 고등학교수준의수학및통계 프로그래밍에대한기본지식 파이썬의개발경험이이점이될수있으나필수는아님 탐구와인내를통해배우려는의지 무엇을배우나요? Build simple machine learning models with Azure Machine Learning; Use Python and Microsoft cognitive services to work with text, speech, images, and video; Use the Microsoft Bot Framework to implement conversational bots. 강의계획서 Introduction Machine Learning The Foundation of AI
6 Text and Speech Understanding Language Computer Vision Seeing the World Through AI Bots Conversation as a Platform Next Steps 강사소개 Graeme Malcolm Senior Content Developer Microsoft Learning Experiences
7 Course 2 : Introduction to Python for Data Science 예상학습기간 : 6 주 1 주일에 2~4 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 입문동영상강의 : 한글 / 영어 과정소개이과정은 Microsoft Professional Program Certificate in Data Science 및 Artificial Intelligence 과정에포함되어있습니다. 파이썬은많은다른응용프로그램에사용되는매우강력한프로그래밍언어입니다. 시간이지남에따라이오픈소스언어를둘러싼거대한커뮤니티는파이썬으로보다효율적으로작업할수있는도구를많이만들고있습니다. 최근몇년동안데이터사이언스를위해특별히제작된여러도구가있습니다. 결과적으로파이썬으로데이터를분석하는것이결코쉬운일은아닙니다. 이실습에서는처음부터기본산술및변수를사용하여시작하고파이썬목록, Numpy 배열및 Pandas DataFrames 와같은데이터구조를처리하는방법을배웁니다. 순서에따라파이썬함수와제어흐름을배우게됩니다. 또한파이썬을사용하여데이터시각화방법을살펴보고실제데이터를기반으로멋진시각화를배우게됩니다. 선행학습엑셀, 데이터베이스또는텍스트파일을활용한데이터작업경험강의계획서섹션 1: Python Basics 파이썬세계에첫발을내딛으십시오. 다른데이터유형을발견하고첫번째변수를만듭니다. 섹션 2: Python Lists 하나의이름으로다양한데이터요소를저장하는첫번째방법을알수있습니다. 모든종류의 방법으로목록을작성, 부분집합및생성하는방법을배웁니다. 섹션 3: Functions and Packages 파이썬패키지가져오기와함수호출을통하여다른사람들의개발모듈을최대한활용하는방법을 배웁니다. 섹션 4: Numpy 방대한양의데이터를효율적으로저장하고계산할수있는방법인 Numerical Python 으로초고속 코드를작성하십시오. 섹션 5: Matplotlib
8 전달하려는메시지에따라다양한시각화유형을생성하십시오. 실제데이터를기반으로복잡하고 사용자정의된플롯을작성하는방법을익히십시오. 섹션 6: Control flow and Pandas 조건부구문을작성하여스크립트의실행을조정하고 Pandas DataFrame( 파이썬의데이터사이언스핵심데이터구조 ) 을익히십시오. 무엇을배우나요? Explore Python language fundamentals, including basic syntax, variables, and types Create and manipulate regular Python lists Use functions and import packages Build Numpy arrays, and perform interesting calculations Create and customize plots on real data Supercharge your scripts with control flow, and get to know the Pandas DataFrame 강사소개 Filip Schouwenaars Filip 은 DataCamp 의대화형교육과정의많은주요배움터개발자입니다. 그의과정과지도서는이미전세계수천명의학생들이수강했습니다. DataCamp 는 370 만회이상의양방향연습을완료한 250,000 명이상의데이터과학자를교육했습니다 Jonathan Sanito Jonathan 은마이크로소프트의콘텐츠개발자및프로젝트관리자로 Data and Analytics 온라인교육에중점을둡니다. 마이크로소프트 Dynamics NAV 에서 Windows Active Directory 에이르기까지개발자및 IT 전문가를대상으로한교육을담당했습니다
9 Course 3 : Essential Math for Machine Learning: Python Edition 예상학습기간 : 6 주 1 주일에 6~8 시간학습권고주관기관 : Microsoft 주제 : Math 레벨 : 중급동영상강의 : 영어 과정소개이과정은 Microsoft Professional Program Certificate in Artificial Intelligence 과정에포함되어있습니다. 기계학습이나인공지능을공부하고싶지만수학능력이그다지좋지않아서걱정이됩니까? " 대수학 (algebra)" 과 " 미적분학 (calculus)" 과같은단어로두려움을안고있습니까? 학교에서수학을배운지너무오래되어처음에배운것을많이잊어버렸다고생각하십니까? 여러분혼자서어렵게학습할필요가없습니다. 머신러닝및인공지능은미적분, 선형대수학, 확률, 통계및최적화와같은수학원리를기반으로합니다. 많은 AI 전문가들이이중압감을크게느끼고있습니다. 이과정은수학자가되기위한과정으로설계되지않았습니다. 오히려, 학습자가알아야할필수적인기초개념과그것을표현하는데사용된표기법을배우도록돕는것을목표로합니다. 이과정은데이터작업및배운기술을응용하는방법에대한실질적인접근방식을제공합니다. 이과정은완전한수학커리큘럼이아니며학교또는대학의수학교육을대체하도록설계되지않았습니다. 대신머신러닝에관한주요수학개념에중점을둡니다. 공식적인교육의일환으로이러한핵심개념을놓친학생들이나수학공부를오랫동안하지않은학습자들을위해격차를메우기위해고안되었습니다. 선행학습 수학의기본지식 프로그래밍경험 파이썬이선호됨 자기주도학습을통해배우려는의지강의계획서 Introduction Equations, Functions, and Graphs Differentiation and Optimization Vectors and Matrices Statistics and Probability. 참고 : 이강의계획서는임시이며변경될수있습니다.
