머신러닝(ML)을 제대로 활용하기 위한 기본 전제는 모델을 적절히 훈련시키는 것이다. 데이터로부터 신뢰할 만한 결과를 도출해내는데 참고할 만한 12가지 조언을 정리했다.    머신러닝은 오늘날 가장 실용적인 AI 응용 기술이라고 ...
2020.05.12
모든 회귀(regression) 또는 분류(classification) 문제를 딥 러닝(deep learning)으로 풀어야 할 필요는 없다. 그렇게 따지면 모든 회귀 또는 분류 문제를 머신러닝으로 풀어야 할 필요도 없다. 결국 많은 데이터 집합은 분 ...
머신러닝(전통적인 머신러닝과 딥러닝 모두) 사용을 가로막는 두 가지 가장 큰 장애물은 기술력과 컴퓨팅 자원이다. 여기서 컴퓨팅 자원 문제는 가속 하드웨어(고성능 GPU를 탑재한 컴퓨터 등)를 구매하거나 클라우드의 컴퓨팅 자원(예를 들어 GPU, TPU ...
2019.08.26
  1. 데이터 준비에서 하드웨어 선택까지··· '머신러닝 트레이닝' 안내서

  2. 2020.05.12
  3. 머신러닝(ML)을 제대로 활용하기 위한 기본 전제는 모델을 적절히 훈련시키는 것이다. 데이터로부터 신뢰할 만한 결과를 도출해내는데 참고할 만한 12가지 조언을 정리했다.    머신러닝은 오늘날 가장 실용적인 AI 응용 기술이라고 ...

  4. "파이토치"냐 "텐서플로우"냐, 딥 러닝 프레임워크 선택 가이드

  5. 2019.08.28
  6. 모든 회귀(regression) 또는 분류(classification) 문제를 딥 러닝(deep learning)으로 풀어야 할 필요는 없다. 그렇게 따지면 모든 회귀 또는 분류 문제를 머신러닝으로 풀어야 할 필요도 없다. 결국 많은 데이터 집합은 분...

  7. “데이터 과학자 없는 머신러닝” AutoML의 이해

  8. 2019.08.26
  9. 머신러닝(전통적인 머신러닝과 딥러닝 모두) 사용을 가로막는 두 가지 가장 큰 장애물은 기술력과 컴퓨팅 자원이다. 여기서 컴퓨팅 자원 문제는 가속 하드웨어(고성능 GPU를 탑재한 컴퓨터 등)를 구매하거나 클라우드의 컴퓨팅 자원(예를 들어 GPU, TPU...

X