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, suffix=''): conv = mx.sym.convolution(data=data, num_filter=num_filter, kernel=kernel, stride=stride, pad=pad, no_bias=true, name='%s%s_conv2d' %(name, suffix)) bn = mx.sym.batchnorm(data=conv, name='%s%s_batchnorm' %(name, suffix), fix_gamma=true) act = mx.sym.activation(data=bn, act_type='relu', name='%s%s_relu' %(name, suffix)) return act def Inception7A(data, num_1x1, num_3x3_red, num_3x3_1, num_3x3_2, num_5x5_red, num_5x5, pool, proj, name): tower_1x1 = Conv(data, num_1x1, name=('%s_conv' % name)) tower_5x5 = Conv(data, num_5x5_red, name=('%s_tower' % name), suffix='_conv') tower_5x5 = Conv(tower_5x5, num_5x5, kernel=(5, 5), pad=(2, 2), name=('%s_tower' % name), suffix='_conv_1') tower_3x3 = Conv(data, num_3x3_red, name=('%s_tower_1' % name), suffix='_conv') tower_3x3 = Conv(tower_3x3, num_3x3_1, kernel=(3, 3), pad=(1, 1), name=('%s_tower_1' % name), suffix='_conv_1') tower_3x3 = Conv(tower_3x3, num_3x3_2, kernel=(3, 3), pad=(1, 1), name=('%s_tower_1' % name), suffix='_conv_2') pooling = mx.sym.pooling(data=data, kernel=(3, 3), stride=(1, 1), pad=(1, 1), pool_type=pool, name=('%s_pool_%s_pool' % (pool, name))) cproj = Conv(pooling, proj, name=('%s_tower_2' % name), suffix='_conv') concat = mx.sym.concat(*[tower_1x1, tower_5x5, tower_3x3, cproj], name='ch_concat_%s_chconcat' % name) return concat def Inception7B(data, num_3x3, num_d3x3_red, num_d3x3_1, num_d3x3_2, pool, name): tower_3x3 = Conv(data, num_3x3, kernel=(3, 3), pad=(0, 0), stride=(2, 2), name=('%s_conv' % name)) tower_d3x3 = Conv(data, num_d3x3_red, name=('%s_tower' % name), suffix='_conv') tower_d3x3 = Conv(tower_d3x3, num_d3x3_1, kernel=(3, 3), pad=(1, 1), stride=(1, 1), name=('%s_tower' % name), suffix='_conv_1') tower_d3x3 = Conv(tower_d3x3, num_d3x3_2, kernel=(3, 3), pad=(0, 0), stride=(2, 2), name=('%s_tower' % name), suffix='_conv_2') pooling = mx.symbol.pooling(data=data, kernel=(3, 3), stride=(2, 2), pad=(0,0), pool_type="max", name=('max_pool_%s_pool' % name)) concat = mx.sym.concat(*[tower_3x3, tower_d3x3, pooling], name='ch_concat_%s_chconcat' % name) return concat

KAKAO AI REPORT Vol.01

KAKAO AI REPORT contents preface 02 learning 06 08 14 review 18 19 20 21 22 history 26 28 30 32 information 34 35 closing 36 01

preface 02

KAKAO AI REPORT 03

learning 06 08 14

learning 06

KAKAO AI REPORT 07

learning 08

KAKAO AI REPORT 09

10 learning

KAKAO AI REPORT 11

learning 12

KAKAO AI REPORT 13

learning 14

KAKAO AI REPORT 15

review 18 19 20 21 22

18 review

19 KAKAO AI REPORT

20 review

KAKAO AI REPORT 21

22 review

KAKAO AI REPORT 23

history 26 28 30 32

history 1942~ 26

KAKAO AI REPORT 1985~ 27

history 2004~ 28

2007~ 2006~ 29 KAKAO AI REPORT

history 2010~ 30

2016~ 31 KAKAO AI REPORT

history 32

2017~ 33 KAKAO AI REPORT

34 information

KAKAO AI REPORT AI 팟캐스트 2012년 이후 부터는 IT관련 미디어에 AI가 The AI Podcast Concerning AI Artificial Intelligence 종종 등장하고 있었다. 최근들어 기술적인 내용 뿐 아니라 AI의 사회적 효과 및 Nvidia에서 제공하고 있는 Podcast 작가 2명이 진행하는 Podcast로, 다른 방송들 이슈들에 대해서 다루고 있는 미디어들도 로 Fortune Magazine 출신 기자가 진행하고 과는 다르게 기술적인 내용 보다는 AI와 관련된 늘어나고 있다. 아직 한국어로 제공되는 있다. The AI Podcast는 AI관련 최신 뉴스 및 사회적 이슈들에 대해서 자유롭게 대화로 풀어 방송이 없어 아쉽지만, AI에 관한 최신 연구자들 인터뷰를 통해 기술을 소개하고 있다. 간다. 영화속에 등장한 AI에 대한 진행자들의 생 Nvidia는 GPU가 AI기술에 중요한 역할을 담 각, 인간과 대결하는 AI에 대한 이야기를 하고 당하면서 가장 빠르게 성장하고 있는 기업으로 있다. 배경 지식 없이 들을 수 있는 방송이다. 소식을 접하고 싶다면 다음의 Podcast를 추천한다. 최근 AI기술의 활용과 관련된 다양한 홍보를 진 행 중에 있다. Learning Machines 101 difficulty difficulty https://itun.es/kr/rkeugb.c https://itun.es/kr/rjz69.c This Week in Machine Learning & Talking Machines AI Podcast 유타 대학의 컴퓨터 사이언스 교수가 진행하는 IT 컨설팅 전문가들이 진행하는 Podcast. AI관 하버드대 응용과학 교수가 진행하는 Podcast 머신러닝에 대한 기초강의. 지금까지 약 60개 련 이슈를 전문가의 인터뷰를 통해 설명하고 로 소개된 방송들 중 가장 난이도가 높은 편이 정도의 방송이 제공되고 있는데, 처음부터 듣게 있다. AI 컨퍼런스에 참석한 연구자들과 현장 다. 용어설명, Q&A, 인터뷰의 3가지 섹션으로 되면, 이해하기 쉽게 머신러닝 및 AI에 대해서 인터뷰를 통해 연구 성과를 들을 수 있다. 구성되어 있으며 NIPS, ICML등의 중요 컨퍼런 공부 할 수 있다. 홈페이지를 찾아 보면, 강의에 스가 진행된 경우 관련 논문을 소개하기도 한 대한 Script와 예시 이미지도 제공하고 있다. 다. 2016년 9월을 마지막으로 방송은 종료 되 었지만, AI와 머신러닝에 대해서 공부 할 수 있 는 방송이다. difficulty difficulty difficulty https://itun.es/kr/fyrn1.c https://itun.es/kr/l7wicb.c https://itun.es/kr/d0y74.c 35

closing 36

copyright 2017. kakao corp. all right reserved.