10 무엇을배우나요? 이과정을마친후에는다음과같은수학적개념과기술에익숙해질것입니다. Equations, Functions, and Graphs Differentiation and Optimization Vectors and Matrices Statistics and Probability 강사소개 Graeme Malcolm Senior Content Developer Microsoft Learning Experiences
11 Course 4 : Ethics and Law in Data and Analytics 예상학습기간 : 6 주 1 주일에 2~3 시간학습권고주관기관 : Microsoft 주제 : Data Analysis & Statistics 레벨 : 중급동영상강의 : 영어 과정소개이과정은 Microsoft Professional Program Certificate in Data Science 와 Microsoft Professional Program in Artificial Intelligence 과정에포함되어있습니다. 기업, 정부및개인은좋든나쁘든간에실제결과를만들어낼수있는강력한분석도구와 AI 를보유하고있습니다. 오늘날의데이터전문가는현재사회에서중요한역할을훌륭히수행하면서최적의결과를달성하기위해프레임워크와방법모두를필요로합니다. 이과정에서는데이터분야의이니셔티브에윤리적및법적프레임워크를적용하는방법을배우게됩니다. 빅데이터, 데이터사이언스및 AI 의작업으로발생하는데이터및분석문제에대한실용적인접근방식을살펴볼수있습니다. 또한 Analytics 및 AI 에서윤리및법적작업에적용된데이터방법을조사합니다. 무엇을배우나요? Foundational abilities in applying ethical and legal frameworks for the data profession Practical approaches to data and analytics problems, including Big Data and Data Science and AI Applied data methods for ethical and legal work in Analytics and AI 강사소개 Ben Olsen Sr. Content Developer Microsoft Geneva LasProgata Endowed Chair in Business Seattle University Nathan Colaner Instructor of Management ans Philosophy Seattle University
12 Course 5 : Data Science Essentials 예상학습기간 : 6 주 1 주일에 3~4 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 중급동영상강의 : 한글 / 영어 과정소개 이과정은 Microsoft Professional Program Certificate in Data Science 및 Artificial Intelligence 과정에 포함되어있습니다. 데이터사이언스인재에대한수요가전세계적으로급증하고있습니다. Duke University 및 Microsoft 의전문가들과함께필수기술과원칙을학습하면서데이터사이언티스트가되기위한경력을개발하십시오. 이데이터사이언스과정에서는 Microsoft Azure Machine Learning 플랫폼을사용하여클라우드기반데이터사이언스솔루션을구축하는방법, Azure stack 기반에 R 및파이썬과같은실용적인응용프로그램지향적인내용을학습하며, 데이터수집, 준비, 탐색및시각화에대한주요개념들을배우게됩니다. 선행학습 기초수학능력 R 또는파이썬에대한입문레벨지식 강의계획서 데이터사이언스프로세스탐구 - 소개 데이터사이언스사고이해 데이터사이언스과정이해 AML(Azure Machine Learning) 을사용하여첫번째머신러닝실험을작성하는방법 Lab: Azure Machine Learning 에서첫번째모델만들기, 데이터사이언스에서확률및통계 신뢰구간과가설검정을이해하고적용 상관관계의의미와적용이해하기, 시뮬레이션을적용하는방법 Lab : 확률및통계작업 Lab : 시뮬레이션및가설테스트데이터작업 데이터처리및선택방법의기초파악 데이터정리, 통합및변환의중요성과프로세스이해
13 Lab : 데이터처리및선택 Lab : Azure Machine Learning 을활용한데이터통합, Azure stack 의 R 및파이썬을활용한데이터탐색및시각화 기본플롯유형을생성하고해석하는방법을익히십시오. Datasets 탐색프로세스이해 Lab: Azure Machine Learning 을활용한데이터탐색및시각화, 지도학습을위한 R 과파이썬소개 지도학습의기본개념이해 자율학습 ( 비지도학습 ) 의기본개념이해 AML 을이용하여간단한머신러닝모델만들기 Lab: 소득별국민분류 Lab: 회귀분석을통한자동차가격예측 Lab: Azure Machine Learning 을통한 K-평균클러스터링 무엇을배우나요? Explore the data science process Introduction to machine learning Probability and statistics in data science The hands-on elements of this course Data exploration and visualization leverage a combination of R, Python, Data ingestion, cleansing, and and Microsoft Azure Machine Learning transformation 강사소개 Graeme Malcolm Steve Elston Senior Content Developer Microsoft Learning Experiences Cynthis Rudin Managing Director Quantia Analytics, LLC Associate Professor MIT and Duke
14 Course 6 : Principles of Machine Learning 예상학습기간 : 6 주 1 주일에 3~4 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 중급동영상강의 : 한글 (7 월 )/ 영어 과정소개 이과정은 Microsoft Professional Program Certificate in Data Science 및 Artificial Intelligence 과정에 포함되어있습니다. 머신러닝은컴퓨터를사용하여미래의행동, 결과및추세를예측하기위해기존데이터로부터학습하는예측모델을실행합니다. 이데이터사이언스과정에서는실용적인시나리오및실습경험을바탕으로머신러닝이론을명확하게설명하고머신러닝모델을검증및배포합니다. R, Python 및 Azure Machine Learning 을사용하여이러한모델에서통찰력을구축하고파생시키는방법을배우게됩니다. 강의계획서 분류탐색 (Explore classification) 분류기의작동이해 분류기준으로로지스틱회귀분석사용 분류기준평가에사용되는측정항목이해 Lab : 로지스틱회귀분석 머신러닝의회귀 (Regression in machine learning) 회귀모델의이해 예측을위한선형회귀분석사용 회귀모델을평가하는데사용되는지표이해 Lab : Azure Machine Learning 을사용하여선형회귀로자전거수요예측 지도학습모델을개선하는방법 피처선택을위한프로세스 매개변수초과의문제와차원의저주에대한이해 매개변수초과모델에대해정규화사용 차원감소방법 - 추정모델유효성평가를위한교차검증적용 Lab : Azure Machine Learning 을사용하여당뇨병환자분류개선
