효과적인 머신러닝과 딥 러닝 모델을 구축하려면 방대한 양의 데이터, 데이터 정제 및 특성 엔지니어링을 수행할 방법, 그리고 적절한 시간 내에 데이터를 사용해 모델을 학습할 방법이 필요하다. 이후에는 모델을 배포하고 시간 경과에 따른 모델 이탈을 모니터 ...
2020.08.12
‘기회를 한 번도 만나지 않은 이는 없다. 포착하지 못했을 뿐이다’라는 말이 있다. 이는 RPA 여정에서도 해당되는 이야기다. 자동화의 효용성을 목격했거나 혹은 직접 입증한 기업들이 RPA 확대에 나서고 있다. 문제는 바로 ‘무엇을 자동화해야 하는가? ...
지난 10년 간 인공지능(Artificial Intelligence)의 세계는 엄청난 발전을 보여 각 산업계에서 잘 활용하고 있을뿐만 아니라 IT 산업의 모든 분야에서 없어서는 안될 요소가 됐다. 애플리케이션, 개발 툴, 컴퓨팅 플랫폼, DBMS, 미 ...
2020.06.05
지난 몇 년 동안 IDC는 많은 기업이 광범위한 AI 기능 개발을 시작하는 것을 목격했습니다. 이와 동시에 IT 부서 역시 AI를 실행하는 인프라 측면에서 학습 곡선을 경험하게 되었습니다. 이제 딥 러닝 학습 또는 추론 작업을 위한 인프라 요구 사항 ...
2020.04.08
데이터 과학 문제, 더 구체적으로는 인공 지능(AI) 영역에서 성공적으로 딥러닝(Deep Learning)을 사용하기 위한 전략을 설명하는 기사는 흔히 볼 수 있다. 그러나 딥러닝 자체와 딥러닝이 그렇게 강력한 이유, 그리고 실제 사용 환경에서 딥러닝 ...
2020.03.16
딥러닝(Deep learning)이든 전통적인 HPC(High Performance Computer)든 GPU(Graphics Processing Unit)를 사용하시는 모든 분들이 골치 아파하시는 것 중 하나가 바로 ‘GPU 메모리’입니다. GPU에 ...
2019.12.03
인공 지능(Artificial Intelligence, AI)는 애플리케이션 개발자에게 무한한 가능성을 제공한다. 머신러닝 또는 딥 러닝을 활용해 훨씬 더 정확한 사용자 프로필, 개인 맞춤 설정, 추천을 만들거나 더 스마트한 검색, 음성 인터페이스 또 ...
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 ...
지도(supervised) 머신 러닝과 딥 러닝이 성공적인 결과를 거두고 있다. 동시에 비지도(unsupervised) 학습의 잠재력이 더 크다는 주장도 있다. 지도 학습 시스템의 학습은 훈련으로 제어된다. 즉, 지도 학습 시스템은 훈련된 학습 대상의 ...
2019.08.09
이제 머신러닝과 딥 러닝의 중요함에 대해서는 반론의 여지가 없다. 수십 년 동안 반복된 약속과 허황된 기대, 실망 끝에 두 기술 모두 마침내 실무에 활용되는 수준에 이르렀다. 머신러닝이나 딥 러닝 애플리케이션은 아직 완벽함에는 이르지 못했지만 많은 경 ...
2019.07.04
딥 러닝(Deep Learning)은 데이터에 존재하는 패턴을 복잡한 다계층 네트워크로 모델화하는 머신러닝의 일종이다. 딥 러닝은 문제를 모델화하는 가장 총체적인 방법이기 때문에, 컴퓨터 비전과 자연어 처리 같은 어려운 문제를 해결할 잠재력을 갖고 있 ...
머신러닝, 딥 러닝은 2019년 현재 가장 뜨거운 관심을 모으는 분야인 동시에, 개별 기술 간 경계를 넘어 전 산업 분야에 커다란 파급 효과를 미칠 변화로 여겨진다. 그러나 실제 기업 내 AI 개발 및 활용 프로젝트가 수익 등 구체적인 성과로 ...
2019.03.21
PowerAI Vision은 딥러닝 기능이 있는 컴퓨터 비전의 액세스 가능성과 성능을 높여줍니다. PowerAI Vision 소프트웨어를 가속화된 IBM® Power Systems™와 결합하면, 강력한 성능을 지니고 완전히 최적화되어 ...
2019.02.13
오늘날 경쟁이 매우 치열한 비즈니스 환경에서 기업은 점점 증가하는 대용량 데이터와 함께 다양한 자동화 방식을 통해 판매량을 늘리고 비용을 절감하면서 비즈니스 프로세스를 효율화함으로써 고객을 보다 잘 이해할 수 있는 새로운 방법을 모색하고 있습니다. 이 ...
2018.10.15
CUDA와 GPU의 병렬 처리 능력을 활용하면 딥러닝을 포함한 컴퓨팅 집약적 애플리케이션을 가속화할 수 있다. CUDA 는 엔비디아가 자체 GPU에서의 일반 컴퓨팅을 위해 개발한 병렬 컴퓨팅 플랫폼이자 프로그래밍 모델이다, CUDA는 개발자가 연 ...
2018.09.05
  1. 클라우드 머신러닝 플랫폼 선택 기준 12가지

