|
인공지능 하드웨어
1.2. 엣지 컴퓨팅
1.3. 고성능 컴퓨팅(HPC)
2. 주요 소프트웨어 트렌드
2.1. 클라우드 컴퓨팅
2.2. 머신러닝 및 딥러닝 프레임워크
2.3. 오픈소스 소프트웨어의 확산
3. 핵심 기술의 응용 분야
3.1. 헬
|
|
|
|
머신러닝과 딥러닝과 같은 최신 기술들이 이산수학의 원리와 결합됨으로써 새로운 패러다임의 수학적 접근이 가능해질 것이다. 이렇게 이산수학은 시대의 변화에 발맞춰 끊임없이 진화하며 중요성을 더해갈 것이다. 1. 서론 이산수학의
|
|
|
AI 의 시대가 열리면서 모든 산업 분야의 경계가 허물어지고 있다. 기존에 진입장벽이 있는 직업이나 산업이라도, CHAT GPT 와 생성 AI의 힘을 빌려서 해당 분야의 산출물을 만들어 내는 것이 가능해졌다.
이것은 개인의 생산성의 증대를 의미
|
|
|
석사학위논문, 2024.02.
김형주, 신뢰가능한 인공지능의 설명가능성 개념에 대한 비판적 고찰, 인문학연구, 인천대학교 인문학연구소, 2024.06.
“머신러닝\", 국립중앙과학관 사물인터넷 www.science.go.kr
\"딥러닝\", 두산백과 www.doopedia.co.kr
|
|
|
인공지능을 다루는 소양을 가르치는 것 정도가 미래교육이 맡게 될 기본적 기능이다. 인공지능 기계는 딥러닝(Deep Learning), 머신러닝을 통해 자가 학습이 가능한 단계에 이르렀다. 그렇다면 지식을 습득하고 데이터를 분석하는 것은 어차피 사
|
|
|
머신러닝, 딥러닝 등과 같은 인공지능 기술을 결합하여 가축의 질병 조기 진단, 최적 성장 모델 등을 구축한 스마트팜 형태를 의미한다. 현재 관련 연구가 활발하게 진행 중이다.
③ 첨단형(3세대)
궁극적으로 무인 축사 관리 달성을 목표로 하
|
|
|
인공지능 기반 빅데이터 서비스 플랫폼(2단계) 사업 수주>
- 서울시 218개 시스템 내 행정데이터 / KT 통신 데이터 등 외부 데이터 수집
- 공공, 민간 데이터 셋 활용 (주민등록인구 / 생활인구 / 생활이동 / 건축물대장 데이터)
- GIS(지리정보시
|
|
|
딥러닝은 생성형 인공지능 모델의 성능을 지속적으로 향상시킨다. 딥러닝은 멀티모달 데이터를 처리하여 텍스트, 이미지, 음성을 동시에 분석한다. 딥러닝은 교육 및 의료 분야에서 생성형 AI의 활용을 확대한다. 딥러닝은 예술 및 디자인에
|
|
|
인공지능의 위험의 특성과 법적 규제방안, 홍익법학 제17권 제4호, 홍익대학교 출판부, 2016.
우승국, 인공지능 미래 세상, 월간교통, 한국교통연구원, 2017.
이건명, 튜링 테스트에서 딥러닝까지 인공지능, 생능출판사, 2018.
이상길, 국내외 AI
|
|
|
인공지능개론, 홍릉과학
시라이 요시아끼 저(2006) 인공지능이란 무엇인가, 21세기과학시리즈편찬회역, 대광서림
마이클 네그네빗스키 저, 김용혁 역(2009) 인공지능 개론, 한빛미디어
김윤명(2016) 인공지능과 법적 쟁점 : AI가 만들어낸 결과물의
|
|
메뉴펼치기