15 Lab : Azure Machine Learning 을사용하여자전거수요예측개선 비선형모델링에대한세부정보 일반적으로지도된머신러닝모델을언제어떻게사용해야하는지이해하기 - ML 모델을당뇨병환자분류에적용 ML 모델을자전거수요예측클러스터링에적용 비지도학습모델의원리이해 k-평균클러스터링모델을올바르게적용하고평가 첨단클러스터링모델을올바르게적용하고평가 Lab : AML, R, 파이썬을활용한클러스터모델 추천시스템 추천시스템의동작원리이해 추천시스템을평가하는방법이해 추천을위한공동작업필터링대안사용방법 Lab : 추천작업및평가 무엇을배우나요? Explore classification Recommender systems Regression in machine learning The hands-on elements of this course How to improve supervised models leverage a combination of R, Python, Details on non-linear modeling and Microsoft Azure Machine Learning Clustering 강사소개 Graeme Malcolm Steve Elston Senior Content Developer Microsoft Learning Experiences Cynthis Rudin Managing Director Quantia Analytics, LLC Associate Professor MIT and Duke
16 Course 7 : Deep Learning Explained 예상학습기간 : 6 주 1 주일에 4~8 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 중급동영상강의 : 영어 과정소개 이과정은 Microsoft Professional Program Certificate in Artificial Intelligence 과정에포함되어있습니다. 머신러닝은컴퓨터를사용하여기존데이터로부터학습하여미래의행동, 결과및추세를예측하는예측모델을실행합니다. 딥러닝은머신러닝의하위영역으로, 우리의두뇌작동방식에영감을받은모델이수학적으로표현되며수천에서 1 억개가넘을수있는수학모델을정의하는매개변수가자동으로학습됩니다. 딥러닝은전세계적으로개발되고있는인공지능기술의핵심요소입니다. 딥러닝학습과정에서는컴퓨터가인간과같은정보를통해실제문제를해결하는데도움이되는복잡한모델을작성하는직관적인방법을배우게됩니다. 직관적인접근법은실용적인문제와실제경험을가진작업코드로변환될것입니다. 로컬 Windows 또는 Linux 컴퓨터에서실행되는 Python Jupyter 노트북을사용하거나 Azure 에서실행되는가상컴퓨터를사용하여이모델에서통찰력을구축하고파생시키는방법을배우게됩니다. 또한 Microsoft Azure 노트북플랫폼을무료로활용할수있습니다. 이과정은엔지니어 / 데이터과학자 / 기술관리자가게임변경기술의핵심개념을직관적으로이해할수있도록하는데필요한세부적인내용을제공합니다. 동시에레고와같은유연성을지닌심플하면서도강력한 " 모티프 " 를학습하여철저한딥러닝모델을구축할수있습니다. Microsoft Cognitive Toolkit ( 이전의 CNTK) 을사용하여확장성, 속도및정확성을갖춘심층적인학습을통해방대한데이터세트내의인텔리전스를활용하는방법을학습합니다. 선행학습 기본프로그래밍기술 데이터사이언스의실무지식 다음과동등한기술 : DAT208x : 데이터사이언스를위한파이썬입문 강의계획서 Week 1: Introduction to deep learning and a quick recap of machine learning concepts. Week 2: Building a simple multi-class classification model using logistic regression
17 Week 3: Detecting digits in hand-written digit image, starting by a simple end-to-end model, to a deep neural network Week 4: Improving the hand-written digit recognition with convolutional network Week 5: Building a model to forecast time data using a recurrent network Week 6: Building text data application using recurrent LSTM (long short term memory) units 무엇을배우나요? The components of a deep neural network and how they work together The basic types of deep neural networks (MLP, CNN, RNN, LSTM) and the type of data each is designed for A working knowledge of vocabulary, concepts, and algorithms used in deep learning How to build: o An end-to-end model for recognizing hand-written digit images, using a multi-class Logistic Regression and MLP (Multi-Layered Perceptron) o A CNN (Convolution Neural Network) model for improved digit recognition o An RNN (Recurrent Neural Network) model to forecast time-series data o An LSTM (Long Short Term Memory) model to process sequential text data 강사소개 Jonathan Sanito Senior Content Developer Microsoft Sayan Pathak Principal ML Scientist and AI School Instructor, CNTK team Microsoft Ronald Fernandez Senior Researcher and AI School Instructor, Deep Learning Technology Center Microsoft Research AI
18 Course 8 : Reinforcement Learning Explained 예상학습기간 : 6 주 1 주일에 4~8 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 고급동영상강의 : 영어 과정소개 이과정은 Microsoft Professional Program Certificate in Artificial Intelligence 과정에포함되어있습니다. 강화학습 (Reinforcement Learning) 은머신러닝영역으로, 에이전트가목표를달성하기위해환경과상호작용함으로써학습합니다. 이코스에서는강화학습에대해심도있게다루게됩니다. 강화학습문제의프레임을구성하는방법에대해배우고뉴스추천과같은클래식한예제를다루는방법, girdworld 를탐색하는방법, 카트폴의균형을맞추는방법들을배우게됩니다. 학습자는 multi-armed bandits, dynamic programming, TD(temporal difference) learning, 함수근사치를사용하여더큰상태스페이스를향한프로그레스, 특히심층학습을사용하여기본알고리즘을탐색합니다. 정책그라디언트및배우비평방법을사용하여최상의정책을찾는데중점을둔알고리즘에대해서도배우게됩니다. 그과정에서 Minecraft 게임위에구축된인공지능실험및연구플랫폼인 Project Malmo 를소개받게됩니다. 무엇을배우나요? Reinforcement Learning Problem Temporal Difference Learning Markov Decision Process Approximate Solution Methods Bandits Policy Gradient and Actor Critic Dynamic Programming RL that Works 강사소개 Jonathan Sanito Senior Content Developer Microsoft Ronald Fernandez Senior Researcher and AI School Instructor, Deep Learning Technology Center Microsoft Research AI
