[Short film] Hi-Collar

죄송합니다 아이스 커피 부탁합니다 네, 잠시만 기다리세요 잠깐이면 됩니다 여기 있습니다 감사합니다 아, 이거 맛 좋네요 그건 그렇고, 운전면허 시험은 어땠어? 아, 사실은 통과했지롱 우와 잘됬다 나 드라이브 좀 시켜줘 어디로 갈까? 음, 오사카 하코네 하와이 바보야, 하와이는 운전해서 못가 아 맞네 오사카는 갈 수 있겠다 나 오사카에서 타코야끼 오코노미야끼랑 크시카스 먹고 싶어 우리 먹으러만 가는거야? 얌마, 왜케 질투 하는거야? 질투 하는거 아냐 사실은 말이야 지금쯤 그녀는 나카오카씨랑 좋은 시간 보내고 있을거야 거짓말 마 농담이야 식겁했어? 아 뻥 좀 그만 쳐 근데, 너 서둘르는게 좋을껄? 코헤이씨 늦어서 미안해요 비행기가 연착했어요 아, 괜찮습니다 정말 죄송합니다 너무 오래 기다리게 했죠? 너무 늦어서 안계실 줄 알았어요 정말 괜찮습니다 만나서 다행이에요 아 저 이거 고마워요 먼길 오느라 피곤 하시죠? 우리 자리에 앉을 까요? 뒤쪽에 빈 자리 있습니다 고마워요 이쪽이에요 죄송합니다

잠시만요 시계는 똑딱 마음은 쿵쾅 신세계가 당신을 기다립니다

前조감독 "김기덕, 여배우 외 女스태프 성폭행..임신 낙태까지" – koreanbiz

前조감독 "김기덕, 여배우 외 女스태프 성폭행임신 낙태까지" [스타뉴스 김현록 기자] 사진=아침 발전소 화면 캡처 여성 스태프도 성폭행 피해를 입었다 성폭력 파문에 휩싸인 영화감독 김기덕과 관련한 추가 증언이 전파를 탔다 9일 오전 방송된 MBC 아침발전소에는 김기덕 감독의 전 조감독이 전화 인터뷰에 나서 여배우뿐 아니라 여성 스태프도 김기덕 감독에게 성폭행 피해를 당했으며, 임신과 낙태를 했던 스태프가 있다는 이야기까지 들었다고 말했다

김기덕 감독의 전 조감독이었다고 밝힌 이 스태프는 PD수첩 내용을 봤다 저도 알고 있는 부분들이 많았다 방송을 통해 밝혀진 여배우 뿐 아니라 스태프, 일반인까지 피해자가 많은 것으로 알고 있다고 말했다 그는 여성 스태프 한 분이 울면서 저를 찾아온 적이 있다 김기덕 감독이 해당 스태프를 소통의 일부라는 이유로 불러냈고, 모텔로 가서 성관계는 물론 변태적 자위행위까지 해야 했다

참다못해 여관을 뛰쳐 나와 저에게 연락을 했다고 했다 그리고 그런 일이 한 두 번이 아니었다고 했다고 털어놨다 이 스태프는 저로서도 달리 방법을 찾을 수 있는 상황이나 지위, 위치가 아니어서 주저했다 해당 여성 스태프를 그 이후로 볼 수 없었다 이후 그 여성 스태프를 대신할 다른 스태프가 현장에 나왔다

스태프가 저에게 이야기를 했다는 것을 감독이 알았고, 탐탁지 않은 시선에 모멸감을 느끼는 순간이 있었다 제가 감당해야 하는구나 했다 그 이후로 김기덕 감독이 저를 찾지 않았다고 전했다 이어 당사자에게 직접 들은 이야기는 아니지만 들은 이야기는 있다 한 여성 스태프가 임신을 했고 낙태를 했다는 부분이다고 덧붙였다

이 스태프는 현장이 그럴 수 없는 분위기다 어떤 이유에서든 문제 제기한 스태프를 본 적이 없다 자기 현장에서만큼은 신이었다 해외에서 인정받고 국내에서도 관심을 집중시키는 거장이라 스스로 함께 작업하고 싶다고 온 분이 있었다 위험한 상황이 닥쳐도 컷 신호가 오기 전까지는 숨죽여야 했다

수많은 스태프가 옹호하고 떠받치는 분위기에서 나서기는 쉽지 않을 것이라고 말했다 한편 지난 6일 방송된 MBC PD수첩은 김기덕 감독으로부터 성추행과 성희롱, 성폭행 피해를 입었다는 여배우 A, B, C의 인터뷰를 공개하며 파문을 일으켰다 이들은 김기덕 감독과 영화 작업을 하는 동안 이같은 피해를 입었으며, 이 가운데 C는 김기덕 감독과 배우 조재현에게 성폭행을 당했다고 말해 더욱 충격을 더했다 김기덕 감독은 방송 이후 아무런 입장을 표명하지 않고 있다 김현록 기자 roky@mtstarnews

com

Welcome to the world of Machine Learning with ML.NET 1.0 – BRK3011

>> 모든 권리는 시작되었습니다 그래서 이것은 마지막 회기입니다

내 이름은 GNAW만큼 애매하다 나는 너는 60 분 만에 행복해 당신과 포크들이 즐거워하기를 바랍니다 그것은 끝날 것이다 당신이 만든 모든 권리 이 년을 지어 라

이것은 마지막이다 그것 나는 우리가 각자를 위해 꼭 끼워야한다고 생각한다 빌어 먹을 우리는 최고를 구했다

너희들 중 한 명 고맙습니다 [박수 갈채] 마지막으로 그게 우리가하는거야

60 분 남았 어 이 세션에 대한 희망 보자 건물을위한 전체 가격 그럼 시작하십시오

시작하기 전에 우리가 얻을 수있는 모든 것을 얻으십시오 나는 청중을위한 질문을 가지고있다 다음 60 분 동안의 세션 여기 몇 군데의 포크 그리고 우리는 신속하게 처리 할 것입니다 청중은 단지 얻고 있습니다 나는 프로그램 매니저 다 – IT 'S 기계 학습으로 시작 했습니까? 할 수 있었다 가장 큰 데이터 중 하나

과 우리는 손수레를 가지고 있습니까? 굉장한 우리는 기술을 사용하는 고객이 있습니다 고맙습니다 이 세션에서 우리는 카프카 하이브와 HBASE 같은 그래서 나는 네가 할 수있는 일에 대해 얘기하자

좋은 생각이라고 생각 했어 사실 기계의 세계에 들어가기 이 고객들의 몫을 나누기 위해 배우기 나는 세사르에 의해 그들이 건축 할 때를 통해 가십시오 크리스 로렌 우리는 압도적이다

큰 응용 프로그램과 무엇입니까 오늘 여기있으세요 당신이 이미 존재하는 것처럼 그 (것)들은 무역을 중지합니다 그리고 다시, 보았습니다 NET은 대단한 방법입니다 옳고 그름

약간의 일들 다양한 응용 프로그램을 만들 수 있습니다 시나리오에 맞게 작업하십시오 VDOT에서 WEP APPS를 만들 수 있습니다 어떤 사람은 그렇지 않을 수도 있습니다 하지만 몫을 원해

SGLAM RON의 NET 및 MOBILE APPS 우리가 수집 한 것 그래서 전부다 그리고 – ZAMRON 우리가 이야기하고있다 고객 여정과 통찰력 학습을위한 훌륭한 기계를 만드십시오 그들이 결정을 내리는 방법 IN ML 그물 빨리 지나갈 수있게 해줘

그들이 만든거야 당신이 전형이라면 우리가 이걸 다루는 부분은 무엇인가? 큰 데이터 풍경에 대해 생각해보십시오 세션 넘겨주기 시작하십시오 나는 너희들이 FAIRLY – YOU라고 생각한다

너는 새로운 것이 무엇인지에 대한 전반적인 견해를 가지고있다 패턴을 이해하십시오 만약 너라면 ML과 NET 1 0

우리는 보여줍니다 고객 기반에 대해 생각해보십시오 어떻게 시작해야 할까? 호수가있는 호수를 지어야한다 ML NET EXPERIENCE L 프레임 워크

그러나 나는 이것을 생각한다 포함 된 냉각 경험 좋은 참고가 되길 바란다 MODEL BUILDER 및 ML NET CLI AND 우리는 그것을 사용하는 고객을보고 있기 때문에 우리는 너를 어떻게 할거니? 건축물 그래서 거기 엔 뭔가가있다

ML을 배치 할 수 있습니다 규모의 NET 당신이 생각한 곳에서 뜨거운 곳으로 전화를했다 풍부한 오픈 소스 인기있는 라이브러리 장치 및 센서의 데이터 TENSEOR 흐름과 ONYX처럼 에 대한 통찰력있는 사람들의 전형적 사용 너네가 퍼시픽 에선 너니? KAFKA는이 데이터를 수집합니다 그리고 한 가지 방법을 배우는 새로운 방법 한 번 그들은 필요한 데이터를 가지고 있습니다

너는 기계 학습에 대해 생각할 수있다 스트림 처리를 수행 할 수 있어야합니다 그것은 프로그램 할 수없는 것을 프로그래밍하는 것에 관한 것입니다 기기에 대해 생각하는 경우 가끔 있습니다 예를 들어 포크에 묻은 경우 데이터는 JSON 일 수 있습니다

및 AT 크라우드에서 당신은 앞으로 나아갈 수 있습니다 당신이 필요로하는 최소한의 것 가져 오는 기능을 구축하십시오 그들 중 4 명 그래서 그들은 스트리핑을하고 있을지도 모른다 이 이미지와 이미지 및 반품 필요한 데이터를 내려주십시오

및 기타 그 안에 얼굴이 있거나 없는지, 너는 그들이 실행될 수 있음을 나타냅니다 시작을 알지 못합니다 내가 취한다면 비행 및 기계 학습에 관한 것 내가 낳은 다른 예 그게 스트림 프로세싱이야 남자와 같은 셔츠 설명 그리고 그들은 SQL에 저장하려고합니다

하나는 지금 당장 입을 옷을 입으십시오 또는 IT 장치 데이터의 경우 SQL이 없음 나 한테 다시 쓸 수있어? 저장 많은 사람들이 HBASE를 사용합니다 그게 무엇을 반환하는지 또는 선택에 따라 달라진다 이 셔츠,이 경우에 당신은 그거 저장해라 그리고 그들의 이야기 몇 가지 주요 단어를 볼 수 있습니다 층

핵심 경로 용 긴 소매 또는 사업체와 같은 설정 당신이 저장하고있는 ANALYTICS 그리고 그 값을 생각해보십시오 이 데이터 만 필요하지는 않습니다 교회에 B – 셔츠 내가 말하면 실용적 기초에 대한 분석 실행 1, 000 개의 제품까지 확대 그리고 당신은 분석을 실행하고 싶습니다

온라인 스토어 판매 조건의 IT 또한 역사적인 기초 그럼 너 할 수있어 거기에 큰 도전이 될지도 모릅니다 데이터 스토리지에 보관하십시오 너도 알지도 못하는 것일까? 그래서 일괄 처리 측면에서, 글쓰기 시작하기 전형적으로 당신은 데이터를 얻을 것입니다

이 기능들, 당신이하는 일 사전 신청에 대한 다른 신청 앞에는 예가 있습니다 당신 또는 클라우드에서 그러면 그들은 얼굴이있는 이미지의 예가있다 모든 분량의 데이터를 섭취하십시오, 그들 안에 너는의 예를 가지고있다 사용 시간에 따라 몇 주 얼굴이없는 것을 상상해보십시오

그게 줘야 해 그들 기계 학습이 모두 무엇인가 데이터 그리고 나서 생각할 필요가있다 이 예에서 배우는 내용은 다음과 같습니다

거버넌스 생각하는 법 그런 다음 건물을 짓거나 메타 데이터 및 관리, 보안, 우리가 기계 학습이라고 부르는 것 제어 행정 과 사용할 수있는 모델 다른 봉사 계층

나는 많이 생각한다 기계에 대한 생각하기 우리 고객들의 당신이 생각할 수있는 학습 모델 분석 및 데이터 입력 지능적인 기능 데이터웨어 하우스 창고 하지만 우리는 이 이미지의 입력을 받는다 더 많이보고 더 많이 사용하는 경우 이 이미지와 사례 및 반품 데이터 그 자체가 A에서 사용됨 그 안의 얼굴

함께 자리를 뜨고 싶습니다 ML NET, MECHLT로 당신은 ML을 할 수 있습니다 전체 조직과 그들 당신은 좋아하는 이미지를 가질 수 있습니다 그때부터 분석 분석을 할 수 있어야합니다

내가 너에게 보여준 것 너는 만들 수있어 그곳에 그래서 우리가 얘기해 줄거야 회귀하는 희소 한 모형 게다가

언제 고객이 보는지 방법을 많이 사용하는 것처럼 대답합니다 이 문제 해결의 종류 많은 ML을 쓰는 동안 그물 또는 건축술, 톤이있다 C #을 사용할 수 있습니까? AZURE의 기술 여기 있네

그리고 F #이 모델을 만드는 기술 데이터 공장 및 데이터 브릭 우리도 알다시피 그물 스파크 워크로드 기타 등등 그러나 이 년이 시작되면 오늘의 통찰력은 통찰력입니다

이 역사 또는 뿌리를 보아라 우리가 우리 시간을 보낼 곳은 어디입니까? 그래서 ML의 MICROSOFT에서 NET을 구입하십시오 누군가 HDINSIGHT를 사용하게되는 이유는 무엇입니까? 연구 프로젝트 호출 TLC 왜 HDINSIGHT를 사용하여 고객을 봅니까? 회사에서 번호를 찾았습니다 나는 그 이유 중 하나라고 생각한다

년 확장 성이 뛰어납니다 기존에 보존하고 싶은 것이 있습니까? AZURE MACHINE LEARNING, 투자 그들은 뛰고 있을지도 모른다 WINDOWS HELLO OFFICE와 같은 경험 하나의 번역문과 하나의 번역문에

힘 AZURE 팀 분석 그들이이 일을 요인으로 생각한다면 그리고 전체적으로 더 많은 이름을 알 수 있습니다 지원 책임의 책임 우리가 개발자를 목표로 삼고 있기 때문에 그들에 지금 관리하고 있습니다 ML과 우리는 NET을 설계했습니다

당신은 많은 조각과 HDINSIGHT을 얻습니다 그 문제의 프레임 워크 WITH 1 여러 워크로드를 지원할 수 있습니다 0 우리는 새로운 기능을 추가하고 있습니다

건축물에는 참여자가 없습니다 자동 빌더처럼 자동 ML 및 도구 거기에는 아무 것도 없습니다 및 커맨드 라인 인터페이스 구성 요소 및 모든 구성 요소 정말로 당신을 위해 함께 다른 사람과 함께 일해라 맞춤식 기계 학습 모델을 작성하십시오 그들은 같은 플랫폼의 일부입니다

우리는 또한 생각한 것을 가지고있다 같은 코드를 유지하고 싶습니다 확장 성의 핵심 포인트 베이스 고객이 가끔 수시로 돌보다 또는 핵심 가치 제안 또는 핵심 디자인 GOOGLE AMAZON에서 실행하십시오

때문에 ML에서의 원칙 그물 NOT 할 수있는 유일한 우리는 100 개의 APACHE를 사용하고 있습니다 당신은 ML을 가져오고 사용하십시오 그물 코드베이스를 변경해야합니다

과 트레이너와 ML 그 변종 레벨 보안에 대해 우리가 이야기 해 줄 것입니다 상자에서 나오지만 할 수 있어요 그 저렴한 비용

그리고 당신은 본다 오픈 소스를 사용하여 이익을 얻습니다 그것은 가격이 책정되었습니다 아주 낮은 비용 인기있는 프레임은 수위와 비슷하게 작동합니다

AZURE의 빅 데이터 제공 업체 그러나 같은 세트를 사용하는 유량 또는 오닉스 어쨌든, 너는 경악하고있다 그건 ML NET 제공 그냥 — "그 길은 무엇인가"

너무 통찰력, 이 슬라이드의 한 지점 더만 확보하십시오 빨리 얘기하자 AT보고있는 경우 내가 원하는걸 모든 것과 같음 HIVE, KAFKA, STORM 및 기타 그러나 ELSE

이 일에 NET 그들이 결정 했음에도 불구하고 NET은 무료입니다 교차 플랫폼입니다 그들은 뭔가를 만들고 싶어

그리고 그것은 오픈 소스입니다 그 소리 HDINSIGHT 많은 질문이 있습니다 큰 퍼시픽 이야기 답변이 필요합니다

예를 들어, 당신이하는 것들은 무엇입니까? 우리는 스트림 프로세싱에 대해 말했습니다 ML과 함께 할 수 있습니다 NET 1 0? 그곳에 이 아키텍처에서 우리는해야한다

그게 너의 몇 가지 숫자 야 스트리밍을 즐기거나 그럴 생각 너가 이미 할 수있는 활주에 본다 폭풍 또는 우리가 생각하고있는 것이 있다면 해야 할 것 당신은 성찬 분석을 할 수 있습니다 우리의 봉사 계층

그 층 모델, 제품을 만들 수 있습니다 데이터 분석가에게 줄 것이다 추천인 너는 가격을 만들 수있어 우리는 PRESO를 사용합니다

SPARK SQL 저장 예측 및 명암 이미지 AZURE에는 여러 유형이 있습니다 매출 예측 및 전체 구축 저장 시스템 프리미엄

그래서 훨씬 많이 이러한 모든 시나리오 어떻게 결정을 내릴 수 있습니까? 너 여기 볼 수있어 우리는 AZURE의 생각한다 – 또는 공기 너 거기 걸어 다닐께 너 뭐라구? 흐름 또는 우리가 사용하고있다 – 켜기 여기에 잠깐 들러보고 싶다

전염병은 충분합니다 또는 또는 두 번째는 THE IS NET WEBSITE ETL을 사용해야합니다 그래서 그들은 니가 ML을 찾고 있다면

순전히 너 그림이 필요로하는 질문들 우리는 기계를 클릭 할 수 있습니다 아웃 그로부터 시작 하자구 웹 사이트 당신이 더 나아 간다면 질문 및 이야기 다양한 샘플보기 프로와 단둘이

첫 레트 우리는 하나를 클릭하고 한 번에 쉽게 벗어나십시오 그것들은 우리에게 당신을 데려 갈 것입니다 그래서 스파크, 하이브 그게 뭐야? 샘플을 빌려서 도와주세요 서비스에 표시됩니다

스파크를 얻고있다 그것들은 스크래치에서 나온 것입니다 너를 보여 줄 수있게 해줘 입양의 비트 어디서? 이 신속하게

샘플 REPO 너 할 수있어 너는 P에 대해 생각하고, 우리는 고객을 가지고있다 FRAUD DETECTION에 대한 샘플이 있습니다 누가 예비 선상에서 사용할지 모릅니다

문제를 규명 할 수 있습니다 너 할 수있어 하지만 지금은 그걸 실행하고 싶다 권장 제품 너는 할 수있어

시스템은 클라우드에 있습니다 그러나 아무 것도 판매 스파이크 이상 탐지 당신 NET WORK APPLICATIONS를 구축하고있다 ONYX를 사용하여 이미지 분류를 수행 할 수 있습니다 P

를 사용하지만 스파크보다 힘이 적습니다 및 개체 검색 각 당신이 무언가를 실행하는 경우 이 검체에 대한 여기의 검체 P보다 돈을 많이 벌고 있습니다 우리 모두 훈련 코드를 가지고 있습니다 성과는 당신과 당신입니다 이 모델들과 소비 코드

자원 비트를 사용한다 각 사례에 표시 될 수 있습니다 그곳에 그래서 나는 그게 조각이라고 생각해 데이터 사이트가있는 곳 많은 사람들이 글을 쓰고 있습니다

작업 표에서 가기로 결정한 신청서 작성 모형 건축 법규 스파크로 알았어, 사람들은 말했어 그리고 모델을 소비하는 것 만약 너라면 ETL을 위해 그것들을 사용하십시오 하지만 현실에서 기계 학습에 대한 새로운 지식 데이터웨어 하우스 주변에 더 가까이 있습니다

시작된 채널을 얻고 싶습니다 그것의 측면 그리고 스트리밍 엔진 당신이 샘플을 방문한다면 다시 한 번 당신이 폭풍 또는 일부를 사용한다면 PERHAPS를 가능하게하는 시나리오 폭풍을 저지른 고객 이미 거기에 이것은 대단한 것입니다

폭풍 그것 때문에 사랑한다 샘플을보기 시작하십시오 저지대 자연 너는 처리 할 수있어

그리고 배운다 다음 페르시아는 받아 들여진다 하나의 사건이 일어납니다 당신 시나리오 또는 여기에 대한 찬성 MICROBATCH가 필요하지 않습니다 그리고 배치

분석하고 내가 너에게 살아 보여라 그와 같은 시스템이 있습니다 응용 프로그램이 이것을 사용합니다 너는 무엇을 가지고 있니? 그게 어디에서 중요합니까? 당신 앞에 블레이저가 있습니다 시스템은 모든 것을 처리 할 수 ​​있어야한다

ML NET APP 이것은 블레 이저 사용 한 사건 너무 폭풍 그리고 실행중인 모델 그 감각에서 대중적이었습니다 IT는 MEL입니다

NET IT는 기계 학습을 원합니다 하지만 스파크는 많은 순간을 가지고있다 언젠가는 재미 있습니다 그것은 긍정적이다 스파크는 일반적인 목적이기 때문에 감정

그것은 잘 작동하고 있습니다 만약 프레임 워크와 스파크와 함께하는 ETL, 나는 기계 학습이 재미 없다고 말합니다 그것은 자연적인 감각을 사용하여 당신은 그 죄의 대가를 보게 될 것입니다 귀하의 필요에 맞는 똑같은 플랫폼 그것은 ML의 한 예입니다

NET PLAY 하지만 그것은 마이크로 바입니다 너는 가져 왔어 나는 스크래치에서 톱 빌드를 원한다 방해 너는 많은 사건을 BATCHING하기 때문에 나 당신이 그걸 어떻게 할 수 있는지 보여 줘

함께 그러나 무역을 이해하십시오 나는 시각 스튜디오를 나가기 위하여 가고있다 아주 낮은 LATENCY 스트림 처리 주변 이리 당신은 시각적 인 입을 위해 사용합니다 비슷한 사건들

그리고 제 3 ML NET을 당신이 원하는 패키지를 얻으십시오 하나는 좀 더 환상적이다 한 번 패키지를 모두 받으십시오 인터랙티브 쿼리 기술 선택

소스 코드는 현재 존재합니다 이 지점에서 당신이 정한 시간에 MICROOSOFT DOT ML NAME 호수와 호수는 우리가 지금있다 공간 코드를 원하면 가장 원시적 인 형태의 데이터 할 수있다

그럴 수 있어요 한 번 나는 너트를 세웠다 JSON의 BE TEXT 또는 동등한 내가 갈 수있는 패키지와 이름 공간 앞으로 그리고 너는 드러내고 싶어

앞뒤로 내 기계 만들기 귀하의 조직 어떤 경우에는 그렇다 학습 문맥 너 때문에 너는 작게 노출 될거야 엔티티와 함께하는 실내에서 팀

그래서 ESQL은 좋을 것 같습니다 이것은 창조와 비슷합니다 적당한 당신도 마찬가지 지요 DB 문맥

그 다음에 내가 가지고있는 것 더 많은 사용자에게 노출 시키십시오 해야 할 일은 내 데이터 세트에 있습니다 자원 관리에 대한 질의 응답 훈련 훈련 및 검사 매우 중요합니다

그래서 오른쪽면에 통보하는 경우 인터랙티브를 바라 보는 경우 너는 나에게 2 개의 데이터 세트가있을 것이다 클러스터 당신은 매우 솔직하게 할 수 있습니다 이리 나는 테스트를 거친 데이터를 가지고있다

소지품 – QUALIES에 대한 이야기 세트 이 데이터 중 하나를 탐색하면 매우 중요합니다 결과 여기에 SET SETS가 있습니다

캐싱은 매우 중요한 영역입니다 여기에는 두 개의 열이 있습니다 첫번째 사용자 수는 과연 얼마 였는지 상상해보십시오 열은 열 텍스트입니다 IT는 클러스터에게 문의 사항 제출 실제 텍스트

상원 의원 그리고 그들은 같은 질문을 내고 있습니다 가치가있는 두 번째 칼럼 지금 그들 중 일부는 관심이 있습니다 1 또는 0 심판이있는 경우 동일한 결과와 결과 좋든 싫든 예를 들면 나는 이미 사용 가능합니다 왜 컴퓨터를 사용해야합니까? 나는이 곳을 좋아한다

한 번 더 그래서 결과를 캐싱 그분에 대한 심판은 많습니다 결과는 언더 라이닝과 함께 캐시 됨 긍정적 인 것은 긍정적 인 것입니다 데이터가 변경되지 않았습니다 다른 종횡비 제보

그래서 내가 읽은 길 MATERIALIZED VIEWS 그래서 왜 느려지는가요? 이 데이터에 MY ML로 설정하십시오 그물 너 큰 데이터로 그들은 가입한다 환경은 [불가분] 당신은 계산을하기 때문에

수업 그것은 두 분야가 있습니다 첫번째 그리고 자원과 시간을 가져 가라 필드는 호출되는 텍스트의 유형입니다 결과를 원하는 고객 및 고객 텍스트 및 유형 문자열

이게 뭐야? 좌절하다 그래서 기술이있다 매핑을 표시하는 것은 결과를 미리 예측할 수있는 곳 데이터 세트의 첫 번째 열을 여기에 입력하십시오 언젠가 타임베이스를 앞두고 두 번째 필드는 레이블이 붙어 있습니다 스케줄 또는 소스 데이터와 상관없이 그건 열두 번째 색인입니다

그 변경된 또는 아닙니다 그리고 다른 모습 내 상처는 무엇인지 나타냅니다 거래입니다 우리는 이야기한다 긍정적 또는 부정적이다 큰 데이터 시스템

한 번 쓰고, 이 경우에는 하나도 아닙니다 나는 가고있다 많은 시간을 읽고, 업데이트하십시오 이 상급 수업을 읽고 사용하는 방법 삭제하지 마십시오 그건 사실이 아니야

내 데이터에 나는 데이터를 말하려고한다 실용적인 삶 배신하다 여기를보십시오 나는 안으로 들어가기 위하여 가고있다 그

GDPR과 같은 규제 여기 내 수업은 어떻게 전화를 걸 냐고 고객을 삭제해야합니다 데이터 세트를 읽으려면 매개 변수로 업데이트하고 삭제해야하는 데이터 내 훈련에 그것을 전달할 것입니다 지금 PRESTO에서 보는 경우

그 데이터 세트 그런 다음 여기에 매개 변수 더 강해진 것은 아니다 IT가 전화를 했어 나는 이미 있었어 그것의 측면

IT가 실제로 빛나는 곳, 머리글 나는 또한 앞으로 나아갈 것이다 데이터가있는 시나리오를 상상해보십시오 그리고 빨리 읽으십시오 나는 가고있다

오라클 그리고 잠시 멈추다 내 훈련 데이터 모델 사용하기 I 그밖에 그리고 당신은 싱글을 쓰고 싶습니다 테스트 데이터를 사용하려고합니다

모두에 대해 실행되는 선택 쿼리 내 모델이 실제로 얼마나 적합한 지 판단하십시오 출처 프레스토는 연결자가있다 실행할 수 있는 내가 가지고있는이 지점에서 이러한 모든 데이터 소스 및 데이터 세트로 실행하십시오

길드 기계 사람들은 독창적 인 질문을 할 수 있습니다 학습 한 것은 내가 읽은 것입니다 그곳에 너는 어떻게해야합니까? 이 데이터에 지금 테스트하십시오 석회석과 함께? 알았어, 그래서 뭐야? 여기는 엄청난 클리어입니다 석회석 거기에 큰 데이터 있음 일반 요구 사항의 열 또는 텍스트 데이터 호수의 데이터

그러나 메타 닷타 특정 부분으로 변환되어야한다 METASTORE에 데이터가 저장되어 있는지 확인하십시오 특정 기계 학습 형식 그래서 메 타 스토 레입니다 지금 알고리즘은 이해할 수 있습니다 뭐 높은 메타 스토어는이 글쓰기입니다

내가해야 할 일은 다음은 이 모든 대형 데이터 엔진을 묶습니다 여기에 열을 가하고 만들어라 함께 SPARK IT에서 보시려면 기본적인 유형의 벡터 이해하십시오 – 생각한다면 필수적으로 내가 그렇게하는 길 피고용인이 허락 한 카탈로그를 알 수 있습니다

ML NET은 파이프 라인을 만듭니다 몹시 떠들어 대다 P와 그 중 일부를 보는 경우 데이터를 변환하는 파이프 라인 기술 그것은 매우 위험하다

한 번 내 데이터가 올바른 형식입니다 구성 요소 그래서 당신이 보면 – ML 트레이너를 추가 할 수 있습니다 나는 너는 기본적으로 싱글을 가질 수있다 추측 컨대 나는 변혁가라고 말하라

메타 스토아와 데이터 호수와 모두 나는이 추정자를 만들려고한다 ENGINES가오고 이해할 수 있습니다 순진한 묘사로 처음에는 이 데이터 개념으로부터 큰 것 단계 저는 앞으로 나아갈 것입니다

원근법 두 배 클릭 한 경우 내 텍스트를 변형하려고합니다 그걸 생각하면 그 때마다 생각해 이 변형을 위해 나는 가고있다 엔진은 일반적인 것을하려고합니다

동기 변환 호출 사용하기 최소한의 것 권리? 그리고 그것은 그램에서 호출되는 텍스트 어떤 경우에는 공유하기에 좋을 것입니다 이 입력 열에 나타납니다 하지만 엔진은 최적화 할 수 없습니다

이것은 특징의 결과입니다 성과 관점에서 될거야 나도 같이 갈거야 거래 관점에서 볼 때

첫 번째 열을 입력하십시오 모두가 함께 따라야하는 모든 것 그 상원의 지시서 내가 탔어 일반적인 METASTORE 최소의 내 입력 텍스트 열과 변환 된 할수있다 그래서 뭘하고있는거야? 그것이 미래의 텍스트 열 메트로 스토어? 지금 스파크와 하이브 이걸 사용하십시오

한 번 내가이 일을 끝냈어 일차적 인 참가자의 편이다 내가 가서 트레이너를 추가 할 수 있어요 메트로 스토어에서 그래서 공동체 이에

나는 점을 말하기를 갈 예정이다 너 알 잖아, 스파크가 가고있어 우리는 본질적으로 노력하고 있기 때문에 메트로 스토어 소유 그리고 잠깐 수행 감정 분석 및 수련 메라 ​​스토어를 소유하게 될 것입니다 그래서 그 고소 여부를 알리기 위해 2 개의 전자석과 그 방법 0 또는 1은 이진 분류입니다

그 밖의 다른 집들과 이야기하십시오 문제 나는 그것을 설정하려고한다 그것은 빠르다 그리고 그 의미 내 콘테스트의 한 부분

나는 가고있다 그거야 거래를 사용하는 경우 연수생을 말하고 지금 내가 할 수있는 일 잠에서 깨어나 스파크는 읽을 수 없다 지금은 하나만 선택할 수 있습니까? 그 데이터

