[151] 영상 인식을 통한 오프라인 고객분석 솔루션과 딥러닝

20160203_마인즈랩_딥러닝세미나_03 the game changer 딥러닝 유태준대표

170502 김송은 엄지윤 정지수 최윤소

- 독자 : 취준생, 대학생, 초보 창업자 - 주요내용 : 인스타그램 개발 사례를 기반으로 일어나는 일들 회사에 취업하면 일어나는 일들 등.

스마트홈 음성인식 허브 - "메아리"

마인즈랩의 통합 VOC 관리 솔루션 i-VOC소개 2015년 10월31일 버젼

주니어 기획자를 위한 데이터분석 입문. 서비스를 운영하면서 쌓이는 User Data를 바탕으로, 서비스를 개선해 나가는 과정을 이야기합니다.

비정형 데이터 분석 솔루션 Watson Explorer가 현재 코그너티브 검색엔진 Watson Discovery에 통합되어 서비스되고 있습니다. - 솔루션 도입 상담: sejngkim@kr.ibm.com/ 02-3781-5838

VOC 활용사례_마인즈랩

Big Data와 Deep Learning을 결합한 Solution과 Service를 제공하는 마인즈랩 사업 소개서

인공지능 컨택센터 서비스 'FAST'

[IBM Korea 김상훈] Watson Explorer 매초마다 발생되는 정량, 정성적인 데이터들을 수집하고 분석하며 새로운 해법까지 제시하는 왓슨 익스플로어러에 대한 소개 자료입니다. 잘 설명되어 있으니 한 번 살펴보시기 바랍니다. #IBM #김상훈 #왓슨익스플로러

2019년 1월18일 세미나: CES 사용방법 김규호

DEVIEW 2013

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

아마존웹서비스 정우진 이사

iot주차단속시스템

클라우��는 제품 및 비즈니스 모델 혁신에 어떤 도움을 줄 수 있는가? 김상필 솔루션즈 아키텍트 매니저, AWS 김재우 프로, 삼성중공업 최계현 팀장, 현대건설기계 AWS 클라우드를 활용한 제조/하이테크 업계 전반의 스마트 프로덕트, 스마트 비즈니스 모델과 그 대표적인 혁신 사례를 소개 합니다. AWS와 AWS의 주요 고객들이 스마트 프로덕트를 기획하는 단계부터 생산에 이르기까지 다양한 과정을 거치면서 어떻게 AWS 클라우드를 활용하여 혁신을 이루어 내었는지 소개 합니다.

포스트코로나 시대에 비대면 서비스가 활성화되면서, 이를 실현하기 위한 AI 기술이 주목받고 있습니다. 네이버클라우드플랫폼에서 제공하는 AI 서비스를 살펴보시고 여러분들의 비즈니스에 적합한 AI서비스를 활용해보세요! | As non-face-to-face services are activated in the post-corona era, AI technology to realize them is attracting attention. Take a look at the AI service offered by Naver Cloud Platform and take advantage of the AI service that's right for your business!

9조 시연 슬라이드 ppt

실시간위치(RTLS) 솔루션을 활용한 출입통제 보안 솔루션 소개입니다. 구축 및 제안 수주 사례와 RTLS가 기존 출입통제보안 시장에 가져올 수 있는 혁신에 대한 Insight가 포함되어 있습니다.

클라우드의 정의 및 이점뿐만 아니라, 클라우드 플랫폼을 구성하는 다양한 기술들에 대해 고찰해봅니다. 또한 클라우드가 다양한 비즈니스에 어떻게 적용되고 활용되고 있는 지, 사례를 통해 살펴봅니다 | In addition to the definition and benefits of cloud, consider the variety of technologies that make up the cloud platform. We also look at how cloud is being used and applied to a wide variety of businesses and examples.

WiFi에서의 위치 기반 서비스

H2O Driverless AI에 대한 소개와 IBM Power Systems 에서의 기능을 간략히 소개한 장표입니다. In this presentation, IBM introduces H2O Driverless AI on IBM Power system to accelerate the speed of deep learning workflow .

정희택 포트폴리오입니다.