19 Adith Swaminathan Kenneth Tran Researcher Microsoft Principal Research Engineer Microsoft Katja Hofmann Matthew Hausknecht Researcher Microsoft Researcher Microsoft
20 Course 9b : Computer Vision and Image Analysis 예상학습기간 : 4 주 1 주일에 3~4 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 고급동영상강의 : 영어 과정소개이과정은 Microsoft Professional Program Certificate in Artificial Intelligence 과정에포함되어있습니다. 이실습과정에서는이미지를의미있는부분으로나누는 OpenCV 및 Microsoft 인지도구툴킷 (Cognitive Toolkit) 을사용하는이미지분석기술에대해알아봅니다. 우리는전통적인딥러닝기술부터이미지분석의진화에이르기까지과정에대해서살펴볼것입니다. 우리는 Transfer Learning 과 Microsoft ResNet 을사용하여 Semantic Segmentation 를수행하기위한모델을학습할것입니다. 선행학습 파이썬에대한실무지식 다음과정에해당하는기술 Course 1 Introduction to Artificial Intelligence (AI) DAT236x : Course 7 Deep Learning Explained 무엇을배우나요? Edge Detection, Watershed, Distance Transformation, K-means Clustering 과같은고전적인 이미지분석기술을적용하여기본데이터세트를분할합니다. OpenCV 라이브러리를사용하여전통적인이미지분석알고리즘을구현하십시오. 전통적기술과딥러닝객체분류기술을비교하십시오. Microsoft 인지도구툴킷 (Cognitive Toolkit) 을사용하여개체분류에대한 Convolutional Neural Network (CNN) 인 Microsoft ResNet 을적용하십시오. 강사소개 Andrew Byrne Ivan Griffin, PhD Senior Content Developer Microsoft Corporation Founder Emdalo Technologies, Ltd., Daire McNamara Founder Emdalo Technologies, Ltd.,
21 Course 9c : Speech Recognition Systems 예상학습기간 : 4 주 1 주일에 5~6 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 최상급동영상강의 : 영어 과정소개 이과정은 Microsoft Professional Program Certificate in Artificial Intelligence 과정에포함되어있습니다. ASR (Automatic Speech Recognition) 시스템을개발하고이해하는것은언어학, 컴퓨터과학, 수학및전기공학분야의전문지식을습득하는학제간활동입니다. 인간이단어를말할때, 인간은음성이시간에따라변하는소리의패턴을만들어냅니다. 이소리는공기를통해전파되는압력의파동입니다. 사운드는마이크또는마이크어레이와같은센서에의해캡처되어시간경과에따른압력변화를나타내는일련의숫자로변환됩니다. 자동음성인식시스템은이시간-압력신호를시간-주파수-에너지신호로변환합니다. 그것들은분류된음향소리의선별된세트에의해훈련되고, 그것이나타내는소리에레이블을붙입니다. 이어쿠스틱레이블은단어발음모델과단어시퀀스모델과결합되어말한내용을텍스트로표현합니다. 이과정의한부분을깊이탐구하는대신, 이과정은현대 ASR 시스템의구성요소에대한개요를제공하도록설계되었습니다. 각강좌에서우리는구성요소의목적과일반적인구조를설명합니다. 각실험실에서학생들은시스템의기능블록을만듭니다. 교육과정이끝나면거의대부분파이썬코드로음성인식시스템을구축하게될것입니다. 선행학습 파이썬개발경험과기본적인머신러닝의원리 확률및통계에대한지식 무엇을배우나요? 음성인식의기본 음성인식을위한기본신호처리 음향모델링및레이블링 언어모델링을위한일반적인알고리즘 어쿠스틱기능을음성으로디코딩 강사소개 Adrian Leven Content Developer Microsoft Corporation
22 Course 9d : Natural Language Processing (NLP) 예상학습기간 : 6 주 1 주일에 4~8 시간학습권고주관기관 : Microsoft 주제 : Computer Science 레벨 : 최상급동영상강의 : 영어 과정소개 이과정은 Microsoft Professional Program Certificate in Artificial Intelligence 과정에포함되어있습니다. 자연어처리 (NLP) 는정보화시대의가장중요한기술중하나입니다. 복잡한언어표현을이해하는것도인공지능의중요한부분입니다. 이코스에서는자연어처리에대한전반적인개요와고전적인머신러닝을사용하는방법에대해설명합니다. 여러분은통계적기계번역뿐만아니라 DSSM(Deep Semantic Similarity Models) 및해당응용프로그램에대해서도배울것입니다. 또한 NLP 와 Vision-Language Multimodal Intelligence 에적용되는심층강화학습기법에대해서도논의할것입니다. 선행학습수학및컴퓨터프로그래밍기술, 머신러닝및심화학습에대한기본지식무엇을배우나요? 심화학습모델을적용하여기계번역및대화문제를해결. 정보검색및자연어응용프로그램에대한심층구조화된시멘틱모델적용. 자연언어응용프로그램에대한심층적학습모델적용. 이미지캡션및시각적질문응답에대한심층학습모델적용강사소개 Lei Ma Xiaodong He Senior Content Developer Microsoft Principal Researcher Microsoft Ronald Fernandez Senior Researcher and AI School Instructor, Deep Learning Technology Center Microsoft Research AI
23
Microsoft Professional Program Data Science 과정소개서
Microsoft Professional Program Data Science 과정소개서 Microsoft Professional Program Data Science MPP 란무엇인가요? 4 차산업혁명시대의기업과기관에서필요로하는가장최신직무의수행에도움이되는핵심기술을가르치는코스의모음입니다. 각코스는동영상강의와퀴즈, 클라우드기반의실습랩을포함하고있어매우재미있게학습할수있는온라인강좌입니다.
