반응형
블로그 이미지
개발자로서 현장에서 일하면서 새로 접하는 기술들이나 알게된 정보 등을 정리하기 위한 블로그입니다. 운 좋게 미국에서 큰 회사들의 프로젝트에서 컬설턴트로 일하고 있어서 새로운 기술들을 접할 기회가 많이 있습니다. 미국의 IT 프로젝트에서 사용되는 툴들에 대해 많은 분들과 정보를 공유하고 싶습니다.
솔웅

최근에 올라온 글

최근에 달린 댓글

최근에 받은 트랙백

글 보관함

카테고리


반응형
Multilayer Perceptron
Deep Learning 이란 이름에 Deep 이 붙도록 만든 기술.
당시로서는 Linear Regression의 한계로 오랫동안 정체되어 있던 Machine learning계에 새로운 활력을 불어 넣었던 기술이다.
 
이번 클립에서는 Meltilayer Perceptron 에서 중요한 개념인 Non-linearity의 구현 방법과 Active Function 그리고 overfit을 해결하기 위한 Dropout 등의 기술에 대해 설명 한다.
 
ReLU, Sigmoid, Tanh 등 여러 활성화 함수들도 알아보고 Vanishing Gradient (기울기 소실) 문제를 해결하기 위해 이 Activation Function이 어떻게 사용되는지도 알아본다.

 

https://youtu.be/QwaPuylNYZI?si=48LoA2qxjCUlK4s8

 

 

 

 

 

 

 

반응형


반응형

AI 의 공부법

Linear Regression은 Deep Learning의 Learning 부분을 설명합니다.

Machine 이 스스로 Learning 하도록 만들었다는데 도대체 Machine 은 어떻게 스스로 Learning을 할까요?

똑똑한 AI 의 공부법을 배워 봅시다.

 

https://youtu.be/vBLJi3uYAOI?si=05hXIXtwkpQ9df5Q

 

내 생각에 AI 공부법은 무식하다고 생각합니다.

수천억개에 달하는 파라미터들 마다 하나하나 가중치 값을 바꿔 가면서 더하고 곱하고 미분하고 Softmax로 정규화해서 최선의 답을 찾아가니까요...

 

이번 유투브 강좌 에서는 AI 가 공부하는 방법의 가장 기본이 되는 Deep Learning 의 시작인 Linear Regression 에 대해 알아 봅니다.

 

 

 

 

 

 

 

 

 

반응형


반응형

양자컴퓨터 분야에서 두각을 보이고 있는 IonQ 가 내가 사는 워싱턴 주에 공장을 세웠다고 한다.
시애틀 옆에 Bothell 이라는 곳이 있는데 이곳에 며칠전 공장을 오픈 했다.

양자 컴퓨터는 아직 최소한 5년은 더 기다려야 뭔가 가시적인 성과가 나올거라고 예상하고 있었는데….

양자 컴퓨터를 만드는 공장을 오픈 했다니..
그리고 벌써 미국 공군으로 부터 주문도 받았다고 한다.

생각보다 훨씬 빨리 진행되는 것 같다.

지금 AI 를 공부하고 있는데 양자 컴퓨터도 관심이 있어서 가끔 들여다 보는데…
둘 다 통계와 확률이 핵심적인 개념이라서 AI 를 training 시키는데 양자 컴퓨터를 사용하면 엄청난 시너지가 나올것 같다는 생각을 하고 있다.

그런 양자컴퓨터의 최선도 기업중 하나인 IonQ 가 내가 사는곳 근처에 공장을 지었다고 하니…
더 관심이 간다.

https://finance.yahoo.com/news/ionq-opens-doors-first-dedicated-224000490.html

 

IonQ Opens Doors to First Dedicated Quantum Computing Manufacturing Facility in the U.S.

COLLEGE PARK, Md., February 15, 2024--IonQ (NYSE: IONQ), a leader in the quantum computing industry, today announced the opening of the United States’ first quantum computing manufacturing facility, located in Bothell, Washington, a suburb of Seattle. As

finance.yahoo.com

 

 

반응형