Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저BESPIN GLOBAL
전 세계적으로 클라우드 기반의 디지털 트랜스포메이션이 빠르게 진행되고 있음에도 불구하고, 기업에서 클라우드를 도입하고 마이그레이션 하는 과정은 여전히 어려움이 많습니다. 성공적인 마이그레이션은 클라우드로의 단순 인프라 변경에서 그치는 것이 아니라 비즈니스와 프로세스가 함께 변화할 때 완성될 수 있습니다.
그리고 그 변화의 중심에는 인공지능(AI)과 머신러닝(ML)이 있습니다. 인공지능과 머신러닝은 모든 것을 자동화하여 스스로 데이터를 분류하며 유의미한 가치를 찾아냅니다. 바로 여기에서부터 기업의 비즈니스 혁신은 시작됩니다.
클라우드로의 디지털 트랜스포메이션 전략과 인공지능/머신러닝을 활용한 비즈니스 혁신 방법 중, 딥러닝 트렌드와 AWS 활용 시나리오에 대해 이번 세션을 통해 쉽고 정확하게 알아보실 수 있습니다.
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들Doyoung Gwak
iOS에서 머신러닝으로 해결할 수 있는 문제들을 다양한 예시와 함께 소개합니다. 기존에 룰베이스 알고리즘으로는 해결하기 힘들었던 어려운 문제들을 머신러닝이 어떻게 해결할 수 있는지 설명하고, 간단한 코드 예제와 함께 Core ML 사용법을 알려드립니다. 또한 서비스에 사용하는 모델의 경우 어떤 추가적인 고려를 해야하는지도 간략히 소개하고 있습니다.
본 발표에 공유된 대부분의 데모는 https://github.com/motlabs/awesome-ml-demos-with-ios 저장소에 올라가있어, 코드 레벨까지 궁금한 분들께서는 이 저장소를 확인해주세요.
발표영상: https://www.youtube.com/watch?v=zKPB8rnS-EM
Session 4. 쉽게 보는 딥러닝 트랜드와 AWS 활용 시나리오 - 베스핀글로벌 이승규 매니저BESPIN GLOBAL
전 세계적으로 클라우드 기반의 디지털 트랜스포메이션이 빠르게 진행되고 있음에도 불구하고, 기업에서 클라우드를 도입하고 마이그레이션 하는 과정은 여전히 어려움이 많습니다. 성공적인 마이그레이션은 클라우드로의 단순 인프라 변경에서 그치는 것이 아니라 비즈니스와 프로세스가 함께 변화할 때 완성될 수 있습니다.
그리고 그 변화의 중심에는 인공지능(AI)과 머신러닝(ML)이 있습니다. 인공지능과 머신러닝은 모든 것을 자동화하여 스스로 데이터를 분류하며 유의미한 가치를 찾아냅니다. 바로 여기에서부터 기업의 비즈니스 혁신은 시작됩니다.
클라우드로의 디지털 트랜스포메이션 전략과 인공지능/머신러닝을 활용한 비즈니스 혁신 방법 중, 딥러닝 트렌드와 AWS 활용 시나리오에 대해 이번 세션을 통해 쉽고 정확하게 알아보실 수 있습니다.
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들Doyoung Gwak
iOS에서 머신러닝으로 해결할 수 있는 문제들을 다양한 예시와 함께 소개합니다. 기존에 룰베이스 알고리즘으로는 해결하기 힘들었던 어려운 문제들을 머신러닝이 어떻게 해결할 수 있는지 설명하고, 간단한 코드 예제와 함께 Core ML 사용법을 알려드립니다. 또한 서비스에 사용하는 모델의 경우 어떤 추가적인 고려를 해야하는지도 간략히 소개하고 있습니다.
본 발표에 공유된 대부분의 데모는 https://github.com/motlabs/awesome-ml-demos-with-ios 저장소에 올라가있어, 코드 레벨까지 궁금한 분들께서는 이 저장소를 확인해주세요.
발표영상: https://www.youtube.com/watch?v=zKPB8rnS-EM
2017년 라이트브레인의 네 번째 UX 트렌드 리포트 ‘UX Discovery 제4호’
2017년 상반기동안 라이트브레인 UX1 컨설팅그룹에서 수집하고 선별한 의미있는 UX 사례들을 총 200여 페이지, 13개 분야로 나누어 정리하였으며 아이템별로 라이트브레인만의 UX 인사이트를 함께 수록했습니다.