<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
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
PowerPoint 프레젠테이션
ㆍ Natural Language Understanding 관련기술 ㆍ Semantic Parsing Conversational AI Natural Language Understanding / Machine Learning ㆍEntity Extraction and Resolution - Machine Learning 관련기술연구개발경험보유자ㆍStatistical
김기남_ATDC2016_160620_[키노트].key
![김기남_ATDC2016_160620_[키노트].key](/thumbs/85/91488855.jpg "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
강창훈
51 4. 2 4?? 1 3B 1 1 3 1 1?? C 3? /3 A 23 C 3? /3 A 23 C 3? /3 A 23 1 2 3 3 1 1 3 1 C 3? A3 /3 A 23.1? A3 /3 A 23. / / 23? / / 1.1 Microsoft Bot Framework? 마이크로소프트사의소프트웨어기반봇개발프레임워크. Bot Framework 는강력하고인텔리전트한봇을구축하고연결하며테스트,
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
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
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
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
소프트웨어공학 Tutorial #2: StarUML Eun Man Choi
소프트웨어공학 Tutorial #2: StarUML Eun Man Choi emchoi@dgu.ac.kr Contents l StarUML 개요 l StarUML 소개및특징 l 주요기능 l StarUML 화면소개 l StarUML 설치 l StarUML 다운 & 설치하기 l 연습 l 사용사례다이어그램그리기 l 클래스다이어그램그리기 l 순서다이어그램그리기 2
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
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
1)2) 1
1)2) 1 2 3 4 수업전활동 수업중활동 수업후활동 5 년도 / 학기 학수번호 교과목명 교강사명 개요 / 진행 6 7 8 9 인적사항응답자수 ( 명 ) 구성비인적사항응답자수 ( 명 ) 구성비 10 자체평가에따른잘한점 자체평가에따른아쉬운점 자체평가에따른잘한점 자체평가에따른아쉬운점 자체평가중잘한점 자체평가중미비점 자체평가중잘한점 자체평가중미비점 11 자체평가에따른잘한점
Windows 8에서 BioStar 1 설치하기
/ 콘텐츠 테이블... PC에 BioStar 1 설치 방법... Microsoft SQL Server 2012 Express 설치하기... Running SQL 2012 Express Studio... DBSetup.exe 설정하기... BioStar 서버와 클라이언트 시작하기... 1 1 2 2 6 7 1/11 BioStar 1, Windows 8 BioStar
[Brochure] KOR_TunA
![[Brochure] KOR_TunA](/thumbs/95/123928128.jpg "[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 /
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,
Data Scientist Shortage
Data Science: 4 차산업혁명의핵심역량 2018 년 1 월 31 일 김형주교수 서울대컴퓨터공학부 Table of Contents What is Data Science Data Scientist 부족현상관련자료 Data Science 응용분야 Data Science 교육현황 삼성전자 DS 2 과정 Big Data 가주는가치 데이터 : 의미를담고있는기록된사실
시안
ULSAN NATIONAL INSTITUTE OF SCIENCE AND TECHNOLOGY GRADUATE SCHOOL OF TECHNOLOGY & INNOVATION MANAGEMENT 울산과학기술원 기술경영전문대학원 http://mot.unist.ac.kr 02 03 Global Study Mission CURRICULUM 2 Practicality Global
에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 -
에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 - . - 2 - . 1. - 3 - [ 그림 1] 도시가스수요와실질 GDP 추이 - 4 - - 5 - - 6 - < 표 1>
핵 심 교 양 1 학년 2 학년 3 학년합계 문학과예술 역사와철학 사회와이념 선택 교양학점계 학년 2 학년 3 학년합계비고 14 (15) 13 (
1 학년 2 학년 3 학년 합계 6 5 11 5 5 16 문학과예술 핵 심 교 역사와철학 사회와이념 3 3 3 양 3 3 3 3 3 3 선택 4 4 1 1 3 3 6 11 교양학점계 12 12 24 5 1 6 3 3 6 36 ㆍ제 2 외국어이수규정 이수규정 또는 영역에서 과목 학점 이수하고 수량적석과추론 과학적사고와실험 에서 과목 학점 이수해도됨 외국어및고전어
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
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
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
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-
PowerPoint 프레젠테이션
Autodesk Software 개인용 ( 학생, 교사 ) 다운로드가이드 진동환 (donghwan.jin@autodesk.com) Manager Autodesk Education Program - Korea Autodesk Education Expert 프로그램 www.autodesk.com/educationexperts 교육전문가프로그램 글로벌한네트워크 /
<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
00-CourseSyllabus
웹기술및응용 : Course Syllabus 2018 년도 2 학기 Instructor: Prof. Young-guk Ha Dept. of Computer Science & Engineering Contents Introduction Major Topics Term Project Course Material Grading Policy Class Schedule
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
MVVM 패턴의 이해
Seo Hero 요약 joshua227.tistory. 2014 년 5 월 13 일 이문서는 WPF 어플리케이션개발에필요한 MVVM 패턴에대한내용을담고있다. 1. Model-View-ViewModel 1.1 기본개념 MVVM 모델은 MVC(Model-View-Contorl) 패턴에서출발했다. MVC 패턴은전체 project 를 model, view 로나누어
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.........
Microsoft PowerPoint - chap01-C언어개요.pptx
#include int main(void) { int num; printf( Please enter an integer: "); scanf("%d", &num); if ( num < 0 ) printf("is negative.\n"); printf("num = %d\n", num); return 0; } 1 학습목표 프로그래밍의 기본 개념을
슬라이드 1
마이크로컨트롤러 2 (MicroController2) 2 강 ATmega128 의 external interrupt 이귀형교수님 학습목표 interrupt 란무엇인가? 기본개념을알아본다. interrupt 중에서가장사용하기쉬운 external interrupt 의사용방법을학습한다. 1. Interrupt 는왜필요할까? 함수동작을추가하여실행시키려면? //***
Cisco FirePOWER 호환성 가이드
Cisco 호환성가이드 Cisco 호환성 이문서에서는 Cisco 소프트웨어와하드웨어의호환성및요건을다룹니다. 추가 릴리스또는제품정보는다음을참조하십시오. 설명서로드맵 : http://www.cisco.com/c/en/us/td/docs/security/firesight/ roadmap/firesight-roadmap.html Cisco ASA 호환성가이드 : http://www.cisco.com/c/en/us/td/docs/security/asa/compatibility/
Journal of Educational Innovation Research 2019, Vol. 29, No. 1, pp DOI: * Suggestions of Ways
Journal of Educational Innovation Research 2019, Vol. 29, No. 1, pp.65-89 DOI: http://dx.doi.org/10.21024/pnuedi.29.1.201903.65 * Suggestions of Ways to Improve Teaching Practicum Based on the Experiences
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
Microsoft PowerPoint - AC3.pptx