그게 유일한 그랩 수 있습니다 ML의 많은 트레이너들 그물 데이터 하지만 지금은 가고있다 제공하십시오

이것이 바로 지능입니다 지원 및 호환 모든 나에게 보여주고있다 나는 사용하려고하고있다 갑작스런 스파크는 절정에 처함 물류 이동

너 레이블 예제의 트랜잭션 데이터 내가 발표 한 기능 요약 그래서 이들은 몇 가지 이점이 있습니다 또는 변형 됨 지금 내가 지어 줬어 건축과 함께하는 것 : 데이터를 가져올 수있는 파이프 라인 하지만 데이터 레이크를 만드는 경우 IT를 오른쪽으로 변형 최신 오픈 소스 시스템 형식 및 기계 학습 알고리즘

알 필요가있는 기술 다음 단계는 내 모델을 훈련시키는 것이며, 이 차이 그런 다음 데이터 내가하는 부름에 의한 방법 파이프 라인 조직의 선택 추측에 맞는 API 패스 당신이 아마존에 있다면 당신은 아마 존재합니다 나만의 훈련 데이터에 AZURE DATA FACTORY가있는 가족

짐을 실은 이것은 기차를 실행할 것입니다 우리의 많은 사용은 AZURE 데이터를 사용합니다 데이터 및 전철 제공 공장 및 공기 흐름 개방 모델

한 번 준비가되어 있습니다 SOURCE PROJECT 그것은 많은 것을 가지고있다 내 미래의 일부 계획 그것과 함께하는 순간 AT보고있는 경우 단계

우리의 예측은 모델이 될 것입니다 12, 000 스타의 스타 그래서 내 모델을 훈련 한 변혁 존경받는 거대한 모멘텀이있다 훈련 데이터에 있지만 내가 원했던 것 그걸로 다중 건물을 만드는 경우 의 프레디릭을 변형하려면 배포해야하는 솔루션 데이터

내 테스트 데이터를 사용할 수 있습니다 PREM OOZY IT의 인기가 가고 있습니다 나는 초기 다 한 번 수행 한 내려가는

하지만 이미 투자 했어 나는 내가 갈 필요가있는 예언들 당신은 그것을 계속 가질 수 있습니다 하지만 나 모델에 가치를 부여하십시오 나는 가게에 갈거야 이 시간이되면 생각하지 마십시오

이 전선에있는 IT가 전화를 걸었습니다 브랜드를위한 새로운 NET 응용 프로그램 내가이 과정을 진행할 때 새로운 신청서 권리? 괜찮아, 나는이 분류를 사용하려고한다 그래서 나는 아마도 그것이 나의 기계 학습이기 때문에 질문 그곳에

괜찮아 아니 태스크 내 계획에 따라 갈 예정입니다 질문 우리는 시간을 절약합니다

움직여 라 점수에 레이블이 붙어 있습니다 에 좋아, 그럼 너, 너 알지, 들 아주 좋아요

이 높은 수준을 결정하는 종류, 나는 건축 할 수 있어야한다 어떤 기술이 당신에게 가고 있습니까 여기에있는 판결 분석 모델 다음에 큰 질문을하기 위해 내 데이터를 풀기 시작합니다 나는 변환한다 당신 앞에서 보관 해

권리? 올바른 형식으로 추가 신규 신청서를 작성하는 경우 기계 학습 알고리즘, NEW 굉장합니다 하지만 이미 있다면 변형 및 새로운 테스트 데이터 결핵 환자 수는 많다 이 경우 나는 휴식을 결정할 것이다 PREMISES에 대한 루프 구현

여기 디버거에서 실행하십시오 그 데이터를 AZURE로 이동하려면 어떻게해야합니까? 그래서 나는 정확성의 종류를 볼 수 있습니다 그러면 천리안에 너는 너무 많아 우리는이 모델을 가지고 있습니다 옵션

내가 무엇을 먹어야하는지 그리고 나는 여기 저기 다가 가려고한다 당신 무역은 무엇입니까 누구도 메트릭 (metrics) 아래에서 볼 수 있습니다 스토리지 옵션에 대한 정보 당신은 정확성을 보러 갈 것입니다 응, 이것들은 제거 될거야

들 이 정확성 분야는 주목하고 있습니다 저장소는 항상 원격입니다 그 이 모델이 얼마나 잘 작동하는지 알 수 있습니다 몇 밀리 초

캐싱 80은이 정보에 대해 제안하고 있습니다 구름은 중요합니다 과 80 지금 정확한 당일에 우리는 그 점에 관해서도 잘 이야기 할 것입니다 상상력 테스트 자료가 잘못되어서는 안됩니다

2TB의 데이터가 미리 준비되어 있습니다 우리는 단지 시작했다 개념 WE 두 번째 링크 당 45MB가 넘고 편리한 API를 사용하여 호출 그걸 옮겨야 해 IT는 예측 엔진 IT가 허용하는 것 12 년 만에

그게 현실이야 너는 그것에게 프리젠 테이션을 허용한다 그것의 큰 데이터 전송 데이터의 단일 인스턴스에 나는 TRICKY입니다

당신은 알고있다, 유선에 예측 엔진을 만듭니다 말하다 다시 말하지만, 당신이 더 작 으면 데이터의 단일 인스턴스에 대한 예측 데이터는 명시된 경로를 사용할 수 있습니다 나는 여기에 예측 엔진을 말 할 것이다

그리고 거기에 사용할 수있는 도구 그러나 예측 엔진이 다시 시작됩니다 대용량 데이터가있는 경우 입력 클래스의 알림 및 출력 하늘빛 데이터 박스가 있습니다 나는하지 않는다

입력기의 클래스 및 테이크 업 당신이 얼마나 친숙한 지 알고 있습니다 모델 한 번 나는 그 계획을 세웠다 데이터 박스 포함 큰

좋은 거래 ENGINE 나는 싱글을 만들어야했다 그래서 데이터 박스와 우리는 가지고 있습니다 예측 엔진 지금 나는 통과 할 수있다

데이터 박스로 작업하기 그에게 새로운 소식을 전하십시오 나는 가고있다 꽤 많은 시간 그들에게 화가났다 이 새로운 청원을 불러내 어라

바닥 가져 오는 링크가 있습니다 기계 학습을위한 앱 하나 당신은 단계 가이드에 의해 단계에서 단계로 즐겁습니다 내 휴식 지점을 다시 놓을거야 이 장치가 어떻게 작동하는지

이리 나는이 예측을 당신에게 보여줄 것입니다 그래서 우리는이 장치들을 기본적으로 운송합니다 실제 작동 여부 또는 예측 방법 너에게, 그리고 거기에 세트가있다 하고있다

나는 너를 이길거야 당신이 필요로하는 지시 사항들 여기 디버거에서 볼 수 있습니다 데이터에 데이터로드 안함 이 상원의 계획 상자에 넣고 순금으로 돌아온다 긍정적이고 확률이다 그리고 플러그를 꽂습니다

너도 그렇다면 점수는 당신에게 잘 알려져 있습니다 많은 데이터를 사용하면 옵션을 사용할 수 있습니다 예측 그게 바로 예입니다 이제 당신이 데이터를 움직여서, 어떻게 시작 할 수 있니? 블록 저장 장치를 표준화하려면

프리미엄 ML 정보 분석을 구축하기위한 NET 꾸리다 우리가 생각하는 것 모델 이러한 개념 중 일부 우리가 뭘 뿌려야 하죠? THE BLOB 걱정하지 마십시오 저기에 있었어

IT가 출시되었습니다 우리는 여기에 우리의 갑옷에 이것을 담을 것입니다 AZURE와 함께 그것은 기술이 있습니다 그래서 다음에 내가 원하는 것은 좋은 결과를 얻은 채 배팅 된 나는 이미 그것을 하나의 것으로 보았습니다

궂은 나날들 IT LAX의 기능 다음에 내가 빨리 덮고 싶어하는 것 원근법 보기를 위해 단순한 우리가 가진 특징은 무엇입니까? 작동, 당신은 알고있다 ML에 추가

NET 1 0 THE FIRST 거대한 세계에서 원자 번호 변경 내가 자동으로 얘기하고 싶어하는 것 그 말에 귀를 기울이십시오

그래서 ML NET 또는 자동 인공 지능을 극대화하십시오 스파크 실행자가 다른 경우 이것은 우리가 추가 한 새로운 기능입니다 지역 주민 발굴과 노력 코드 예를 기억한다면 데이터 및 중간 결과 내가 끝날 때까지 내가 갔다 그들이 다시 들어가서 그리고 이진 트레이너를 선택하십시오

임시 폴더를 호출 했습니까? 너는 관찰 된 것일 수도있다 결과가 모두 계산 될 때 우리는 수련생 수를 가지고 있습니다 임시 폴더 및 재발행 그곳에 우리는 평균 수명 TRON, 출입구를 내십시오 재구성 우리는 [비실망]하고 있습니다

폴더는 메타 데이터 운영입니다 지금은 시작하는 사람으로 지금 아무것도 움직이지 않으면 이름을 바꿀 수 있습니다 ML이 새로워 짐 폴더의 -이게 뭐니? 하나의 공연에 가장 적합합니다 당신은 실제로 육체적 인 존재입니다

이 시나리오 일인 경우 파일 이동 기본 속도가 느린 경우 너는 오른쪽 트레이너를 뽑았다 ETL 조각 내려 너 모두 귀하의 시나리오 또는 귀하의 시나리오에 따라, 일하면서 일 했어

– 이 연수 자들을 조율 할 수 있습니다 이 데이터를 이동하십시오 하지만 그건 그렇지 않아 이 설정이 하이퍼로 호출 됨 METADATA 운영으로 좋습니다 그래서 매개 변수

다시 시작하는 경우 다시 ANALYTICS의 패턴 기계 학습 및 당신은 새로운 있습니다 우리가 사용해야하는 일터로드 – 작동 이것은 당신을 위해 도전 할 수도 있습니다 잘 우리는 TRANING을 원합니다 이들 당신이 좋아하는 종류의 자동 프리미엄이 중요합니다 그럼 내가 얘기 할거야

이 문제 AUTO ML AUTOMATICALLY 지금 소개 나는이 이야기를 들었다 이 모델을 최고로 구축하십시오 IDEA OF – 당신은 BIT를 가졌습니다

트레이너 및 설정 수행 밴드의 10GB를 얻을 수 있습니다 당신을 위해서 IT 부서는 로컬 컴퓨터를 사용합니다 초당

워크로드가있는 경우 최상의 조합을 도출하기 위해 읽고 쓰는 많은 데이터 여기에서 최고의 공연을 선사합니다 네가 할 수 있기 때문에 대단한거야 모델 AUTO ML EXPERIENCE를 실행할 수 있습니다 그 데이터와의 충돌

우리는 그럴 것입니다 우리는 현지에 있습니다 우리는 3 가지를지지한다 장면과 당신의 성능은 거기에서 일한다 우리는 회귀를지지한다

HIGH BAND 때문에 아주 좋아요 이진 분류 및 다중 폭 도전 중 하나 등급 분류 당신이 사용할 수있는 저체온 수술실입니다 IN SQL 우리가 만든 AUTO ML EXPERIENCE HBASE 또는 스파크 스트리밍과 함께 워크로드 IN

세 가지 다른 방법으로 인터넷 당신이 필요로하는 곳에 저장하십시오 내가 쓰는 도구를 사용할 수 있습니다 매우 쓰기 때문에, 매우 빠르다 당신을 다음에 보여주기 위해서

너는 저체온 운동 및 ML 내가 가고 싶어했던 NET CLI 저장은 20에서 200 사이에 있습니다 보여줘 우리는 ML에 대한 API가 있습니다 그물 밀리, 너를 어떻게 생각해? 너는 나가기를 바란다

네가 원한다면 그걸 할거야 그래서 나는 갈거야 비행 중에 모델을 만들 수 있습니다 그래서 사용 사례 HBASE에 대해 이야기하십시오 방법 다음에 내가 가고 싶어하는 것 HBASE의 이해 방법 내가 지금 경험하고있는 도구 경험 공장

소수 민족 그래서 내가 설명해 줄게 너를 위해 ML을 제공한다 그물 또한 우리 지금 가지지 못한 사람들을 위해 이 올해 건축에 발표 HBASE에서 볼 기회

SO HBASE 도구가 ML을 호출했습니다 NET NEW BOD 아무 SQL 저장소가 아닙니다 그리고 모든 데이터 엘 빌더 이것은 비디오 스튜디오이다 정렬 된 순서로 저장됩니다

그래서 신장 아주 단순한 UI입니다 높은 쓰루트 작성에 도움이됩니다 커스텀 모델을 사용하는 도구 종점 읽고 그 무엇 ML을 자동으로 사용합니다 뭐 사용 사례가 있습니다

그래서 HBASE에서 모든 또한 당신에게 도움이됩니다 클러스터 노드는 지역으로 알려져 있습니다 모델 교육 및 소비를위한 코드 서버 각 지역 서버 수 이 공구를 사용하도록 보여 주시겠습니까? 여러 지역이 있습니다

이 사건에서 그래서 너는이 공구를 발사 할 수있어 나는 그들에게 3 가지를 기원합니다 그리고 오른쪽 클릭 및 광고 클릭으로 이동합니다 지역 번호가 메모리에 있습니다 그들 여기에서 배우는 기계

네가 원한다면 메모리가 있어야합니다 언제 쓸 때? 당신이 할 수있는 그림을 그린다 무언가가 실제로 서면 이 공구는 우리의 웹 사이트에 갈 수 있습니다 이 H 파일에 이렇게 적혀있다 빨리

그것은 NET ML 이것은 기억에 대단하다 MODEL BUILD ERR 페이지 당신이 쓰고 있기 때문에 빨리 모델의 다양한 기능 기억

그리고 나서 특정 기간 이후 BUILD ERR 다운로드를 허용합니다 THRESHOLD, 당신은 THRESHOLD IT를위한 시각적 확장 나는 가지고있다 너 – 그 길은 아주 빠르다 이미 확장 기능을 다운로드했습니다 너는 너의 저장고에 나섰다

나는 그 일을 다시 할 필요가 없다 이 후에 어떤 일이 언제 일어날까요? 최초의 스크린 모델 제작자입니다 귀하의 데이터가 기록 될 NODES GO 첫 번째 스크린은 당신에게 다른 것을 보여줄 것입니다 잃어버린

그래서 방주 보호 이 도구를 사용하여 기계를 학습합니다 암묵적으로 – 쓰도록 우리는 가격 예측을위한 예를 가지고 있습니다 이러한 메모리 구조는 고도로 감옥의 예는 무엇인가? 독서 인 경우 장식 된 패션 의 예인 분석 나도 너에게 편지를 쓸거야 일종의 이종 분류 당신 지하 저장고에 통나무 다른 시나리오를 만들 수 있습니다

내가 할 수있는 곳에 내려 갔다면 커스텀 시나리오는 여기서 만나요 이 데이터를 다시 읽으십시오 그거야? 나는 가고있다 – 여기에서 템플레이트하십시오 나는 목적 당신이 수술을 보는 경우에 분석을 클릭하십시오

그만큼 INSERT, UPDATE, 다음 화면은 정보입니다 이 그것을 얻고 삭제해야합니다 데이터를로드 할 수 있습니다 이후 순서대로 너는 삭제할 수 없다

내가 어떻게 로딩했는지 알았어 HAPPENS를 삽입하기 전에 근데 뭐 파일로 인해 SQL이 표시됩니다 나는 너는 어떤 종류의 원거리와 함께 AZURE SQL에 연결하기 저장 장치가 오래되었습니다 여기 데이터베이스

OF OF OF SQL을 선택하십시오 방해 너는 좋은 시댁을 보았다 하지만 사실 나도 그걸 다시해라 그것은 갑작 스레 300, 700 밀리 초를 보아라 HOPEFULLY에 다시 돌아갈 예정입니다

모든 모든 종류의 스파이크 – 종류 – 권리 그래서 다시 로그인 해주세요 거친 격렬한 에피소드가 막혔습니다 여기 SQL에서 나는 그것을 갈려고한다

그래서 우리가하는 일은 다시 >> 또한 누구에게나 감사합니다 우리가 프리미엄을 소개하는 워크로드 이 데모 용 데이터베이스 그래서 당신은 -이 대신 서면 쓰기 귀하의 데이터베이스에 로그인하고 지금 우리는 BLOB 매장 또는 세대에 이르기까지 데이터베이스 중 하나를 사용할 수 있습니다 우리는 그것을 프리미엄 매니저에게 써 놨습니다

나는 같은 데이터베이스를 사용할 것이다 디스크를 클러스터에 연결합니다 과 내가 중고품을 사용 했어 이것은 불리운다 그렇다면 귀하의 글은 매우 비쌉니다 맛있는 음식 나는 갈거야 빠른

그들은 엄청 빨랐어 괜찮아 나는 테이블을 선택할 수있다 에서 그래서 우리는 훌륭한 성과를 봅니다 이 경우 같은 감정 검토 지적인 변화를 일으켜서

표 해야 할 일 우리는 계속 데이터를 넣고 있습니다 당신에게 미리보기를 보여줍니다 저장 그러나 우리가 생각한 방법 필수적으로 볼 것입니다

다음 회사 소개, 알고 계신다 공구가 제공을 요청합니다 건축 문제 그래서 당신이 예언하는 열입니다 HBASE를 사용하고 계시다면 나는 감옥을 선택하려고한다

2 개의 풍미가 표준과 함께 내가보고 싶어하는 칼럼으로 열거하십시오 저장소와 기타는 – 어디에서 한 번은 내가 할 수있게 만들었어요 나는 화장 할 수 있어요 우리는 프리미엄 관리 디스크를 넣었습니다 훈련의 다음 단계로 서면은 매우 빠릅니다

당신 단계 나는 앞으로 나아갈 것이다 읽는 것에 대해 어떻게 생각하십니까? 너 할 수있어 여기에 30 초 정도의 기차 필요할지도 모르는 일자리가 있습니다

이 공구로 MODEL BUILDER는 단일 밀폐형의 두 번째 시술 보러 갈 트레이닝 디지털 우리가 지원을 시작 했으니 까 정확성의 아래쪽에 있습니다 프리미엄 저장 SSD에 구축하십시오

그래서 너무 멀리있는 모델의 당신은 아주 빨리 창자를 얻을 것입니다 최고의 알고리즘, 최고의 알고리즘 질문이 있으십니까? >> 그럼 너무 좋아? 좋은 IT는 다른 선택했습니다 거래 또 다시, 우리가 말한 이야기 알고리즘이 나가고 있습니다 더 이 기술은 로컬 대 리모컨입니다

도구를 제공 할 시간, 하지만 어떻게 생각할 것인가? 더 많은 시간을 가질 수 있습니다 더 많은 치즈 저장고를 알고 계십시오 알고리즘 및 다른 모델 원격 매장을 만들고 빠르게 만드시겠습니까? 당신을 위해서 이 경우 내 데이터 세트 그래서 캐싱 기술은 매우, 데이터 세트가있는 경우에는 작지만 매우 중요하며 여러 항목이 있습니다 큰일 날 것 같네요

다른 워크로드와 캐싱 시간의 커플을 가져 가라 당신이 가지고 있다면 기법 스파크에서 우리는 스파크를한다 테러범에 관한 데이터 IO 캐시 R 캐시 기반 오늘의 커플을 먹을 수 있습니다

나는 죽었다 APACHE PROJECT 란 무엇입니까? 그래서 만약 30 초 동안 너는 정확성을 본다 너는 스파크에서 읽는 중이다 우리는 86 퍼센트를 얻었다

기억한다면 로컬에 캐시되어 있고 문제가있는 경우 내가 본 마지막 순간부터 동일한 질문을 할 수 있다면 매우 좋을 것입니다 나는 언제 판결 분석을 만들었 는가? 매우 빠르다 HBASE와 PHOENIX에서 이 모델 만이 80 % 나에 대해 말한 것에서 벗어나십시오 정확성 30 초 밖에 걸리지 않습니다

버킷 캐싱이 있습니다 다시, 훈련 한 번 내 훈련은 최근에 쓰여진 데이터, 최근 이제 다음 화면으로 넘어갈 수 있습니다 READ 데이터가 L2에 입력됩니다 이제는 가치있는 화면입니다

그만큼 캐시와 그 서비스를 직접 제공 할 수 있습니다 VALUE 화면에서 보도록 허용합니다 불을 지르며 최고의 모델 성능 그만큼 그것은 매우 빠릅니다 만약 너라면 탐구 된 다른 모델들 높은 가격으로보고 있습니다

에 이 단계에서 불만족 스럽다면 그 자리에 봉사하는 것은 정확성을 가지고, 당신은 할 수있어 지능형 캐시를 모두 호출하는 곳 뒤로 이동하고 더 오랫동안 훈련하십시오 그 의 데이터는 다시 캐시됩니다 더 나은 결과

당신 로컬 메모리 그리고 내가 말하는 것 더 많은 데이터를 문제에 추가 할 수 있습니다 로컬 메모리에는 2 개의 부분이 있습니다 등등 마지막 단계 그것

다이나믹 RAM 및 로컬 SSD MODEL BUILDER는 당신이 할 수있는 것을 허락합니다 그래서 만약 당신이 코드를 자동으로 생성 할 수 있습니다 D14를 가진 송이 VM 유형

그것 내가 여기 프로젝트를 클릭하면 800GB의 로컬 SSD가 있습니다 비어 있는 두 개의 프로젝트를 만들려고합니다 그만큼 비용 없음 : 나는 그것이다고 생각한다 그것이 창출하는 첫 번째 프로젝트 에서

그게 뭐야 그 사이에 클래스 라이브러리 클래스 란 무엇인가? RAM, SSD 및 원격 저장소, 엔진 라이브러리는 모델 우편 파일입니다 자체적으로 재활용하는 방법에 대해 알아 봅니다 그저 훈련 된 모델은 비트

그게 쓸모있어 도구에 훈련 된 IT가 입력되어있다 사례 이 용도로 사용하는 경우 고려하십시오 출력 클래스 와 함께 이 옵션을 작성할 때 옵션

모델 및 입력 및 출력 클래스 그래서 이것은 IO 캐시입니다 알다시피, 우리는 ANO – CREATE PROJECT를 제안했다 너는 단지 그것을 활성화한다 그럼 너 암호 내가 너에게 훈련을 보여 준다면 캐싱을하십시오

아래쪽에 신속하게 코드를 볼 수 있습니다 1TB 규모로 다시 결핵에 이것이 본질적으로 동일한 특징입니다 – 질의 응답 없음 우리가 숙련공에 의해 한 일 에서 캐싱을 좋아합니다 때때로 이 경우는 더 좋은 결과를 가져옵니다

캐싱은 작동하지 않습니다 하지만 ON 학습자 이 또한 하이퍼를 발견했다 전체 작업이 2 배 빨라졌습니다 최고를 제공 한 매개 변수 하지만 20 가지 이상의 질문이 있습니다

성과 당신은 어떻게 볼 수 있습니까? – 기준점은 8 ~ 10 배입니다 경험은 당신이 창조하는 것을 돕고 있습니다 빨리 그래서 QUELIES, REPEAT처럼 최고 성능 모델 기타 귀하가 볼 곳이 QUELIES입니다 파일이 프로젝트에 표시됩니다

많은 조각 보안 그곳에 프로그램 CS 파일입니다 무엇 질문입니다 [OFF MIC] >> YES, 너는 지금 너를 사용할 수있는 방법을 보여주고있다

우리는 해 하지만 우리는 허용되지 않습니다 너와 함께 시작한 훈련 된 모델 번호를 공유하십시오 좋은 질문 문맥을 창출하는 갱 그래도 "좋아

" "알았어 모든 LOAD ML NET 모델 및 시작 가능 권리 그럼 얘기 좀하자 프레디 크크 만들기

나는 하이킹에 갈거야 보안, 이것은 데이터 구조에 있습니다 이 코드는 여기에 약간의 비트가 있고 섹션 하지만 보안은 내 개인적인 데이터 인스턴스 하나 추가 모든 사람과의 마음 그래서 그 길 그리고 말하기를, 새, 너는 적은 것을 싸워라

우리는 보안이 필요하다고 생각합니다 BIT를보고 입력 내용을 봅니다 그만큼 권위와 데이터의 생각 현장에서 새 감사를 부름 나는 원근법 이 클러스터를 넣을 수 있습니다

돌아가서 새로운 감동을 부르십시오 아주 안전한 네트워크 내부 과 나는이 일을 성취하려고 애쓴다 그 정보는 그곳에있다 똑같은 내가 어리 어리다고 말했어

약간 인증 및 승인을위한 기계 학습은 재미 있습니다 방해 우리는 AZURE DIRECTIVE에 의존합니다 나도 다시 이걸 시도해 내가 이걸 실행하면 아파치

함께 – 무엇을 지금, 내 휴식 지점을 어떻게 설정합니까? JEN 1 또는 JEN 2에서 수행 할 수 있습니다 당신은 생성 된 코드를 보게 될 것입니다 보호 데이터가 보호됩니다 그 모델이 나를 위해 창조 한 운송 또는 보관 중

그럼 모두 지금은 본질적으로 생성됩니다 조각이 있습니다 설명하고 싶습니다 단일 예측을위한 코드 이 그림은 비트가 환상적이기 때문에 나타납니다

우리는 디버거를 보러 갈 것입니다 오픈 소스 기술을 보시려면 다시 내가 예측에 가면 스파크, 하이브 및 HBASE 및 기타 측정치가 표시됩니다 프로토콜에서 공개 소스로 너는 진실을 알 것이다 원근법, 모두는 위에 일한다 그리고 점수를 잘받습니다

그게 뭡니까? – 그게 그 의정서에요 그러나 가장 좋아하는 것 중 가장 빠른 데모 AZURE ACTIVE DIRECTY에서 보는 경우 MODEL BUILDER는 당신을 위해 할 수 있습니다 모델 클라우드에 저장되었습니다 그래서 이들은 우리는 도구로 도구를 사용할 수 있습니다 2 다른 프로토콜

그 후에 HOPEFULLY 이것은 만드는 기계를 만든다 그것이 의미하는 바는 ML이있는 모델 그물 나는 가고있다 쉽게 클러스터를 가리키는 것만 큼 쉽게 여기 갑판으로 돌아 가기 AZURE DIRECTY 및 그럴 것입니다

빨리 다음에 내가 원하는 것 작업 그들은 그렇게하지 않기 때문에 다른 도구의 모음입니다 다른 프로토콜 그럼 그게 뭐야? 그 중 일부분에 대한 이야기 우리는 부품 AZURE를 사용합니다

너를 체사에게 데려다 줘라 능동적 인 지시 AZURE 활성 통화 이것을 덮을 것입니다 >> 감사합니다 직접 서비스를 수행하십시오

그것은 기본적이다 당신 [APPLAUSE] >> COOL 그건 DO MAIN SERVICES INSTANCE 그래서 멋진 데모

우리가 가고있는 것 우리는 사용자 신원을 지금 볼 수있는 것은 다른 접근법, 기본 서비스를 수행 한 다음 기본으로 수행하십시오 우리가 만든 것을 사용하는 다른 도구 문제가 될 수있는 서버로서의 행위 ML하지만 사용자 스튜디오 대신에 우리의 클러스터에 티켓 그래서 원하는 다른 사용자가 될 수 있습니다 합리적인 세트의 비트,하지만 온라인 인터페이스 사용 IT가 작동합니다 그럼 조금이라도 보게 될거야

이것이 교차점 일 수있는 경우 어떻게, 당신의 조건에 데모의 비트 플랫폼을 실행할 수있는 플랫폼 일단 당신이 설정을 통해 가면 안됩니다 MAC, LINUX 또는 WINDOWS 다른 그리고 그것이 일과 성격을 어떻게 구분 하는가? 한 번 당신이 알고 있기 때문에 이유가 있습니다 너는 그걸로 할 수 있니? 그래서이 사건에서, 당신이 원하는 과정과 가능성 나는 클러스터가있다 미안, 나좀 시켜줘

매일 또는 매일 모델을 생성하십시오 스위치 당신도 볼 수 있습니다 그래서 새로운 데이터 또는 자동화를 원하십니까? 나는 클러스터와 당신이 본 것을 가지고있다 다른 파이프 라인의 CLI와 함께 지금

이것은 군대이다 또는 무엇이 가장 유용한가요? 매니저 그것은 약간의 일을합니다 이러한 또한 CLI가 있어야합니다 보자

모니터링 구성으로 서비스 DEMO에 대해 알아보십시오 그래서 여기에 창문이 있습니다 관리 등등 그리고 또한 이 경우 나는 그것을 실행하려고한다

특정 도구를 제공합니다 몇 가지 파워 쇼 너는 할 수있어 그래서 예를 들어, 그 중 하나 동일한 데모 작업 MAC 또는 온 라인 온라인 제공하고 있습니다

너 할 수있어 잘 또는 리눅스 당신이 얻은 길 데이터 레이크에서 높은 쿼리를 작성하십시오 CLI는 이것이 글로벌 도구라는 것입니다 그리고 지금 나는 승인에 대해서 말했어

IT를 글로벌 도구로 설치하십시오 APACHE 레인저 인 구성품 너와 같이 볼 수있어 NET TOOL 이거 야 그리고 그것은 많은 것을 가지고있다

INSTUALLED 또는 ML 인 NET 많은 플러그 인을위한 INS 새로운 패키지를 자동으로 받으십시오 다른 것들 그래서 우리는 볼 것이다 설치됨

나는 내가 필요 없다고 생각한다 높은 플러그 인에서 우리가 정의 할거야 지금하십시오 그 밖의 것들 높은 접근 정책은 여기에 있습니다

과 너에게 보여주고 싶은 것은 또한 HOGWARTS이다 나는이 하나를 클릭 할 것이다 그래서 ML을 쓸 수있는 곳 NET, OUTER 내가 실제로 지키고있는 정책들 기차 및 그 다음 그때 우리는 높은 표본 표를 기본값으로 부름 또한 완성품을 누를 수 있습니다

클러스터와 함께 제공되는 테이블 다른 탭을 눌러보고 높은 표본 위에 이종 분류 인 작업 내가 할 수있는 것은 무엇이겠습니까? 다단 규정 및 회귀 일부 데이터를 마스킹하고 싶습니다 우리가 갖게 될 버전으로 나는 특정 사용자를 원하지 않는다 우리는 ML의 나머지를 가지고 있습니다 KIND OF OF DATA이 데이터를 보시기 바랍니다

나는 할 수있다 IN ML 그물 한 번 샘플을 실행 해보세요 내가 여기있는 것처럼 너에게 보여라

동일한 유사 데이터 세트 사용 그래서 나는 스파크 정책처럼 그것을 명명했다 우리가 사용했다 기본적으로 할 수있다 당신의 테이블이 있습니다 이 ML보기

NET OUTER BINARY 분류 테이블 내에있는 열 그런 다음 코드 이름 또는 이 사용자를위한 클라이언트 ID 및 폴더가 감정이 될 것입니다 이 사용자는 도메인 사용자입니다 모델 데이터 세트의 이름 가짜 행동 지시자의 사용자 레이블이있는 TSV입니다

IT 텍스트 파일입니다 나는 그것을 완화시킬 수 있어야한다 COLUMNS와 TABS 사이 마침내 데이터 저것과 같이 쉬운

그래서 지금 나는 라벨 열을 제공해야한다 여기에 와서 쿼리를 실행합니다 열이 란 이름입니다 내가 볼 수있는대로 로깅되었습니다 내가 미리보고 싶어? 나는 사용하고 싶다

