Contents

글또 두 번째 포스팅은 DEVIEW 2019라는 세미나에서 Operational AI 내용을 정리하였습니다. 지속적으로 학습하는 Anomaly Detection 시스템이라는 주제가 흥미로워서 듣고 정리하였습니다. 해당 발표는 Makina Rocks의 김기현 님이 발표하셨습니다. 제조업에서의 AI 배경 반도체 공장의 기계는 비쌈 IoT의 발달로 많은 데이터 생성 딥 러닝의 발달로 큰 모델 생성 가능 제조업에서의 AI 도입을 통해 수익률 및 원가 절감 기대 현실에서 Digital Manufacturing Solution을 도입하려는 대부분의 기업은 아직 파일럿 Page에 머무름 파일럿 Page에 머물러 있는 이유가 무엇일까? 사례의 부족으로 문제 정의의 어려움이 있음 선행 비용 발생으로 인한 리스크 증가 데..

ubuntu 16.04 CUDA Toolkit 설치 1. Nvidia 드라이버는 미리 설치해야함 2. 아래 링크를 통해 본인 환경을 선택 (본인은 Installer Type : deb(local)으로 선택함) http://developer.nvidia.com/cuda-downloads 3. Base Installer에 나와 있는 Installation Instructions을 따른다. 4. 모든 코드를 설치하고 환경 변수를 설정하여 준다. $nano ~/.bashrc export PATH=/usr/local/cuda/bin:/$PATH

확률변수와 확률분포 윷을 던지면 도, 개, 걸, 윷, 모의 다섯 가지 경우 중 하나가 발생한다. 확률 변수(x) : 다섯가지 중 한값을 가지는 변수 정의역 : 확률 변수가 가질 수 있는 값의 집합 확률 분포 : 정의역 전체에 걸쳐 확률 표현 ex) p(x=도) or p(도) 이산연속 이산값(윷놀이)을 가지는 정의역의 확률분포는 확률질량함수(Probability Mass Function) 연속값(키 or 몸무게)을 가지는 정의역의확률분포는 확률밀도함수(Probability Density Function) Iris 데이터는 샘플이 4개의 특징값을 가진다. 이때 확률 변수는 4차원 벡터이며 이를 확률 벡터(Random Vector)라고 하고, x라고 표기한다. Iris는 길이와 너비를 특징으로 가지는 데이터이..

※"이것이 코딩 테스트다"의 저자인 나동빈 님의 유튜브 강의를 보고 학습을 위해 정리한 글입니다. 개요 그리디 알고리즘을 쉽게 생각해보면 현재 상황에서 가장 좋은 것만 고르는 방법을 뜻한다. 그리디 알고리즘의 정의는 최적해를 구하는 데에 사용되는 근사적인 방법으로, 여러 경우 중 하나를 결정해야 할 때마다 그 순간에 최적이라고 생각되는 것을 선택해 나가는 방식이다. 일반적인 상황에서 그리디 알고리즘은 최적의 해를 보장할 수 없을 때가 많다고 한다. 그렇지만 코딩 테스트에서의 대부분의 그리디 문제는 그리디 알고리즘으로 얻은 해가 최적의 해가 되는 상황에서 이를 추론할 수 있어야 풀리도록 출제된다고 한다. - 동빈 나- 예제 그리디 알고리즘의 대표적인 예시로는 거스름돈 예제가 있다. 당신은 음식점에서 계산을..