3. 3
CONTENTS
ZeroToAll M.L for ALL
1. 머신러닝 이란 ?
What is Machine Learning ?
2. 라이브러리
Available Libraries
3. 도메인 분석
Anlysis various domains
4. 적용 가능 사례
Example of possible applications
5. 향후 연구 방향
Futher researches
KOREATECH
4. 4KOREATECH
모두를 위한
ZeroToAll 머신러닝
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
5. 5KOREATECH
모두를 위한
ZeroToAll 머신러닝
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
???
6. 6KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
7. 7KOREATECH
모두를 위한
ZeroToAll 머신러닝
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
???
8. 8KOREATECH
모두를 위한
ZeroToAll 머신러닝
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
기계 스스로 학습을 한다!
9. 9KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
10. 10KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
11. 11KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
고양이
12. 12KOREATECH
모두를 위한
ZeroToAll 머신러닝
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
필요 한 것
13. 13KOREATECH
모두를 위한
ZeroToAll 머신러닝
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
GPU!
14. 14KOREATECH
모두를 위한
ZeroToAll 머신러닝
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
좋은 사양 GPU 필요!
15. 15KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
16. 16KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
X1000
17. 17KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
18. 18KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
TPU (Tensor Process Unit)
19. 19KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
TPU (Tensor Process Unit)
기존 GPU 보다 엄청 성능이 좋다.
20. 20KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
21. 21KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
22. 22KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
23. 23KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
2010 2013 2014 2015 2016 2017
24. 24KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
Characteristics
* Created & Maintained by James Berstra, Frederic Basyirn, etc
* Released at Nov, 2010
* Platform : Windows, Linux, Mac
* Interface : Python
* Using CUDA, Support Multi-GPU
Low-Level control API, but hard…
Support abstract graph model
Flexible & Fast!
25. 25KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
Characteristics
* Created & Maintained by BAIR (Berkeley A.I. Research)
* Released at Dec, 2013
* Platform : Linux, Mac
* Interface : Python
* Using CUDA, Support Multi-GPU
Specialized at Image Processing
Setting config file
A lot of pre-trained models
Inflexible API & Not-Well Documented
26. 26KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
Characteristics
* Created & Maintained by Google Brain
* Released at Nov, 2015
* Platform : Windows, Linux, Mac
* Interface : C/C++, Python, Java, Go
* Using CUDA, Support Multi-GPU
Huge Community
Tensorboard!
Support Low/High-Level API
Slower than Torch
27. 27KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
Characteristics
* Created & Maintained by Francois Chollet @Google
* Released at Mar, 2015
* Platform : Windows, Linux, Mac
* Interface : Python
* Using CUDA, Support Multi-GPU
Support Theano/Tensorflow back-end
Very EASY to use!
Simpify & Minimize & Moudlize
Complicate to debug (in case of Theano back-end)
28. 28KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L.
Characteristics
* Created & Maintained by MicroSoft
* Released at Jan, 2016
* Platform : Windows, Linux
* Interface : C/C++, Python
* Using CUDA, Support Multi-GPU
Performance Linear Scaling
Small Community
29. 29KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Image Domains
Classification
30. 30KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Image Domains
Image Generation
vs
31. 31KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Image Domains
Image Style Transfer
+
32. 32KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Image Domains
Image Style Transfer
33. 33KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Text Domains
Chatbot
34. 34KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Text Domains
Classification
35. 35KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Text Domains
Text Generation
36. 36KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Sound Domains
Classification
37. 37KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Sound Domains
Sound Generation
38. 38KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Image Domains
Camera Special-Filter Application
39. 39KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Image Domains
Easy, but not useful service…
40. 40KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Text Domains
Chat Bot
41. 41KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Text Domains
Very Useful, But hard to implement…
42. 42KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Sound Domains
A.I. Speaker
43. 43KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Sound Domains
Very Useful, But very hard to implement…
44. 44KOREATECH
i. 머신러닝 이란?
ii. 라이브러리
iii. 도메인 분석
iv. 적용 가능 사례
v. 향후 연구 방향
Machine Learning:
M.L ZeroToAll
for ALL
모두를 위한
ZeroToAll M.L. Futher Researches
• Available Services
• Check Feasibility
• More Details…
