SlideShare a Scribd company logo
1 of 13
A.I.
권희대
lists
what is anconda?
Virtual environmen
Difference between AI ,machine learning and deep learning
A.I.
Machine learning
Deep learning
kaggle competition
데이콘
돌아보기
plan
ananconda
-라이브러리들을 쉽게 설치하고 관리할 수 있게 해주는
도구
- 밴드를 하고싶다
보컬,드럼 등 A단톡방 초대
- 농구를 하고싶다
센터 가드 등을 B단톡방 초대
=> 관리가 쉽다.
- 밴드를 하고싶다
보컬,드럼 등 A단톡방 초대
- 농구를 하고싶다
센터 가드 등을 A단톡방 초대
=> 관리가 어렵다
Virture enviroment
특정공간에서만 사용하는 제한된 공간
왜 필요합니까?
다수의 인원 작업시 프로젝트에 마다 다른 버전이 필요
so, pyhton,pip 등을 하나의 환경에서 설치시
= 비효율 + 번거로움 => why?
=> ex) 1클라 2클라 3클라 작업
1버전 설치 => 1클라 프로젝트 1버전 =>1버전 삭제 =>
2버전 설치 => 2클라 프로젝트 2버전 => 2버전 삭제 =>
3바전 설치 => 3클라 프로젝트 3버전
위와 같은 번거로움을 제거해주는 “가상환경”
Difference between AI ,machine leaning and
deep learning
A.I가 뭐야?
Machine
learning이뭐야?
deep learning
이뭐야?
알파고
알파고
알파고
A.I
Arificial Itelligence
강인공지능
General A.I 사람
약인공지능
Narrow A.I Narrow(좁은 범위) 만 집중적
Ex)Facebook 얼굴 인식기능 , Siri
이런 기능을 어떻게 교육을 시킬 수 있을까?
≥
Machine learning
A.I를 달성하기 위한 수단
학습방법
- unsupervised machine learning
- supervised machine learning
Deep learning
Machine learning에 한 종류
인공신경망 형태
입력층 은닉층 출력층으로 구성
많은 은닉층으로 추상화 가능
빅데이터 학습후 활용
- 음성이나 영상처럼 추상적인 정보들을 인식하는데 활용
kaggle competition
Conway's Reverse Game of Life 2020
Python ,Pytorch
켜져있거나/꺼저있는 세포보드로 구성
=>어떻게 발전하는지 관찰
규칙 : 인구과잉 , 정체 , 인구 부족 , 번식
알고리즘 작동방식
목적 : 시작보드 예측
데이콘
운동 동작 분류 AI 경진대회
사용 언어 : Python , R
-train_features.csv (1875000, 8)
id 별 600 time 간 동작 데이터
id 3125개 x 600 time =1875000 데이터
-train_labels.csv (3125, 3)
id 별 동작과 동작 label(61개)
목표 : 다음 동작 예측
돌아보기
plan
blog python
category 2장 다시 실행해보기
ubuntu setup 과정 포스팅
anaconda setup 과정 포스팅
jupyter notebook 과정 포스팅
감사합니다.

More Related Content

More from heedaeKwon

Localisation network
Localisation networkLocalisation network
Localisation network
heedaeKwon
 
Learning to learn by gradient descent by gradient descent
Learning to learn by gradient descent by gradient descentLearning to learn by gradient descent by gradient descent
Learning to learn by gradient descent by gradient descent
heedaeKwon
 
Grad cam visual explanations from deep networks via gradient-based localizati...
Grad cam visual explanations from deep networks via gradient-based localizati...Grad cam visual explanations from deep networks via gradient-based localizati...
Grad cam visual explanations from deep networks via gradient-based localizati...
heedaeKwon
 
Learning deep features for discriminative localization
Learning deep features for discriminative localizationLearning deep features for discriminative localization
Learning deep features for discriminative localization
heedaeKwon
 
Image net classification with deep convolutional neural networks
Image net classification with deep convolutional neural networksImage net classification with deep convolutional neural networks
Image net classification with deep convolutional neural networks
heedaeKwon
 
Show, attend and tell
Show, attend and tellShow, attend and tell
Show, attend and tell
heedaeKwon
 
A neural image caption generator
A neural image caption generatorA neural image caption generator
A neural image caption generator
heedaeKwon
 

More from heedaeKwon (11)

Localisation network
Localisation networkLocalisation network
Localisation network
 
Les net
Les netLes net
Les net
 
Learning to learn by gradient descent by gradient descent
Learning to learn by gradient descent by gradient descentLearning to learn by gradient descent by gradient descent
Learning to learn by gradient descent by gradient descent
 
Grad cam visual explanations from deep networks via gradient-based localizati...
Grad cam visual explanations from deep networks via gradient-based localizati...Grad cam visual explanations from deep networks via gradient-based localizati...
Grad cam visual explanations from deep networks via gradient-based localizati...
 
Goog lenet
Goog lenetGoog lenet
Goog lenet
 
Learning deep features for discriminative localization
Learning deep features for discriminative localizationLearning deep features for discriminative localization
Learning deep features for discriminative localization
 
Image net classification with deep convolutional neural networks
Image net classification with deep convolutional neural networksImage net classification with deep convolutional neural networks
Image net classification with deep convolutional neural networks
 
Show, attend and tell
Show, attend and tellShow, attend and tell
Show, attend and tell
 
Vgg
VggVgg
Vgg
 
A neural image caption generator
A neural image caption generatorA neural image caption generator
A neural image caption generator
 
Ai basic
Ai basicAi basic
Ai basic
 

Recently uploaded

Grid Layout (Kitworks Team Study 장현정 발표자료)
Grid Layout (Kitworks Team Study 장현정 발표자료)Grid Layout (Kitworks Team Study 장현정 발표자료)
Grid Layout (Kitworks Team Study 장현정 발표자료)
Wonjun Hwang
 
