|
t with confidence\" 이 말처럼 나는 내가 두려워하는 불확실성의 세계로 나아가야 한다. 당장 거창한 비전이 필요한 것은 아니다. 중요한 것은 내가 불확실성의 세계에 발을 들여놓는다는 것이다. 그렇게 함으로써 내게는 실패가 따를 수도 있다.
|
|
|
딥 체인지의 필요성을 확인시켜주며, 그것만이 딥 체인지를 성공하게 만든다. 왜냐하면 모든 변화의 적은 언제나 그렇게 끊임없이 자신의 안전지대를 지켜려는 우리 내부의 음흉한 음모이기 때문이다. 우리 모두는 언제고 결국에는 점진적인
|
|
|
체인지 엔드
Ⅷ. 배드민턴의 플라이트
1. 클리어
1) 하이 클리어
2) 드리븐 클리어
2. 스매시
3. 드라이브
4. 네트 숏
1) 헤어핀 숏
2) 크로스코트 네트숏
Ⅸ. 배드민턴의 교육(지도)
1. 목표
1) 심동적 목표
2) 인지적 목표
3) 정의적 목표
|
|
|
점수의 획득
1) 단식
2) 복식
3) 혼합
3. 세팅
4. 경기의 시작 방식
5. 경기의 전개
1) 단식 경기
2) 복식 경기, 혼합 복식
6. 득점 방법
7. 엔드 체인지
8. 경기중의 반칙
9. 서브를 하는 서버의 위치
10. 경기자의 위치
?. 결론
참고문헌
|
|
|
딥 서브 [high deep serve]: 셔틀이 높은 궤도를 그리면서, 상대방 코트의 백 바운더리 라인 가까이의 안쪽에 떨어지도록 하는 서브를 말한다.
·하이 딥 클리어 [high deep clear]: 하이 클리어라고도 하는데, 셔틀을 높게, 빨리 가도록 하여, 상대편의
|
|
 |
딥러닝 (Deep Learning) 관련 문제 22
기본 개념 22
심층 신경망 22
합성곱 신경망 (CNN) 23
순환 신경망 (RNN) 23
생성적 적대 신경망 (GAN) 24
? 강화학습 (Reinforcement Learning) 관련 문제 24
기본 개념 25
정책과 가치 기반 방법 25
심층 강화학습 26
|
|
 |
과적이었습니다.
6. 새로운 딥러닝 모델을 도입할 때 어떤 기준으로 선택하시나요?
데이터의 특성과 목적에 맞는 구조를 선택하는 것이 우선입니다. 예를 들어 시계열이라면 Transformer 기반 모델을, sparse한 구조에서는 Wide&Deep 모델을 활용하는
|
|
 |
1.주요 연구(관심)분야 또는 희망전공
저는 컴퓨터학부에서 인공지능(AI) 및 기계학습(Machine Learning)에 대한 깊은 관심을 가지고 있으며, 특히 딥러닝(Deep Learning)과 자연어 처리(Natural Language Processing, NLP) 분야에 대해 연구하고자 합니다. AI는 여
|
|
|
딥러닝 (Deep Learning) 관련 문제 24
가. 기본 개념 24
나. 심층 신경망 25
다. 합성곱 신경망 (CNN) 25
라. 순환 신경망 (RNN) 26
마. 생성적 적대 신경망 (GAN) 26
강화학습 (Reinforcement Learning) 관련 문제 27
바. 기본 개념 27
사. 정책과 가치 기반
|
|
메뉴펼치기