  2. 2020.08.12
  3. 효과적인 머신러닝과 딥 러닝 모델을 구축하려면 방대한 양의 데이터, 데이터 정제 및 특성 엔지니어링을 수행할 방법, 그리고 적절한 시간 내에 데이터를 사용해 모델을 학습할 방법이 필요하다. 이후에는 모델을 배포하고 시간 경과에 따른 모델 이탈을 모니터...

  4. “자동화 기회 포착부터 봇 생성까지 한 번에” RPA 통합 프로세스 디스커버리 솔루션에서 답을 찾다 - IDG Summary

  5. 2020.07.24
  6. ‘기회를 한 번도 만나지 않은 이는 없다. 포착하지 못했을 뿐이다’라는 말이 있다. 이는 RPA 여정에서도 해당되는 이야기다. 자동화의 효용성을 목격했거나 혹은 직접 입증한 기업들이 RPA 확대에 나서고 있다. 문제는 바로 ‘무엇을 자동화해야 하는가?...

  7. 토픽 브리핑 | "폭발적 성장에도 걸림돌은 있다" 딥 러닝의 현황과 과제

  8. 2020.06.05
  9. 지난 10년 간 인공지능(Artificial Intelligence)의 세계는 엄청난 발전을 보여 각 산업계에서 잘 활용하고 있을뿐만 아니라 IT 산업의 모든 분야에서 없어서는 안될 요소가 됐다. 애플리케이션, 개발 툴, 컴퓨팅 플랫폼, DBMS, 미...

  10. AI 확장 준비와 코어 기아 현상으로 인한 어려움 : IDC 백서

  11. 2020.04.08
  12. 지난 몇 년 동안 IDC는 많은 기업이 광범위한 AI 기능 개발을 시작하는 것을 목격했습니다. 이와 동시에 IT 부서 역시 AI를 실행하는 인프라 측면에서 학습 곡선을 경험하게 되었습니다. 이제 딥 러닝 학습 또는 추론 작업을 위한 인프라 요구 사항 ...

  13. 딥러닝에 대한 10가지 질문

  14. 2020.03.16
  15. 데이터 과학 문제, 더 구체적으로는 인공 지능(AI) 영역에서 성공적으로 딥러닝(Deep Learning)을 사용하기 위한 전략을 설명하는 기사는 흔히 볼 수 있다. 그러나 딥러닝 자체와 딥러닝이 그렇게 강력한 이유, 그리고 실제 사용 환경에서 딥러닝...

  16. "GPU 성능 파워업!" LMS기술 테스트 결과

  17. 2019.12.03
  18. 딥러닝(Deep learning)이든 전통적인 HPC(High Performance Computer)든 GPU(Graphics Processing Unit)를 사용하시는 모든 분들이 골치 아파하시는 것 중 하나가 바로 ‘GPU 메모리’입니다. GPU에...