Bigdata Machine Learning based Asset Management Solution Robo Advisor

Beyond Pass Words

(주)피플앤드테크놀러지가 구축한 IndoorLBS 솔루션인 IndoorPlus+의 구축 사례 요약 파일입니다.

근본거래 발표

2018년 12월 12일 진행된 '파트너사를 위한 하이브리드 클라우드 구성전략' 세미나의 발표자료로, 네이버 비즈니스 플랫폼(NBP)의 성무경 차장이 네이버 클라우드 플랫폼의 서비스 전략과 Cloud Connect에 대해 이야기했습니다.

평택대학교 정보디자인연구소 2014년 12월 3일

The document discusses various machine learning clustering algorithms like K-means clustering, DBSCAN, and EM clustering. It also discusses neural network architectures like LSTM, bi-LSTM, and convolutional neural networks. Finally, it presents results from evaluating different chatbot models on various metrics like validation score.

[233] 대형 컨테이너 클러스터에서의 고가용성 Network Load Balancing: Maglev Hashing Scheduler in IPVS, Linux Kernel

[215] Druid로 쉽고 빠르게 데이터 분석하기

[245]Papago Internals: 모델분석과 응용기술 개발

[236] 스트림 저장소 최적화 이야기: 아파치 드루이드로부터 얻은 교훈

[235]Wikipedia-scale Q&A

The document discusses challenges with using reinforcement learning for robotics. While simulations allow fast training of agents, there is often a "reality gap" when transferring learning to real robots. Other approaches like imitation learning and self-supervised learning can be safer alternatives that don't require trial-and-error. To better apply reinforcement learning, robots may need model-based approaches that learn forward models of the world, as well as techniques like active localization that allow robots to gather targeted information through interactive perception. Closing the reality gap will require finding ways to better match simulations to reality or allow robots to learn from real-world experiences.

This document describes research on using deep learning to predict student performance in massive open online courses (MOOCs). It introduces GritNet, a model that takes raw student activity data as input and predicts outcomes like course graduation without feature engineering. GritNet outperforms baselines by more than 5% in predicting graduation. The document also describes how GritNet can be adapted in an unsupervised way to new courses using pseudo-labels, improving predictions in the first few weeks. Overall, GritNet is presented as the state-of-the-art for student prediction and can be transferred across courses without labels.

This document provides a summary of new datasets and papers related to computer vision tasks including object detection, image matting, person pose estimation, pedestrian detection, and person instance segmentation. A total of 8 papers and their associated datasets are listed with brief descriptions of the core contributions or techniques developed in each.

그림이 정상 출력되는 다음 링크의 자료를 확인해 주세요. https://www.slideshare.net/deview/233-network-load-balancing-maglev-hashing-scheduler-in-ipvs-linux-kernel

This document presents a formula for calculating the loss function J(θ) in machine learning models. The formula averages the negative log likelihood of the predicted probabilities being correct over all samples S, and includes a regularization term λ that penalizes predicted embeddings being dissimilar from actual embeddings. It also defines the cosine similarity term used in the regularization.

[225]NSML: 머신러닝 플랫폼 서비스하기 & 모델 튜닝 자동화하기

[224]네이버 검색과 개인화

[216]Search Reliability Engineering (부제: 지진에도 흔들리지 않는 네이버 검색시스템)

The document discusses running a TensorFlow Serving (TFS) container using Docker. It shows commands to: 1. Pull the TFS Docker image from a repository 2. Define a script to configure and run the TFS container, specifying the model path, name, and port mapping 3. Run the script to start the TFS container exposing port 13377

The document discusses linear algebra concepts including: - Representing a system of linear equations as a matrix equation Ax = b where A is a coefficient matrix, x is a vector of unknowns, and b is a vector of constants. - Solving for the vector x that satisfies the matrix equation using linear algebra techniques such as row reduction. - Examples of matrix equations and their component vectors are shown.

This document describes the steps to convert a TensorFlow model to a TensorRT engine for inference. It includes steps to parse the model, optimize it, generate a runtime engine, serialize and deserialize the engine, as well as perform inference using the engine. It also provides code snippets for a PReLU plugin implementation in C++.