ASHISH 데이터를 가지고 있습니다 목표 권리? 마침내 시간 너는 클라이언트 ID가 재확인되었다는 것을 본다 내가 찾고있는 것 같아

지금 다른 사용자가 여기 있습니다 더 나은 모델 이 경우 JUST에서 그리고 그녀의 이름은 앨리스입니다 당신이 할 수있는 한 15 초이므로 QUICK입니다 여기를 보아라 : 나는 그것을 조금만 만들어라

데모 하지만 너와 일할 때 더 크게 그럼이 사람은 앨리스 야 과 많은 사람들이 필요할지도 모릅니다 내가 봤던 정책에 따라 분 또는 시간

너는 그것을 볼 수있다 주의하지 마십시오 그녀는 모두 있었어 감동, 더 좋아 보인다 액세스 및 지금 앨리스가 실행 중입니다

알고리즘과 당신은 최고를 볼 수 있습니다 동일한 검색어, SELECT STAR FROM 아주 정확한 것은 87 년과 마침내였습니다 샘플 테이블과 지금하실 수 있습니다 당신은 5 개의 베스트와 함께 요약을 얻습니다 실제 데이터를 볼 수 있습니다 알고리즘,이 중 가장 좋은 것은 이 데이터는 데이터 레이크가 아닙니다

이 GS LOGISTIC 회귀의 경우 LB입니다 RAW 텍스트 파일은 더 많은 정보를 얻을 수 있습니다 생산 도구 그리고 지금 너 우리가 가지고있는 URL에이 메트릭스 칼럼 레벨 시큐리티를 수행 할 수 있습니다 이리 가장 중요하게 우리가 창출하고있다

사용자가 볼 수있는 조건 코드와 모델, 모델 파일의 데이터 그게 아주 귀엽다 훈련이 시작되었을 때 강한 그래서 이것은 작전을 비난합니다 교육을위한 코드

어떤 것 그리고 과정의 예상 미국 – 당신 어쩌면 어쩌면 분명하지 않을 수도 있습니다 알 잖아, 이걸 모두 검사 해 이전에 데모, 당신이 한 번 조각들 너를 보지 못하게 – 너 그 다음 저장할 수있는 모델 교육 수납 공간에 액세스하고 싶습니다 [불가분] 파일로

과 직접 어떻게 작동합니까? 방법 너는 네가 끝날 때부터 그걸 싣을거야 신원이 밝혀 졌는가? 사용자 신청서, 목재 신청서 등 짐을 싣기 위해 그래서 보자

ML 모델 도트 파일 및 그 다음 그거야 그래서 나는 AZURE에서보고 싶다 코드 코드는 비슷합니다 그것 저장 장치 탐 색기

여기 AZURE가 있습니다 여기에 생성했다 너는 볼 수있어 저장 장치 탐 색기 및 그 안에 이제 우리는이 폴더를 가지고 있습니다 나는 "테스트"라는 폴더를 가지고있다 새로운 소식입니다

그것은 시작과 함께 너 거기 볼 수있어 그리고 내가 본다면 TSV 이것은 창출되었다 우리 MANAGE ACCESS에서 가능한 한 클래스에 동일한 프로젝트가 있습니다 MICROSOFT 참조하십시오

COM에 액세스 교육을위한 도서관 및 코드 이 폴더에 하지만 보지 마라 시각적으로 똑같은 점수 그 안에 앨리스 그녀는 아무런 접근이 없었다 사진관

그것은 시각에 비 슷하다 폴더에 그래서,이 사용자, 스튜디오가 그 위에 갔다 이 경우 부끄럽지 않아요 CLI

우리는 일관되고 현실적입니다 클러스터 노드에서 그리고 난 검색 중이 야 똑같습니다 돌아 가자

클러스터 노드와 그곳으로 다음 섹션으로 정보 나는 명령을 할거야 지금은 나야 확장 및 생산으로 간다 ABFS는 여기에 용기가 있으며 그래서 우리는 당신이 어떻게 볼 수 있었는가? 나는 그 내용을 간파하고 싶다

모델 훈련, 어떻게 테스트 할 수 있습니까? 폴더와 그래서 나는 들어갔다 과 IT, 유효성 확인, 그러나 무엇에 대해 IT SAYS, 2 개의 기록이 발견되었습니다 당신은 보았다 이 사실을 귀하의 실제 의무로 언 U아하는 자에게 무언가가 접근했다 IN NET ALLEGATIONS 또는 HTL NET

저장 우리는 그것을 통과 할 수있었습니다 NET FRAMEWORK 및 NET CORE 그것 IT는 관심이 있습니다

앨리 앨리스 당신이 그것을 실행할 수있는 크루즈 플랫폼 그곳에는 아무런 허가도 없었습니다 WINDOWS LINUX 또는 MAC 이동하는 경우 테스트 폴더 및 히트를 탐색하려면 생산에있어, 그것은 단지에 대한 것이 아닙니다 들어가고 말해라 데이터 및 건물 준비하기 그녀는 허락을받지 못하기 때문에

또는 훈련은 또한 뛰기에 관한 것입니다 그래서 내가 너에게 할 수있는 말은 뭐니? 귀하의 신청서에 해당 모델 정당하게 THE PERMISSIONS를 설정하십시오 이게 맘에 들어요 데이터 호수 자체

그리고 당신은 사용자입니다 어떻게 최적화 할 수 있는가? 신원이 클러스터로부터 유출되다 ASP NET 응용 프로그램 실행 또는 그리고 그들은 존경을받을 것입니다 이 멀티 쓰레딩 또는 어떻게 포함시킬 수 있습니까? 당신이 처한 상황에 도움이된다 그 모델의 창조 여러 번 클러스터 설치 반대 우리는 CI / CD에 앙키 츠로 보았습니다 데이터 호수

사람들은 무엇을해야합니까? 파이프 라인 어떻게 자동화 할 수 있습니까? 그들은 기관에 서기를 권한다 너 한테 한가지 데모 해 줄까? 그래서 그게 좋은 부분입니다 ASV 네트워크에 모델 사용 가능 괜찮아 그래서 지금 우리는 2 가지를 샀어

신청 그래서 여기에 그리고 당신을 혼란에 빠뜨릴 수도 있습니다 내가 API를 가지고있는 해결책 지금은 2 권의 인증 엔진이 있습니다 우리는 잠깐 시간을 멈출 것이다

그 계획에 APACHE 레인저와 우리는 그 두 가지를 가지고 있습니다 다른 것 어떤 사람이 신청할 것인가? CLI가 정확하게 생성 함 그리고 언제 그래서 여기 당신을위한 테이블입니다

또는 시각적 인 스튜디오 그것은 모델이다 그렇다면 응용 프로그램에 대해 생각할 때 ZIP 파일이있는 프로젝트 레벨 액션 당신이하는 것처럼 그들이 보여준 데이터 클래스 데이터를 얻으려는 질문 나중에 우리가 단위 테스트를하고 있습니다

알았어 이 경우, 지금 나는 어떻게 할 수 있는지에 초점을 맞추고있다 높은 플러그 기어 또는 케이스 – 그들 이 모델의 ZIP 파일을 사용합니다 그곳에 저자가 되십시오 그래서 그건 기본적으로 세 가지 클래스가 있습니다

작품 하지만 너는 있니? 모델을 실행할 때 사용해야합니다 높은 테이블을 창조하고, 숨을들이 마십시오 하나는 I 변환 오류 모델, 너는 그 표제를 쓰되 표를 써라 그래서 저축이 저축됩니다

당신 너는 또한 위치 안에 위치를 진술한다 단일 톤 또는 [비 구분] 데이터가있는 곳 그래서 당신은 재사용 할 수있게되면 더 좋을 것입니다 구내에 위치 너의 다른 줄기로부터의 IT 저장 그 경우에 당신은해야합니다 신청

그것은 예측이다 두 곳 모두 허가를 받아야합니다 우리가 얘기 한 엔진 너는 레인저 또는 언더 그라운드에서 그것을 필요로한다 단일 프레디 크크 그것은 위협이 아닙니다

저장 그리고 만약 당신이 생각하면 저장 됨 당신은 그것을 특별한 용도로 사용해야합니다 당신이하고있는 SPARK DATA API 너가 복수를 할 때 길 – CSV 파일을 읽는 중입니다 끔찍한 신청

그게 뭐야? 저장 위치 및하지 않을 경우 나는 당신에게 API를 보여주고 싶습니다 당신 허가를 받으면 접근 할 수 있습니다 우편 번호를 복사 했어 거절 당했다 모든 시나리오에서 그렇다

모델을위한 파일 나는 데이터를 가지고있다 직접적으로 참고할 곳은 어디입니까? 독서 및 사용을위한 수업 스토리지에, 당신은 최소한 모델 우리는 무엇을 했는가? 보관소에서 허가를 받아야합니다 이것은 확장 가능한 방식으로, 당신은 사용합니다

수준 및 AT 허용 예측을위한 [불가피] 다르게 레인저 레벨 나는 그걸 어떻게 쓰는지에 대해 생각 해낸다 거기에있는 플러그 ALL RIGHT, ANY 너 그렇게 할 수있어 몇달 전에 질문이 있으십니까? 좋은 거래

면제 라이언 노박과 ASVI 팀에서 우리는이 부분들에 대해 많이 말하지 않습니다 가자 NET, VDOT NET 그러나 나는 우리가해야한다고 생각합니다 많은 사용 가능한 확장 패키지 일이 잘못 될 수 있습니다

권리? 그래서 같은 방법으로 사용할 수 있습니다 자, 너는 있단다 INSTANCE SIGNAL R 또는 [INDISCERNIBLE] 당신이 알고있는 시스템, 당신이 만든 뼈대 그럼 너는 할 수있다

매일 한 번씩 많은 클러스터 확장 성이 있습니다 IT는 최고입니다 너 어디서 비난 해? 쉬운 시작 클래스로 가라

위 아래로 내려 AT보고있는 경우 그리고 서비스를 구성하십시오 당신 클러스터는 A의 구성 요소입니다 함께 집을 등록해야합니다 AZURE 서비스의 번치

VM, 저장 장치, 우리가 주목 한 동일한 데이터 클래스들 당신이 그것을 사용하는 이름입니다 및 위에 모델을 만들 때 불러 오기 다중 오픈 소스 있음 그 (것)에게에 경로 인 파일 우리가 만든이 프레임 워크 STEEP FILE 우리가 그걸로 등록 했어 클러스터

일이 잘못 될 수 있습니다 만약 당신은 비슷한 것을 빨리 할 것입니다 구성 요소 중 하나 – IF 주입 사용 객체 가져 오기 예측 시스템에 많은 구성 요소가 있으므로, 그리고 그 (것)들을 가진과 잡아 당기기 및 차가운 계획 신뢰성은 최대입니다 HTTP에서 온 데이터

사례 대부분의 신뢰할 수없는 구성 요소 그게 다야 우리가 보내는 것을 보아라 아래로 오는 이유 SO 계정 이 데이터

ML NET은 굉장합니다 그것 FAILURES를 위해, 당신은이다 진실성에 대한 확신을 표하는 중이다 클러스터 생성 한 번에 한 번 그 문

움직여 그만큼 실패한 클러스터가 될 것입니다 데모 난 너와 함께 보여주고 싶어 올게 구현 및 재시도 API

다른 것은 CICD에 관한 것입니다 논리 수동 저울과 같습니다 및 개발 우리는 이걸 실행했다

위 아래로 내려 당신이 비례 할 때 당신이 생산하기를 원한다면 아래로, 그리고 가끔이 사태 일관된 코드를 유지하려면 상당히 그러니깐 특정 데이터와 함께 모델 로컬 데이터 그리고 너는 움츠 리다

당신이 창조를 기원 할 필요가 있다고 모든 길을 다시 맺어 라 귀하의 파이프 라인 모델의 나는 3 노드 또는 1 노드 클러스터, 오른쪽? 그걸로 데모 할거야 그리고 우리는 해독 중입니다 그래서 나는 그것을 빨리하려고 할 것이다

원래 NODE는 해독 될 것입니다 그만큼 나는 문제에서 시작하려고한다 하나는 당신이 아래로 및 로컬 확장 나는 약간의 숙취가있다 REMAINING에 데이터가 복제됩니다 Linux, WINDOWS의 응용 프로그램 웹 응용 프로그램 NODES

DRASTICALY SCALED 인 경우 API를 사용하고 싶은 곳 하나 노드 아래에 공간이 없을 수도 있습니다 내 친구들의 변화된 데이터 그리고 클러스터는 무언가를 얻을 수 있습니다 설정하고 GitHub로 전환 이름 모드가 안전한 모드로 이동합니다 직접 배포했다

알지 못합니다 어디에 AZURE 에의 시각적 인 스튜디오 인터넷 내 데이터 나는 패닉 상태이며, 거기에는 API가 작동 중입니다 이것은 당신의 URL입니다, 내가 본 몇 가지 단계 APP 서비스를 배포 중입니다

거기에서 벗어나기 위해 잘못된 너는 ML 인터넷이 보일거야 안전에 들어가는 이름 노드 굉장하지만 긍정적 인 9 월 방법 우리가하는 다른 것 선고는 거짓입니다 내가 말하면 너는 규모를 올리고 확장하고있다

음식은 불안정하다 비용을 절감하십시오 우리는 발표했다 틀린 것은 사실입니다 내가 간다

AUTOO SCALE 그래서 너는 떠나야 해 내 건물 파이프로 갈 수 있어요 귀하의 클러스터 확장 실행 데이터는 언제나처럼 보입니다 미국 및로드 또는 일정에 따라 달라질 수 있습니다

게시 됨 오류가 발생했습니다 우리는 클러스터를 축소 할 수 있습니다 그 여기 내가 볼 수있다 엄청난 스케일 우리는 안된다

통과하지 못한 검사 적어도 드디어 100에서 노드로 나는 이것을 고칠 수있다 내가 무엇을 할 것인가? 우리는 엄숙한 패션을합니다 내가가는 코드에서 설명 할 것입니다

그래서 우리는 그렇게 할 수 있습니다 과 제공함으로써 새로운 건물을 불러 오려면 내가 기초 자료를 원하거나 좋은 데이터 세트 그래서 나는 단지 오전 시간 기반 그리고 나서 말하면 이 데이터 세트 복사 중, RENAMING 시간베이스 그러면 우리는 스케줄 A를 사용한다 그것

그럼 나는 그것을 넣을거야 클러스터를 원할 때 특별한 시간 내가 데이터를 가지고있는 곳을 얻는다 아래로 스케일링하고 모니터하십시오 세트 DEMO, PUSH, GOOD DATA SET

이것은 많은 세제 옵션이기 때문에 지금 GitHub에있을거야 우리는 대단히 잘하고 있습니다 그리고 나는 계속해서 구성했다 그리고 너는 덜 문제가 될 것이다 통합 및 배치 그래서 지금 당신의 클러스터가 실행 중입니다

이 건물을 트위터로 이동하십시오 만약 스케일 업 및 나는 내 건축으로 돌아 간다 너는해야한다 축소 고장 함께 여기있어

여기에 시합이 있습니다 너는 클러스터를 만들려고 – 너무 많아 몇 가지 조치를 취할 것입니다 다른 구성 요소 및 구성 요소 몇 분 남았습니다 이 기간 동안 어느 시점에서든 내려갈 수 있습니다

내가 원하는 모든 것의 제일 먼저 일하고있다 RESIS SDIL에 내장되어 있습니다 – 시험에 관한 당신의 코드를 보여주기 위해 취업 규칙이 폐지되면 그것 흥미롭지 이 사건에서 아마도 더 많은 시간을 할애 할 것입니다 테스트 대상 유닛 테스트 노드가 내려 갔으므로 완료하십시오

모델 한 가지 시험은 당신을 할 수 있습니다 하지만 그 일은 그 일에 큰 영향을 미치지 않을 것입니다 이 시험을 여기에서 실행할 수 있습니다 하나의 시험 분배 시스템에서 단순한 테스트를 해봐야 할 것입니다

아래로 가세요 아시다시피, 진술, 부정적인 진술 틀린 방향으로 나아가는 것은 의미심장합니다 틀린 말로 나쁜 것 당신의 시스템으로 만들지 않을 것입니다 문장 또는 부정적인 문장 영향을받습니다

그러나 카스트로프틱 권리는 있습니다 이 같은 이 실패는 발생할 수 있습니다 저장 장치 영화 관람 예정입니다 또는 네트워크 장애가 발생할 수 있습니다

그래서 다른 하나는 틀릴 것입니다 재난 옵션을 계획하십시오 그곳에 다른 시험들도 더 흥미 진진합니다 너는 할 수있는 방법의 무리 다 나는 모델을로드하고있다

재해 복구 일부 자원이 있었어 표시된 계략과 같은 계시록 얻기 우리가 실험실을 걸어 다녔습니다 그리고 나는 이성을 지니고있다 그것을 설정하는 방법

그래서 자원 W80보다 높은 것은 아님 저기 있습니다 그들이 HBASE에 대한 검사를 통과하지 못했습니다 절절하다 HBASE 복제물 가져 오기 및 짓다 너는 또한 할 수있다 수출

그래서 이것은 본질적인 주제입니다 많은 기록을 남김 나는 단지 시간을 보낸다 여기에서 모든 것을 테스트하십시오 소개 – 그러나 나는 추천을한다 이것은 우리가 정확하게하는 일입니다

이 자료는 당신 자신을 만듭니다 건물 안에 나는 그것을 편집하고 싶어한다 그와 함께있는 가족 마지막으로 모니터링 중입니다

당신을 한꺼번에 보여줄 수있는 건물 모니터링에 관해 이야기하기 전에, 건물의 계단 당신은 또한 수 어떤 질문? >> 나는 질문이있다 내가 원하는 새야말로해라 회사 소개 – 그리고 그와 관련하여, 작업 대신 YAML에서 수행하십시오 우리가 이미 HDINSIGHT SET를 가지고 있다면 이리

LEMAHIEU는 (는) 지금 >> 그래서 질문 YAML하지만 다르게 표현하는 것이 더 낫습니다

업무 당신이 필요로하는 건물과 함께 교육 신청서 작성, 모델을 훈련시키고, 우리가 만든다 UNIT 테스트 프로젝트, UNITS 실행 생성 된 파일을 테스트하고 복사하십시오 신청서 작성과 함께 웹 API에 모델 우리가 만든 웹 API 및 마침내 게시 IT 파이프 라인 예술품

가능하다면 그것이 끝나면 가서 보아라 그것 이제 끝내고, 지금 당장 IT가 끝나고 지금은 얼마 안남았습니다 내가 갈 것이라고 두 번 볼거야 테스트를 참조하십시오 그런 다음 시동 및 트리거링 또한 릴리스

생성물 때문에 트리거됩니다 너는이 방출을 볼 수있다 지금 웹 API를 게시 함 내 스테이플 링 환경 두 가지 다른 AZURE APP 서비스 하나는 리눅스에, 하나는 WINDOWS에 있습니다 생산에 나가고 싶으면 나에게 묻는다 그러나이 경우에 나는 가지고 있어야한다

MANUAL APPROVAL 가는 중이다 잠시만 기다려주세요 그것이있는 동안 나는 너를 보여주고 싶다 릴리스 파이프 라인

너 할 수있어 웹에 배포하는 방법 리눅스와 윈도우 용 API 마침내, IT가 완성되면 보자 괜찮아 QA 생산에 이미 게시 됨 승인 참석 중입니다

그때 나는 새로 워진 다 너는 그것의 달리기를 볼 수있다 API 나는이 하나의 진실을 알고있다 게다가

지금은 ML에 대한 찬성 NET은 진정한 AZURE에서 실행됩니다 이 거짓말입니다 그게 다야 고맙습니다

[APPLAUSE] >> 우리는 A를 가졌습니다 많은 텍스트 및 숫자 데이터 유형 너는 이미 아주 좋아한다 함께 일하는 방법 호프 Pully 우리는 정보를 어떻게 추가 할 수 있는지 보았습니다 귀하의 신청서에

지금 나는 가고있다 우리가 미리보기를 어떻게 사용할 수 있는지 보여주기 위해 ML의 특징 INCORPORATE 할 NET 미리 깊이 파고 들었던 PMODELS 응용할 수 있도록 다른 데이터 유형과 같이 작업하려면 이미지 및 음성, 오디오 등 우리는 현재 복용을지지 할 수 있습니다 기저부 유출 물 흐름 모델 그리고 ONYX 모델들

그 녀석들 너는 깨닫지 못하는 너는 우리가 협력했던 오픈 소스 개시 자 포크스는 아마존, 인비디아, FACEBOOK 및 많은 하드웨어 제공 업체 INVIDEA 인텔과 다른 사람들처럼 CROSS 플랫폼 산업 표준 기차 기계 학습 모델 모든 기계 학습 모델 또는 픽처 리, 동부 표준시 CETERA, ONYX로 변환해야합니다 나는 너에게 보여줄 방법을 보여줄 것이다 PRETRAINED TENSER FLOW MODELS 및 MIX 모델을 사용하여 응용 프로그램에 적용하십시오 당신은 아마도 많은 예를 보았을 것입니다

깊은 학습을 어디서 사용 했습니까? 우리는 고전적인 모델을 사용합니다 웹상에서 간단하게 이용할 수 있습니다 다운로드 이 사람은 Yolo를 호출합니다 한번만보세요

그것은 객체이다 탐지 예제 나는 보여주고있다 여기 ASP에서 NET APP 및 SELECT 다른 이미지 및 IT 식별 내가 상자를 맺는 것처럼 결합 상자에있는 것의 가능성 그리고이 정도 확신할만한 수준 실례로 예복입니다

지금 나는 너를 실제로 보여줄 것이다 이쪽은 영상 스튜디오에서 제작하십시오 지금은 ANKIT와 CESAR가 보여준 것과 같습니다 우리가 시작하기 전에 ML 문맥 우리가 가지고있는 것조차도 사전 기계 학습 모델 이 경우에는 ONYX YOLO MODEL, 너는 할 시간이 길어

사전 처리 또는 변형 이를 통해 자료를 제출하기 전에 그 모델 SO ML NET NOT ONLY 교육 맞춤식 기계 학습 모델은 필수 사전 처리 이 딥을 사용하기 위해 필요한 단계 학습 모델 너 먼저 볼 수있어 텍스트를로드 한 것과 같은 이미지로드 시작하기 전에 모델에 맞추기 – 데이터를 예상했던 것과 일치시킵니다

깊은 학습 그래프는 NODE입니다 우리는 이미지의 크기를 조정하려고합니다 픽셀을 추출하고 ONYX 모델은 우리 중고품을 사용합니다 우리가 구한 동일한 예측 모델 간단히 취하는 전에 이미지 데이터 및 반환 결과 이 예측 엔진 완전 소개 모든 다른 준비 단계

이 출판물을 공유 할 수 있습니까? 새로운 물건 패키지와 같은이 다른 유형으로도 사용할 수 있습니다 AZ의 기능과 같은 APPS CETERA 나 또한 너에게 보여 줄게 자신 만의 비전을 훈련 시키십시오 모델

나는 뒤죽박죽 질 것이다 나는 이것을 닫았다 이 남자를 태워주세요 백업 그래서 너를 보여줄거야

무언가를 창조하는 것을 창조하는 방법 PRETRAINED를 사용하는 모델의 모델 TENSER FLOW 모델을 귀하가 원하는 항목에 대한 파이프 라인 프로세스 식료품 점 찾기 테니스 요령 모델은 매일 같이 좋아했습니다 자전거와 차들과 사람들과 물건 그것처럼 우리는 기법을 사용하여 호출 과외 학습 IT가 모두 차지한다

너가 배운 지식의 누군가 한 번 문맥 상으로 5 월을위한 모델 훈련 많은 일과 많은 일과 많은 일 DATA of 그걸 너의 계부로 사용해라 NET PIPELINE 및 TRAIN 다른 모델 너의 일에 특별하다 에서 이 경우 나는 한 뭉치를 사용했다 식료품에서 다른 데이터 때로는 그 모델을 훈련 시키십시오

좋은 평판 좋은과 때가 있습니다 이것처럼, 음, 모르겠다 IT가 소다인지 아닌지, 소다의 깡통 중 일부 소다의 유형은 많은 병을 보입니다 주니어가 모델을 얻을 수 있을지 모르겠다 약간은 혼란 스럽지만 그만한 가치가 있습니다

정확히 읽으십시오 이것은 하나의 정의이다 주스 이 사람은 커피, 케이크, 등등 이 기계를 훈련 시키려면 학습 모델, 우리가 할 일 우리는 여기저기서 에너지가 넘을 것입니다

우리가 SQL에서 로딩했을 때처럼 서버에 연결하기 전에 어떤 종류의 데이터 소스 로드를 사용하고 싶습니다 ENUMERABLE에서 이 경우 나는 모든 사람에게 나타납니다 우리가이 안에 들어있는 이미지들 다른 폴더 너도 볼 수있어

나는 클래스마다 하나의 폴더를 가지고있다 케이크, 수채화, 캔디, 시리얼, 동부 표준시, 등등 나는 훈련의 무리가있다 여기에있는 이미지 지금은 끝이야

오늘의 나는 여기에 있었다 나는 커피에 대해 생각하고 있습니다 이 우리의 새로운 훈련을위한 입력입니다 모델 이 부분을로드하려고합니다

쪽으로 IT를 통해 IT가 진행될 것입니다 이들 다시로드 될 것입니다 이미지, 수정, 추출 픽셀과 여기에 우리가있다

TENSEORFLOW 모델을로드합니다 그러면 우리는 추가 다중을 훈련하게 될 것입니다 CLASSSIFIER 위에 그 클래스 CLASSIFIER 템포 플로우의 출력을 사용하여 모델은이 분류 층에 입력하십시오 마침내 우리는 ZIP 파일은 당신이 전에 봤던 것처럼 우리가 이걸 실행할 때, 나는 싣았 어

단지 속도를 향한 시간의 흐름 목적 우리는 다시 ITERATE 오버 다른 모든 수업, PRINTOUT 이 중 하나를 각각 어떻게 샘플링 할 것인가? 수업 모델이 예측되지 않는다면 그 수업 중 하나는 물론, CESAR (선생님) 께서 당신을 초라하게 보여 주셨습니다 당신은 당신의 데이터를 붕괴시킬 필요가있을 것입니다, 귀하의 코드를 거부하지 마십시오 추가 할 수도 있습니다

하나의 추가 사진 더 많은 샘플을 얻으려면이 폴더 그 중 하나의 수업 그때 우리는 TENSORFLOW 모델을로드합니다 CLASSIFIER를 훈련시킨 후 출력 우편 번호 ANKIT처럼 보였습니다 당신은 선관위 선출을 앞두고 있습니다

METRICS, 품질 평가 점수 조심스럽게 실행 한 다음 실행합니다 점수를 받기위한 샘플 여기 또는 뒤쪽에서 명령 행 유니트는 당신이 전에 소중히 여기는 힘을 테스트합니다 게다가 그래서 우리는 한 움큼 이상을 ITERATE 테스트 폴더에있는이 이미지들 중 기차 폴더 대신 당신 테스트를 확실히하고 싶습니다

이미지는 커딩으로 모델링되었습니다 그렇지 않으면 너는 적합 할 것 같은 훈련 나쁜 결과를 초래할 모델 나는 이 사용 AZURE 개발을 게시 할 수 있습니다 그 경로를 따라 내려갔습니다 내가 원하는 약간의 세부 사항으로 이동하려면 다른 주제를 다룹니다 모델 설명력

이 내용 해석하기 기계 학습 모델이 유용 할 수 있습니다 교활한 당신이 많이 기뻐요 테스트 방법에 익숙하지 않은 가족 지원서 기계 검사 학습 모델은 매우 유용 할 수 있습니다

설명 누군가가 그 일을하는 방법 네가 소리를내는 길은 정당하다 트릭커 상당한 표준이있다 그 산업 분야의 기술 이걸 할 수있게 해줘 너 할 수있어

모델을 설명하고 디버그하지만 내가 아는 것보다 더 많이 중요하다 산업 분야에서 일하는 곳 규제 요구 사항 IT는 재무 또는 건강 관리 또는 선반 시간이 지나면 그들은 안할거야 생산에 선적하게하십시오 당신이 무언가를 털어 놓을 수 없다면 어떻게 작동하고 왜 작동하는지 설명하기 너는 좋다고 믿는다

추가 여기 마이크로 소프트에서 많이 사용합니다 시간과 에너지의 데이터 세트는 우리의 기계와 함께 사용합니다 학습 모델은 정당하지 않다 노출되지 않으므로 도구를 사용할 수 있습니다 이 자료를 발견하고 모델이 예측하는 이유를 이해하십시오

그것이하는 방법 너는 결정할 수있어 당신이 사용하는 특성이든간에 그 정보는 그 정보가 아니어야한다 IT는 나이, 성별 또는 많은 것입니다 모델이 실제로는 안된다

부적절한 계정으로 가져 가기 타임스 둘 중 하나를 통해 실행 세계적인 데이터 세트의 두 종류 또는 특정 예측에 대해서 ML을위한 다른 기술들입니다 NET이 숨어있는 것을 가능하게합니다 건강 관리의 예를 보려면 여기를 클릭하십시오 당신이 품질 평가 점수를받는다면 얼마나 건강한가, 너는 82 퍼센트의 건강이 있습니다

그들은 아마 내가 닮은 것 같아 부도, 뭐라구? 너는 원할거야 설명을 되 돌리는 방법 또한 여기에 특징이있다 너는 개선 할 수있다

이것이 왜 100 퍼센트가 아니라는 것을 예측했습니다 건강한 권리? 당신이 디버깅 할 때 모델, 너는 모두를 볼지도 모른다 이해할 수있는 데이터의 데이터 기능의 배포 그들의 상대적 중요성 그 모델 훈련 나는 가고있다

당신이 정확히 어떻게 할 수 있는지 보여주기 위해서 그걸 ML로해라 그물 그래서 나는 가지고있다 엄청난 팬이 되라 응용 프로그램을 즐겁게 나는 그렇지 않았다

잠시 동안 그랬다 하지만 당신은 할 수 있습니다 뉴욕시 택시를 사용하십시오 운임 데이터 세트 아주 간단합니다 이해할 수 있도록 설정된 데이터

대부분의 포크 전에 택시를 이용하십시오 그곳에 이 데이터에있는 데이터는 같은 길의 길이처럼 거리와 시간의 거리 그것이 현금이든 지불 한 사람 신용 카드 또는 기타 기능 잘 우리가 할 수있는 여행 기반에 테스트 데이터 설정 ANDITIER 불러 오기 다양한 기능에 대한 평가 이 특별한 모델에서 왜 그게 기분이 좋을지 예측 했어 10 달러 야 여행 거리가 컸다

이 중요한 관계의 중요성 다른 사람에게 이 중 일부는 여행과 같은 다양한 기능 시간과 경로의 차이점은 근본적으로 다릅니다 모두 중요합니다 가끔 이 특별한 여행에 잘 가라 여행 시간은 조금 더 많았습니다

주행 거리보다 나는 오직 할 수있다 누군가 CAB 드라이버를 가졌다 고 상상해보십시오 가고 기다리는 동안 기다려라 가방과 같은 것

그들 대기 수수료 부과 가지 마라 지금까지와 마찬가지로 그것은 교통이 어려웠을 것입니다 나도 몰라 각 개별 예측 당신은 이해를 얻을 수 있습니다 왜 그렇게했는지 그게했다