UX 관련 업계 종사자들이 보다 양질의 정보를 접할 수 있도록 돕고, 눈앞에 다가온 4차산업혁명시대를 전망하고 준비하시는 데 있어 귀한 인사이트를 얻고 더 많은 도전을 할 수 있도록 지원하고자 라이트브레인 블로그와 슬라이드쉐어를 통해 1,2부로 나눠 바로 보실 수 있도록 순차적으로 공개하며,
뉴스레터 구독자분들에 한해 무료로 리포트를 pdf파일로 보내 드리고 있습니다.
PDF파일 무료구독 신청접수 :
http://www.rightbrain.co.kr/CMS/discovery4/
- Agenda-
Part-1
Artificial Intelligence
Robot
Car
ChatBot
VUX
Part-2 (곧 공개됩니다)
Wearable
New Interaction
VR/AR
IoT/Product
Commerce
New App
Healthcare
발표 제목 :
GPU 및 오픈 소스 딥러닝 라이브러리를 활용한 향후 인공지능 서비스의 가능성에 대하여 자사 개발 서비스인 "C.VIEW"를 통하여 가늠해 보자.
Abstract :
인공지능은 지금 시대에 있어서, 제4차산업혁명이라고 일컬어 질 정도로, 역사적으로 세 번째의 유행을 맞이 하게 되었다. 1960년대와 1980년대에 관심을 받게 되었을 때, 방대한 양의 학습 데이터를 위한 학습에 소요 되는 처리 시간 및 인간이 기준을 제시하지 않으면 학습이 힘들다는 점이 커다란 과제로 두각 되었으나, 이런한 과제는 2000년도에 들어서서 BigData에 대한 관심과 GPU 악셀레이터 및 오픈소스 딥러닝 라이브러리의 등장으로 그 해결 방안이 제시 되어지고 있으며, 인공신경망에 대한 학술적인 이해가 어느정도 있다면 누구나 쉽게 도전할 수 있는 영역이 되었다. AWS에서 제공 하는 GPU 환경 및 TensorFlow를 이용하여 개발중인 자사 서비스 "C.VIEW"를 통하여, 앞으로의 인공지능 서비스에 대하여 그 가능성을 가늠해 보도록 하자.
발표 시간 : 50분
[NDC16] (애드브릭스) 라이브마이그레이션 분투기 - 달리는 분석 툴의 바퀴를 갈아 끼워보자!Jeongsang Baek
애드브릭스는 모바일 앱 분석 솔루션으로, 많은 개발사들이 애드브릭스를 통해 앱의 성과를 지표화하여 분석하고 있습니다. 시간이 지나면서 사용자의 요구는 다양해졌고 분석해야 하는 앱의 개수는 폭발적으로 증가하였습니다. 그 결과 애드브릭스는 사용자에게 다양한 지표를 손쉽고 빠르게 고객에게 제공하기 위해 지속적인 서비스 아키텍쳐 재설계 및 데이터의 라이브 마이그레이션을 진행하였습니다.
이 세션은 폭발적으로 성장한 분석툴이 사용자의 다양한 요구사항을 만족시키기 위해 재설계한 아키텍쳐와 그 구현에 대해 설명하고 라이브 마이그레이션을 진행하며 얻은 경험과 인사이트를 공유합니다.
2017년 라이트브레인의 네 번째 UX 트렌드 리포트 ‘UX Discovery 제4호’
2017년 상반기동안 라이트브레인 UX1 컨설팅그룹에서 수집하고 선별한 의미있는 UX 사례들을 총 200여 페이지, 13개 분야로 나누어 정리하였으며 아이템별로 라이트브레인만의 UX 인사이트를 함께 수록했습니다.
UX 관련 업계 종사자들이 보다 양질의 정보를 접할 수 있도록 돕고, 눈앞에 다가온 4차산업혁명시대를 전망하고 준비하시는 데 있어 귀한 인사이트를 얻고 더 많은 도전을 할 수 있도록 지원하고자 라이트브레인 블로그와 슬라이드쉐어를 통해 1,2부로 나눠 바로 보실 수 있도록 순차적으로 공개하며,
뉴스레터 구독자분들에 한해 무료로 리포트를 pdf파일로 보내 드리고 있습니다.