  19. AI 개발을 위한 최적의 프로그래밍 언어 6+2선

  20. 2019.11.22
  21. 인공 지능(Artificial Intelligence, AI)는 애플리케이션 개발자에게 무한한 가능성을 제공한다. 머신러닝 또는 딥 러닝을 활용해 훨씬 더 정확한 사용자 프로필, 개인 맞춤 설정, 추천을 만들거나 더 스마트한 검색, 음성 인터페이스 또...

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

  23. 2019.08.28
  24. 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...

  25. 패턴 찾기·노이즈 추적에 효과적인 비지도 학습 알아보기

  26. 2019.08.09
  27. 지도(supervised) 머신 러닝과 딥 러닝이 성공적인 결과를 거두고 있다. 동시에 비지도(unsupervised) 학습의 잠재력이 더 크다는 주장도 있다. 지도 학습 시스템의 학습은 훈련으로 제어된다. 즉, 지도 학습 시스템은 훈련된 학습 대상의...

  28. 리뷰 | 텐서플로우 2, "더 쉬워진 머신러닝"

  29. 2019.07.04
  30. 이제 머신러닝과 딥 러닝의 중요함에 대해서는 반론의 여지가 없다. 수십 년 동안 반복된 약속과 허황된 기대, 실망 끝에 두 기술 모두 마침내 실무에 활용되는 수준에 이르렀다. 머신러닝이나 딥 러닝 애플리케이션은 아직 완벽함에는 이르지 못했지만 많은 경...

  31. 폭발적인 발전을 거듭하는 "딥 러닝" 이해하기

  32. 2019.05.28
  33. 딥 러닝(Deep Learning)은 데이터에 존재하는 패턴을 복잡한 다계층 네트워크로 모델화하는 머신러닝의 일종이다. 딥 러닝은 문제를 모델화하는 가장 총체적인 방법이기 때문에, 컴퓨터 비전과 자연어 처리 같은 어려운 문제를 해결할 잠재력을 갖고 있...

  34. “비즈니스 결과물로 직결되는” AI, 머신러닝, 딥 러닝 이해와 활용 가이드 - IDG DeepDive

  35. 2019.03.21
  36. 머신러닝, 딥 러닝은 2019년 현재 가장 뜨거운 관심을 모으는 분야인 동시에, 개별 기술 간 경계를 넘어 전 산업 분야에 커다란 파급 효과를 미칠 변화로 여겨진다. 그러나 실제 기업 내 AI 개발 및 활용 프로젝트가 수익 등 구체적인 성과로...

  37. 딥러닝에 대한 전문 지식 없이 AI 솔루션 작성 : IBM PowerAI Vision

  38. 2019.02.13
  39. PowerAI Vision은 딥러닝 기능이 있는 컴퓨터 비전의 액세스 가능성과 성능을 높여줍니다. PowerAI Vision 소프트웨어를 가속화된 IBM® Power Systems™와 결합하면, 강력한 성능을 지니고 완전히 최적화되어...

  40. IDC 백서 : AI 구현을 위한 효율적인 딥 러닝 애플리케이션 개발 방식

  41. 2018.10.15
  42. 오늘날 경쟁이 매우 치열한 비즈니스 환경에서 기업은 점점 증가하는 대용량 데이터와 함께 다양한 자동화 방식을 통해 판매량을 늘리고 비용을 절감하면서 비즈니스 프로세스를 효율화함으로써 고객을 보다 잘 이해할 수 있는 새로운 방법을 모색하고 있습니다. 이...

  43. GPU 병렬 프로그래밍 CUDA의 모든 것

  44. 2018.09.05
  45. CUDA와 GPU의 병렬 처리 능력을 활용하면 딥러닝을 포함한 컴퓨팅 집약적 애플리케이션을 가속화할 수 있다. CUDA 는 엔비디아가 자체 GPU에서의 일반 컴퓨팅을 위해 개발한 병렬 컴퓨팅 플랫폼이자 프로그래밍 모델이다, CUDA는 개발자가 연...

X