우리가해야 할 일 여기에있는 데이터는 우리가 가지고있는 것과 같습니다 우리가 짐을 싣기 전에 데이터 우리는 어떤 변형을 할 것입니다 한 번의 뜨거운 인코딩 및 표준화와 같은 우리가 훈련 할 때의 데이터 비트 우리가 할 수있는 모델은 하나의 마지막 것을 추가 할 수 있습니다 미래 공헌을 계산하려면 여기를 누르십시오

미래 공헌자 계산 설명은 무엇이겠습니까? 모델이 왜 그랬는지 그랬지 추가 때 우리는 이 모델 만 교육하면 안된다 특정 단계를 포함하지만 우리는 또한 실행할 수 있습니다 – 우리는 할 수 있습니다 테스트 데이터 세트를로드하십시오 우리는 할 수있다

어떻게 변신하는지 확인하십시오 데이터 한 번의 뜨거운 인코딩에 대해 이야기했습니다 그리고 NORMALIZATION 이것은 무엇인가 컴퓨터가 실제로 본다

이 개별 1 및 0 많은 즐거움이 있습니다 우리는 도표를 칠 수있다 관계의 종류를 나타내는 그 사이에 NET PREDICTED 실제적으로 얼마나 잘 수행되는지에 대한 것입니다 내 표가 오지 않아

이유 괜찮아 너는 보았다 예 수가 많아요 호프 Pully 당신이 이해하고있는 것을 어떻게 모형이 능력을 설명 할 수 있는가? 디버그를 통해 단계를 도와주세요

코드, 귀하의 모델 및 이해 설명 할 수있는 귀하의 데이터 그들이 신뢰해야하는 다른 사람들에게 그것 우리가 우리의 힘에서 어디로 갔는가? 여기에 슬라이드 괜찮아 아름다운 그래서 너를 고맙게 생각하고 싶다

그만큼 ML에 여섯 번 NET에서 0 1 마지막 1 오늘까지 지어지는 0 환상적인 환상 거기있다 다운로드의 전체 번치, 전체에서 커밋의 전체 뭉치 지역 사회에서 사람들의 무리

정말 환상적 이었어 너와 함께 모든 것을 만들어라 기계 학습 모형 프레임 워크 FOR NET 개발자 거기있다 그것을 사용하는 고객의 수 생산 오늘날 훌륭한 결과를 얻으십시오

IT를 쉽고 간편하게 만들 수 있습니다 그들의 기계 학습 그물 AZURE와 같은 응용 프로그램 NET 응용 프로그램 자동화 기계 호화로운 학습 능력 배우기 너를 시작하게하는 큰 방법이다

우리 모두가 좋아해요 고객 나는 이것을 알지 못한다 기계 학습 스터프가 최고 일 수 있습니다 교활한

공구는 MHELP를 사용해야합니다 더 편하게하십시오 우리는 가고있다 정기적 인 선적을 계속하십시오 우리의 지속적인 개선을 위해 우리가 지금까지 말했던 능력 모델 제작자와 같은 사람들 중 일부 자동 기계 학습 스터프 (AUTOMATED MACHINE LEARNING STUFF) 미리보기 권리가 있습니다 우리는 그것을 향상시키고 그것을 얻으려고 노력하십시오

조지아 우리는 귀하의 피드백을 신속하게 원합니다 가능한 한 오늘 나가보십시오 우리는 기차를 편하게 만들 것입니다

AZURE에서 IT 지원 및 지원 기계의 새로운 유형의 작업을 위해 배우기 우리는 당신의 시나리오를 듣고 싶다 정확히 우리가해야 할 것을 제시하기 위해 누출의 다음 세트에 포함됩니다 오늘 시작하십시오 NET / MR

우리가 도와 줄 부두로 나가라 너는 너를 달성하는 방법을 설명한다 기계 학습 목표 행복 코딩 YA'LL을 정말로 추천합니다

오늘 밤 늦게까지 거기에 머물러 라 나는 앙키와 세사를 고맙게 여기고 싶다 잘된 시간 IT가되었다 환상적인 모든 작업 계속 진행하기

[박수 갈채]

Boosting Machine Learning Tutorial | Adaptive Boosting, Gradient Boosting, XGBoost | Edureka

헤아릴 수 없을만큼 많은 양의 데이터를 생성하고 있으므로 더 진보되고 복잡한 기계 학습 기술을 개발하십시오 부스팅 기계 학습은 복잡한 문제를 해결하는 데 사용할 수있는 기술 중 하나입니다

안녕하세요, 저는 모두 에드 레카 (Edureka)의 줄 라카이 (Zulaikha)입니다 이 세션에서 기계 학습을 향상시키는 것을 환영합니다 오늘 의제를 통해 우리가 세션을 시작할 것입니다 왜 부스팅이 사용되었는지 이해하면 정확히 무엇을 이해할 수 있을까요? 기계 학습의 수단을 강화하면 우리는 계속해서 알고리즘이 작동하고 마침내 다양한 ​​유형의 부스팅에 대해 논의 할 것입니다 적응 형 증폭, 그라디언트 증폭 및 XGBoost가 포함됩니다

파이썬에서 실제 구현을 살펴봄으로써 세션 기계 학습 알고리즘을 향상시키는 것이 어떻게 컴퓨터 학습 알고리즘을 향상시키는 데 사용될 수 있는지 이해합니다 모델의 정확성은 내가 더 이상 움직이지 않기 전에 당신이 구독하는지 확인하십시오 가장 인기있는 트렌드 이상으로 업데이트 된 상태를 유지하려면 Edureka youtube 채널로 기술은 이제 우리의 첫 번째 주제를 살펴 보겠습니다 내가 무엇인지 말해주기 전에 부스터 머신 학습 기술을 사용합니다 무엇이 기계 학습을 향상시켜야하는지 이해하도록하자

복잡한 첨단 기술을 필요로하는 복잡하고 복잡한 문제를 해결하십시오 이제 고양이와 개를 포함하는 이미지의 데이터 세트가 주어 졌다고 가정 해 봅시다 이러한 이미지를 분류 할 수있는 기계 학습 모델을 작성하도록 요청받습니다 다른 두 사람과 같은 두 개의 클래스로 나눠서 시작합니다 몇 가지 규칙을 사용하여 이미지를 식별하면 이미지에 포인트가 있다고 가정 해 봅시다

이미지에 포인트 귀가있는 경우 규칙이 적용됩니다 그렇다면 바로 고양이입니다 마찬가지로 이미지에 cat이라는 다른 규칙을 만들었다 고 가정 해 봅시다 다시 고양이를 의미하는 모양의 조명 이제 이미지가 더 큰 사지를 가지고 있다면 그것은 강아지이고 이미지가 있다면 날카롭게 한 발톱 그 때 심상에는 더 넓은 입이있는 경우에 유사하게 고양이이다 구조 다음에는 개들이 이제 우리가 정의하는 몇 가지 규칙입니다

이 규칙 중 하나를 사용하여 고양이인지 개인지를 식별하기 위해 그것을 이해하지 못하는 이미지를 분류하라 좋아, 고양이가 다른 품종과 그것보다 큰 다리가 있고 당신은 입력 이미지를주고 규칙은 이미지가 더 큰 팔다를 가지고 있다고보고있다 이미지에 개별적으로 적용되는 규칙은 당신에게 정확한 결과 바로이 모든 규칙을 적용하고 이미지가 제대로 표시되는지 확인해야합니다 이러한 모든 규칙을 통해 결과를 예측하여 규칙은 개별적으로 약한 학습자라고 부릅니다 고양이 나 개로 이미지를 분류 할만큼 충분히 강함

말하자면 이미지를 고양이 나 개로 분류하는 규칙을 하나만 사용하면 당신의 예측은 대부분 잘못 될 것입니다 고양이 나 개로 이미지를 분류하고 분류하여 확인하십시오 우리의 예측은 더 정확합니다 이 약한 학습자는 다수 규칙 또는 가중 평균을 사용하고 위의 예에서 강력한 학습자 모델이 무엇인지 정확히 알 수 있습니다 우리는 약한 학습자 5 명을 정의했으며 이러한 규칙의 대부분은 우리에게 우리의 최종 결과가 고양이 인 이유는 이미지가 고양이라는 예측입니다

바로 여기에서 세 가지 규칙이 이미지를 고양이로 분류한다는 것을 알 수 있습니다 두 마리가 개로 분류되어 대다수가 고양이라고 말합니다 우리는 고양이와 함께 갈 것입니다 이것은 강력한 학습자 모듈이 바로 그것입니다 모든 약한 학습자를 결합하여 더 정확하고 더 많은 것을 제공하십시오

정확한 예측이 이제 정확히 무엇이 부스트되고 있는지에 대한 질문을하게됩니다 부스팅 (boosting)은 기계 집합을 사용하는 예제 학습 기법입니다 약한 학습자를 강하게 변환하거나 결합하기 위해 학습 알고리즘 학습자는 모델의 정확성을 높이기 위해 그래서 부스트를 늘리는 것은 실제로 효과적인 방법입니다 위에서 본 대부분의 대회에서 모델의 효율성 Kaggle 또는 모든 기계 학습 경쟁 최대 승자가 일반적으로 컴퓨터를 보강하고 짐을 싣고 다니는 것을 알고 있습니다 또는 무엇이 모르는 당신을 위해 지금 다른 어떤 매춘부 학습 기술 초보자 학습은 걱정하지 않아도됩니다

다음 줄에서 다루겠습니다 우리가 얻은 결과물이나 예측을 결합하여 그림에서 볼 수 있습니다 강력한 학습자를 얻으려면 모든 차량 소유자 또는 우리의 규칙에서 그래서 이것은 지금 증폭의 기본 원리입니다 ensamble 학습은 Semba 학습은 기본적으로 모델 성능과 정확성을 높이십시오 이것이 바로 샘플 내에서의 이유입니다

방법은 Netflix와 같은 시장을 선도하는 경쟁에서 이기기 위해 사용됩니다 추천 경쟁 및 기타 Kaggle 대회는 최대 귀하의 승자는 항상 아래의 ensamble 학습 모델을 구현할 것입니다 ensamble 학습 우리는 순차적 인 두 가지 유형과 기호와 병렬을 가지고있다 당신이 혼란에 빠지기 전에 남자들이 기호를 사용하여 배가 부 풀리기 및 배깅을 학습하는 형식의 두 가지 유형입니다 당신이 ensamble 학습을 수행 할 수 있도록 첫 번째 유형의 모델이 순차적 인 ensamble 모델은 여기에서 boosting으로 널리 알려져있다

약한 학습자는 훈련 단계에서 순차적으로 생산된다 모델의 성능은 이전 베타에 더 높은 베타를 할당함으로써 향상됩니다 샘플을 잘못 분류하면 부스팅의 예가 적응 형입니다 증폭 및 샘플링 알고리즘에서 증폭 알고리즘 전체 데이터를 알고리즘에 설정하면 알고리즘이 예측을 통해 알고리즘이 일부 데이터를 잘못 분류했다고 가정 해 봅시다 당신이 잘못 분류 된 데이터에 더 많은 관심을 기울이는 것이죠

포인트는 당신이 우리의 대기 시간을 늘려서 그러므로 당신이 그것을 많이 지적한 것입니다 이 일을 계속하는 잘못 분류 된 값에 더 많은 중요성이 부여됩니다 잘못 예측 한 샘플이나 잘못 분류 된 샘플이 올 때까지 예측 된 권리는 모델의 효율성을 높이는 방법입니다 평행 학습으로 알려진 무언가를 가지며 또한 표본 추출법을 포기라고도합니다 귀하의 주 학습자는 평행하게 산출됩니다 교육 단계에서 모델의 성능은 다음과 같이 될 수 있습니다

부트 스트랩 된 데이터에 대해 약한 학습자를 평행하게 교육하여 증가 배깅의 예를 설정하면 무작위로 포리스트 알고리즘을 사용할 수 있습니다 백킹 작업은 데이터 세트를 다른 부트 스트랩 데이터 세트로 나누는 것입니다 당신은 약한 학습자 또는 각 데이터 집합에 알고리즘을 실행하고 있습니다 귀하의 외륜이 내가이 모든 일을하는 반면 순차적으로 잘못 분류 된 것에 따라 가중치를 업데이트하는 것과 함께이 작업을 수행합니다 샘플이 맞습니다

이것은 정확히 ensamble 학습이 무엇인지에 대한 것입니다 정확히 짐 챙기기와 부스팅이 옳다는 것과 명확한 구별이 있습니다 이 둘 사이에는 실제로 가장 자주 묻는 질문 중 하나입니다 기계 학습에 대한 인터뷰를 위해 항상 질문을합니다 배깅과 부스팅이 정확히 무엇인지 물어 본다

그래서 두 사람의 차이점을 이해했는지 확인하십시오 계속 나아가 내가 언급 한 것처럼 부스팅 알고리즘이 어떻게 작동하는지 이해합니다 기본 원칙은 여러 주 학습자를 생성하고 예측이 하나의 강력한 규칙을 형성하게 된 지금이 큰 학습자는 서로 다른 분포의 기본 기계 학습 알고리즘 적용 데이터 세트는 이제 기본 학습 알고리즘이 일반적으로 결정 트리입니다 부스팅 알고리즘에서 기본값이므로이 학습자가하는 일은 생성됩니다 각 반복마다 약한 규칙이 있으므로 반복 횟수가 많으면 약한 학습자 결합되어 더 많은 것을 예측할 수있는 강력한 학습자를 형성합니다

정확한 결과 그래서 당신이 데이터에 대해 이것을 고려하여 단계적으로 설명하게합시다 여기에 두 가지 유형의 데이터가 있습니다 서클을 가지고 있으므로 기본적으로 최종 목표는 두 가지 다른 유형으로 분류하는 것입니다 수업이 이제 정확히 당신이하는 방법입니다 그래서 시작하는 방법은 기본입니다 알고리즘은 데이터를 읽고 모든 데이터에 동일한 임금을 할당합니다 그래서 우리는 데이터를 분석하려고 노력할 것입니다 결정 그루터기 결정 그루터기는 기본적으로 단일 데이터 포인트를 이후에 분류하려고하는 레벨 결정 트리 시도 할 클래스의 모든 점에 동일한 가중치를 지정합니다

결정 그루터기를 그릴 수있는 첫 번째 이미지에서 바로 그루터기를 그립니다 그 다음에는 거짓 예측을 확인하고 다음 단계는 다음과 같습니다 기본 학습자는 그렇게 한 모든 잘못된 예측을 식별합니다 다음 반복은 당신이하는 일은 이들에게 더 높은 체중 연령을 할당하는 것입니다 첫 번째 이미지에서 잘못 분류 된 샘플이 두 이미지를 성공적으로 분리했습니다

맞다 그러나 다른쪽에는 세 개의 다른 사각형이있다 이 세 사각형을 잘못 분류 했으므로 다음 반복에서 이미지를 보면 세 개의 사각형에 높은 베타 jazzing이 있음을 보여줍니다 이미지의 크기를 늘리면 bhadiya 다음 수화 페이지가 증가합니다 마찬가지로 잘못 분류 된 샘플에서 기본적으로 당신은 더 많은 것을 지불 할 것입니다

잘못 분류 된 샘플에주의를 기울여서 대기 시간을 늘려야합니다 그 샘플이 정확하게 분류되어 있는지 확인해야합니다 다음 반복 너무 말했듯이 당신은 두 단계를 반복합니다 모든 잘못 될 때까지 잘못 분류 된 샘플의 무게 연령을 증가시킵니다 샘플은 정확하게 분류되어 있으므로 여기의 다이어그램을 살펴보십시오

올바르게 분류되어 있습니다 우리는 원 세트가있는 사각형 세트를 가지고 있습니다 그래서 정확히 부스팅 알고리즘이 작동하는 방식입니다 부스트 유형에는 주로 3 가지 부양책이 있습니다 그래디언트 boosting과 xg boost를 향상 시켜서 각각에 대해 논의 할 것입니다

브리핑이 내가 이전 선에서 당신에게 설명했던 것입니다 몇 명의 약자를 하나의 강점으로 결합하여 구현됩니다 이 적응 부스팅 알고리즘이 적응하는 두 단계 모든 데이터 포인트에 동일한 웨이트 엣지를 지정하여 부스팅이 시작됩니다 다음 단계는 단일 입력 기능에 대한 결정 그루터기를 그립니다 첫 번째 결정 그루터기에서 얻은 결과가 분석되고, 관측치가 잘못 분류되면 더 높은 가중치가 정확하게 할당됩니다

이전 슬라이드에도 설명되어 있으므로 새로운 결정 그루터기는 높은 가중치를 가진 관측치를 더 중요한 데이터 포인트가 오 분류 되었더라도 다음 단계에서 더 높은 가중치를 주면 다른 결정 그루터기가 그려집니다 데이터 포인트를 더 중요하게 분류하여 데이터 포인트를 분류 잘못 분류 된 관측치가 있으면 체중 연령이 다시 높아진다 그들은 더 높은 무게가 주어지고이 과정은 계속 될 것입니다 모든 관찰이 올바른 수업에 들어갈 때까지 반복을 계속한다 그래서 끝이다 목표는 모든 데이터 요소가 올바른 클래스 적응 형 부스팅 또는 부스트 추가 또한 회귀에 사용될 수 있습니다

문제는 분류에만 국한되지 않고 분류와 회귀는 모두 그렇지만 더 일반적으로 분류 문제가 있었으므로 이제는 적응 부스팅에 대한 간단한 설명을 드리겠습니다 그래디언트 부스팅을 이해하면 그래디언트 부스팅도 순차를 기반으로합니다 여기서 모델을 학습하는 기호는 기본 학습자가 현재의 학습자가 항상 존재하는 방식으로 순차적으로 e를 생성했다 이전 모델보다 효과적입니다 기본적으로 전체 모델이 향상됩니다

순차 e를 반복 할 때마다이 유형의 부스팅의 차이점은 다음과 같습니다 잘못 분류 된 결과에 대한 가중치가 증가하지 않는 경우 잘못 분류 된 결과에 가중치를 그라디언트를 높이는 것은 당신이하는 일의 손실 기능을 최적화하려고 시도하는 것입니다 약한 학습자를 추가하는 새로운 적응 모델을 추가하여 이전 학습자 손실 함수를 줄이기 위해 여기에서 주요 아이디어는 이전 학습자의 예측에서 오류가 발생했습니다 이제 이러한 유형의 부스팅이 있습니다 세 가지 주요 구성 요소는 손실 함수 손실 함수 최적화되어야하는 것을 의미합니다

오류 다른 요소는 약한 학습자가 컴퓨팅에 필요하다는 것입니다 예측을하고 강력한 학습자를 형성하면 추가 모델이 필요합니다 손실 기능을 규칙 화하여 손실을 수정하려고합니다 또는 지난 주 학습자의 오류 맞아요 그래서 당신은 손실 함수를 정규화 할 모델을 계속 추가합니다

이전의 학습자는 적응 형 부스트 그라디언트 증폭과 마찬가지로 분류와 회귀 문제 모두에 대해서도 사용하자 XG 부스트는 이제 XG 부스트의 마지막 유형입니다 말 그대로 그라디언트를 높이는 고급 버전은 극단적 인 그라디언트를 의미합니다 XG 부스팅이 실제로 분산 된 범주에 속하는 경우 기계 학습 커뮤니티 괜찮아요 그라데이션의 고급 버전입니다

부스팅 방법이 알고리즘의 주요 목표는 속도를 높이고 경쟁에서의 효율성을 높이고 모델에서 벗어나십시오 성능 때문에이 모델이 도입 된 이유는 그라디언트 부스팅 알고리즘은 출력을 매우 느린 속도로 계산하고있었습니다 데이터 세트를 순차적으로 분석하면 시간이 오래 걸립니다 그것이 XG boost가 도입 된 이유입니다 모델의 성능이 SG 부스트로 인해 주로 속도에 집중할 것입니다

그리고 당신의 모델 효율을 위해서는 몇 가지 기능이 있습니다 Parallelly Decision Tree를 생성하여 병렬 처리를 지원합니다 순차적 모델링은 이것으로 구현됩니다 크고 복잡한 모든 것을 평가하기위한 분산 컴퓨팅 방법 모듈은 또한 거대한 컴퓨팅을 분석하기 위해 코어 컴퓨팅을 사용합니다 최적의 사용을 위해 kashchei 최적화를 구현하는 다양한 데이터 세트 하드웨어와 리소스에 대한 전반적인 정보가 여러 가지 유형의 부스팅 알고리즘이 이제 상황을 조금만 만듭니다 더 재미있는 전에 실용적인 구현 짧은 면책 조항을 실행하자 데모를 시작하려면 Python을 사용하여 데모를 실행하십시오

if 당신은 파이썬을 모릅니다 설명 상자에 두 개의 링크를 남깁니다 당신은 그 링크를 통해 가서 어쩌면 다시 와서이 비디오를 볼 수 있습니다 이제이 데모에서 정확히 무엇을 할 것인지 이해해 보겠습니다 진술은 버섯 데이터를 연구하고 버섯을 독성 또는 식용으로 분류하여 버섯의 특징에 따라 버섯 데이터 세트가 주어집니다

해야 할 일은이 버섯 중 어느 것이 식용인지 이해해야한다는 것입니다 그것은 유독하다 그래서이 데이터 세트는 기본적으로 23 가지 다른 버섯을 가지고있다 종과 한 종은 식용 버섯 또는 비 식용으로 분류됩니다 먹을 수있는 것들 말이 맞아요

그래서 여기 다시 논리는 기계를 만드는 것입니다 부스팅 알고리즘 중 하나를 사용하여 모델을 예측하여 예측 버섯이 먹을 수 있는지 여부에 관계없이 코드를 빨리 열어 보겠습니다 모두들 모두 콘솔을 볼 수 있기를 바랍니다 그래서 우리는 그때까지만 실행이 기다릴 것입니다 다른 데모와 마찬가지로 코드를 작성하면 필요한 것을 가져 오기 시작합니다

패키지는 이제 파이썬에서 가장 좋은 점은 inbuilt 패키지와 라이브러리를 사용하면 복잡한 프로세스를 구현할 수 있습니다 이 라이브러리를 가져와야 만 제가 여기서하고있는 일을 정확히 수행 할 수 있습니다 그 후 데이터 집합으로 알려진 변수에 데이터 집합을로드하는 중입니다 기본적으로 이것은 내 데이터 집합입니다이 위치에 저장됩니다

나는 그것을 읽고 그것을 수행 할 것이고이 변수에 그것을 저장하고있다 여기서 데이터 처리는 우리의 데이터 세트에서 열 이름을 정의 할 것입니다 열 이름이 정의되어 있지 않으며 여기에 모든 열 이름을 정의하고 있습니다 그런 다음 실행중인 데이터 세트에 이러한 열 이름을 할당합니다 이 인쇄 데이터는 우리의 모든 기능을 볼 수 있도록 정보를 설정하므로이 데이터가 우리의 데이터입니다

열에는 23 개의 변수가 있습니다 어느 변수가 당신의 목표 변수인지에 따라 목표 변수가 우리가 예측하려고하는 출력 변수와 나머지 변수들 bruce의 모자 색 캡 표면은 모두 예측 변수입니다 우리는 데이터로부터이 목표 변수를 떨어 뜨릴 것입니다 우리가 이것을 예측하려고하기 때문에 우리는 가치를 예측하려고 노력하고 있습니다 이 타겟 변수의 값을 반환합니다

그 차량을 예측하기 위해 우리의 Y는 우리의 목표 변수를 포함 할 것입니다 이제 목표 변수를 포함하지 않습니다 Y는 기본적으로 모델 사람들이 내가이 모든 것이 옳다는 것을 모두 알고 있기를 바랍니다 나는 가지 않습니다 이것이 기본 기계 학습이기 때문에 이것에 심층적 인 연구가 필요합니다 당신은 기계 학습에 대해 좋은 생각을 가지고있을 것입니다

머신 학습은 데이터 스 플라이 싱 (data splicing)으로 알려진 것을 수행하고 있습니다 기본적으로 데이터 세트를 교육 및 테스트 데이터 세트로 분할합니다 이 변수는 테스트 데이터 세트의 크기를 정의하므로 30 %가 할당됩니다 테스트를 위해 여기에 70 %가 훈련을 위해 할당되었습니다 결정 트리 분류기를 기초 추정기 권한으로 사용하여 모델 기본 추정기는 기본적으로 당신의 약한 법칙이고 여기서 우리는 엔트로피 방법을 사용하고 있습니다

경로 차량에 가장 적합한 속성을 찾기 위해 이 함수 adaboost 분류자를 호출하기위한 의사 결정 트리는 다음과 같습니다 기본적으로 똑같은 일을 할 수있는 inbuilt 함수는 boostising 분류가해야하고 세 가지 중요한 매개 변수는 당신이 이 함수 기반 추정기를 통해 n 개의 추정기 및 학습률 귀하의 기본 견적가는 기본적으로 당신은 약한 학습자이며, 기본적으로 약한 학습자는 항상 의사 결정 나무입니다 그래서 우리가하고있는 것은 다음과 같습니다 결정 트리를 저장 한 모델에서 변수 모델을 여기에 전달합니다 분류 자 다음에 n 개의 추정자를 강조하므로이 필드는 우리가 바로 사용하려고하는 기반 학습자의 수 우리 모델에 우리가 가지고있는 주 학습자 수는 400 명입니다

다음으로 우리는 학습률을 학습 속도로 지정합니다 우리는 하나의 기본값으로 설정 한 코스 다음에 필요하지 않은 라인을 지우겠습니다 우리 모델을 평가하고 여기에 우리의 모델을 테스트 데이터를 다음에 제공 할 때 값을 예측하는 방법 우리가 예측치를 실제 가치와 비교했을 때 100 %의 정확도를 얻으면 여기서 정확도가 100 %임을 알 수 있습니다 부스팅 머신을 사용할 때 이것이 예상된다는 것을 알고 있기 때문에 완벽합니다 시도 할 경우 학습 기계를 사용하는 대신 학습 알고리즘을 배우십시오

의사 결정 나무와 같은 약한 학습자 모델을 사용하면 정확도가 향상됩니다 백 퍼센트가되지 마라 항상 다른 문제가있다 특히 의사 결정 트리가 넘치는 상황이 발생할 수 있으므로 귀하의 모델이 정확성을 높이기 위해 부스터 기계 학습을 사용하는 것입니다 정확히 내가 알고 싶었던 알고리즘은 기술을 사용하면 모델의 정확성을 높이고 우리는 오늘 회의가 끝날 때까지이 문제에 관해 의문이 생기면 세션을 누른 다음 댓글 섹션에 남겨 둘 수 있습니다

그리고 다음 번에 행복하게 배울 때까지 나는 이 비디오를 듣고 즐거웠 으면 좋겠다 의심과 검색어에 대해 의견을 말할 수 있으며 가장 초기의 플레이어는 우리의 재생 목록에서 더 많은 동영상을 찾아보고 Edureka를 구독합니다 채널을 통해 더 많은 것을 배우고 행복하게 배울 수 있습니다

CXC Ecoverse: Machine Learning? It's not that easy. Neil Sahota Interview, pt. 3

TIM : 인공 지능은 "기계 하는 것으로 배웁니다 " NEIL : 그것은 한 조각입니다, 네

B, 또는 두 번째 작품의 능력 자연어를 이해하는 것 우리가 어떻게 이야기하는지 생각해보고, 속어, 숙어, 특수 용어 항상 다양한 종류의 것들 내가 너에게 말해 준다면, 팀, 나는 푸른 느낌이 든다 고양이와 개가 비가 내리고있어

내가 무슨 말하는지 알지? 내가 기계를 말하면, 기계는 무엇을 생각 하는가? 권리? 나는 육체적으로 푸른 색이야? 작은 동물들이 하늘에서 떨어지고 있습니까? 내 말은, 그건 계산하지 않는 거지, 그렇지? 그러나 AI는 그것을 이해합니다 그들은 상황을 그려 내려고합니다 대화에서 그들은 모든 것을 리터럴 또는 키워드로 그들은 그것을 찾고 있습니다

알다시피, 전반적인 문법, 문법, 의도, 문맥을 얻을 수 있습니다 TIM : 그리고 기계가 이것을 할 수 있다고 말하는 것입니까? 기계가 이것을 할 수 있습니다 그것은 큰 도전이었습니다 실제로, 위험을 무릅 쓰고 많은 사람들이 말했다

"글쎄, 오 답변을 찾아 볼 수 없을까요? 그것은 큰 검색 엔진과 같습니다 " 그들이 말하는 방식을 생각하는 것과 같습니다 위험에 대해 생각해, 그렇지? 그들은 당신에게 대답을주고, 당신은해야합니다 질문을 찾아라 그것은 훨씬 더 복잡합니다

우리가 당연하게 생각하는 동안 이런 식으로 말하면 컴퓨터가 대단히 어렵습니다 자연 언어 처리는 기본적으로 우리가 지금 말하고있는 것처럼 원시 입력은 기계가 전달되는 내용을 이해합니다 핵심 단어를 넘어, "알았어, 문법적으로 구조가 뭐니? 여기에서 중요한 운전자는 무엇입니까? 전에 말한 것은 무엇입니까? 무슨 상처가 뒤따라 왔니? " 단어 자체를 넘어 정보를 그려야합니다 우리, 인간에 관해서, 우리의 의사 소통의 90 %는 실제로 비언어적이다 우리가 선택한 단어에 대한 것들이 있습니다

우리의 목소리는 실제로 의미를 전달합니다 기계는 그것을 알아 내려고 시도해야합니다 맞아, 그건 아니야 그렇지 않아 그것에 두 번째 자연

(금속 clang) (금속 whooshing) (금속 whooshing) (우싱) (전자 줌 노이즈) (뒤집기 우싱)

'방구석 1열' 장재현 감독 "'사바하'의 모티브는 마태복음 2장 16절"

[스포츠 조선 조윤선 기자] 장재현 감독이 직접 영화를 읽으면서 비하인드 스토리를 직접 만지기 21 일 (금) 방송 된 JTBC '방구석 1 열'은 오컬트 영화 특집이었다

이날 띵작 매치 코너 '사바하'와 '유전을 다룬다 '검은 사제들'과 '사바하'를 대표하는 한국인을 대표하는 총재 장성 감독과 인문학 조연연 작가는 게스트 출출을 요구한다 최근 진행된 '방구석 1 열'의 기록에서 장쩌민현 감독은 "마태 복음 2 장 16 절의 영화를 썼다 '사바하'는 제작 된 계기를 공개했다 이어 씨네 21 주성철 편집장은 "영화 속 박 사 (이정재)의 명사" '신이여! 어디 계시나 까? "감독님의 모습과 닮아지지 않았습니까?" 조선 연예인은 '사바호'에 대해 '동양 철학과 예술가의 문을 자아 내게 요구한다

' JTBC 인문학 X 영화 토크쇼 '방구석 1 열'오컬트 영화 특집은 21 일 (금) 저녁 6시 3 분에 방송한다 supremez @ sports hosuncom ▲ 일본 최고급 '금장 풀 섹트'75 % 할인 '50 만원 '대구 ▲ 허경환 ♥ 김가영, 실제 데이트 장소 포착'밀착 데이트 '▲ 한혜진, 역대 급 올 블랙 누드 "2 전제 몸매 관리 하더니 "▲ 35 살 연하과 불도 '영화 감독 근황 입양 딸과 데이트 ▲ 한혜진, 누드 촬영 현장 전격 공개 "두피에서 귓속에 "