Chapter 3 Block Diagrams and Signal Flow Graphs Automatic Control Systems, 9th Edition Farid Golnaraghi, Simon Fraser University Benjamin C. Kuo, University of Illinois 1 Introduction In this chapter,
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,
03.Agile.key
CSE4006 Software Engineering Agile Development Scott Uk-Jin Lee Division of Computer Science, College of Computing Hanyang University ERICA Campus 1 st Semester 2018 Background of Agile SW Development
001지식백서_4도
White Paper on Knowledge Service Industry Message Message Contents Contents Contents Contents Chapter 1 Part 1. Part 2. Part 3. Chapter
<4D F736F F D20C0CCBEBEC1A6BEEE5FC3A5BCD2B0B35F >
이씨제어 한글기술서적소개 1. SIMATIC S7-300/400 초급과정교육교재 S7-300/400 에대한초급교육에사용되는한글판교육교재. * 참고영어원문 : Programming with STEP 7, Automating with STEP 7 in STL and SCL A4 단면 280 쪽, 파워포인트컬러판 2. SIMATIC S7-300/400 중급과정교육교재
Problem New Case RETRIEVE Learned Case Retrieved Cases New Case RETAIN Tested/ Repaired Case Case-Base REVISE Solved Case REUSE Aamodt, A. and Plaza, E. (1994). Case-based reasoning; Foundational
..,. Job Flow,. PC,.., (Drag & Drop),.,. PC,, Windows PC Mac,.,.,. NAS(Network Attached Storage),,,., Amazon Web Services*.,, (redundancy), SSL.,. * A
..,. Job Flow,. PC,.., (Drag & Drop),.,. PC,, Windows PC Mac,.,.,. NAS(Network Attached Storage),,,., Amazon Web Services*.,, (redundancy), SSL.,. * Amazon Web Services, Inc.. ID Microsoft Office 365*
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
Journal of Educational Innovation Research 2018, Vol. 28, No. 3, pp DOI: NCS : * A Study on
Journal of Educational Innovation Research 2018, Vol. 28, No. 3, pp.157-176 DOI: http://dx.doi.org/10.21024/pnuedi.28.3.201809.157 NCS : * A Study on the NCS Learning Module Problem Analysis and Effective
1.장인석-ITIL 소개.ppt
HP 2005 6 IT ITIL Framework IT IT Framework Synchronized Business and IT Business Information technology Delivers: Simplicity, Agility, Value IT Complexity Cost Scale IT Technology IT Infrastructure IT
AT_GraduateProgram.key
Art & Technology Graduate Program M.A.S (Master of Arts & Science) in Art & Technology Why Art Tech Graduate Program? / + + X Why Sogang? - Art/Design + Technology 4 Art & Technology Who is this for? (
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,
<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
Chap 6: Graphs
5. 작업네트워크 (Activity Networks) 작업 (Activity) 부분프로젝트 (divide and conquer) 각각의작업들이완료되어야전체프로젝트가성공적으로완료 두가지종류의네트워크 Activity on Vertex (AOV) Networks Activity on Edge (AOE) Networks 6 장. 그래프 (Page 1) 5.1 AOV
.,,,,,,.,,,,.,,,,,, (, 2011)..,,, (, 2009)., (, 2000;, 1993;,,, 1994;, 1995), () 65, 4 51, (,, ). 33, 4 30, (, 201
4 21.,,,.,,. 1, 2, 3, 4.,,,,,,.,,,,., ( ). 60-66,,,,,.. (Corresponding Author): / / 303 Tel: 063-220-2495/ E-mail: ikkim@jj.ac.kr .,,,,,,.,,,,.,,,,,, (, 2011)..,,, (, 2009)., (, 2000;, 1993;,,, 1994;,
핵 1 학년 2 학년 3 학년합계 문학과예술 역사와철학 사회와이념 선택 학점계 학년 2 학년 3 학년합계비고 14 (15) 13 (14) 27 (29) 2
1 학년 2 학년 3 학년 합계 6 5 11 5 5 16 문학과예술 핵 역사와철학 사회와이념 선택 4 4 1 1 3 3 6 11 학점계 12 12 24 5 1 6 3 3 6 36 ㆍ제 2 외국어이수규정 이수규정 또는 영역에서 과목 학점 이수하고 수량적석과추론 과학적사고와실험 에서 과목 학점 이수해도됨 외국어및고전어 중급이상외국어및고전어과목명 핵 1 학년 2
gcp
Google Cloud Platform GCP MIGRATION MANAGED SERVICE FOR GCP 베스핀글로벌 S GCP OFFERING 베스핀글로벌과 Google Cloud Platform이 여러분의 비즈니스에 클라우드 날개를 달아드립니다. GCP에 전문성을 갖춘 베스핀글로벌의 클라우드 전문가들이 다양한 산업 영역에서의 구축 경험과 노하우를 바탕으로
Microsoft PowerPoint - 권장 사양
Autodesk 제품컴퓨터사양 PRONETSOFT.CO 박경현 1 AutoCAD 시스템사양 시스템요구사양 32 비트 AutoCAD 2009 를위한시스템요구사항 Intel Pentium 4 프로세서 2.2GHz 이상, 또는 Intel 또는 AMD 듀얼 코어프로세서 16GH 1.6GHz 이상 Microsoft Windows Vista, Windows XP Home
2017 년 AI 에대한전망 5 predictions for artificial intelligence in 2017, Stuart Frankel, CEO, Narrative Science Interactions Computer Computer Human Compute
AI 를위한 Microsoft 의전략적솔루션 인지서비스및 Bot 프레임워크 한석진부장마이크로소프트 2017 년 AI 에대한전망 5 predictions for artificial intelligence in 2017, Stuart Frankel, CEO, Narrative Science Interactions Computer Computer Human Computer
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
슬라이드 1
스마트공장설계, 운영을위한 공장 CPS 기술 성균관대학교공과대학 노상도 (sdnoh@skku.edu) 스마트공장 (Smart Factory) 전통제조업에 ICT 결합 공장설비와제품, 공정이지능화되어서로연결 생산정보와지식이실시간으로공유, 활용되어생산최적화 상 하위공장들이연결, 협업적운영으로개인 맞춤형제품생산이 가능한네트워크생산 (Roland Berger, INDUSTRY
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
Office 365, FastTrack 4 FastTrack. Tony Striefel FastTrack FastTrack
FastTrack 1 Office 365, FastTrack 4 FastTrack. Tony Striefel FastTrack FastTrack 5 11 2 FASTTRACK 소개 디지털 혁신은 여기서 시작합니다. Microsoft FastTrack은 Microsoft 클라우드를 사용하여 고객이 신속하게 비즈니스 가치를 실현하도록 돕는 고객 성공 서비스입니다.
Microsoft PowerPoint - [1-2] ME가 알아야할 것
![Microsoft PowerPoint - [1-2] ME가 알아야할 것](/thumbs/81/83600224.jpg "Microsoft PowerPoint - [1-2] ME가 알아야할 것")
외국 manuscript editor 교육과정을중심으로 조혜민 Board of Editors in the Life Sciences (BELS) American Medical Writers Association (AMWA) Council of Science Editors (CSE) European Association of Science Editors (EASE)
<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......
