|
딥러닝이 단순히 데이터의 예측과 분석의 역할을 넘어서 인간의 안전에도 영향을 미친다는 점을 느끼게 하였고 더 다양한 분야에 딥러닝이 적용되어 높은 생산성과 효율적인 운영이라는 장점을 누렸으면 좋겠다고 생각되었다.
Ⅲ. 결론
현재
|
|
|
러닝 기법의 출현으로 급속도로 발전하고 있습니다. I 서론 및 선정 사유
II 본론
1. AI와 딥페이크의 개념
1) 정의 및 개념
2) 활용
2. AI와 딥페이크의 역사
1) 상상에서 현실까지
2) AI의 발달에 따른 주요 성과
3)딥페이크의 발달
3. 딥
|
|
|
딥러닝, Digital Feed
Byoung-Tak Zhang, TA: Hyo-Sun Chun, 2015-spring, Deep Learning, School of Computer Science and Engineering, Seoul National University
김정희, Deep Learning - Machine Learning with Deep Neural Network, NAVER LABS
LG 경제연구소 조용수 수석연구원. ‘똑똑한 기계들의 시대,
|
|
|
딥러닝의 고안으로 인공지능(AI)이 획기적으로 도약하게 되었다. 초기 인공지능은 규칙을 컴퓨터에 주입하는 지도학습법(supervised learning)이 활용되었다. 1990년대 중반 이후에는 인터넷의 등장으로 방대한 데이터를 수집할 수 있게 되면서 수많
|
|
|
풍부하게 함유하고 있는 음식이나 식재료를 제안해 주는 방식이다.
[참고문헌]
1. 김희언, 『딥러닝 기반 차량 자율주행 연구』, 세종대학교 석사학위논문, 2019 1.
최근 인공지능/딥러닝 활용 사례
2.
인공지능/딥러닝 활용 아이디어
|
|
|
1. AI 관련동향
1) AI란 무엇인가
1.1) 머신러닝 1.2) 딥러닝
2) AI발전과정
2. AI의 현재와 미래
1) 현재사회에서의 AI
2) 미래사회에서의 AI
3. AI와 관련된 윤리적/철학적 문제
4. 공학도로서 보는 AI
5. 참고문헌
|
|
|
딥러닝 등 속도·범위·깊이의 차원이 다른 파괴적 혁신기술이 야기하는 4차 산업혁명이 가속화 되고 있으며 ICT 산업의 혁신을 넘어 생산방식·시장구조·생활양식 등 산업·경제·사회의 근본적인 생태계 변화를 이끌 것으로 예상된다. 초연결
|
|
|
딥러닝 모델을 설계하고 이를 기반으로 학습한다. 이는 Python과 유사한 프로그래밍 언어와 Tensor flow 등의 딥러닝 뼈대가 필요하며 AI가 모델을 학습하는 동안에는 하이퍼 파라미터를 조정하면서 최적을 만족할 만한 모델을 찾아낸다.
따라서
|
|
|
을 수행하기에 사람의 유연한 문제해결능력에 상응한 통찰력을 가진 기계를 구현하는데 충분하지 않았다.
(2) 딥러닝
머신러닝에서 한발 나아간 딥러닝은 한 마디로 ‘보다 지능화된 머신러닝’이라고 할 수 있다. 2006년에 Geoffrey Hinton은 인공
|
|
|
다.
3) 사회적 파급력
4차 산업혁명(The Fourth Industrial Revolution, 第4次 産業革命)은 초연결(Hyperconnectivity)3)과 초지능(Superintelligence)을 특징으로 한다. 과거 융복합화라는 이름의 초연결성에 딥 러닝(Deep Learning), 스마트 계약(Smart Contract) 등의 초지
|
|
메뉴펼치기