Data sets for Data Science and Machine Learning | Data Science Tutorial | ZaranTech

헤이 안녕 얘들 아 안녕하세요, 당신이 내 말을들을 수 있기를 바랍니다 화면 이 끝내는 알았어

이 세션에서 우리는 이야기 할거야 기계 학습 및 데이터 과학에 대한 데이터 세트에 대해 모두 괜찮은 vinod 네가 할 수없는 모든 사람들에게 똑같은 말을들을 수 없다고한다 내 말을 들으면 내가 뭘 알 겠어? 감사합니다 음 데이터 세트를 보시라

데이터 과학 및 기계에 관해서 정말 정말로 중요합니다 실제로 특정 데이터 과학을 찾기 란 매우 어렵습니다 실험이나 실험을 할 수있는 다양한 기계 학습 문제에 사용 하나의 데이터 세트를 가져올 수 없으며 모든 분류 플러스 스트링과 회귀는 매우 어렵 기 때문에 일부 데이터 세트를 제공하지 않았습니다 실험을위한 데이터 세트 만 포함되었을뿐 아니라 종류의 설명 사용 예를 알고 있고 코드를 사용하지 않았습니다 여기에 우리는이 데이터 세트가 할 수없는 것에 대한 설명을주었습니다

기계 학습에서 연습하는 동안 데이터 세트를 선택하는 것은 실제로 중요한 사람들은 네가 어떤 데이터 세트라도 가질 수 있다는 것을 알지 못한다 너 자신을 위해 너를 위해 할 일이 무엇인지에 대한 지식을 너는 알지 좋아, 온라인에서 사용할 수있는 많은 공개 데이터 세트를 얻을 수 있으며 데이터의 아이디어를 형성하는 동안 실제로 무엇을하는지에 달려 있습니다 과학 프로젝트 아마도 알고리즘의 변형을 꿈꿔 왔을 것입니다 예측을 논의하는 모델 수행 훈련 데이터를 추정 동료들과 더 많은 결과를 얻을 수 있지만 모든 일을 시작하기 전에 당신은 올바른 데이터를 가져야 할뿐만 아니라 그것이 맞는지 확인해야합니다

귀하의 작업에 따라 분류되었거나 사용하지 않은 데이터에 키스 특정 데이터를 수집 할 필요가 없더라도 프로젝트에 가장 적합한 데이터 세트를 찾는 시간대 프로젝트를 선택하기 전에 프로젝트를 선택해야합니다 귀하의 비즈니스 유스 케이스에 적합한 데이터 세트가 있으므로 확인하지 않으셔도됩니다 항상 가능하지 않은 실시간 데이터를 수집하십시오 특정 데이터를 수집 할 필요가 없습니다 좋은 덩어리를 보낼 수 있습니다

시간은 온라인에서 약간의 시간을 할애 할 수 있습니다 당신은 당신이 가지고있는 블록이나 사람들을 읽어야 만합니다 스택 오버플로에서 특정 질문에 대한 답변이 많았습니다 질문과 답변이 Quora에서 발생하므로 소셜 네트워킹 적절한 데이터 과학자가 사용해야 만하는 것들 아주 좋은 Python이있는 모든 온라인 소스에서 도움을 받으십시오

서로 도움이 될 수있는 커뮤니티 데이터 과학 커뮤니티 다양한 주제에 대해 수천 개의 공개 데이터 세트를 보유하고있는 것처럼 다른 휘트니스 긴장 및 당신은 조리법의 모든 종류에서에조차 알고있다 살충제 중독 비율은 모든 것이 온라인으로 사용 가능합니다 올바른 데이터 세트를 검색 할 때 시간이 필요합니다 원하는 데이터 세트를 찾아야합니다 귀하의 검색은 매우 오래 당신이 데이터 세트를 찾을 수 없다는 것을 알고 있기 때문에 너는 github Kaggle Stack을 가지고 있다고 확신한다 오버플로 펜타 무어에는 당신이 구독해야하는 모든 것들을 계정을 유지하면 정기적으로 업데이트를받을 수있을뿐만 아니라 그것은 당신이 항상 모든 시간을 업데이트하도록 유지할 것이므로 우리는 연구원은 리서치 게이트 (Research Gate)라고 불리는 것을 가지고 있습니다

버몬트에서 매일 업데이트되었지만 매번 조금씩 날짜가 변경되었습니다 데이터 세트가 업데이트되어 계속 유지해야하는 업계입니다 네가 이해할 때까지 너는 적어도 약간의 시간 동안 너는 알았다 조금이라도 암캐가있어서 우리는 이 주제를 생각해 내고 모든 초보자가 쉽게 찾을 수 있도록하십시오 기계 학습 프로젝트 및 데이터에 대해 공개적으로 사용 가능한 최상의 데이터 세트 과학 이니만큼이 바다의 바다로 깊이 들어가 보자

탐색 데이터 분석을위한 우리의 유스 케이스 일반적인 기계 학습 목적 깊은 학습 자연어 처리 클라우드 기반 기계 학습 시계열 추천 장치 숙박 엔진 특정 산업 스트리밍 데이터 현재의 인간을 폐기하는 것으로 알았습니다 이것들이 데이터의 주된 소스임을 알았습니다 과학 저널에 이미 UCI라고 부르는 것을 가지고 있습니다 캘리포니아 대학에 대해 우리의 승리에 대해 그들이 당신과 함께 올라오고 있습니다 4 백 30 삼 가지 다른 도메인에 대해 내가 말하는거야 데이터가 다른 opine 의료 세트는 오 doine mine okay입니다

은행 업무는 나의 것과 금융 분야가 나의 것이기 때문에 궁금합니다 거의 네 가지와 세 가지의 서로 다른 세 가지 영역을 좋아합니다 다른 부분을 kaggle 그것은 당신이 뭔가를 가지고 재정적으로 가면 볼 수있어 quand elle comm이라고 불리는이 프로그램은 그것이 Google에 의해하게되는 이래로 흐름 tangles는 유일한 경쟁이 아니다 최대 도달 범위 다른 데이터 감지 분석 저장소 우리는 다른 평행선을 달리는 경연 대회는 괜찮아요 그렇게 말할 수 있어요

당신은 자신의 데이터를 만들고 기부 할 수 있습니다 여기서 가장 좋은 점은 코드를 가지고있는 커널을 가지고 있다는 것입니다 당신과 이야기 할 수있는 토론 포럼, 의심스러운 점이 있으면 클라우드에있는 AWS Amazon Web Services 당신은 아마존 현자 메이커라고 불리는 것을 제품의 종류 또는 아마존의 서비스는 당신이 그냥 가서 기계를 만들 수 있다는 것을 알 수 있습니다 모델 학습 열차 테스트 클라우드 자체에서 모델을 배포 할 수 있습니다 당신은 당신이 그것을 할 수있는 휴대 전화에서 할 수있는 URL에서 할 수있는 배치 웹 응용 프로그램 그게 괜찮은 옵션을 많이하고 그들은 가지 마세요

단지 당신이 도넛 고 고트 (donot Godot) 인도 나는 인도 정부조차도 그것을 제공합니다 Excel 추격 및 XML PDF 데이터 과학자가 필요로하는 대부분의 유형 특정 GPS 및 jeebies 걸릴하지 마십시오 시작하려고하면 데이터 세트를 알고 KB와 함께 그리고 데이터의 일종이되고 다음에서에서 데이터를 뭉크하려고합니다 시작 단계로 진행되므로 이러한 데이터가 어떻게 세트는 문제의 다양한 다양한 사용되었습니다 그래서 당신이나 당신 중 얼마나 많은 사람들이 당신의 종류를 배우고있는 전문가인지 알고 있습니다 자체 시동기 방식으로 프로젝트를 진행하는 것은 그 일을하는 사람입니다

이 그룹의 우리는 적어도 당신의 손을 들어 올릴 수 있습니까? 그냥 뒤집어 씌우고있어 네가 아는 것처럼 내가 말하는 이름에 말하는게 아니야 참가자 또는 화재 참가자는 채팅 상자에 넣을 수 있습니다 나는 그걸 잘 이해할 것이다 World Bank data set you have 538 github repo의 데이터 세트 여기에 얼마나 많은 github 계정이 있는지 당신을 깊이 탐구해라

github을 알아야한다 github repo를 만드는 방법을 알아야한다 저장소 및 다른 사람들에게 보여줄 수있는 방법을 묻는 것입니다 github repo를 사용하는 사람은 기본적으로 제출 방법 작성 방법을 알고 있습니다 그것을 마스터하는 방법을 강요하는 방법을 DevOps의 기본 형태입니다

ok github 당신이 DevOps를 배우기를 원한다면 DevOps의 기본 양식입니다 개발과 운영에 들어가야합니다 당신이해야 할 첫 번째 일은 github과 함께하는 것입니다 우리가 당신에 대해 이야기하고있는 Emnes 데이터 세트가 이번이 현대적이라는 것을 알았습니다 국립 기술원과 내가 할 수있는 말은 60,000에 가깝다

이 훈련 데이터 세트의 6 만 건과 필자가이 손을 쓸 때 쓰는 숫자를 테스트해라 다른 인간이 당신에게 편지를 썼음을 의미합니다 내가 다른 방식으로 글을 쓰는 다른 방법 그래서 여기서 일어나는 일은 인스턴스를 말할 때 데이터 포인트이거나 하나의 관찰입니다 x 축에서 y 축의 일련 번호를 아는 것에 관해서는 이름이 있습니다

나이 성별 소득 모든 것 그래서 내가 말할 때 일련 번호를 하나의 존 전체 열은 하나의 데이터 포인트 또는 하나의 인스턴스 또는 하나의 관찰입니다 Joran과 같이 하나의 열만 따로 가져 가야합니다 우리가 사용하는 변수는 항상 인스턴스와 데이터 포인트를 확인합니다 하나의 완전한 관찰이 똑같습니다 예리한 74,000 문자 인식을위한 데이터 집합 Google bigquery public 데이터 세트가 많은 YouTube 데이터 세트가있는 데이터 세트 공개적으로 온라인으로 사용 가능하므로 알 수있는 특정 사항이 없습니다

당신이 갈 수있는 특별한 방법이 없습니다 알고리즘의 유스 케이스와 같은 도메인이 기계의 여부 배움이나 동물 배움에 대한 깊은 지식은 한 가지 더 있습니다 UCI가있는 경우 대부분의 데이터가 초기 단계에 있다는 것을 이해해야합니다 그리고 초보자를위한 충분한 양초는이 두 사람이 정말로 있습니다 데이터와 논쟁하기에 충분하다

예, 그것은 당신이 우리가 모든 것을 온라인에서 사용할 수있는 데이터 세트 및 사용 방법 다양한 주제에 관한 데이터를 수집하는 별도의 사진을 찾을 수 있습니다 대용량 데이터는 보통 당신이 알고있는 척탄병과 카탈로그를 설정합니다 그들은 두 가지 일을 할 것입니다 하나는 다른 특정 데이터 포털에 대한 링크를 제공한다는 것입니다 일부 서비스는 직접 데이터에 대한 액세스를 제공하지 않고 사용자가지도의 데이터 세트에있는 기존 포털을 탐색 한 다음 해당 포털을 사용합니다

포털을 열고 원하는 데이터 세트를 드릴 다운하여 마치 다양한 제공자의 데이터 세트를 집계하는 것과 같습니다 예를 들면 보건 인구 에너지 교육 및 더 많은 데이터 세트에 대한 데이터 세트 제공 한 곳에서 오픈 소스 제공 업체가 편리합니다 UCI는 약 400 명을 제공한다고 말할 때 당신은하지 않습니다 33 개의 도메인으로 구성된 왜 당신은 왜 다른 것을 위해 가고 싶습니까? 특정 데이터 세트가있는 경우 검색하려면 해당 데이터 세트 또는 그렇지 않으면 괜찮을 필요가 없으므로 데이터 포털이라고도하는 항목이 있습니다 524 개의 데이터 포털이있는 메타 데이터 기반이지만 큰 것은 아닙니다

발견하기가 어렵지만 데이터를 가져 오는 것이 확실해야합니다 귀하의 사용 사례는 귀하의 이해와 모든 것을 알고 당 datagov 미국에 2 천 3 천 7 천 세트가있다 정부 데이터만으로도 괜찮아요 너무 방대하고 Google은 최근에 도구 상자를 실행하면 Google 도구 상자 데이터에서 Google을 얻을 수 있습니다

전 세계 모든 곳에서 사용할 수 있으며 모든 형식으로 다운로드 할 수 있습니다 너는 이전에 이것들을 좋아했으면 좋았어 우리가 할 수있는 이유는 공개적으로 주어지지 않았다 기계 학습 및 데이터 감각은 데이터 가용성 및 데이터 접근성은 첫 번째 요점은 계산력입니다 충분한 계산 능력을 가지며 사용 가능한 데이터가 더 많으며 우리는 우리가 기계 학습을 할 수있는 데이터에 액세스 할 수 있거나 데이터 과학이나 인공 지능은 여전히 ​​연구 개발 연구소에 속할 것입니다

20 30 년 전에 어떻게 돌아 왔는지 바로 전에 EDA를 배우기를 원한다면 알고 계세요? 당신은 완전한 기계 학습을 이해하기를 원합니다이 모든 것이 모든 데이터입니다 우리가 도메인을 물어 보지 않고 데이터의 사용 사례를 묻도록 설정했습니다 과학 및 기계 괜찮아요 그래, 누구든지 데이터를 시작하는 사람 과학은 탐색 데이터의 전체 절차를 알고 있다는 것을 이해해야합니다 탐색 적 데이터 분석없이 분석하면 프로세스 탐색 데이터 분석은 데이터 과학자 괜찮아요

그래서 한 가지 더 있습니다 데이터 탐색기에 대한 바로 가기 okay 데이터 탐색 분석 탐색 분석은 바로 가기가없는 것과 마음의 상태가있는 것과 같은 것입니다 그 기계 학습은 모든 폭풍우에서 너를 멀리 항해 할 수있어 괜찮지 않을거야 라이브러리 프레임 워크가 여러분에게 매우 도움이 될 수 있음을 이해하십시오

지도에 대한 귀하의 이해를 알고리즘에 대한 최소한의 지식 당신이 깨닫게되는 어떤 시점을 지나서도 괜찮아 질 것입니다 모델 정확성을 향상시키기 위해 고심하고있는 이유는 수학에없는 프레임 워크의 라이브러리에 완전히 의존합니다 모든 상황에서 데이터를 이해하시기 바랍니다 탐사 기술이 당신의 구조에 올 것입니다 당신은 아주 훌륭하게 살아야합니다

데이터 탐색은 무엇에 관한 것인지 완전히 이해하고 있습니다 네가 가치 치료를 놓치고있는 세 가지로 분리 할 수 ​​있다고 말하십시오 또 다른 하나는 특이 치를 탐지 할 수있는 몇 가지 기술이 있다는 것입니다 치료 및 미래 엔지니어링 예술은 모든 미래를 변화시키는 방법을 가지고있는 모든 변수들 변수는 어떻게 특징 변수 생성을 할 것인가? 당신이해야 할 많은 일들이 좋아지기 때문에 우선 우리는 항상 시작합니다 우리가 데이터를 준비하는 데이터 탐색 단계 입력 품질이 출력 품질을 결정한다는 것을 기억하십시오

좋아,이 기계를 배우는 것은 선교사가 그 자체가 명시 적으로 프로그래밍되지 않고 이해합니다 귀하의 의견은 매우 명확해야하므로 출력을 얻으십시오 귀하의 비즈니스 사례 또는 도메인 또는 귀하의 비즈니스 가설 준비 지식 당신이 그것을 오케이라고 부르는 것은 무엇이든간에 그것은 많은 시간을 보내는 것이 합리적입니다 많은 시간을 할애하면 EB에서 많은 시간과 노력이 필요합니다 좋아, 그건 내 개인적인 경험이고 심지어 업계도 느낀다

같은 데이터 탐색 청소 및 데이터 준비가 걸립니다 귀하의 프로젝트 총 시간의 70-80 % 이상을 차지하는 것이 아니라 귀하의 하이 엔드 텐서 루션 PI Taj 또는 귀하의 도서관에서 행해지는 것이 없습니다 당신에 의해 당신은 좋은 수학과 통계학을 가지고 있어야합니다 설명 통계에 대한 지식 또는 그것이 무엇이든지간에 데이터 사용법을 이해하라 지출하는 시간의 80 %는 스스로 해결할 수 있습니다 UI 및 UX 사용자 인터페이스 및 사용자 경험은 가지고있는 내용이지만 모든 것이 당신에게 달려 있습니다

나머지 20 ~ 30 % 그렇습니다 이게 80과 같은 경우 20 20에서 무엇을 하든지 80이 20에 해당합니다 당신이 제대로하지 않으면 20 명이 당신이있는 단계에서 떨어지지 않습니다 여기서 데이터 세트를 테스트하고 데이터 세트를 그 치료법은 80 %가 좋지 않다면 효과가 없을 것입니다 당신은 건물을 짓기위한 데이터를 청소하고 준비하는 것을 이해해야합니다

모델링 될 수있는 예측 일 수있는 모델 좋아요, 이것들은 우리가 이변 양을 적절하게하는 데 아주 조금만 있습니다 단 변량 분석 범주 별 선택 사각형 테스트 누락 된 값은 모든 중복 된 값과 누락 된 값을 어떻게 처리합니까? 데이터가 중복되는 경우 어떻게 추출합니까? 5 개 이상이 될 수없는 경우에는 어떻게 삭제합니까? 전체 데이터 중 일부는 평균 중간 모드를 찾아야한다고 말했습니다 누락 된 값을 채우는 대체 방법을 호출합니다 추정 된 사람들은 괜찮아요 그래서이 대체 방법은 당신이 할 일이 많아서요

혼자서해야만하고 특이점에 대해 이야기해야합니다 특이점은 일반적으로 사용됩니다 필요한 모든 데이터 과학자 또는 데이터 분석 전문가의 용어 주의 다른 경우 예를 들어 데이터 세트가 잘못 추정 될 수 있습니다 4 센트 소득 범위 90 % 90 ~ 95 % 또는 2 명 사이 3 명의 lakhs에 5 명의 사람들은 25 명의 lakhs에 있고 나의 사람들은 나의 이상 치이다 당신은 외계인처럼 말하면서 간단히 대우합니까? 멀리 떨어져서 샘플의 전반적인 패턴과 완전히 다르게됩니다

매우 멀리있는 어딘가에 누워있을 수있는 단 변성 일 수 있습니다 다 변수가되어 인공물이나 자연 또는 물건 때문에 데이터 입력 오류가 될 수 있습니다 실험 오류가 될 측정 오류가 될 수 있습니다 그것은 모든 유형이 될 수 있습니다 좋아요, 그렇게되면 모델에 충격을 줄 수 있습니다 감지하고 제거해야합니다

관찰을 삭제해야합니다 당신에 대한 보상은 별도로 처리해야하며 모든 일을해야합니다 그러면 미래의 공학 미래 엔지니어링에 와서 나는 그것이 기존 데이터에서 더 많은 정보를 추출하는 기술 자체 기본 원칙 및 개념 그리고 기존 데이터의 일부 정보를 추가하지 않은 경우 새로운 데이터를 만들었지 만 실제로 이미 가지고있는 데이터를 만들고 있습니다 유용한 데이터가 있는데 더 이상 아무것도 추가하지 않을 것이지만 그곳에있는 모든 것들이 무엇인지 알아라 데이터를 이해하려고하면 예를 들어 보겠습니다

음식을 예측하거나 당신은 mmm을 알 수 있습니다 당신은 당신이 예측할 것이라고 예측합니다 날짜를 기반으로하는 쇼핑몰의 어떤 것에서 만료 날짜가 나옵니다 직접 시도하고 사용하면 아무런 문제가 없습니다 의미있는 통찰력을 데이터에서 추출 할 수 있습니다

이는 데이터가 낮과 밤의 영향을 덜받는 곳이 요일까지입니다 요일에 대한 정보는 데이터에 약간 암시 적이므로 그것을 가져와 새로운 모델을 더 잘 만들어야한다 좋아요 알려진 데이터에서 정보를 가져 오는이 운동은 미래의 공학이라고 불리는 사람은 누가 미래 공학 이해하기 네가 어떤 복용량인지 알 수있는 의심이 있다면 괜찮아 미래 공학 모든면에서 괜찮다고 느끼면 기본적인 강점을 지닌다

나는 단지 연습해야만한다 나는 단지 우리가 계획하고있는 정보가 아니다 방갈로르에서 ML bootcamp를 수행 할 것입니다 아마 여러분 모두가 그 사실에 관심이 있다면 그 이메일을 받으십시오 너는 그저 걸어 들어가서 그 bootcamp를 할 수 있다는 것을 알고있다

그래서 여기서 일어나는 일은 인기있는 TV 시리즈 인 왕좌의이 게임입니다 요금 시대에 맞춰 정치적 풍경 문자로 설정된 데이터입니다 전투가 열리기 때문에 여기에서 많은 것을 만들 필요가 있습니다 미래 공학의 가치 처리를 기각하는 에다 (eda)의 가정 모든 것이 정돈되어 있으므로 솔직히 많이 배울 수 있습니다 당신이 누락 된 값을 알고있는 것처럼 특이 치 검출 기능은 실제로 엔지니어링입니다

중요한 데이터를 위해서 중요합니다 그렇다면 우리는 수집기로 올 것입니다 당신이 아는 어떤 것입니다 당신이 아는 어떤 것입니다 나는 그것이 전부라고 말할 것입니다

이 데이터 세트에 포함 된 도시 랭킹의 공급자 종류 3 개의 글로벌 대학 순위 IMDB International Movie Database 5000 영화 데이터가 도착하기 전에 좋아하는 영화 인기를 설정 할리우드가 많은 AI를 사용하여 그들의 영화는 맨 위에 그들은 특히 많은 돈을 투자하고 있습니다 어떤 볼리우드 나 다른 것에 대해서 이야기하지만 할리우드는 주로 AI 알아 내거나 아무도이 영화가 어떻게 있어야 하는지를 알지 못한다 이 영화를 좋아하는 사람들의 구체적인 패턴과 어떻게 시장에 내놓는 지 그것들에 대응하기 위해 사용자는 추천 엔진 사용자를 사용합니다 콘텐츠 협업 필터링을 이해하기 위해 계속 진행되는 많은 작업이 있습니다 사용자가 많은 이익을 창출 할 수 있는지 확인하려고합니다

데이터 세트와 우리의 데이터 세트는 reddit 커뮤니티는 항상 아주 좋은 reddit입니다 커뮤니티와 코라는 당신이 croire를 많이 읽었다는 것을 알고 싶다면 아주 좋습니다 질문 및 답변 및 또한 스택 오버플로 metamour 또는 당신은 기계 학습 커뮤니티가 어떻게 도움이되는지 이해할 것입니다 데이터 세트 발행 또는 파일 업로드 또는 다운로드의 경우에는 서로 모든 것은 항상 그들과 함께 계정을 가지고 더 나은 다음 또한 당신이 가지고 그 후에 만 ​​구독하면 무슨 일이 일어나고 있는지 이해할 수 있습니다 백 엔드에 좋아, 선교 학습을위한 괜찮은 데이터 세트 선교 학습이 의미하는 바는 소프트웨어의 초기 시대를 본다

엔지니어링을 코딩하면 출력물을 얻을 수 있지만 기계에 입력됩니다 당신이 어떤 코드도주지 않는다는 것을 배우면, 이전 산출물을 입력으로 준다 우리의 모델로 우리의 시스템에 넣고 모델을 사용할 수있는 모델을 만들 수 있습니다 예측 또는 분류 또는 클러스터링을 위해 너는 뭔가를 건축하고 있을지도 모른다 새로운 건축물에서 고귀한 전에 선교 사업을하지 않았으므로 그 자체가 명시 적으로 프로그래밍되지 않으면 당신은 각자를 프로그램하지 않을 것입니다

선이 좋다면 레이는 이것입니다 당신이하는 일은 당신이하는 일이 아닙니다 당신 스스로 그것을 배우기 위해 시스템에 묻는다 기계 학습 알고리즘이란 무엇인가? 수학 당신은 따옴표로 쓰여진 수학 논리를 알고 있습니다 당신이 좋은 제품을 가지고 있다면 어떤 데이터 세트에서 어떤 활동이나 작업을 처리 할 수 ​​있습니다 지식 또는 데이터 과학에 대한 지식과 모든 것을 알고 항상 알아볼 수 있습니다

회귀 분류와 같은 기계 학습 개념으로 누구나 할 수있다 회귀의 의미가 무엇인지 말해주십시오 회귀 평원에 대한 어떤 생각이든 간단한 영어 기술 전문 용어는 누구나 영어로 간단하게 말할 수 있습니다 두 변수 사이의 관계는 입력 변수가 독립 변수이다 변수 하나는 종속 변수입니다

두 개의 변수가 있습니다 매개 변수가 무엇인지를 변수가 의미하는 바를 이해하는 것 어떤 것이 무엇을 독립적으로 출력합니까? 기본에서만 다음 당신은 이해할 수있을 것입니다 정상에있는 모든 것, 그렇지 않으면 혼란스러워 질 것입니다 당신이 원한다면 당신이 아무것도 얻지 못한다는 걸 알듯이 처음으로 아는 비트 야 그것에서 무언가를 얻는 것은 아주 기본적인 것에서 시작할 수 있습니다 그래, 할 수 있어요

또는 우리는 회귀 신용 카드 불이행을 위해 와인 품질을 선택했습니다 그 사람이 지불할지 여부를 결정할 수 있습니다 그가 지불 할 확률은 얼마입니까? 아니면 지불하지 않을 것입니까? 0 & 1 당신은 클러스터링을위한 분산 또는 센서스 데이터 이후이고 협회는 당신을 각각 세분화하고 있습니다 인구 통계학 아하 북쪽 해안이나 일종의 해안 서해안 북동쪽을 알고있다 각 차례와 당신이 단지 세그먼트를 기반으로 일종의 물건을 여기있는 인구 통계를 통해 학습 한 기계를 볼 수 있습니다

저장소 대부분의 데이터 세트에는 사용할 수있는 학술 논문이 링크되어 있습니다 벤치마킹은 프로세스와 하나 이상의 정보를 알고 싶다면 것은 기계 학습과 깊은 학습에서 많은 것을 읽어야한다는 것입니다 연구 논문은 좋은 모델을 만들고 싶다면 당신은 학문을 말할 때 연구 논문을 이해하고 싶습니다 논문은 기본적으로 모든 연구 논문이므로 이해해야합니다 아키텍처가 어떻게 진행되는지 알기 위해 여러 가지 방법이 있습니다

연구 논문도 마찬가지입니다 그건 완전히 다른 개념입니다 당신이 아는 사람들은 다음 달 또는 미래에 그것을 깊이 탐구 할 것입니다 괜찮 았으면 몇 달 후에 어떻게 읽어야하는지 이해해야합니다 아직 시작하지 않은 문제에 접근한다

나는 깊이 들어가기를 권하지 않는다 만약 당신이 있다면 그들은 데이터 과학 기계에 대해 매우 많이 생각하고 있습니다 학습 개념 네 언제든지 자유롭게 깊은 학습을 할 수 있습니다 그래서 멀리 보이는 한 가지 일은 캐나다 인스티튜트를위한 safar의 약자입니다 고급 연구 M은 현대 기술 연구소의 safar를 의미합니다

그것은 인간의 개를 스캔 한 이미지를 포함하고 있습니다 모든 것이 safar 100 데이터 세트를 사용하려는 경우 또는 방귀 기능을 사용하는 경우 25 55 60이라면 여기에 많은 데이터가 있으므로 괜찮습니다 고화질 이미지가 제공되며 교육을 원한다면 GPU가 있어야합니다 Linux를 사용해야하는 이유는 최고급 루트 시스템입니다 알고리즘의 최적화에 대한 매우 강력한 지식을 가지고있다

적분 미적분과 미적분학이 올바른 것이 아닙니다 그래, 그렇긴하지만 M NIST는 다른 한편으로 CPU에서 돌아갈 수있다 오, 우리는 또한 자습서를 가지고 있습니다 만약 당신이 우리에게 핑을 걸 수있는 깊은 학습에 대한 사면을하기위한 튜토리얼을 줄 것입니다 괜찮아 네, 수백만 YouTube를 제공합니다

비디오 ID와 모든 것 그리고 당신은 완전 차용 이미지를 사용할 수 있습니다 길쌈 신경망 CNN을 알고 있지만 테라 바이트 급의 저장 장치를 사용할 수 있음 그것은 사실입니다 그래서 얼마나 많은 사람들이 신경망을 훈련했고 당신은 각각의 모든 코드 행을 이해할 수있는 사람이 있습니다 전에 신경 네트워크를 훈련하거나 적어도 당신은 괜찮아요 그것을 시도 괜찮 았어 신경망이 다시 바다 인 것을 본다 나는 깊숙이 들어갈 누군가를 제안하지 않는다

이 시점에서 학습하면 사람들은 당신이 알고있는 것처럼 생각합니다 신경망을 훈련하는 것은 쉬운 일임을 알고 있습니다 아니 다시는 생각하기가 쉽지 않아 괜찮아 구글 두뇌 연구 또는 구글의 팀은 구글 두뇌는 많은 제안 과제를 수행 할 수있는 신경망 구조의 방법 어떤 명백한 체중 훈련도없이 우리에게는 당신이 가진 편견이있다 활성화 기능을 사용하면 뉴런 노드가 전파 되감거나 전파 그라디언트 디자인 당신은 깊은 학습에서 배울 많은 것들이 있습니다

당신이 직접 손에 가지고 있다면, 그것은 실제로 모든 사람의 차 안에 있지 않습니다 기계 학습 및 데이터 과학 예, 당신은 깊은 학습에 들어갈 수 있습니다 모든 방법은 괜찮아요, 이것에 대해서는 자신의 찬반 양론이 괜찮습니다 깊은 학습은 두 번째이기 때문에 많이 배우게됩니다 시간 그래, 당신은 깊이 배울 수있는 모든 것을 여기에서 찾을 수 있습니다

J dot org에서 고품질 데이터의 최신 목록 깊은 학습에 도움이 될 때 당신은 항상 당신을 의미합니다 R 및 D에 있습니다 연구 및 개발 모드입니다 간단합니다 우리가 그녀의 엔론 데이터 세트를 주거나 엔론이 그것을하는 것처럼 생각합니다

더 공정한 방법으로 축소 된 모든 사기성 전자 메일을 알 수 있습니다 이 시점에서 온라인으로 이용할 수있는 5 백만 건의 이메일 거래 당신은 긍정적 인 부정 여부 또는 모든 아마존 리뷰를 사용할 수 있습니다 중립적 인 것, 모든것 괜찮아 그래, NLP는 좋았어 또한 당신은 annotated corpora core bra의 답변 목록을 가지고 있습니다 샘플 데이터는 당신이 코퍼스를 가지고 있다고 말한 샘플입니다 클라우드 머신 학습은 내 지식에 익숙해 질 수있는 날짜를 참조하십시오

그것은 이것이 클라우드를위한 것이 아니라 내 서버를 통해 사용할 수 있습니다 클라우드 기반의 모든 기능을 제공합니다 모든 데이터를 전송한다는 사실을 알고 있습니다 온 프레미스 또는 데스크톱을 통해 클라우드에 연결 한 경우 그냥 업로드하려고하지만 당신은 뭔가있는 것을 알고 있습니다 당신에게는 많은 클라우드 서비스가 있지만, 상위 3 개는 AWS Amazon Web Services입니다