파일 업로드(Kitworks Team Study 유현주 발표자료 240510)
파일 업로드(Kitworks Team Study 유현주 발표자료 240510)파일 업로드(Kitworks Team Study 유현주 발표자료 240510)
파일 업로드(Kitworks Team Study 유현주 발표자료 240510)
Wonjun Hwang
 

Recently uploaded (6)

[OpenLAB] AWS reInvent를 통해 바라본 글로벌 Cloud 기술동향.pdf
[OpenLAB] AWS reInvent를 통해 바라본 글로벌 Cloud 기술동향.pdf[OpenLAB] AWS reInvent를 통해 바라본 글로벌 Cloud 기술동향.pdf
[OpenLAB] AWS reInvent를 통해 바라본 글로벌 Cloud 기술동향.pdf
 
오픈소스 위험 관리 및 공급망 보안 솔루션 'Checkmarx SCA' 소개자료
오픈소스 위험 관리 및 공급망 보안 솔루션 'Checkmarx SCA' 소개자료오픈소스 위험 관리 및 공급망 보안 솔루션 'Checkmarx SCA' 소개자료
오픈소스 위험 관리 및 공급망 보안 솔루션 'Checkmarx SCA' 소개자료
 
클라우드 애플리케이션 보안 플랫폼 'Checkmarx One' 소개자료
클라우드 애플리케이션 보안 플랫폼 'Checkmarx One' 소개자료클라우드 애플리케이션 보안 플랫폼 'Checkmarx One' 소개자료
클라우드 애플리케이션 보안 플랫폼 'Checkmarx One' 소개자료
 
Grid Layout (Kitworks Team Study 장현정 발표자료)
Grid Layout (Kitworks Team Study 장현정 발표자료)Grid Layout (Kitworks Team Study 장현정 발표자료)
Grid Layout (Kitworks Team Study 장현정 발표자료)
 
파일 업로드(Kitworks Team Study 유현주 발표자료 240510)
파일 업로드(Kitworks Team Study 유현주 발표자료 240510)파일 업로드(Kitworks Team Study 유현주 발표자료 240510)
파일 업로드(Kitworks Team Study 유현주 발표자료 240510)
 
도심 하늘에서 시속 200km로 비행할 수 있는 미래 항공 모빌리티 'S-A2'
도심 하늘에서 시속 200km로 비행할 수 있는 미래 항공 모빌리티 'S-A2'도심 하늘에서 시속 200km로 비행할 수 있는 미래 항공 모빌리티 'S-A2'
도심 하늘에서 시속 200km로 비행할 수 있는 미래 항공 모빌리티 'S-A2'
 

A.i

  • 2. lists what is anconda? Virtual environmen Difference between AI ,machine learning and deep learning A.I. Machine learning Deep learning kaggle competition 데이콘 돌아보기 plan
  • 3. ananconda -라이브러리들을 쉽게 설치하고 관리할 수 있게 해주는 도구 - 밴드를 하고싶다 보컬,드럼 등 A단톡방 초대 - 농구를 하고싶다 센터 가드 등을 B단톡방 초대 => 관리가 쉽다. - 밴드를 하고싶다 보컬,드럼 등 A단톡방 초대 - 농구를 하고싶다 센터 가드 등을 A단톡방 초대 => 관리가 어렵다
  • 4. Virture enviroment 특정공간에서만 사용하는 제한된 공간 왜 필요합니까? 다수의 인원 작업시 프로젝트에 마다 다른 버전이 필요 so, pyhton,pip 등을 하나의 환경에서 설치시 = 비효율 + 번거로움 => why? => ex) 1클라 2클라 3클라 작업 1버전 설치 => 1클라 프로젝트 1버전 =>1버전 삭제 => 2버전 설치 => 2클라 프로젝트 2버전 => 2버전 삭제 => 3바전 설치 => 3클라 프로젝트 3버전 위와 같은 번거로움을 제거해주는 “가상환경”
  • 5. Difference between AI ,machine leaning and deep learning A.I가 뭐야? Machine learning이뭐야? deep learning 이뭐야? 알파고 알파고 알파고
  • 6. A.I Arificial Itelligence 강인공지능 General A.I 사람 약인공지능 Narrow A.I Narrow(좁은 범위) 만 집중적 Ex)Facebook 얼굴 인식기능 , Siri 이런 기능을 어떻게 교육을 시킬 수 있을까? ≥
  • 7. Machine learning A.I를 달성하기 위한 수단 학습방법 - unsupervised machine learning - supervised machine learning
  • 8. Deep learning Machine learning에 한 종류 인공신경망 형태 입력층 은닉층 출력층으로 구성 많은 은닉층으로 추상화 가능 빅데이터 학습후 활용 - 음성이나 영상처럼 추상적인 정보들을 인식하는데 활용
  • 9. kaggle competition Conway's Reverse Game of Life 2020 Python ,Pytorch 켜져있거나/꺼저있는 세포보드로 구성 =>어떻게 발전하는지 관찰 규칙 : 인구과잉 , 정체 , 인구 부족 , 번식 알고리즘 작동방식 목적 : 시작보드 예측
  • 10. 데이콘 운동 동작 분류 AI 경진대회 사용 언어 : Python , R -train_features.csv (1875000, 8) id 별 600 time 간 동작 데이터 id 3125개 x 600 time =1875000 데이터 -train_labels.csv (3125, 3) id 별 동작과 동작 label(61개) 목표 : 다음 동작 예측
  • 12. plan blog python category 2장 다시 실행해보기 ubuntu setup 과정 포스팅 anaconda setup 과정 포스팅 jupyter notebook 과정 포스팅