Microsoft PowerPoint - 27.pptx
이산수학 () n-항관계 (n-ary Relations) 2011년봄학기 강원대학교컴퓨터과학전공문양세 n-ary Relations (n-항관계 ) An n-ary relation R on sets A 1,,A n, written R:A 1,,A n, is a subset R A 1 A n. (A 1,,A n 에대한 n- 항관계 R 은 A 1 A n 의부분집합이다.)
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
차 례... 박영목 **.,... * **.,., ,,,.,,
차 례... 박영목 **.,... * 2010. **.,.,.... 1980.,,,.,,. 1980.. .... (Bereiter Scardamalia, 1987).. Hayes Flower(1980),,,..,,.....,,,... Hayes Flower 1980, Hayes 1996, Kellogg 1996, Hayes 2012. Hayes Flower
PowerPoint 프레젠테이션
CRM Data Quality Management 2003 2003. 11. 11 (SK ) hskim226@skcorp.com Why Quality Management? Prologue,,. Water Source Management 2 Low Quality Water 1) : High Quality Water 2) : ( ) Water Quality Management
<C1DF3320BCF6BEF7B0E8C8B9BCAD2E687770>
2012학년도 2학기 중등과정 3학년 국어 수업 계획서 담당교사 - 봄봄 현영미 / 시온 송명근 1. 학습 목적 말씀으로 천지를 창조하신 하나님이 당신의 형상대로 지음 받은 우리에게 언어를 주셨고, 그 말씀의 능 력이 우리의 언어생활에도 나타남을 깨닫고, 그 능력을 기억하여 표현하고 이해함으로 아름다운 언어생활 을 누릴 뿐만 아니라 언어문화 창조에 이바지함으로써
Level 학습 성과 내용 1수준 (이해) 1. 기본적인 Unix 이용법(명령어 또는 tool 활용)을 습득한다. 2. Unix 운영체계 설치을 익힌다. 모듈 학습성과 2수준 (응용) 1. Unix 가상화 및 이중화 개념을 이해한다. 2. 하드디스크의 논리적 구성 능력
CLD 모듈 계획서 Unix Systems 운영관리기법 교과목 코드 모듈명 Unix Systems Administration 코디네이터 김두연 개설 시기 2015. 5 th term 학점/시수 3 수강 대상 1~3학년 분반 POL Type TOL Type SOS Type 유형 소프트웨어 개발 컴퓨팅 플랫폼 관리 개발 역량 분석/설계 프로그래밍
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
( 분류및특징 ) 학습방법에따라 1 지도학습 (Supervised 2 비지도 학습 (Unsupervised 3 강화학습 (Reinforcement 으로구분 3) < 머신러닝의학습방법 > 구분 지도학습 (Supervised 비지도학습 (Unsupervised 강화학습 (
보안연구부 -2016-016 머신러닝 (Machine 개요및활용동향 - 금융권인공지능 (AI) 을위한머신러닝과딥러닝 - ( 보안연구부보안기술팀 / 2016.3.24.) 개요 이세돌 9단과인공지능 (AI, Artificial Intelligence) 알파고 (AlphaGo) 의대국 ( 16 년 3월 9~15일총 5국 ) 의영향으로 4차산업혁명단계 1) 진입을인식함과더불어금융권에서도인공지능기술이주목받게됨에따라,
High Resolution Disparity Map Generation Using TOF Depth Camera In this paper, we propose a high-resolution disparity map generation method using a lo
High Resolution Disparity Map Generation Using TOF Depth Camera In this paper, we propose a high-resolution disparity map generation method using a low-resolution Time-Of- Flight (TOF) depth camera and
PowerPoint Presentation
데이터처리프로그래밍 Data Processing Programming 01 파이썬프로그래밍언어 목차 1. 프로그래밍언어 2. 파이썬소개 3. 파이썬설치와실행 데이터처리프로그래밍 (Data Processing Programming) - 01 파이썬프로그래밍언어 3 1. 프로그래밍언어 프로그래밍언어개념 프로그래밍언어 programming language : 컴퓨터시스템을구동시키는소프트웨어를작성하기위한형식언어
untitled
SAS Korea / Professional Service Division 2 3 Corporate Performance Management Definition ý... is a system that provides organizations with a method of measuring and aligning the organization strategy
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
Agenda
Agenda 코타나인텔리전스소개 Gallery, Solution Template 데모1. ML Tutorial : Classification 데모2. HDI 생성방법, Spark notebook demo, Power BI 시각화 데모3. 인지서비스 Live demo, Intelligent Kiosk 데모4. 챗봇 Skype Preview + LUIS Digital
<303332355FC3D6C1BEBCF6C1A45FB1E2B5B6B1B3B1B3C0B0B3EDC3D12033332E687770>
11 ) 기독교교육논총, 제33집, 67-90 A Journal of Christian Education in Korea, Vol. 33. 한국기독교교육학회, 2013. 3. 30. 스마트 환경에서 관계적 역량 증진을 위한 교회 교사교육 프로그램 개발 * 김효숙(장로회신학대학교) belovedkhs@naver.com / 010-6284-9370 권성호(한양대학교)
27 2, 17-31, , * ** ***,. K 1 2 2,.,,,.,.,.,,.,. :,,, : 2009/08/19 : 2009/09/09 : 2009/09/30 * 2007 ** *** ( :
27 2, 17-31, 2009. -, * ** ***,. K 1 2 2,.,,,.,.,.,,.,. :,,, : 2009/08/19 : 2009/09/09 : 2009/09/30 * 2007 ** *** (: dminkim@cau.ac.kr) 18 한국교육문제연구제 27 권 2 호, 2009. Ⅰ. (,,, 2004). (,, 2006).,,, (Myrick,
(5차 편집).hwp
(215), 54(1), 17-3 211 STEAM,.. STEAM, STEAM, 5~6 11.,., 5~6...,. (, 21)., 29. (,, 212). 211 STEAM * :, E-mail: njkwon@hanmail.net http://dx.doi.org/1.15812/ter.54.1.2153.17 (215), 54(1), 17-3,. (Arts)
전산학부전공과목이수요건 (2015 학년도이전입학생학사과정용 ) 공통이수요건은반드시따로확인하시기바랍니다. 졸업이수학점 : 총 130 학점이상이수 ( 특이사항 ) 기초선택이수요건 : - 기초선택교과목으로선형대수학개론을반드시포함하여야하며, 복수전공이수자는선형대수학개론을반드시
(2015 학년도이전입학생학사과정용 ) 졸업이수학점 : 총 130 학점이상이수 ( 특이사항 ) 기초선택이수요건 : - 기초선택교과목으로선형대수학개론을반드시포함하여야하며, 복수전공이수자는선형대수학개론을반드시포함하여 3학점이상이수하여야함. 기초선택이수학점은학번별교과목이수요건참조 전공 : 43학점이상이수 - 전공필수 : 19학점 - 이산구조, 데이타구조, 알고리즘개론,
PowerPoint 프레젠테이션
How to produce ChemML and MathML 조윤상 ( 과편협기획운영위원 ) 1 Applications of XML Applications of XML RDF (Resource Description Framework) : 자원의정보를표현하기위한규격, 구문및구조에대한공통적인규칙을지원. RSS (Rich Site Summary) : 뉴스나블로그사이트에서주로사용하는콘텐츠표현방식.