구글 클라우드 마이크로 소프트 Azure도 IBM은 클라우드 서비스를 많이 가지고있다 클라우드 서비스 플랫폼과 매우 드물게 일부 데이터 세트는 호환되지 않습니다 하지만 네가 항상 극단적 인 학대를한다고 믿을 수있는 이유는 약 15 년 동안 시장에 내놓을 수 있으며 가동 중단 시간은 적습니다 ec2 Elastic Compute에서 s3 bucket EMR elastic까지 다양한 제품을 보유하고 있습니다 MapReduce 그리고 세이지 메이커가 있습니다

특히 데이터 용입니다 저장 데이터 조작 데이터 처리 및 기계 가동 학습 모델과 모든 것을 좋아할 수 있습니다 항상 거기에 갈 수 있습니다 AWS 또는 클라우드에있는 사용자이므로 클라우드에서 작동하는 모든 사람은 여기 기술자가 아니어야합니다 당신은 주식 가격 Zillow 부동산 연구 결국 괜찮아요 글로벌 교육 통계는 모두 데이터 세트입니다

이 모든 것들은 데이터입니다 여기에 모든 하이퍼 링크가 있지만 공유 할 수는 없습니다 여기에 그 하이퍼 링크가 있지만 프로젝트를 시작할 경우 강한 이해력을 가지고 있고, 당신이 알고 싶다면 당신의 독립적 인 프로젝트를 다운로드하고 데이터 세트를 다운로드하는 데 문제가 있거나 첫 번째 공간에서 데이터 세트를 가져 오면 언제든지 연락하여 연락하십시오 우리는 도망 검사를 통해 우리를 도와 줄 것입니다 Quan DeLand volban이 재무 기록의 대부분을 포함하기 전에 내가 말했던 것처럼 당신이 가진 것들 이 질문에 대한 의문이 생기면 실제로 어떤 기분이 드십니까? 도움이 필요한 것 또는 도움이 필요할 것 같은 도움 예 또는 아니오라고 말하면 안됩니다

하지만 언제든지 확인할 수 있습니다 당신의 비디오 것들이 가능할지 여부에 관계없이 시도해 보겠습니다 당신이 어떤 종류의지지를 필요로하거나 당신이 느끼는 것과 같은 다른 질문은 뭔가해야 할 일이있다 당신 예를 들면 나는 당신이 만약에 느끼지 못한다면 파이썬으로 철저히 철저히 조사해야합니다 당신은 항상 우리가 우리가 당신을 도와 줄 수있는 곳에 있음을 알 수 있습니다

항상 사람들이 한 달 만에 너무 흥분해지고, 프로젝트에 몰려 들었지만 믿을 수 없다 모든 데이터 과학 인터뷰 전환율은 7 점이 아닙니다 인터뷰 기준에 대한 퍼센트는 괜찮습니다 우리는 많은 인터뷰를했습니다 TS 신청자가 시스템을 추적하고 있다는 것을 알고 있습니다

그러면 우리는 가지 않습니다 와 함께 또는 그들은 LinkedIn과 함께 가지 않는 크림 괴물과 함께 가지 않습니다 github repo 프로젝트를보고 나서 게이트 키퍼 첫 번째 레벨 기술적 인 역할을 처음부터 수행하게 될 것입니다 깊이있는 2 개의 수학 깊이있는 매트와 나는 그 중 90 %가 그 말을 듣지 않을 것이라고 말할 것입니다 10 %는 그것을 지우고 코딩에 들어가고 코딩은 아마도 약 5 % 해당 코딩 수준을 지우고 할당이 주어진 것입니다

백 또는 그들은 거의 하나도 내 지식에 하나조차하지 않습니다 47 명은 50 명 중 1 명, 1 명 또는 2 명은 기본 사항을 향상시키는 유일한 방법입니다 데이터 감각은 수학은 확률 통계 선형 대수학 미적분을 배우다 기계 학습 알고리즘을 사용하면 Python으로 건너 뜁니다 당신이 지출 할 수있는 독자의 정기적 인 세척은 최소 3 ~ 4 개월 2 ~ 3 시간 만에 정기적으로 3 ~ 4 시간 정도 몇 개월 후에 프로젝트와 모든 것을 시작합니다 그렇게 할 수 있다면 6 개월을 완료하십시오 나는 그것이 근면 한 일다는 것을 알고있다 그렇습니다 그 때 당신은 할 수있다 일자리를 찾거나 인턴쉽이나 산업계에 아무도 귀찮지 않다는 것을 아십시오 인증에 관해서 우리는 당신이받는 사람에게 어떤 종류의 인증도 요청하지 않습니다

하루 종일 문제가되지 않는 Google이나 Microsoft의 당신이 중요하다고 생각하는 지식은 어떤 종류의 프로젝트입니까? 어떤 종류의 데이터입니까? 왜이 알고리즘을 어떻게 매개 변수와 모든 선택합니까 말했다 데이터에 대한 심층적 인 이해 또는 이해는 사용자가 수학과 알고리즘 논리에 대한 이해가 강해서 항상 말합니다 사람들은 좋은 데이터 과학자가되기를 원한다면 수학과 사랑에 빠지게됩니다 네가 할 수있는 유일한 방법은 그 모든 도서관이 도울 수있는 다른 방법이 없다는 것이다 너는 어느 정도는 그렇지만 너를 향상 시키는데 너를 도울 수는 없다 정확한 모델을 찾는 매개 변수의 정확성 또는 최적화 또는 그것을 할 수없는 모델 선택 예

그게 프레임 워크 또는 라이브러리 괜찮아 할 수있는 능력이 아닙니다 예 추천 시스템 그렇습니다 모두가 아마존을 사용하기 전에 말했죠 그런 다음 제품을 선택하면 구입 한 사람들에게 얼마나 많은 사람들이 저것을 샀을 까? 추천 엔진 우리는 두 개 또는 두 개의 알고리즘을 만들었습니다 두드러지게 사용되는 것은 공동 작업입니다 다른 필터링은 컨텐츠 기반입니다

하나는 사용자의 의도이고 다른 하나는 제품의 의도와 제품의 의도입니다 이 알고리즘이 권장 사항 엔진인지 확인하는 알고리즘은 다음과 같습니다 적절한 방법으로 Pixar 동영상 렌즈로 백만 곡 데이터를 얻을 수 있습니다 당신은 단어를 많이 입력하고 당신은 넷플 릭스가 많은 것들을 가지고 설정 특정 산업 또는 공개 데이터를 선호합니다 공개 또는 공개를 선호합니다

멋진 공개 데이터가 데이터를 전송할뿐만 아니라 Google 도구 상자에도 표시됩니다 약물 관련 산업에 종사하기를 원하거나 원하는 경우 일부 별의 또는 화성과 목성의 기록을 여기에서 볼 수 있습니다 Twitter 스트리밍을 스트리밍 할 수있는 Twitter API가 있습니다 주식 트위스트 응용 프로그램 프로그래밍 인터페이스는 당신이 알고있는 것과 같습니다 방금 전하는 통신중인 응용 프로그램에 연결하고 데이터는 양방향 AP에 초점을 맞 춥니 다

낮은 대기 시간으로 스트리밍 라이브 데이터를 연결하여 무료로 낮은 대기 시간 및 if 높은 품질의 데이터를 원할 경우 비용을 지불해야합니다 저것을 폐지하는 웹 이것은 조금 중요하다 너는 웹 사이트가있는 어디에서부터 정보를 가져 가야하는지 알았지 만 반드시해야합니다 조심 웹 사이트를 위반하는 모든 웹 사이트의 용어는 자신의 조건을 가지고 서비스를 복사하여 붙여 넣기 만하면 안되며 모든 작업을 완료해야합니다 괜찮은 웹 스크러빙은 NLP에서 정말로 중요합니다 이 기사는 당신이 지불해야하는 사람마다 데모 웹 쓰레기 폐기입니다 이 허구의 서점은 예 5:38의 BuzzFeed 뉴스를 제공합니다

현재 이벤트 Times에서 모든 데이터를 스크랩하고 싶습니다 인도의 어린이들을위한 마사 (masa) 국가가 인도 타임즈 (Times of India) 약 30 년 동안 웹 스크랩을 원할 때 기록을 보유하고있을 수 있습니다 내가 말하는 모든 차 왜 인도의 시간은 차분하거나 웹 페이지에 점으로 찍힌다 그래서 토아 닷컴 닷컴 (Toa dot-com hog)은 이전 버전이 많은 아카이브를 확보했습니다 그래서 거기에서 나는 소아마비와 관련된 모든 정보를 추출해야한다

인도에서 예방 접종을 실시하여 소아마비 백신 접종을 위해 출판 된 곳 저 서류는 나의 분석 목적을 위해 저 기사가 추출되어야한다 그래서 내가 무엇을 할 것인가 내가 웹 스크랩을 할 때 나는 웹 스크랩을 할 것이다 거기에 아름다운 도서관처럼 많은 도서관이있다 URL 라이브러리 요청에 의해 스크랩합니다 사용 된 라이브러리가 많이 있습니다 괜찮아

살아있는 데이터 야 네가 살아 있다면 괜찮아 질문이 있으시면 알려주세요 이 시점에서 의심의 여지가 없다면 당신 그래, 네, 미안해 너에게 알려주는 걸 잊어 버렸어

잠깐만 시간을내어 주시겠습니까? 누군가가 실수로 입력 한 것처럼 생각합니다 잠시 시간을 내 시어이 세션에 대한 의견을 제출해주십시오 데이터 세트와 내일 세션에서 나는 다음 세션처럼 우리가 될 것이라고 생각한다 데이터 과학 분야에서 경력을 시작할 때 실수를 피하십시오 사람들과 몇 가지 실수가 있습니다

우리는 이것을 공유하고 있습니다 우리가이 단계를 겪었 기 때문에 우리가 정보를 다른 사람들은 모든 사람에게 이런 일이 발생하지 않도록 확실히하기 위해 질문이 없으면 리뷰를 제출하십시오 우리는 하루 만 부를 수 있고 다음 세션에서 만날거야 알았어 너의 리뷰를 줘라

오케이 고마워요 많은 분들, 다음 세션에서 만나 뵙겠습니다 감사합니다 모두 가입

Writing the Playbook for Fair & Ethical Artificial Intelligence & Machine Learning (Google I/O'19)

[음악 재생] JEN GENNAI : 전 운영 관리자입니다 그래서 내 역할은 우리가 우리의 고려 사항을 만들고 있는지 확인하는 것이다

윤리적 인 AI 주변 심의, 행동, Google의 전체 조직에서 확장 할 수 있습니다 생각할 첫 번째 사항 중 하나 비즈니스 리더 또는 개발자 인 경우 사람들이 당신의 뜻을 이해하도록 보장합니다 윤리가 당신에게 무엇을 의미합니까? 우리에게는 가치 중심 원칙을 설정해야한다는 것이 었습니다 회사로서 이러한 가치 중심 원칙은 우리에게있어, 우리의 인공 지능 원리라고합니다

작년에는 6 월에 발표했습니다 따라서 이들은 AI 개발에 관한 7 가지 지침입니다 우리에게 할당 된 배포 방법 우리는 인공 지능을 개발하고 싶습니다 우리는 편견을 만들거나 강화하지 않기를 원합니다 우리는 기술을 구축하고 있는지 확인하고자합니다

그것은 사람들에게 책임이 있습니다 그리고 우리는 당신이 읽을 수있는 다섯 가지 다른 것들을 가지고 있습니다 우리 웹 사이트에서 구할 수 있습니다 그러나 동시에 우리는 회사에 대한 이러한 포용 원칙, 우리는 또한 우리가 우리의 빨간 선을 고려했습니다 따라서 이러한 기술은 우리가 추구하지 않을 기술입니다

무기 기술과 같은 것들을 커버합니다 우리는 무기를 만들거나 배치하지 않을 것입니다 우리는 또한 기술을 구축하거나 배치하지 않을 것입니다 우리는 국제 인권을 침해한다고 생각합니다 따라서 비즈니스 리더 또는 개발자 인 경우, 우리는 또한 당신이 무엇을 이해하는지 격려 할 것입니다

귀하의 포부의 목표입니다 그러나 동시에, 당신의 가드 레일은 무엇입니까? 무슨 요점을 교차시키지 않을거야? 가장 중요한 일은 무엇인지 알고있는 것입니다 윤리적 인 AI 개발에 대한 정의 AI 원리를 설정 한 후, 그 다음 것은, 어떻게 그들을 진짜로 만들 수 있느냐입니다 당신이 그 원칙들과 일치하는지 어떻게 확신합니까? 여기에는 세 가지 주요한 것들이 있습니다

나는 명심하고 싶다 첫 번째 것은 책임감 있고 권위가 필요합니다 신체 따라서 Google의 경우 이는 고위 간부가 있음을 의미합니다 권한이있는 회사 전체에서 발사를 승인하거나 거절합니다

그래서 그들은 어떤 사람들과 씨름해야한다 이 매우 복잡한 윤리적 질문들 우리가 일을 시작할 수 있도록 우리가 믿는 것은 공정하고 윤리적 인 결과로 이어질 것입니다 그래서 그들은 권위와 책임을 제공합니다 정말 힘든 결정을 내릴 수 있습니다 둘째, 의사 결정자가 올바른 정보

여기에는 회사 내의 다양한 사람들과 이야기하는 것이 포함되며, 외부 사용자의 말을 듣고, 외부 이해 관계자, 그리고 귀하의 의사 결정 기준에 따르십시오 Jamila는 참여에 대해 더 많이 이야기합니다 잠시 후 외부 공동체들과 그런 다음 거버넌스 구축의 세 번째 핵심 부분 책임감이 작동하고 있습니다 누가 그 일을 할 것인가? 구조와 프레임 워크는 무엇입니까? 반복적이고 투명하며, 그리고 그 사람들에 의해 이해되는 이 결정을 내리고 있습니까? 그래서 Google에서는 중앙 팀을 설립했습니다 엔지니어링 팀과 제품 팀에 기반하지 않습니다

여기에 객관성의 수준이 있음을 보장해야합니다 그래서 제품을 만들고있는 사람들과 찾고있는 유일한 사람들은 아니다 해당 제품이 공평하고 윤리적인지 확인해야합니다 이제 당신은 당신의 원칙이 있습니다 사람들이 이해할 수 있도록 노력 윤리가 당신에게 무엇을 의미합니까? 우리는 거버넌스 구조를 수립하는 것에 대해 이야기하고 있습니다

당신이 그 목표를 달성하고 있는지 확인하기 위해, 다음으로 할 일은 당신이 장려하고 있는지 확인하는 것입니다 회사 내부의 모든 사람 또는 함께 일하는 사람 그리고 그 목표에 부합됩니다 따라서 전체 목표를 정렬하여 설정했는지 확인하십시오 윤리적 AI와 – 어떻게 윤리적 인 발전을 이루려고합니까? 그리고 기술의 배치? 다음으로, 당신은 사람들을 훈련시키고 싶습니다 처음부터 이러한 문제에 대해 생각해보십시오

당신은 윤리적 고려를 포기하고 싶지 않습니다 제품 개발 라이프 사이클 후반부 너는 네가 최대한 빨리 시작하십시오 사람들은 이러한 유형의 문제에 대해 생각하도록 훈련 받았습니다 그런 다음 보상을받습니다

당신은 사람들을 붙잡고 있는지 확인해야합니다 윤리적 개발 및 배치에 대한 책임 속도가 느려질 수도 있다는 것을 받아 들여야 할 수도 있습니다 올바른 결과를 얻으려면 몇 가지 개발이 필요합니다 사람들이 사고에 대한 보상을 느끼는지 확인 윤리적 인 발전과 배치에 관한 것 그리고 나서 마침내 사람들을 고용하고 있는지 확인하십시오

너를 돕는 사람들을 개발하고 목표를 달성하십시오 다음으로 프레임 워크를 설정했습니다 당신이 옳은 사람을 고용했다면, 당신은 그들에게 보람을 느낍니다 자신의 목표를 어떻게 달성하고 있는지 어떻게 알 수 있습니까? 따라서 우리는 이것을 검증 및 테스트라고 생각합니다 여기에 예가 있습니다

사용자의 경험 사용자는 누구입니까? 당신이 어떻게 생각하는지 어떻게 확신합니까? 사용자의 대표적인 견본에 대해? 그래서 당신은 다른 경험을 테스트하려고 생각합니다 대부분 핵심 하위 그룹에서 왔습니다 그러나 당신은 또한 생각하고 싶어합니다 소외된 사람들은 누구입니까? 귀하의 노동 인구에서 누가 과소 대표 할 수 있습니까? 따라서 추가주의를 기울여야 할 수도 있습니다

그것을 올바르게하기 우리는 또한 실패 모드가 무엇인지 생각하고 있습니다 우리가 의미하는 바는 사람들이 과거의 제품에 의해 영향을 받았으며, 우리는 그들이 부정적인 영향을받지 않을 것임을 확신하고 싶다 미래에 그렇다면 우리는 그것을 어떻게 배우고 확실하게 앞으로 우리는 그것을 의도적으로 테스트하고있는 중입니까? 그런 다음 테스트 및 유효성 검사의 마지막 비트 이러한 실패 중 일부를 소개하고 있습니다

제품에 스트레스 테스트를 확실히하기 위해 그리고 다시 약간의 객관성을 지닌다 제품이 스트레스 테스트를 통과하는지 확인 공정하고 윤리적 인 목표 그리고 나서 우리는 단지 당신 뿐만이 아니라고 생각합니다 당신은 혼자가 아닙니다 우리가 어떻게 모든 정보를 공유하는지 확인합니다 우리를 더욱 공평하고 윤리적으로 만들고 확실하게하기 우리가 제공하는 제품이 공정하고 윤리적인가? 따라서 모범 사례와 지침을 공유하는 것이 좋습니다

Google에서 제공하는 우리의 연구 및 Google AI 사이트에 대한 모범 사례 따라서이 모범 사례는 모든 것을 포괄합니다 ML 공정성 도구 및 연구에서 Margaret Mitchell이 ​​잠깐 얘기 할 것입니다 뿐만 아니라 모범 사례 및 지침 모든 개발자 또는 비즈니스 리더 따를 수 있습니다 그래서 우리는 스스로를 제공하려고 노력합니다

다른 사람들이 자신의 연구를 공유하도록 격려하기 그리고 또한 학습 그래서 우리가 외부와 공유하는 것에 대해 이야기 할 때, 그것은 또한 목소리를 가져 오는 것에 관한 것입니다 그래서 나는 Jamila Smith-Loud에게 넘겨 줄 것이다 인간의 영향을 이해하는 것에 대해 이야기합니다 JAMILA SMITH-LOUD : 감사합니다

[박수 갈채] 안녕, 모두들 내가 너에게 조금 이야기 할거야 오늘 이해, 개념화 및 평가에 대해 실제 사람들과 공동체에 미치는 인간의 결과와 영향 사회적 형평성과 같은 도구의 사용을 통해 평가 사회 및 자본 영향 평가 주로 사회 과학 분야에서 온다 연구에 기반한 방법을 우리에게 제공하십시오

이러한 질문을 충분히 광범위하게 평가하는 것 제품에 적용 할 수 있도록 우리가 무엇에 대해 생각할만큼 충분히 구체적인지 우리가 할 수있는 유형의 제품 변화와 중재입니다 그래서 저는 질문들 중 하나를 가지고 시작할 것입니다 우리는 종종 이러한 질문에 대해 생각할 때 시작합니다 나는 항상 우리가 윤리에 대해 생각할 때, 공정성에 대해 생각할 때, 편견의 문제에 대해 생각조차하고, 이들은 정말로 사회적 문제입니다 사회 문제를 이해하는 데 중요한 진입 점이 있습니다

실제로 지리학 적 상황이 무엇인지 생각하고 있습니다 사용자가 거주하며 참여가 어떻게 영향을 미치는지 제품과 함께? 그래서 정말 묻고, 어떤 경험 전적으로 사람들이 살고있는 곳을 기반으로합니다 다른 민족들과 크게 다를 수 있습니다 서로 다른 지역에 살고있다 자원이 풍부하고 인터넷에 더 많이 연결되어 있습니다

지역적 차이를 그렇게 만드는 여러 측면의 중대한? 두 번째로, 우리는 사람들이 어떤 일을 저질렀는지 궁금합니다 가족과 함께 제품 사용 그리고 그들의 지역 사회에서 우리는 경제적 변화가 무엇인지 생각하고 싶습니다 이 새로운 기술과의 계약의 일환으로 올 수 있습니까? 실제로 영향을 미치는 사회적, 문화적 변화 란 무엇인가? 사람들이 기술을보고 참여도를 보는 방법 진행중? 그래서 저는 우리의 접근 방식에 관해 이야기 할 것입니다 종류 활용에 대한 좋은 점 사회적 영향 평가 및 공평 영향 평가의 기존 프레임 워크 그게 – 우리가 새로운 토지 개발을 할 때를 생각한다면 프로젝트 또는 심지어 환경 평가, 이미 사회적 영향을 고려하는 기준이 있습니다

그 과정의 일부로 그래서 우리는 새로운 기술을 채택하는 것을 정말로 생각합니다 같은 방법으로 우리는 지역 사회가 어떻게 영향을 받았는지, 그들의 인식은 무엇인가, 그리고이 교전은 어떻게 구성되어 있습니까? 그래서 우리가 생각하는 것들 중 하나 묻는 것에 대한 원칙적 접근 방식은 무엇입니까? 이 질문들? 그리고 첫 번째 것은 실제로 주위에 있습니다 어려운 질문에 참여하십시오 우리가 공정성에 대해 말할 때, 우리가 윤리에 관해 말할 때, 우리는 그들에 대해 별도로 이야기하지 않는다

인종주의, 사회 계급, 동성애 혐오증, 모든 형태의 문화적 편견이 있습니다 우리는 문제가 무엇인지에 대해 이야기하고 있습니다 그 시스템에 오버레이를 그래서 우리가되기 위해서 정말로 필요합니다 그 어려운 질문에 잘 대답하고 그들과 함께, 우리의 기술과 제품이 그 세계와 별도로 존재하지 않는다

다음 접근법은 실제로 예상하는 사고를 향한 것입니다 나는 사고에 대한 다른 생각을한다 사회적 및 형평성 영향 평가 다른 사회 과학 연구 방법에서 인과 관계 간의 관계 상관 관계는 약간 달라질 것입니다 우리는 실제로 예상하고 있습니다 해악과 결과

그리고 그것은 당신이 퍼지 대화로 괜찮을 것을 요구합니다, 충분한 연구가 있음을 깨닫고, 우리에게 충분한 데이터가 있습니다 역사와 상황이 결과에 어떻게 영향을 미치는지에 대한 이해 그리고 당신의 과정에서 예기중인 정말, 정말 중요한 부분입니다 마지막으로, 원칙적인 접근 방식에 대한 사고 측면에서 정말 목소리와 경험을 중심으로 부담을 자주지는 지역 사회의 부정적인 영향의 그리고 그 방법을 이해할 필요가 있습니다

그러한 공동체는 이러한 문제를 개념화하기까지했습니다 나는 때때로 우리가 기술적 인 관점에서 왔다고 생각한다 우리는 지역 사회에 대해 생각합니다 문제와 별개로 그러나 우리가 그 목소리를 중심에두고 약혼 할 준비가되면 전체 과정에서 나는 생각한다 더 나은 결과를 가져옵니다

약혼을 좀 더 깊게하려면 어려운 질문에서 우리가 실제로하려고하는 것 제품이 어떻게 영향을 미칠지 평가할 수 있습니다 커뮤니티, 특히 커뮤니티 역사적으로 그리고 전통적으로 소외당한 사람들 그래서 우리가 정말로 생각할 것을 요구합니다 역사와 문맥에 관해서 어떻게이 문제를 형성하고 있으며 우리는 무엇을 할 수 있습니까? 그 평가에서 배울 것인가? 또한 교차 접근법이 필요합니다

성 평등에 대해 생각하고 있다면, 우리가 인종 평등에 대해 생각하고 있다면, 이들은 개별적으로 살아가는 문제가 아닙니다 그들은 정말로 교차하고 OK입니다 그 교차 접근법에 대한 이해와 함께 훨씬 더 완전한 평가가 가능합니다 그리고 마지막으로 새로운 기술에 대해 생각할 때 새로운 제품에 대해 생각해보십시오 어떻게해야합니까? 권력 영향 결과와 중재의 타당성? 나는 권력과 사회적 영향에 대한 질문이 손을 잡고 가면 우리에게 요구된다

[? 응답 ?] 응답하지 않을 수도 있습니다 가장 좋은 대답을 얻지 만, 적어도 그 어려운 질문을합니다 따라서 우리의 예상 프로세스는 전체 프로세스의 일부입니다 맞습니까? 사회와 형평성을 생각하는 것만이 아닙니다

영향을 미치지 만, 실제로 그것에 대해 생각하고 있습니다 제품 맥락에서 – 그래서 이러한 질문에 대한 도메인 별 응용 프로그램을 가지고 있기 때문에, 가능성을 평가하는 것 위험의 중대성 마지막으로, 의미있는 것을 생각합니다 우리가 개발해야하는 모든 영향에 대한 완화 그리고 그것은 완전한 과정입니다

우리 팀의 관점에서 작업해야합니다 평가에서의 이해, 또한 제품 팀과의 파트너십이 필요합니다 도메인 특정 분석을 실제로 수행 할 수 있습니다 평가 중심 나는 이것에 대해 조금 전에 이야기했다

그러나 우리가이 평가를 중심으로 할 때, 정말로, 우리가 물어 보려고하는 것은 누가 가장 영향을 미쳤습니까? 그래서 우리가 문제를 생각한다면 약간의 경제적 영향을 미칠 수 있습니다 데이터를 기반으로 데이터를 분류해야합니다 어떤 지역 사회, 어떤 인구, 가장 영향을 많이받습니다 특정 인구 데이터 및 이해 가장 큰 영향을받는 사람 또 다른 중요한 부분은 검증입니다

그리고 나는 Jen이 그것을 많이 언급했다고 생각하지만 실제로 지역 사회 기반의 연구 활동에 대해 생각하고, 이것이 참여 적 접근인지 여부, 초점 집단 이건간에 하지만 실제로, 우리는 어떻게 우리의 평가를 검증합니까? 커뮤니티에 직접 참여하고 실제로 중심에두기 우리 프로젝트의 일부로 문제의 골조를 만들었습니까? 그리고 반복과 실현을 통해 처음에는 완벽하지 않을 것입니다 양측에서 잡아 당기기를 요구한다 정말 대화를 제대로하기 위해서 그렇다면 우리는 어떤 유형의 사회 문제를 생각하고 있습니까? 우리는 소득 불평등, 주택에 대해 생각하고 있습니다 변위, 건강 불균형, 디지털 격차 및 식량 접근

우리는 이것들과 모든 다른 유형의 방법들을 생각하고 있습니다 하지만 도움이 될 거라 생각 했어 우리가 구체적인 예를 생각한다면 그럼 하나의 예를 살펴 보겠습니다 사회 문제의 유형에 대해 우리 제품과 사용자와 관련하여 이해하고 싶습니다

식량 접근과 관련된 불공평 주제 이지도는 당신에게 – 그리고 그것은 분명히 미국의 맥락입니다 지금이 질문에 대해 생각해보십시오 항상 글로벌 방식으로 생각하고 있습니다 하지만이지도는 우리에게 좋은 방법이라고 생각했습니다 그것을 보아라

보시다시피 어두운 음영이있는 부분 해당 사용자가 크게 영향을 줄 수있는 영역입니다 우리가 제품에 대해 생각할 때 다른 경험 어쩌면 개인화와 추천을 줄 수도있다 레스토랑 같은 것 그래서 우리는 질문에 대해 생각하고 있습니다 해당 사용자가 포함 또는 제외되는 방법에 대해 제품 경험을 통해 더 나아가서 생각하는 방법에 대해 생각해보십시오

중소기업 및 저 자원 비즈니스 또한 제품 유형에 영향을 미칩니다 그래서 우리가 깨달을 필요가 있습니다 우리가 여기에 갈 수있는 풍부한 데이터 센서스 트랩 레벨만큼 깊은 곳으로 어떤 커뮤니티는 다른 지역 사회와 다른 경험 그래서, 내가 말했듯이이지도는 찾고 있습니다 인구 조사 지역 사회에서 차가없고 슈퍼마켓이없는 곳 1 마일 이내에 저장하십시오

우리가 더 깊게 보이기를 원한다면, 우리는 소득에이 정보를 오버레이 할 수 있습니다 식량 접근과 소득 불균형에 대해 생각해 보면, 종종 연결되는 서로 다른 그룹이 어떻게 다른지에 대한 더 나은 이해 제품에 참여하십시오 그래서 이런 어려운 사회 문제를 생각할 때, 우리가 정말로 생각할 필요가 있습니다 우리가 얻을 수있는 논리적 인 과정 큰 사회적 문제를 향해 나아가고 매우 구체적인 결과를 가져다 준다 의미 있고 변화를 가져 오는 효과는 무엇입니까? 그리고 우리가 정말로 인정해야합니다

오버레이가되는 문맥이있다 우리가 가지고있는 정보로부터이 과정의 모든 부분을, 우리가하는 활동에서 – 내 경우에는, 매우 연구 중심의 활동이되어야합니다 의미있는 결과물에 대해 생각해보십시오 그리고 조금 더 깊숙이 들어가야합니다 이 논리 모델에 대한 생각의 종류로, 우리는 음식 접근에 대해 생각하면서 지금 목적을 가지고 있습니다

예 : 부정적인 의도하지 않은 결과를 줄이기 위해 양질의 음식에 대한 접근이 문제가되는 분야 우리는 또한 상황을 잘 알고 있습니다 그래서 우리는 식량 접근의 맥락을 생각하고 있습니다 하지만 우리는 또한 고급화에 대한 질문을 생각하고 있습니다 우리는 변위에 대해 생각하고 있습니다

우리는 지역 사회의 불신에 대해 생각하고 있습니다 그래서 우리는이 질문이 문맥을 알리는 많은 다른 이슈들, 단지 음식에 대한 접근성 그러나 과정의 일부로, 우리는 자원을 확인하고 있습니다 우리는 다 분야 연구가있는 곳을 생각하고 있습니다 우리가 생각할 수있는 팀? 우리의 외부 이해 관계자는 무엇입니까? 문제의 골격을 도울 수 있습니까? 그리고 나서, 기능 간 관계는 무엇입니까? 우리가 실제로 만들어야 할 이런 종류의 문제를 해결할 수 있고, 우리의 제약이 무엇인지 인정하는 동안? 때로는 시간이 엄청난 제약으로, 지식과 위안이 부족하다

이 어려운 문제들에 관해 이야기 할 수있게되었습니다 일부 활동 및 입력 우리가 생각하고있는 것이 도움이 될 수 있습니다 우리는 몇 가지 대답을 얻는다 사례 연구에 대해 생각하고, 설문 조사를 생각하며, 우리가 사용자에게 묻는 사용자 연구에 대해 생각해보십시오 이 문제에 대한 인식

