데이터를 분류하거나 결과를 예측해야 하는가? 머신러닝(ML) 프로젝트 진행에 어려움을 겪고 있는가? 상황을 호전시킬 수 있는 다양한 기법들이 있다. 아래에서 논의하는 8가지 방법 중 일부는 ML 프로세스를 극적으로 가속화할 것이며, 프로세스를 가속화... ...
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... ...
티맥스가 설립한 IT·클라우드 컨설팅 전문기업 티바인컨설팅은 2020년 디지털 시대의 핵심 키워드를 제시했다. 티바인컨설팅은 2020년 우리의 생활까지 변화시킬 새로운 디지털 혁신 시대에 주목해야 할 4대 키워드로 ▲AI 에브리웨어 ▲셀프서비스 모델... ...
사이버 물리 시스템(Cyber-Physical System)의 개념 이전 서른 다섯번째 글에서 근 미래의 빅데이터 비즈니스와 기술의 모습을 그려볼 수 있게 하는 기술의 발전에 대해서 간단하게 돌아보았다. 빅데이터 비즈니스와 기술의 미래에 중요한 영향을... ...
‘머신러닝(ML)’이라는 말은 마법 같은 아우라로 가득 차 있다. 기계가 학습하도록 가르치기란 아직 일반인의 영역으로 보기 어렵다. 오늘날 이 용어는 데이터를 금으로 바꾸는 데이터 사이언티스트 같은 매우 전문적인 연금술사들의 영역이다.   ... ...
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... ...
딥러닝의 도약으로 인공지능 번역과 기타 자연어처리(NLP) 작업이 개선됐다.  다음은 필자 친구의 페이스북에 올라온 인공지능과의 대화다.  나: 알렉사, 아침 5시 30분 요가 수업이 있다는 걸 다시 알려줘. 알렉사: 쇼핑목록에 ... ...
머신러닝은 강력하지만 그만한 대가를 치러야 한다. 기술과 도구, 하드웨어, 데이터를 갖춘다 해도 머신러닝 모델을 만들고 세밀하게 조정하는 데는 복잡함이 따른다. 그러나 머신러닝의 핵심이 과거 사람이 직접 해야 했던 일을 자동화하는 데 있다면 ... ...
  1. 머신러닝 프로젝트를 '레벨 업'시킬 수 있는 8가지 방법

  2. 2021.04.02
  3. 데이터를 분류하거나 결과를 예측해야 하는가? 머신러닝(ML) 프로젝트 진행에 어려움을 겪고 있는가? 상황을 호전시킬 수 있는 다양한 기법들이 있다. 아래에서 논의하는 8가지 방법 중 일부는 ML 프로세스를 극적으로 가속화할 것이며, 프로세스를 가속화...

  4. 클라우드 머신러닝 플랫폼 선택 기준 12가지

  5. 2020.08.13
  6. 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...

  7. 티바인, 2020 디지털 혁신 시대의 4대 키워드 제시

  8. 2020.01.30
  9. 티맥스가 설립한 IT·클라우드 컨설팅 전문기업 티바인컨설팅은 2020년 디지털 시대의 핵심 키워드를 제시했다. 티바인컨설팅은 2020년 우리의 생활까지 변화시킬 새로운 디지털 혁신 시대에 주목해야 할 4대 키워드로 ▲AI 에브리웨어 ▲셀프서비스 모델...

  10. 김진철의 How-to-Big Data | 빅데이터의 미래 (2)

  11. 2019.12.30
  12. 사이버 물리 시스템(Cyber-Physical System)의 개념 이전 서른 다섯번째 글에서 근 미래의 빅데이터 비즈니스와 기술의 모습을 그려볼 수 있게 하는 기술의 발전에 대해서 간단하게 돌아보았다. 빅데이터 비즈니스와 기술의 미래에 중요한 영향을...

  13. '머신러닝을 더 쉽게' 6가지 툴

  14. 2019.09.06
  15. ‘머신러닝(ML)’이라는 말은 마법 같은 아우라로 가득 차 있다. 기계가 학습하도록 가르치기란 아직 일반인의 영역으로 보기 어렵다. 오늘날 이 용어는 데이터를 금으로 바꾸는 데이터 사이언티스트 같은 매우 전문적인 연금술사들의 영역이다.   ...

  16. '데이터 과학자 없는 머신러닝' AutoML의 이해

  17. 2019.08.27
  18. 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...

  19. '생각보다 복잡' 자연어처리는 어떻게 작동하나

  20. 2019.06.03
  21. 딥러닝의 도약으로 인공지능 번역과 기타 자연어처리(NLP) 작업이 개선됐다.  다음은 필자 친구의 페이스북에 올라온 인공지능과의 대화다.  나: 알렉사, 아침 5시 30분 요가 수업이 있다는 걸 다시 알려줘. 알렉사: 쇼핑목록에 ...

  22. '누구나 할 수 있는 머신러닝' 6가지 AML 프로젝트

  23. 2017.09.25
  24. 머신러닝은 강력하지만 그만한 대가를 치러야 한다. 기술과 도구, 하드웨어, 데이터를 갖춘다 해도 머신러닝 모델을 만들고 세밀하게 조정하는 데는 복잡함이 따른다. 그러나 머신러닝의 핵심이 과거 사람이 직접 해야 했던 일을 자동화하는 데 있다면 ...

X