Megazone-ML-v2
활용장점 학습모델개발자관점및비지니스 Time-to-market Jaehoon Lee 목차 I. 머신러닝 à 개발자관점 기본개념 약간의수학 약간의데모 모델개발자들의작업 II. 모델개발자생산성과비교 No coding. Fast deployment 비즈니스영역 SageMaker 란? 마무리 머신러닝은수집 / 저장 / 처리 / 분석 / 배포 / 활용단계를거쳐프로덕션되어집니다.
DBMS & SQL Server Installation Database Laboratory
DBMS & 조교 _ 최윤영 } 데이터베이스연구실 (1314 호 ) } 문의사항은 cyy@hallym.ac.kr } 과제제출은 dbcyy1@gmail.com } 수업공지사항및자료는모두홈페이지에서확인 } dblab.hallym.ac.kr } 홈페이지 ID: 학번 } 홈페이지 PW:s123 2 차례 } } 설치전점검사항 } 설치단계별설명 3 Hallym Univ.
데이터 시각화
데이터시각화 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 데이터시각화 1 / 22 학습내용 matplotlib 막대그래프히스토그램선그래프산점도참고 박창이 ( 서울시립대학교통계학과 ) 데이터시각화 2 / 22 matplotlib I 간단한막대그래프, 선그래프, 산점도등을그릴때유용 http://matplotlib.org 에서설치방법참고윈도우의경우명령프롬프트를관리자권한으로실행한후아래의코드실행
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)
감각형 증강현실을 이용한
대한산업공학회/한국경영과학회 2012년 춘계공동학술대회 감각형 증강현실을 이용한 전자제품의 디자인 품평 문희철, 박상진, 박형준 * 조선대학교 산업공학과 * 교신저자, hzpark@chosun.ac.kr 002660 ABSTRACT We present the recent status of our research on design evaluation of digital
강의지침서 작성 양식
정보화사회와 법 강의지침서 1. 교과목 정보 교과목명 학점 이론 시간 실습 학점(등급제, P/NP) 비고 (예:팀티칭) 국문 정보화사회와 법 영문 Information Society and Law 3 3 등급제 구분 대학 및 기관 학부(과) 전공 성명 작성 책임교수 법학전문대학원 법학과 최우용 2. 교과목 개요 구분 교과목 개요 국문 - 정보의 디지털화와 PC,
I. 2
,? 1 I. 2 Youngstown, Ohio 3 20, 4 Steel Valley = American Dream 5 1970, 1977, Black Monday 6 Youngstown = regional depression / 7 ,, 8 ?? 9 10 11 12 (Georg Graetz) (Guy Michaels) 2015 Robots at Work 13
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(
Track2
Track II: Ambient Communica/on Mar 2015 Graduate School of Culture Technology, KAIST People Social Compu/ng Lab Dongman Lee, Meeyoung Cha, Wonjae Lee, and Sungjoo Woo Complex Systems of Culture Juyong
<C1A63236B1C72031C8A328C6EDC1FDC1DF292E687770>
미 술 교 육 논 총 Art Education Research Review 2012 제26권 1호 1-28 미술가의 창의적 사고와 미술문화 진화의 관계성 탐구 - 창의성의 구성요소와 전통미술을 중심으로- 1)김 혜 숙* < 요 약 > 창의성의 구성요소인 영역, 장, 개인의 관계를 조선시대 미술가, 미술계, 미술문화 를 중심으로 살펴보면 미술가의 창의적 사고와
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
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
Journal of Educational Innovation Research 2019, Vol. 29, No. 1, pp DOI: (LiD) - - * Way to
Journal of Educational Innovation Research 2019, Vol. 29, No. 1, pp.353-376 DOI: http://dx.doi.org/10.21024/pnuedi.29.1.201903.353 (LiD) -- * Way to Integrate Curriculum-Lesson-Evaluation using Learning-in-Depth
Contents 01 서울 과학교육 정책 [박문수] 1 02 외국의 과학교육 사례 비교 [정호근] 19 03 영재교육 10년, 현황과 과제 [홍덕표] 39 04 학교기획과 문서작성의 실제 [홍덕표] 51 05 교육법규의 이해 [김응길] 71 06 특수교육의 이해 [권택환] 139 07 영화를 이용한 과학수업 [한문정] 149 08 학교현장에서의 진로교육 [양운택]
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
ecorp-프로젝트제안서작성실무(양식3)
(BSC: Balanced ScoreCard) ( ) (Value Chain) (Firm Infrastructure) (Support Activities) (Human Resource Management) (Technology Development) (Primary Activities) (Procurement) (Inbound (Outbound (Marketing
Secure Programming Lecture1 : Introduction
Malware and Vulnerability Analysis Lecture1 Malware Analysis #1 Agenda 악성코드정적분석 악성코드분석 악성코드정적분석 정적분석 임의의코드또는응용프로그램을실행하지않고분석 ASCII 문자열 (ex. URL) API 리스트 Packing VT 기타등등 정적분석 : 파일식별 악성으로의심되는파일의형태식별 file
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
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.
Social Network
Social Network Service, Social Network Service Social Network Social Network Service from Digital Marketing Internet Media : SNS Market report A social network service is a social software specially focused
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