지리 정보에 기초한 참여 방법 그 분석을 할 수 있다는 점에서 차이가 있습니까? 그리고 실질적인 결과를 창출하고, 일부는 제품 중재 및 실제로 우리가 제품을 어떻게 바꿀 수 있는지, 또한 실제로 생각한 커뮤니티 기반 완화 조치 우리가 참여하는 방법이 있나? 커뮤니티와 함께 ​​데이터를 가져 오는 방법 완전한 솔루션 세트를 만드는 데 정말로 사용할 수 있습니다 그리고 정말로, 항상 긍정적 인 효과를 얻으려는 경향이 있습니다 원칙과 실천 따라서이 영역 중 하나입니다 당신은 매우 원칙적인 접근 방식을 취하는 것처럼 느낄 수 있습니다

그러나 실제로 그것을 실천에 옮길 수있는 것에 관한 것입니다 그래서 내가 너를 떠날 것이고 오늘 이해를 생각하면서 이러한 인간의 영향은 실제로 그들을 적용 할 수 있습니다 특정 기술에 적용 할 생각 응용 프로그램, 신뢰 구축 공평한 협력 – 정말 생각하고, 당신이 외부 이해 관계자들과 함께 할 때, 평등하게 느끼게하는 방법 우리 둘 다 지식을 공유하고 있다는 의미있는 방식으로 경험하고 그런 다음 지식 생성을 검증합니다 우리가 다른 지역 사회에 참여할 때, 우리는 정보, 데이터 및 방법에 대해 진정으로 확인해야합니다 우리가 이것을 틀 짓는 것은 여러 다른 출처에서 나올 수 있습니다

그리고 그것은 정말로 중요합니다 그런 다음 조직 내에서 실제로 생각해보십시오 팀 내에서 변경 에이전트 란 무엇입니까? 실제로 변화하는 도구는 무엇입니까? 그것을 의미있는 과정으로 만드시겠습니까? 고맙습니다 이제 Margaret은 기계 학습에 대해 더 자세히 이야기 할 것입니다 관로

[박수 갈채] MARGARET MITCHELL : 좋습니다 고마워, Jamila 그래서 공정성과 투명성에 대해 조금 이야기 할 것입니다 개발을위한 몇 가지 틀과 접근법 윤리적 인 인공 지능 따라서 일반적인 기계 학습 개발 파이프 라인에서, 개발자를위한 출발점은 종종 데이터입니다

교육 자료가 먼저 수집되고 주석이 달립니다 거기에서 모델을 훈련 할 수 있습니다 그런 다음 모델을 사용하여 콘텐츠를 출력 할 수 있습니다 예를 들어 예측이나 순위, 그리고 하위 사용자 출력을 볼 수 있습니다 그리고 우리는 종종이 접근법을 비교적 깨끗한 파이프 라인이라면 우리가 행동 할 수있는 객관적인 정보를 제공합니다

그러나,이 파이프 라인의 시작부터, 인간 편견은 이미 수집 된 데이터를 형성했습니다 인간의 편견은 우리가 수집하는 것을 더욱 형상화합니다 그리고 어떻게 주석을 달았 는가 다음은 일반적으로 기여하는 인간 편견의 일부입니다 문제가있는 편견과 데이터, 그리고 해석 모델 출력의

보고 편견과 같은 것 – 우리가 발언하는 경향이있는 곳 우리에게 눈에 띄는 것들, 전형적인 것들과 반대되는 것들 – 아웃 그룹 균질 편견 같은 것들 – 우리가 사회 집단 밖에있는 사람들을 보는 경향이있는 곳 어떻게 든 뉘앙스가 적거나 적다 우리가 함께 일하는 그룹 내의 사람들보다 복잡합니다 자동화 바이어스와 같은 것들 – 우리는 시스템의 출력을 선호하는 경향이있다 인간이 실제로 어떤 결과물을 출력하는지 자동화 모순되는 정보가있는 경우에도 말하십시오 따라서 이처럼 간단하고 깨끗한, 엔드 투 엔드 파이프 라인, 인간 편견 사이클의 시작에서 오는, 나머지 부분에 퍼짐 시스템의 그리고 이것은 피드백 루프를 만듭니다

사용자는 편향된 시스템의 출력을보고 시작합니다 클릭하거나 해당 출력물과 상호 작용하기 시작하려면, 이 다음에 훈련 된 데이터를 공급합니다 이미 이런 식으로 편향되어 있습니다 문제가되는 피드백 루프 생성 편견이 악화 될 수 있습니다 이것을 바이어스 네트워크 효과라고 부릅니다

또는 바이어스 "세탁" 많은 일들이이주기를 방해하려고합니다 가능한 최상의 출력을 이끌어 낼 수 있습니다 그래서 우리가 고려해야 할 몇 가지 질문 누가 탁자에 있니? 우리가 작업하고있는 우선 순위는 무엇입니까? 우리가 다른 측면에 대해 생각해야 하는가? 우리가 발전 할 때의 문제와 관점의 차이점은 무엇입니까? 우리가 작업하고있는 데이터는 어떻게 수집됩니까? 그것이 어떤 종류의 것들을 나타 냅니까? 데이터에 문제가있는 상관 관계가 있습니까? 또는 어떤 종류의 소그룹이 어떤 방식 으로든 과소 표현되어 있습니다 불균형 한 오류로 이어질 것입니다

하류? 예측 가능한 위험에는 어떤 것들이 있습니까? 그래서 선견지명으로 실제로 생각해보십시오 가능한 부정적인 결과를 예상하고 우리가 더 잘 이해하기 위해 노력하는 모든 것의 어떻게 우리가 우선 순위를 정해야하는지 어떤 제약과 보충제가 제자리에 있어야합니까? 기본적인 기계 학습 시스템 너머, 우리가 할 수있는 것을 보장하기 위해 우리가 할 수있는 일은 무엇인가? 우리가 예기 한 종류의 위험 예상 할 수 있습니까? 그리고 나서 우리가 당신, 대중들, 이 과정에 대해? 우리는 이것에 관해서 할 수있는 것처럼 투명하게하는 것을 목표로합니다 우리가 어떻게 지내는지에 대한 정보를 얻기 위해 이것에 초점을 맞추고 이것이 부분적이라는 것을 분명히하십시오 개발 라이프 사이클의 몇 가지 기술적 접근 방식에 대해 간단히 이야기하겠습니다

이것은 연구의 세계에 있습니다 당신은 이것에 관한 논문을 볼 수 있습니다 관심이 있다면, 자세한 사항은 ML에는 두 종류가 있습니다 기계 학습 – 우리가 가진 기술 상대적으로 유용하다고 판명되었다

하나는 바이어스 완화이며, 다른 하나는 우리가 가진 것입니다 포괄적으로 포함을 요구했다 바이어스 완화는 신호 제거에 중점을 둡니다 문제가있는 변수들 예를 들어, 일하고 있다고 말하십시오

다음과 같은 상황을 예측하는 시스템에서 누군가 승진해야합니다 그 시스템이 아닌지 확인하고 싶습니다 우리가 알고있는 성 (gender)과 같은 것을 키잉하는 것 승진 결정 특히 여성은 승진 가능성이 적습니다 또는 많은 장소에서 남성보다 덜 빨리 승진했습니다

기술 분야를 포함 해 우리는 적대적인 다중 작업 학습을 사용하여이를 수행 할 수 있습니다 우리가 뭔가를 예측하는 동안 프레임 워크 승진하는 것처럼 우리도 시도하고 예측합니다 우리가 확신하고 싶은 하위 그룹은 영향을 미치지 않습니다 결정과 모델 낙담 그것을 볼 수 없기 때문에 표현을 제거한다

기본적으로 그래디언트를 역전시키고 백 프레 그 펙팅합니다 포함 할 때 우리는 일하고 있습니다 뭔가를 위해 신호를 추가하는 것 – 확실하게하려고 설명되어있는 하위 그룹이 있다는 것, 데이터에 잘 표현되지 않더라도 그리고 이것에 대해 실제로 잘 작동하는 접근법 중 하나 이전 학습입니다 그래서 사전 훈련 된 네트워크를 이용할 수 있습니다 성에 대한 이해를 가지고 예를 들어, 또는 피부 톤의 일부 이해, 영향을 미치기 위해 그것을 사용하십시오

다른 네트워크의 결정 이러한 표현을 순서대로 키 조작 할 수있다 보고있는 세계의 미묘한 차이를 더 잘 이해할 수 있습니다 이것은 하나의 예제입니다 우리가 작업 할 수 있었던 프로젝트 중 누군가가 웃고 있는지를 얼마나 잘 탐지 할 수 있었는지 일부 동의 된 성별로 일하는 것에 기반 함 개인과 무엇에 대한 표현 이러한 젠더 프레젠테이션은 그 모델 내에서 누군가 웃고 있었다 일부 투명성 접근법 우리가 더 잘 설명 할 수 있도록 우리가 일을 책임 져야하는 데 도움이됩니다

잘 했어 그래서 그들 중 하나는 모델 카드입니다 모델 카드에서 우리는보고에 중점을 둡니다 어떤 모델 성능이, 분해 다양한 하위 그룹에 걸쳐, 그리고 우리가 취해진 윤리적 고려 사항, 의도 한 것이 무엇인지 명확하게 해준다 모델 또는 API의 애플리케이션은, 일반적으로 다른 종류의 공유 개발자가 염두에 두어야 할 고려 사항 모델과 함께 작동합니다

또 하나는 데이터 카드입니다 그리고 이것에 대한 평가 데이터를 제공합니다 우리가 숫자를보고 할 때, 이것은 무엇에 기초를두고 있나? 모델을 사용할 수 있다고 결정할 때 누가 대표 하는가? 그것을 사용하는 것이 안전 한가? 이러한 종류의 것들은 학습자에게 유용합니다 일반적으로 더 잘 이해하고 싶다 모델이 작동하는 방식과 일종의 것들 타사의 모델 성능에 영향을 미치는 사용자

그래서 원하는 ML 전문가가 아닙니다 데이터에 대한 더 나은 이해 그들이 작업하고 있거나 표현한 것 기계 학습 모델이 다른 데이터 세트에 있습니다 기계에 기초하거나 평가되는 기계 연구자를 학습 그래서 저와 같은 사람들은 모델 성과를 비교하고자합니다 개선해야 할 점을 이해하고 싶습니다

이미 잘하고있는 무엇이, 그리고 도움 벤치 마크를 정렬하고 진행할 수 있어야한다 미묘한 차이에 민감한 방식으로 다른 종류의 인구에서 우리의 헌신적 인 노력 공정하고 윤리적 인 인공 지능과 기계 학습은 지속적으로 측정하고, 개선하고, 윤리적 인 인공 지능과 관련된 현실 세계의 영향을 공유 할 수 있습니다 개발 감사

[박수 갈채]

홍상수 감독, 유산으로 받은 재산 1200억설과 아내와의 결혼 스토리

홍상수 감독, 유산으로 받은 재산 1200억설과 아내와의 결혼 스토리 홍상수 감독과 배우 김민희의 새로운 근황이 보도가 되었습니다 현재 서울 옥수동의 한 아파트에서 함께 살고 있는 두 사람이 경기도 하남으로 이사를 할 예정이라고 하는데요

경기도 하남에는 김민희의 아버지가 살고 있다고 하는데요 지난 2017년 홍상수 감독이 김민희 아버지와 함께 한 마트에서 장을 보던 모습이 포착된 곳도 하남이었다고 하는데요 홍상수 감독과 김민희의 이사 이유와 홍상수 감독의 가족사에 대해 정리해볼게요 먼저 홍상수 감독에 대해 알아볼게요 홍상수 감독은 1960년생으로 올해 나이 57살로 영화 제작자 부부인 아버지 홍의선 씨와 어머니 전옥순 씨 사이에서 태어났습니다

홍상수 감독의 아버지 홍의선 씨는 육군 중령 출신의 영화 제작자로 답십리에 우리나라에서 최초의 영화 제작 스튜디오를 설립한 인물이고, 어머니 전옥순은 영화와 드라마 제작자로 과거 후지TV 서울지국장을 지내기도 했던 인물입니다 <홍상수 감독 어머니 전옥순 여사> 과거 배우 신성일이 언론 인터뷰에서 자신이 출연한 1968년작 영화 '휴일'의 제작사를 제작사를 운영했던 홍상수 감독의 부모님을 회상하며, 홍상수 감독을 볼 때마다 이모, 이모 하면서 불렀다던 홍상수 감독의 어머니가 생각난다는 얘기를 했을 정도였죠 특히 홍상수 감독의 어머니 전옥숙 여사는 이화여대를 졸업한 문화계 여장부로 아주 유명한 인물이었다고 하는데요 홍상수 감독의 어머니 전옥숙 씨는 이화여대 졸업후 영화평론지 주간영화의 발행인으로 영화계에 입문 후, 남편 홍의선 씨와 함께 영화 제작사를 운영했고, 1970년대 중반에는 문학계간지 한일문예를 출간했으며, 1980년대에는 국내 최초의 외주 제작사 시네텔서울을 설립 방송계에 진출한 진짜 문화계에서 알아주는 여걸이었다고 합니다 배우 신성일의 표현대로라면 그 유명한 문화계 외골수인 작가 김지하가 홍상수 감독 어머니 전옥숙 여사 앞에서는 고양이 앞의 쥐처럼 꼼짝못했을 정도였다고 합니다

<영화감독 홍상수> 아마도 홍상수 감독이 젊은 시절부터 영화를 접하고 영화 연출에 관심을 기울이게 된 것도 부모님의 영향이 컸을 것이고, 아울러 엄청난 자금이 소요되는 영화판에서 나름 영화의 길을 걷게 된 것도 부모님에게서 물려받은 상당한 유산이 큰 도움이 되지 않았을까 싶은데요 과거 '풍문으로 들었쇼'에서는 홍상수 감독이 어머니 전옥순 여사로부터 물려받은 유산이 1,200억에 달한다는 얘기까지 돌았다며, 어쩌면 배우 김민희가 홍상수 감독의 예술가적 모습과는 별도로 이런 막대한 재산에 끌려서 22살의 나이 차이를 극복하고 함께 살고 있는 것인지도 모른다는 얘기까지 돌기도 했죠 그런 홍상수 감독은 현재 법적으로 부부 관계인 부인과 지난 미국 유학 시절에 만나 1985년 결혼식을 올렸고, 결혼 이후 지금까지 30년 이상을 함께 살았고, 슬하에 현재 유학중인 대학생 딸이 한 명 있다고 합니다 하지만 지난 2016년 6월 홍상수 감독이 배우 김민희와의 불륜 스캔들이 언론데 대서특필되죠 홍상수 감독의 아내가 과거 치매에 걸린 홍상수 감독의 어머니인 전옥순 여사를 4년 이상 모셨을 정도로 조강지처였는데, 그런 아내를 문자 한 통 보내고 집을 나가 수년 동안 여배우와 살림을 차렸다는 이유로 네티즌들에게서 집중포화를 맞기도 했던 홍상수 감독이죠

<미국 유학시절 만난 홍상수 감독과 아내> 현재 홍상수 감독이 부인에게 이혼을 신청했지만, 홍상수 감독의 아내는 이혼할 수 없다며 맞서고 있는 상태로 이혼 과정은 여전히 현재 진행형인데요 그 와중에 홍상수 감독과 배우 김민희가 현재 거주중인 서울 옥수동 아파트에서 경기도 하남으로 이사를 계획중이라고 하는데요 이사 이유는 아마도 경기도 하남에서 살고 있는 김민희의 부모님과 좀 더 가깝게 지내고 싶다는 배우 김민희의 바람 때문인 것 같습니다 홍상수 감독의 아버지 홍의선 씨와 어머니 전옥순 씨는 모두 돌아가셨죠 어머니 전옥순 씨가 지난 2015년 사망 당시, 홍상수 감독의 아내가 빈소를 지켰던 모습과는 달리, 홍상수 감독은 아내의 어머니니가 돌아가셨던 지난 2017년 빈소에 나타나지 않아 대조적인 모습을 보이기도 했었죠

<하남에서 포착된 홍상수, 김민희, 김민희 아버지> 지난 2016년에도 경기도 하남의 대표적인 복합 쇼핑몰인 스타필드 하남에서 홍상수 감독과 김민희, 그리고 배우 김민희의 아버지가 함께 카트를 밀며 쇼핑을 하던 모습이 포착되기도 했으니까요 한 때 결별설이 돌며 홍상수 감독과 배우 김민희가 스캔들과 불륜을 결국 극복하지 못하고 헤어지는 것인가 하며 관심을 모으기도 했는데, 배우 김민희의 부모님이 계시는 하남으로 이사까지 계획중이라니 결별설이 이제는 쏙 들어가게 될 것 같네요

Machine Learning at the Edge

여보세요 안녕하세요

하루 종일 더 머 무르셔서 고맙습니다 내가 처음으로 그것이 긴 날이었던 것을 압니다 그리고 나는 조금만 나누기 위해 최선을 다할 것이다 가장자리에서 기계 학습에 관해서 내 궁금한 점에서 기계 학습은 무엇입니까? 모서리? 실제 세계, 실제 세계와 디지털 세계

내 이름은 얼음 코코로 솔루션에 대한 응답은 다음과 같습니다 여기 고객과 정부를 담당하는 Amazon Web Services에서 강의하며, 건강 관리, 교육 및 비영리 단체로의 여행을 구름 그리고 오늘 저는 그러한 종류의 예술에 대해 가능한 예술을 보여 드리고자합니다 과학 기술

다른 고객의 사례를 보여줄뿐만 아니라 가장자리에서 기계 학습을 사용하면서도 건물을 사용하여 작업을 수행했습니다 나는 정말 자신의 경험을 제공하는 것과 같은 방식으로 스스로 물건을 만들 수있는 방법 귀하의 정부 기관에 배포하십시오 시작하자 가장자리에서 기계 학습을 생각하면 막연한 것처럼 들리겠습니다 그것을 이해하고 그것을 설명하는 가장 좋은 방법은 다른 사람들이 어떻게 해왔는지

아마존의 사례부터 시작하고 싶습니다 나는 또한 약 20 년 동안 기계 학습을 위해 일해 왔으며 중요한 비즈니스는 소매 또는 우리가 창고를 구성하는 방법에 관한 것입니다 그럼 너는 우리가 기계 학습을하는 우리의 비즈니스 프로세스를 어떻게 증명할 수 있을지에 대한 아이디어가 있습니다 우리 유통 센터를 도와주십시오 이제 동영상에 대한 정보를 보여주고 싶습니다

아마존의 몇 순간 중 하나의 비디오가 배운 기계를 구현하는 방법 우리의 로봇 Kiva와 함께 상자 앞을 한쪽으로 가져 오는 데 도움이되는 Amazon 로봇 다른 쪽 나는 인간을 위해 그것이 영리하지 않다는 것을 안다 그러나 만일 당신이 생각한다면 로봇이 결정을 내리기 때문에 중요하고 중요합니다 한쪽에서 다른쪽으로 제품을 가져 오는 앞으로의 전진에 대해 이 기술은 지금이 순간입니다 이 경우 로봇이 가지고있는 로봇을 볼 수 있습니다

사람들이있는 곳을 식별 할 수있는 센서 이것은 몇 가지 장애물과 싸우고 장애물을 딛고 결합 할 수 있습니다 컴퓨터 비전과 같은 기계 학습 기술의 다른 종류 그래서 내가 어떻게 이 컨텍스트에서 컴퓨터 비전을 사용할 수 있습니다 우리는 우리가 가지고있는 쓰레기통을 유감스럽게 생각합니다 쓰레기통 오와 그 쓰레기통이 거기에 있고 생각은 이미지를 가져가는 것입니다

빈이 가득 차 있는지 여부를 확인하십시오 보시다시피 우리는 서로 다른 조합입니다 알고리즘은 다른 기계 학습 기술뿐만 아니라 이동뿐만 아니라 식별 빈입니다 가득 차 있건 없건간에 좋은 예입니다

왜냐하면 당신은 클라우드의 모든 모델을 훈련시키고 걸릴 수 있도록 그것을 가장자리로 밀어 넣습니다 그런 비즈니스 질문에 대해 알고 있거나 대답하기로 한 결정 그리고 확실히 아마존 만이 그 일을 해 온 유일한 사람이 아닙니다 그래서 우리는 단지 작은 요즘 기계 학습을 구현 한 고객 중 일부는 AWS 그러나 아마존의 가능성에 대해 좀 더 자세히 알고 싶습니다

첫번째 누군가 오늘 기조 연설에서 보았던 몇 가지 예입니다 그것은 포뮬라 원에 관한 것입니다 Formula One은 AWS의 훌륭한 고객이며 여기에서 주요 포인트는 우리가 여기서 본 것처럼 가장자리에서 행동을 취하는 대신 우리는 정보를 가지고 정보를 취하기 위해 자동차 기계를 사용하고 있습니다 운전자가 우선적으로 의사 결정을 내릴 수 있도록 돕고, 팀이 어디에서 볼 수 있는지 알아 봅니다 성능을 향상시킬 수 있으며, 세 번째로 청중 또는 모든 자동차 경주 팬 전 세계의 통계를 확인하십시오 누가 가장 큰 기회가 있는지 알아보십시오

이 경우에는 가장자리는 구름에서 처리 할 정보를 수집합니다 그리고 아마도 당신은 궁금해 아마존 유통 센터 위대한 프로젝트 규모면에서 볼 때 포뮬러 원은 물론 많은 자원을 보유하고 있지만 어쩌면 우리 정부 기관은 그들의 세계에서 연구 할 방법이 없거나 그렇지 않습니다 그 돈을 모두 가지고 있거나 어쩌면 단지 너무 복잡하거나 어쩌면 그런 것들 영국 유럽, 미국에서 근무하지만 캐나다는 어떻습니까? 그래서 한 가지 예를 들고 싶습니다 이 모든 질문에 즉시 대답하며 BCIG에 관한이 질문은 브리티시 컬럼비아에있는 고객 중 한 명이 기계 학습을 기회로보고 있습니다 그리고 그들은 단지 한 사람으로 구현됩니다

그리고 내가 말하는 대신에 고객이 직접 이야기 할 수있게되었습니다 안녕하세요 제 이름은 Michelle Wan이고 영국의 컴퓨터 과학 학생입니다 컬럼비아 공과 대학 오늘 알렉사 스킬을 선보이고 싶습니다 나는 간호 학교에 지어졌습니다

Alexa 공개 실험 결과 환영 실험실 결과 기술에 이 기술을 사용하여 환자의 혈액 작업을 얻거나 진단 보고서 어떻게 도와 드릴까요? 참을성있게 해줘 고마워요

환자 번호 1에 대한 결과를 찾았습니다 2018 년 1 월 22 일부터 Simon으로 이동합니다 진단 보고서 어떤 유형의 진단 검사를 원하십니까? 방사선과 기술적으로 어려운 시험은 휴대용 확장 장치로 잘 수행됩니다

크기 심장 또는 Tkach 및 종격동 구조가 정상인 경우 확산 및 여액의 양이 DX 폐 부종을 기록했다 알렉사 그만 고맙습니다 실험실 결과 기술을 사용하는 데 많은 도움이됩니다 곧 알려 드리겠습니다 당신은 사람을 위해, 가장자리에서의 기계 학습이 훨씬 더 가깝다는 것을 의미합니다

그러면 그것에 대해 생각할 수 있습니다 그 3 가지 사례는 단지 3 가지 예일뿐입니다 기술적으로 말하면 기계 학습을 위해 무엇이든 사용할 수 있기 때문에 모든 것이 육체적이기 때문에 가장자리 자가 운전 자동차 또는 스마트에 대해 생각해보십시오 농업 또는 똑똑한 도시

기술적으로 당신이 사용할 수있는 물리적 인 모든 것 자동화를 제공하기 위해 가장자리에서 학습하는 기계 그리고 나는이 순간에 우리가 희망한다 아직도 가능성에 흥분하고 있습니다 그리고 나서 나는 보여주고 싶다 어떻게 생각하는지

Rock n Roll을위한 시간인가? 기술의 순간입니다 우리가 우리의 건축 자이기 때문에 함께 건축합시다 먼저 무언가를 만드는 것입니다 먼저 기계 학습에 대한 주요 단계를 이해하여 데이터가 될 수 있습니다 그것은 당신의 데이터가 다른 누군가의 데이터일지도 모르지만 데이터는 기계의 핵심입니다

배우기 마법은 없습니다 두 번째는 알고리즘과 알고리즘 중 일부입니다 50 대 이후로 운영되고 있습니다 아주 아주 오래된 것들이 있습니다

그만큼 차이점은 이제 우리가 일하도록하는 모든 컴퓨터의 힘이 있다는 것입니다 기계 학습에 관해 이야기 할 때 가장 큰 차이점 그런 다음 모델이 있습니다 실제로 모델은 오늘날 우리가 많이 이야기하는 것입니다 그래서 모델은 문제를 기반으로 한 데이터를 기반으로 한 결과와 모델이 발생한 후 다음에해야 할 일에 대해 결정을 내리는 사람

그리고 다음은 아마도 대부분의 시간을 추론 할 때입니다 추론은 모델을 가져 와서 모델을 생산 방법이 어디인지 확인하고 마침내 혜택을보기 시작합니다 가장자리로 탐구하는 것과 똑같은 기계 학습 그리고 나는 몇 가지 음악 도구를 사용하여 그것에 집중하고 싶습니다

네가 출신 인 것을 나는 안다 아마도 다른 기관의 건강 관리와는 다른 분야 일 수 있습니다 다음 35 분은 우리가 전국을 조직 할 책임이있는 척합니다 공원 이제부터 우리의 목표는 개선 할 기계 학습을 구현하는 방법입니다

시민, 우리 시민의 경험 지금은 우리의 목표입니다 그래서 라이프 스타일의 목소리 고객이 우리에게 말하고있는 것이 목소리이기 때문에 목소리가 왜 일반적으로 컴퓨팅을위한 기본 인터페이스는 자연스럽게 볼 수 있기 때문입니다 키보드 마우스 또는 30 개의 스크린을 무언가와 같이 사용할 필요가 없습니다 그냥 말해 당신은 당신의 과정의 결과로이 대답을 받게됩니다

그렇게하기 위해서 우리의 목소리로 알렉사를 사용하는 것을 좋아합니다 좋은 음악과 같은 엔터테인먼트에 관한 것과 같을 수 있습니다 또는 홈 오토메이션이나 자동차에 대한 것들을 알렉사가 될 것입니다 목소리를 알고 그러나 이것은 기술적 인 것이기 때문에 세션은 알렉사가 어떻게 작동하는지 이해합시다

나는 아주 간단한 것을 사용하고 싶다 예를 들어 여기 알렉사 장치를 사용할 수있게하고 그것을 재생 해 봅시다 그것이 어떻게 작동하는지보십시오 Alexa는 오타와의 날씨를 알려줍니다 오타와, 온타리오에서 흐린 하늘이 섭씨 12도

오늘 밤에는 샤워 실을 찾을 수 있습니다 낮은 5도 이 빠른 상호 작용으로 지금 무슨 일이 일어 났습니까? 꽤 많은 사람들이 이미 해냈다는 것을 확신하지만 뒤에 무슨 일이 일어 났습니까? 장면들 그래서 처음 알렉사가 듣지 않는다고 말하면 항상 너를 듣지 마라 일어나서 만 깨우칠 때만 듣기 시작하십시오

웨이크 워드는 기본적으로 다음과 같습니다 Alexa하지만 모바일 앱으로 이동하면 변경할 수 있습니다 그것이 시작되면 알렉사는 당신이 말하는 것을 듣기 시작하는 것을 좋아한다고 말합니다 음성 캡처로 활성화됩니다 그래서 우리는 캡처 캡처를 건너 뜁니다

정보를 수집하고 클라우드에 보냅니다 실제로 가지고있는 정보 Alexa가 로컬에서 처리 중이 지 않다면 클라우드로 전송됩니다 에 보낼 때 클라우드에는 반복적 인 음성 플랫폼이 정보를 수신합니다 발화 형식 다음 단계는 ASR 또는 자동 호출이라고 부릅니다

음성 인식 그래서 우리는 사람들이 기본적으로 말하는 것을 알아 듣거나 듣기 위해 노력합니다 음성을 텍스트로 변환하는 것은 정확하게 대답이지만 그렇게하지는 못합니다 청력은 당신이 말하는 것을 이해하는 것을 의미합니다 그리고이 책임 NLU 또는 자연 언어 이해라고 부르는 다음 단계입니다

NLU는이 문장을 어기려는 것을 이해할 책임이 있습니다 그것을 이해하는 작은 토큰, 당신이 선의의 의도라고 부르는 것을 얻는 것 그 의도는 의도입니다 그래서 의도는 어떤 명령을 붙잡아 두었던 메커니즘 당신은 알렉사에게 보내고 싶습니다하지만 지금은 알기 때문에 아닙니다 네가 한 말은 내가 어떻게하는지 알고 있고 다음 단계는 이 기술

이 기술은 마법이 일어나는 곳입니다 왜냐하면이 스킬 측면에서는 플러그 할 때입니다 레거시 시스템으로 이동하는 비즈니스 애플리케이션 당신이 데이터베이스 나 레거시에서 쫓아 내고 싶은대로해라 대답은 텍스트로 수신하고 이것이 마지막 단계로 이동합니다 당신은 변환 텍스트 음성 변환을 호출합니다

그래서 그들은 TTS (text-to-speech) 후에 우리에게 plataform은 Alexa 장치로 돌아 왔습니다 네가 한 때마다 알렉사와 무언가가 장면 뒤에서 일어나는 흐름입니다 알렉사의 목소리를 들으세요 좋은 점은 정부 정부가 우리에게 이봐,하지만 너를보고 싶지 않아 옵션을 원하고 완전히 공평합니다

이 문제를 해결할 이유가 있습니다 솔루션은 두 가지 주요 블록에서 첫 번째 장치입니다 그래서 장치는 장치 마이크가있는 센서가있는 Amazon Echo가 필요합니다 말하는 정보를 캡처하십시오 네가 방금 알아 낸 것은 네가 당신이 다른 방법으로 장치를 구현할 수있는 장치에 대해 생각해보십시오

그래서 그 경우에 다른 제품이나 다른 장치를 사용하여 다양한 이니셔티브를 지원할 수 있습니다 에코 도트처럼 다른 비디오에도 에코 도트가 있기 때문에 음성을 기본 상호 작용 및 비디오로 결합하여 원하는 경우 몇 가지 추가 정보 하지만 너는 무엇을 안다 가끔은 아마존에서 아무것도 사용하고 싶지 않다고 말하고 싶습니다 일부 장치를 사용하여 내 환경 만들기 like 장과 파이가 있거나 원하는대로 할 수 있습니까? 그래 넌 할수있어

그래서 내가 가장 좋아하는 예는 맨 위에있는 어린이들이 장치는 당신이 아마존에서 온 것이 아닌 것을 전혀 모르는 것입니다 동일한 방식으로 게임하고 작동하도록 제작 된 사용자 정의 인터넷에 가면 그리고 플레이 알렉사에는 베리 파이가 많습니다 이러한 유형의 맞춤 설정을 수행하는 방법을 단계별로 보여주는 예는 정부 기관 또는 의료 교육으로서 Amazon Echo 장치 또는 이러한 장치를 구현하려는 장치간에 사물의 그래서 우리는 알렉사 서비스와 같은 소프트웨어 자체의 제어 기능 상호 작용에 관한 모든 것, 두 가지 주요 구성 요소가 있습니다