PDF파일 무료구독 신청접수 :
http://www.rightbrain.co.kr/CMS/discovery4/
- Agenda-
Part-1
Artificial Intelligence
Robot
Car
ChatBot
VUX
Part-2 (곧 공개됩니다)
Wearable
New Interaction
VR/AR
IoT/Product
Commerce
New App
Healthcare
발표 제목 :
GPU 및 오픈 소스 딥러닝 라이브러리를 활용한 향후 인공지능 서비스의 가능성에 대하여 자사 개발 서비스인 "C.VIEW"를 통하여 가늠해 보자.
Abstract :
인공지능은 지금 시대에 있어서, 제4차산업혁명이라고 일컬어 질 정도로, 역사적으로 세 번째의 유행을 맞이 하게 되었다. 1960년대와 1980년대에 관심을 받게 되었을 때, 방대한 양의 학습 데이터를 위한 학습에 소요 되는 처리 시간 및 인간이 기준을 제시하지 않으면 학습이 힘들다는 점이 커다란 과제로 두각 되었으나, 이런한 과제는 2000년도에 들어서서 BigData에 대한 관심과 GPU 악셀레이터 및 오픈소스 딥러닝 라이브러리의 등장으로 그 해결 방안이 제시 되어지고 있으며, 인공신경망에 대한 학술적인 이해가 어느정도 있다면 누구나 쉽게 도전할 수 있는 영역이 되었다. AWS에서 제공 하는 GPU 환경 및 TensorFlow를 이용하여 개발중인 자사 서비스 "C.VIEW"를 통하여, 앞으로의 인공지능 서비스에 대하여 그 가능성을 가늠해 보도록 하자.
발표 시간 : 50분
[NDC16] (애드브릭스) 라이브마이그레이션 분투기 - 달리는 분석 툴의 바퀴를 갈아 끼워보자!Jeongsang Baek
애드브릭스는 모바일 앱 분석 솔루션으로, 많은 개발사들이 애드브릭스를 통해 앱의 성과를 지표화하여 분석하고 있습니다. 시간이 지나면서 사용자의 요구는 다양해졌고 분석해야 하는 앱의 개수는 폭발적으로 증가하였습니다. 그 결과 애드브릭스는 사용자에게 다양한 지표를 손쉽고 빠르게 고객에게 제공하기 위해 지속적인 서비스 아키텍쳐 재설계 및 데이터의 라이브 마이그레이션을 진행하였습니다.
이 세션은 폭발적으로 성장한 분석툴이 사용자의 다양한 요구사항을 만족시키기 위해 재설계한 아키텍쳐와 그 구현에 대해 설명하고 라이브 마이그레이션을 진행하며 얻은 경험과 인사이트를 공유합니다.
- Lock-based and timestamp-based protocols are two main approaches for concurrency control in database systems to achieve atomicity, consistency, isolation, and durability (ACID) properties of transactions.
- Lock-based protocols use locking mechanisms to control concurrent access to data and can cause deadlocks between transactions waiting for locks. Timestamp-based protocols assign timestamps to transactions and check for conflicts based on timestamp ordering to guarantee serializability without waits but lack recoverability.
- Deadlocks are addressed through prevention, detection using wait-for graphs, and resolution by rolling back the minimum number of transactions to break cycles while avoiding starvation.
The document discusses different types of indexing and hashing techniques used in databases. It covers ordered indices like B-trees and B+ trees, which store search keys in order. It also covers hashing techniques like static hashing and dynamic hashing using extendable hash structures. The document provides examples of how these indexing structures work and compares the performance and characteristics of ordered indexing versus hashing. Bitmap indices are also introduced as an efficient technique for multi-attribute queries.
This document discusses multilayer perceptrons (MLPs), also known as neural networks. It covers the architecture of MLPs including fully connected layers and commonly used activation functions. It also discusses error functions like mean squared error and cross-entropy that are used in MLPs to optimize weights during training. Gradient descent is introduced as an algorithm to apply to MLPs for optimizing weights to minimize the error function.
Coursera Machine Learning으로 기계학습 배우기 : week1Kwangsik Lee
필자가 코세라 강의를 정주행 하였는데 학습과정에서 한글로 정리한 슬라이드를 공유할까 합니다. 목적은 영어로 강의하는 코세라 강의를 보실 때 참고하시거나 강의를 따로 안보시더라도 슬라이드 내용만으로도 참고하시면 좋을듯 합니다.
온라인 발행물로는 아래 링크 참고하시면 됩니다.
http://www.kwangsiklee.com/2017/07/corsera-machine-learning-week1-%EC%A0%95%EB%A6%AC/