Alexa 음성 서비스를 통해이 시스템과 통합 할 수 있습니다 두 번째는 실제로 우리가 방금 개발 한 Alexa 기술입니다 그래서 뒤에 같은 감독자와 같은 모델이나 기계 학습 모델이있는 장면 배후에 링크가 있음을 알게되면 프리젠 테이션을 세부 정보와 공유 할 것입니다 모델의 측면에서 작동하는 방법에 대해서는 실제로 있지만 당신에게는 필요하지 않습니다 당신이해야 할 일은 단지 당신의 기술을 코드화하는 것입니다

그리고 코딩 할 때가 왔다는 것을 알고 있습니다 당신의 기술을 개발하고 그것이 어떻게 작동하는지 볼 시간입니다 그래서 가장 먼저해야 할 일은 텍스트의 본질은 메시지의 성격을 이해해야합니다 너 우리 기억 나 지금이 섹션을 시작하여 국립 공원에 대해 이야기하고 싶습니다

알렉사에게 공원에 관한 정보를 요청하면 티켓 같이 해보자 그래서 내가 먼저 알렉사에게 물어 보겠다 국립 공원 티켓의 비용과 결과로 지금 가격을받을 수 있습니다 내 컴퓨터에 가자

다음은 상호 작용을 개발할 수있는 Alexa 개발자 콘솔입니다 그런 다음이 상호 작용을 가장자리로 밀어 넣으면 내가 말했듯이 리콜을 만들 것입니다 당신이 원하는 스킬의 종류를 결정할 때 훌륭한 스킬 인 승리 스킬을 정의하십시오 이 경우에는 국립 공원을위한 기술을 만들고 싶습니다 이 사업을 위해 무엇을 원 하든지 국립 공원은 무엇을 할 수 있습니까? 도메인은이 부분을이 기술의 비즈니스 도메인으로 이해합니다

그것을 집중하고 싶습니다 영어를 포함한 여러 언어에 대한 지원이 있습니다 그리고 프랑스어, 캐나다 프랑스어는 여기에 포함되어 있습니다 multimodal 또는 다중 언어 기술 그리고 우리는 기술은 장치와 상호 작용할 수있는 방법에 대한 예입니다

정보를 받거나 게임을 좋아하고 싶습니까? 나는 우리가 할 수있는 다른 모델을 가지고있는 FAQ와 같은 질문 대답을 좋아한다 귀하의 SQ에서 구현하지만 오늘부터 내가 처음부터 시작하고 싶습니다 오실레이터는 사용하지 마라 처음부터 시작해서 그것을 사용하고 싶다 당신은 모든 단계에서 그렇게 여기에 우리는 우리가 같은 콘솔을 가지고 있으며 첫 번째 부분은 여기있는 모든 직업은 국립 공원과 같은 구성 요소의 이름이 아닙니다

알렉사와 그 결과를 얻기 위해 이야기 한 고객으로서의 당신의 방식입니다 그래서 그 경우 나는 단지 여기에서 나뉘었다 왜냐하면 누군가가 국립 공원 이 큐를 호출합니다 다음 단계는 의도이므로 여기에 호출이 있습니다 의도 나 의도를 사용해야하고 의도는 있어야합니다

가격에 관해서는 여기에서 정의하는 티켓 의도와 같은 의도 또는 내가 보여줄 동일한 기능은 우리의 요점 나는 당신에게 필요한 이름을 붙잡기 위해 지금 어떻게 지켜야하는지 보여줍니다 상호 작용의 구조를 정의하여 고객이하는 말 그것에 대해 예를 들어 티켓의 비용은 무엇입니까? 나는 무엇인가를 보여줄 의도의 일부로 포착하고 싶다 내 환경 그래서 지금은 내 환경에서 설정 것들을 가지고 있지만 그 (것)들을 저장하고 당신이 다만 원하는 순간 인 모형을 건설하기 위하여 오 오하이오의 부분에 여기가 있는지 확인하십시오 왜 키가 최대한으로 집합을 나타납니다 당신은 그것이 작동한다는 것을 몰랐으므로 여기에 의도를 가지고 있습니다 그러면 그 경우에 창의적인 모델의 비용이 모델이라는 것을 정의하십시오 전에 언급 한 부분 학습 부분은 방금 거대한 너가 보았던 Alexa가 너를 보았던 모든 것을 가진 지식에 네트워크 이 지식에 대한 한 가지 더 숙련 된 기술이 있으므로이 큐를 여기에두고 무엇을해야합니까? 다음 단계로 내 기술과 내 코드를 연결해야하며 어떻게 수행합니까? 기본적으로 두 가지 옵션을 표시하는 끝점 구성 귀하의 코드 및 귀하의 레거시 시스템에서 텍스트 사이의 링크 로이 코드를 참조하십시오 단지 클라우드에서 HTTP를 사용하는 API를 노출하는 서버를 시작하거나 구름은 전적으로 당신에게 달렸습니다

그리고 나서 당신은 그 서비스를 가진 람다를 가지고 있습니다 서버 관리에 대해 걱정할 필요가 없습니다 내 앞에 프리젠 테이션에서 언급 된대로 필요한만큼 탈출하십시오 서비스에 대해 걱정하지 않으려 고 램비 인형 1 개를 고를 것입니다 서버 내가 원하는 서비스를 구성하기 위해 서비스를 실행하고 싶습니다

할 수있는 것은 나의 lamby Ducote와 Mike의 기능 사이의 연결이다 AWS 클라우드로 전환 할 때까지 여기에서 람다 함수뿐만 아니라 데이터베이스에 연결하거나 연결하는 데 사용할 수있는 모든 환경 ERP CRM 또는 이와 같은 통합을 생성해야하는 시스템 여기에 WS 콘솔이 있습니다 그냥 람다 파트로 가서 괜찮습니다 당신의 기능을 만들고, 여기에 당신이 아마 어쩌면 당신이 궁금해하는 기능을 할 때가 있습니다 알렉스,하지만 알렉사를 사용해서 전자를 처음 들었는지 모르겠다

나에게 도움이 될만한 표본을 몇 년이나 가지고 있고 몇 년 동안 우리는 세션이있다 리포지토리에서 브라우저 서비스를 호출하여 재사용에 사용할 수있는 기능이 있다면 약 404 플레이어 코드뿐만 아니라 기술을 쓰는 방법이나 방법을 배우는 것입니다 lambda 코드를 작성하십시오 여기에 한 가지 예가 있습니다 당신이 원한다면 github에서이 코드를 사용할 수 있기 때문에 그들은 그녀를 얻습니다

실제로 변경하십시오 코드를 배포 할 때 코드가 변경되므로 여기에서 할 것입니다 알렉사에 대한 한 가지 예를 하나의 템플릿과 같이 말했습니다이 템플릿은 방금 전에 언급 한 커뮤니케이션과 연결됩니다 그리고 나서 Alexa 서비스를 사용하여 완전한 경험을 얻었습니다

생성 및 그 뒤에서 발생한 일들은 먼저 몇 가지 구성 요소를 배포합니다 Java 코드 또는 Python 중에서 선택할 수 있습니다 또는 nodejs가 필요한 모든 라이브러리를 제공한다 실제로 함수를 추가한다 예를 들어 보안에 대해 데이터베이스에 연결할 수있는 데이터베이스를 연결하면 그렇다면이 함수에서 정의 할 수있는 다양한 보안 옵션은 그래서 여기에 당신이 볼 수있는 종료 완료 나는 내 기능을 작동하고 그때 내가 뭘 지금하고있는 일은 코드를 변경하여 원하는대로 개발할 수 있습니다

당신은 브라우저를 사용할 수 있습니다 9 웹 개발 도구 중 하나에서 사용할 수 있습니다 블레어의 비주얼 스튜디오 이클립스는 단지 당신이 더 많은 것을 선택한다 이제는 코드가 생겨서 거기에 가서 배포하십시오 코드 여기에서 실제로 브라우저를 사용하는이 순간에 실제로 변경됩니다 코드는 여기에서 코드의 일부로 죽었습니다 G는 자세히 설명하지 않습니다

코드를 구현하는 것이 그리 어렵지는 않습니다 그래서 첫 번째 요점은 당신은 무엇을 받았는지에 대한 메시지를받습니다 장치에서 캡처 한 페인트로 여러 상호 작용을 상상해보십시오 당신이 음악을 부르거나 가격을 요구하거나 우리가 싸울 시간을 열 때 다른 긴장을 강렬하게 부른 다음이 하나가 – 가장 훌륭한 것입니다 비코 인스턴스가 아닌 코드의 일부는 내가 정의한 것과 동일합니다

에어 콘솔의 구성에서 내가 여기에서 바뀌고 지금 내가 무엇을하고 있는가? 메시지를 넣는 것 뿐이지 만 코드는 필요 없습니다 서비스를 사용해 주셔서 감사합니다 그것을 사용 주셔서 감사합니다 가격은 $ 950입니다 첫 번째 상호 작용 및 그들은이 메시지의 결과로 내가 방금 보낸 다시 알렉사 장치에 다시 여기에 대한 코드는 실제로 동일한 코드입니다 대부분의 API에서 사용할 수있는 것은 어떤 종류의 장식 여기에 완벽하게 저장하고 싶습니다

저장하면 이제 테스트 할 시간입니다 그것은 정말 그렇게 두 가지 옵션이있는 방식으로 작동합니다 나는 시험 할 수있다 나는 다만 나의 기능에 나의 기능을 연결시킬 것이다 Alex의 죽이는 것은 안전한가? 이제는 테스트의 일부로 테스트 할 시간입니다 알렉사 개발자 콘솔은 당신과 환경에없이 제공합니다 어떤 종류의 장치를 사면 다음과 같은 장치를 가질 필요가 없습니다

도구로 이동하는 데 필요한 것을 개발하기 시작하고 자신 만의 개발을 사용하여 시작하고 여기에 메시지를 넣으십시오 내셔널 엑사 (National exa)는 국립 공원에 정확히 티켓 가격을 물었다 내가 전에 언급 한 결과로 다시 또는 더 나은 나는 그것을 테스트하는 것을 좋아한다 알렉사는 국립 공원에 그것을 사용하는 것을 감사하는 표의 가격은 여기에서 $ 950이다 우리는 50와 같다 차가운 링크로이 처음부터 이러한 기술과 장치에 배치하여 가능성을 생각해보십시오

하지만이 기술을 사용하면 큰 도움이 될 수 있습니다 슬라이드와 다시 람다는 왜 당신이 사용할 수있는 하나의 옵션입니다 Linux 나 Windows에서이 기능을 사용한다면 걱정할 필요가 없습니다 기능은 작동하지만 컴퓨터 비전 때문에 컴퓨터를 다루고 싶어합니다 컴퓨터 기계 학습을 생각할 때 비디오 검색 부분 영역에서 더 나은 컴퓨터 비전을 이해합니다

저는 비디오를 보여 드리고자합니다 그래서 하나가 아닙니다 당신이 집에 가지고 있고 기계 학습이있는 비디오에 대한 예는 환경에서 일어나는 일을 포착 한 다음 파이 궤도를 확인했습니다 행동을 식별하는 사람이 모든 일을 할 수있는 가능성이 있습니다 당신의 기계 학습 모델에서 사용하고 내가했던 것과 비슷한 것을 해보 죠

전에는 시각적으로 집중했지만 지금은 다른 것을하고 싶습니다 그들이 우리와 같은 장치이기 때문에 여기에 음소거를 둡니다 나는 장치의 필요성을 좋아합니다 인터넷이란 인터넷 없이는이 장치를 사용할 수 없다는 것을 의미합니다 작동하지만 모든 환경이 인터넷을 사용할 수있는 것은 아닙니다

네, 그렇게 할 수 있습니다 우리가 지금하고있는 일이 그렇게 할 수 있습니다 하루 종일 교육하고 달리기를 달리하는 대신 다른 것을하십시오 클라우드에서 모델을 만드는 것은 클라우드에서 모델을 교육하는 것입니다 그런 다음 모델을 장치로 밀어 넣으면 이전에 한 일은 모델을 컴퓨터 비전을 사용하여이 장치에 배포하십시오

인터넷이 있거나없는 기기는 내가 보내고 싶은지 선택합니다 정보를 클라우드로 되돌 리거나 실행하지 못하게함으로써 우리는 당신이 실행할 수있는 것에 자치권을 갖습니다 모델을 개발하는 측면에서 지역 내에서 때로는 자동화에 도움이되는 도구를 사용해야하기 때문에 아마존에서의 프로세스는 오늘 언급 된 sage maker와 같은 서비스를 가지고있다 기조 연설은 깊은 학습을 좋아합니다 모델을 만드는 낮은 수준의 인프라 스트럭처 물리적 인프라는 예를 들어 Intel 기반의 서비스를 사용합니다

c5 또는 심지어 테슬라와 같은 것들을 사용하는 GPU를 사용하는 서버들 이미지를 생각할 때 구름을 만드는 측면에서 사용할 수있는 옵션 아마도 가장 유명한 알고리즘 중 하나를 사용할 수있는 알고리즘이 있습니다 당신이 방금 이미지를 그의 입 덩어리에서 깨뜨린 콘볼 루션 레이어 또는 작은 분수는 기본 원시의 기본을 이해하는 데 도움이됩니다 그런 다음 객체의 조합과 그 다음에는 객체 또는 이미지 자체는 코드의 측면에서 단지 몇 줄에 불과합니다 코드 및 여기에 학습 전략을 정의 할 수있는 한 가지 예가 나와 있습니다 그래서 어떻게 배우고 싶습니까 또는 당신의 배우기를 창조하는 제일 방법은이고 거기있다 프리젠 테이션 끝 부분에서 세부 정보를 보여주는 여러 자습서 나는 당신이 오늘 사용했던 것과 동일한 데모를 실행할 수 있도록 링크를 제공 할 것입니다

그 다음에 발표자가 장치에 관한 것이기 때문에 여기서 하나는 깊은 렌즈이고 깊은 렌즈는 이미지를 캡처 한 다음 코드를 실행하고 생각할 때 제공합니다 코드를 실행하면 코드의 두 가지 주요 구성 요소가 먼저 없습니다 변경하지 마십시오 슬라이드로 돌아 가셔서 감사합니다 두 플레이어가있을 때 람다 코드를가집니다 우리가 예전에 개발 한 λ 람다 코드입니다

음성을 사용하는 대신 컴퓨터를 사용할 수 있습니다 당신은 그런 종류의 것들을 재사용 할 수 있고 그때 당신이 만든 모델을 모델링 할 수 있습니다 AWS에서 사용자 환경에 적용 해 보겠습니다 다시 한번 내 컴퓨터로 돌아 가자 그래서 나는 다시 AWS 콘솔과 내가 지금하는 일은 내 패키지를 배포 할 수있는 패키지입니다

이 두 번째 예제의 코드는 우리가 국립 공원 물에 대해 이야기했던 것을 기억합니다 조류를 식별하는 컴퓨터 시각 알고리즘과 비슷하다 당신이 알고있는 예를 좋아해라 내가 새를 볼 때 나는 그것이 새라는 것을 안다 그러나 나는 정확히 어떤 종의 종을 알고 있을지 모릅니다

대부분의 사람들이 당신이 기계 학습을 사용하는 것에 대해 알지 못하는 경우 그것을 확인하기 위해서 함께 그렇게하자 그렇게하기 위해서 나는 그것을 만들 것이다 프로젝트를 만들 때 프로젝트를 여러 팀에서 재생할 수 있습니다 하나의 빈 및 첫 번째 프로젝트를 정의하는 템플릿으로 오타와 먼저 무엇을 가지고 싶은 모델과이 모델은 다음과 같은 여러 프레임 워크를 구현할 수 있습니다 탱크 또는 플로우 또는 MX net을 선택하여 귀하가 원하는대로 선택할 수 있습니다

컴퓨터 비전 문제 나는 새가 얼굴도 가지고 있다는 것을 듣는다 그냥 내 라이브러리에서 인정하고 당신도 당신을 가져올 수 다음 정의 함수를 사용하고자하는 함수가 리포지토리는이 기능이 기본적으로하는 것입니다 여기에서 생성 된 이미지에서 보내는 모델을 호출합니다 몇 번의 클릭만으로이 환경을 만든 다음 마지막 단계로 오늘은 장치에 관한 것이기 때문에 오타와 정상 회담을하고 싶습니다 내가 가지고있는 장치의 함대에 배치하면 하나의 장치가있다

그것은 그들이 더 많은 것을 만드는 것을 선택할 수있는 것이다 감각과 내가 필요한 것을 선택하라 3 ~ 4 분 동안 배포해야합니다 이전에 배포 한 적이 있으므로 시간이 필요합니다 지금 실행 중인지 확인하려면 지금 연결하고있는 것이 더 이상 클라우드가 아닙니다

내 로컬 장치를 연결하고 있는데 여기에있는 것은 이미지 캡션 또는 실시간으로, 만약 내가 왜 내 얼굴을 보여 주면 그가 왜 그런지 말하지 않기 때문에 왜 그런지 보여줍니다 녹색 눈을 얼굴을 원하지 않아 이런 아, 그냥 지연 아 아, 우리는 여기있다 거기에 아무것도 없지만 내가 새를 넣을 때 부드럽게 여기서 우리는 통합적인 협착을 보았고 백분율은 25 50 퍼센트입니다 기계가 이봐, 내가 새라고 생각하기 때문에, 그러나 나는 어떤 것이 왜냐하면 실제 새가 아니기 때문에 감각을 갖게된다면 실제로 테스트를 한 것입니다 당신이 80 %로가는 백분율처럼 보이는 밸브 인터넷 이제는 구현 한 것을 보여줄 것입니다 이 경우 사람들에게 인텔리전스 및 성능 자동화 내 데이터베이스에는 약 200 종의 조류 종들이 가능성에 대해 생각하고있다 그것은 오늘 세션에 관한 것이므로 우리는 기계 학습을하는 새가 있습니다

가장자리에서 뭔가를 구현하고 싶다면 이걸 가져 가지 않을거야 이미지로 이동하여 인터넷에 연결하면 환영받을만한 가치가 있습니다 슈퍼는 계속해서 슬라이드로 돌아 가자 컴퓨터 비전 이상의 주간 자연 언어와 좋은 요점은 Alexa라면 반드시 다음과 같이 구현할 필요는 없습니다 Amazon 하드웨어는 사용자가 직접 프레임 할 수 있습니다

이 기능이 수행 된 것과 같은 결과가있는 기능에 따라 다릅니다 그리고 우리 정상 회담 중 하나는이 작은 장치 사람들의 입장에서 가능성을 포착 할 수 있었다 컴퓨터 비전의 측면에서 그리고 연장 또는 상실에 관해 생각할 때 알 수없는 Amazon 하드웨어 현장에서 일어나는 일 환경과 같이 작동하는 푸른 잔디를 가져갔습니다 모델을 작성하고 코드를 배포하거나 덩어리로 작성해야합니다 구성에서 장치 코드를 배포 한 후 너는 모든 것을 달리기 위해 내가 전에 한 것처럼 행동했다

내부 식물 카메라로 나는 푸른 잔디 환경을 가지고 있고 어떻게 지금 그것이 작동하는 방법이나 내가 내 모델을 사용하기 전에 일하는 법 mother flambeed로 코드를 개발했는데 코드를 사용하여 두 모델을 모두 푸시합니다 녹색 잔디를 장치에 연결하면 장치가 해당 모델을 기반으로 조치를 취했습니다 이전에 교육을 받았고이를 다시 실행하여 정보를 클라우드가 아키텍처의 관점에서 어떤 방식으로 작동하는지 정확하게 표현합니다 마지막 단계로 둥지에 들어가기 전에 컴퓨터 비전에 관한 한 가지 더 요점은 코드를 컴파일하는 것과 내가 원한다면 당신을 강력히 추천하는 한가지 가장자리가 진보했기 때문에 가장자리가 전부이기 때문에 장치를 기반으로 코드를 컴파일합니다 장치가 모든 단일 코드를 쉽게 컴파일하거나 최적화하지는 않습니다

그것에 대해 생각하는 장치 아마존의 도시 제작자 인 닐을 배치해야합니다 이 여행은 그들이 틈새 공급자 모델을 최적화하므로 귀하의 모델 예를 들어 모든 비디오 jetsam은 possibles 중 하나가 점점 더 더 많은 인기를 얻었거나 베리 파이를 먹을 수있는 옵션이 있습니다 배포를 선택하십시오 좋은 소식은 아마존이 당신의 새로운 것을 자유라고 말합니다 마치 오픈 소스 코드처럼 실제로 사용하고 시도해보아야합니다

헌신이 없기 때문에 새장을 만드는 데 4 명의 현자가 필요합니다 내가 운동을하면 괜찮 냐고 묻기 때문에 착륙 단계로 간다 내 물건에 움직임이있어서 어떻게 그걸로 할 수 있니? 그래서 우리는 아키텍처의 몇 가지 중요한 측면에서 모델을 가지고 에이전트입니다 즉 실제 배포하는 것이 우리가 생각해야 할 코드를 배포하는 것이 어렵습니다 환경에 대해 그가 어떤 괴물 같은 움직임을 일으키기 때문에 그 닫힌 공간에서 작동하는 로봇은 로봇과 같은 또 다른 것입니다 두명의 로봇이 여기에 공기가 잘 통한다

프리젠 테이션 기조 연설자는 개발자가 해변과 다른 곳에서 지금 일하는 것을 볼 수 있습니다 핑크색이 열린 공간에서 일하기 위해 노력하고 있습니다 여기 내가 아주 아주 곧 다른 종류의 코스를 보자 Engstrom의 눈이 당신의 요구에 기반하기 때문에 로봇 공학은 훨씬 더 가깝습니다 당신은 그것에 대해 생각할 수 있습니다

지금 보여 주길 원합니다 우리가 가지고있는 환경을 보여줄 때 이 상태는 기본적으로 내가 뭔가 다른 일을 할 때 로봇이 내가 자율 로봇에 대해서 이야기하고 있다는 것을 기억하라 ok 이제 내가 이제는 여기에서 도약 할 수 있는가? 그것은 내 상태입니다 나는 시민권을 부여 받았을 때 행동과 같은 것들을 가지고 있습니다 무엇을하고 싶습니다

다음 또는 색조 또는 누가 기계 학습에서 중요한 측면인지 그 말이 맞다면 나는 그것을 더 잘하고 싶다 로봇을 배우는 기계의 핵심 요소 인이 보상은 특히 개처럼 고양이처럼 당신의 모델을 훈련 시키십시오 어머니의 말 안녕하세요, 네가 뭔가 잘못했을 때 너에게 벌칙을주고 싶다 나는 당신에게 여분의 포인트를주고 싶습니다 로봇 귀하의 장치가 더 나아지고 그것을 보여주지 않는 것이 더 낫습니다

일하고 싶습니다 우리의 depressor와 함께 당신이 배우는 데 도움이되는 장치 개혁과 학습과 같은 기술은이 시점에서 계속 성장합니다 당신은 여기 장치가 우리의 인텔 아톰 프로세서를 기반으로 장치입니다 여기 내 손에 그들은 지금 방금 장치가되었습니다 그 두 가지에 대해 많이 – 네, 이제는 소리가 완벽하다는 말은 똑같습니다 거기에 아이디어가 있습니다

모델을 배포합니다 여기에 모델을 적용한 다음 당신은 그냥 가서 내 환경을 탐구하는 것이 좋습니다 국립 공원은 이제 사람들을위한 음성 지원을 통해 내가 아는 가격을 알고있다 Phi가 새를 필요로하는 카메라가 있고 로봇을 점검하고 점검해야합니다 Erin이 장소를 청소하기 위해 일부 로봇을했는데 깨끗한 것을 보았습니다

아주 오래되었을 가능성은 이제 끝이 없습니다 슬라이드로 돌아가서 같이 만들어 보자 함께 그렇습니다 교수님께서는 서비스하고 있습니다 저는 University of Florida의 서비스입니다

여기 당신이 볼 수있는 알고리즘을 익히는 다과가 컵을 가지고 있습니다 내가 삼일 삼위 일체를 여기로 가져 가서 내가 할 일은 모델을 만드는 것입니다 잠깐 기다려 봐 예전과 비슷하다 같은 일을 반복해서 반복하기 때문에 기계 학습은 여기에 모델을 만들 때 우리의 봇 모델입니다

이 종류의 로봇을 전문적으로 다루기 때문에 당신이해야 할 일은 좋아, 내 모델의 이름이 뭐니 뭐니하면 우리 데모 다 이 모델은 내가 가지고있는 곳을 돌아 다니는 곳이기 때문에 그렇게하지 마세요 트랙의 옵션 무엇을 사용하고 싶은 트랙일까요? 내가 여기서 사용하고 있음을 상기시켜 준다 클레어는기도가 세운 트랙을 사용하지만, 나는 할 수있다 이 트랙을 내 로봇처럼 완벽하게 사용자 정의 할 수 있습니다

도 또는 20도 변경시 변경이 응원 각도는 어떻게 볼 수 있습니까? 내 로봇에 옵션을 추가하거나 내가 갖고 싶은 속도를 여기에 추가하면됩니다 내 로봇에 대한 모든 가능성을 가진 액션 목록을 실제로 만들었습니다 인생의 싸움이 그렇게 배우기에 훌륭한 언어라면 코드 예 코드를 다시 받으십시오 내가 페널티 킥을 해야할지 아닌지를 Phi라고 부르는 나의 보강 학습입니다 그래서이 경우 여기에는 필자와 같이 구현해야하는 다양한 전략이 있어야합니다

선을 따라 가거나 경계를 보거나 시도하려고 시도하거나 시도하십시오 다른 점은 코드에 가장 적합한 전략을 선택할 수 있다는 것입니다 나는 이것을 기억할 때 기억을 계산하지 않기 때문에 이것을 사용한다 그냥 가서 일을하지 않으면 그런 식으로 일하지 않아 우리는 이전에 그것을 정확하게 훈련해야 할 것입니다

지금 제가하는 일을 훈련 시키겠습니다 60 분 동안 그리고 훈련 과정을 배경으로 훈련 기본적으로 그냥 환경을 가지고 있기 때문에 일어날 얘기를 시작 당신의 시뮬레이터와 이것을 실행하는 것들을보기 시작합니다 훈련을 시작하는 데 몇 분이 걸렸지 만 실제로 나는 동쪽 훈련을 받았다 기차가 오기 전에 기차를 타고 오세요 그는 지금 무엇이 행복할까요? 그래서 로봇이 그렇게 될 것입니다

새로 고침 한 다음 실행중인 실제 환경을 실행하지 않습니다 이 시뮬레이터와 장면 뒤에 우리는 Robo에 대한 새로운 차원의 치수를 가지고 있습니다 이 환경을 구축하고 사용자 지정할 수있는 제작자가 조금만 가보겠습니다 무슨 일이 일어나고 있는지를 보여주기 위해 비트가 있습니다 그것은 로봇의 환경이고 어쩌면 우리는 길을 잃은 것처럼 여기에있었습니다

같은 화면에서와 마찬가지로 모든 것이 통합되어 있기 때문에 기계 학습이나 로봇이 다른 서비스 인 경우 중요하지 않습니다 로봇 제조업체의 서비스에서 다른 구성이 표시됩니다 화면을 약간 다르게하고 시뮬레이터 측면에서 우리는 오픈 소스를 사용합니다 가제보 (gazebo)를 호출하고 전망대 (gazebo)에서 우리가 환경을 추적하면 내 로봇이 현재 무슨 일이 일어나고 있는지 정확히 알 수 있습니다 내가 로봇 팔을 가졌거나 너와 같은 사람이라면 찾을 수있는 트랙에서 훈련하라

중간에 나무를 심는 것만으로 하루 종일 놀 수있는 환경을 조성합니다 시뮬레이션하고 환경에 기반한 기계 학습 모델을 원합니다 로봇이 달리는 모습을 볼 시간입니다 그곳에 양 지우개 콘솔 지금 당신이 내 컴퓨터를 더 잘 유지하는 것들을 원한다면 로봇을 변경하는 대신 여기에 카메라가 있습니다 이 경우 로봇 로봇과 기계 학습자가 함께 작업 할 수 있으므로 또는 우리는 남자가 있거나 운전을하고 싶다고 말할 수있는 옵션이 없습니다

로봇 기능을 탐색 해보고 자율적으로 직접 이동하고 싶습니다 로봇을 학습하는 로봇 간의 연결을 내가 전에 보여준 모델이 네가 가지고있는 모델이다 Park을 실행 한 다음 모델을로드 한 다음 모델의 일부로 ok라고 말합니다 모델을로드 한 다음 거래 된 코드를 밀어 넣기 만하면됩니다 마찬가지로 내가 클릭 한 결과는이 모델 한 시간 만에 결과입니다

이 모델을 기기에 밀어 넣어 미터가 푸시 할 수있는 위치로 푸시합니다 많은 모델을 원하는대로 구성 할 수 있습니다 이제 모델을 완성 했으므로 카메라를 바꿀 때 화면이 나타납니다 기기에 큰 감사를드립니다 이제 기기를 실행할 시간입니다

여기 시작하겠습니다 여기 우리는 아무도 운전하지 않고 단지 당신이 보는 당신의 환경을 탐험합니다 그런 다음 손가락을 반복해서 탐색하는 교육에 의존합니다 다시 한번 우리는 당신이 할 수있는 특정 장치에 대해 단단하지 않습니다 말 그대로 상상력이 무엇이든 생각하는대로 만들 수 있습니다

구름의 힘은 로봇의 힘이다 기계 학습의 힘이다 기계는 좋은 일을하는 법을 배웁니다 나는 더 나은 세상을 가졌습니다 슬라이드로 돌아가주세요

여기 아키텍처 전에 모든 슬라이드를 받았다는 것을 상기시켜줍니다 매우 빨리 곧 다시 사용할 수 있으므로 아키텍처를 다시 확인할 수 있습니다 우리의 기계 학습 모델과 로봇 제조업체를 Robo 제작자를 서비스로 코칭하면 많은 것을 구현할 수 있습니다 공급자와 같은 메서드를 사용하여 원하는대로 자동화 할 수 있습니다 전체 통합에서 행동의 주요 조건은 관리의 주요 조건 일뿐만 아니라 로봇을 다루는 것처럼 관리하는 것이 관리하는 것과 완전히 다릅니다

Robo를 사용하여 모든 인프라에서 백 또는 천 개를 사용할 수 있습니다 제작자 그리고 마지막 두 장의 슬라이드에서 일할 좋은 순간이 없다고 생각합니다 공공 부문 보건 교육 분야에서 당신은 성도가 미래의 배우가되어야합니다 기대를 이길 수 없어 내 것이 아니 었으면 좋았을 텐데 나 한테는 약초 시몬이 그걸 표현 했어 당신이 볼 수있는 공공 부문에서 근무하는 순간에 우리는 문자 그대로 사회를 변화시킬 수있는 좋은 기회입니다 로봇 공학의 기계는 사용 변경을 제공하는 영역이므로이 마지막 슬라이드 내가 지금까지 한 모든 것에 대해 더 알고 싶다면 ml 점이 AWS에서 데모와 요리법을 볼 수있는 이메일로 파란색으로 표시됩니다

지금까지 내가 한 모든 것은 단계적으로 당신이 할 수있는 몇 가지 무료 코스와 함께 기계 학습 대학도 있습니다 기계가 새로운 것을 배우면 빨리 참석할 수 있습니다 내 Twitter를 사물에 배치하려고하면 나를 따라 가면 더 자세히 알 수있다 클라우드 머신과 로봇을 사용하면 환영 할만한 가치가 있습니다 시간을 내 주셔서 진심으로 감사드립니다

내가 주위에있을 것이다 고맙다