Powered by TensorFlow: Airbnb uses machine learning to help categorize its listing photos

[음악 재생] ANDREW HOH : 에어 비앤비는 온라인 시장입니다 우리는 500 만개가 넘는 다른 집들이 있습니다

수천만에 달하는 81,000 개의 도시에서 아마도 가장 큰 사진을 만들 수 있습니다 오늘날 세계에서 가정의 이미지 모음 손님이 집을 선택하기로 결정하면, 그들의 결정에서 가장 큰 영향 중 하나 다양한 이미지 세트입니다 그러나 많은 시간, 주인이 걸릴 것입니다 한 방의 많은 사진들 다른 방의 사진을 찍는 것을 잊어 버리십시오 SHIJING YAO : 자막 추가 옵션도 있습니다

하지만 많은 경우에 완전히 벗어났습니다 앤드류 호 : 아니 알프레도 루크 : 우리는 도전에 직면했습니다 이 사진들에 실제로 무엇이 있는지 확인하는 것 사이트에 제대로 표시하십시오 그것은 기계 학습이 탁월한 영역입니다

진정한 도전은 규모 중 하나였습니다 우리는 통과해야 할 이미지가 50 억 개가 넘었습니다 이 모든 것을 실제로 통과하려면 몇 달이 걸릴 것입니다 ANDORW HOH : TensorFlow를 사용하여 우리는 프로세스를 가속화하고 전달할 수있다 합리적인 모델

빅 헤드는 에어 비앤비의 기계 학습 플랫폼입니다 우리는 그것을 다른 ML에 매우 불가 지하게 만드는 아이디어를 가지고있었습니다 프레임 워크를 사용하여 TensorFlow가 모델을 교육 할 수있게되었습니다 그리고 Bighead는 모델 수명주기, 기능 관리 및 TensorFlow 검색 모델 결과를 제공하는 데 도움이됩니다 SHIJING YAO : 당신이 생각하기에 앞서 어떤 도구를 사용할지, 당신이 먼저 생각하고있다

사용할 모델에 대해서 그리고 우리는 이것에 대한 연구를했습니다 ResNet 50은 최첨단 기술 중 하나였습니다 모델을 수행합니다 우리는 이것을 기본 아키텍처로 사용했습니다

ALFREDO LUQUE : TensorFlow의 크로스 API를 사용했습니다 분산 GPU 계산 및 서비스 중 일부를 제공합니다 이것은 궁극적으로 파이프 라인으로 이끌었다 수억 명을 돌파 할 수있는 이미지를 매우 빠르게 ANDREW HOH : 그래서 최종 목표는 기본적으로 이러한 이미지 분류를 사용하여 사진의 첫 번째, 초기 세트 그들이 보는 차고의 그림 만이 아니다

욕실 하지만 그것은 거실의 거실 일 수도 있고, 그리고 침실과 수영장 미래의 응용 프로그램은 다른 객체를 감지 할 수 있습니다 가정에서 사용자가 웹 사이트에서 검색하기로 결정한 경우 특정 어메니티 유형의 경우, 우리는 실제로 그것을 버블 링 할 수 있습니다

표면에 SHIJING YAO : 에어 비앤비가 오늘 어떻게 운영되는지 알고 싶다면, 이유는 기계 때문이었습니다 기계 학습이 거의 모든 곳에서 이루어지기 때문에 학습 회사에서 검색 순위, 가격, 예측 예약 알프레도 루크 : 우리는 수백 가지 모델을 보냈습니다 그래서 계속 성장할 것으로 기대됩니다

ANDREW HOH : 그리고 많은 새로운 프레임 워크가 나오고 있습니다 우리는 더 나은 경험을 할 수있다 우리 손님들과 더 나은 사업 결정을 위해서 [음악 재생]

What is Data Science And What is Machine Learning 9059868766 Demo By Deepak డేటా సైన్స్ డెమో

이 회의는 이제 녹음됩니다 나는 디버그 중이다

나는 8 년간의 경험을 쌓은 후 최고의 MMC를 위해 일합니다 나는 출신이다 하이데라바드는 현재 나 영어와 텔루구 어를 할 수있다 그들은 다른 사람들을 통해 이해하지 못한다 많이 익숙한 영어는 그렇지만 그들은 여전히 ​​텔루구 어를 이해할 수있다 미안 영어 너는 나에게 어떤 질문이라도 질문 할 수있다

좋아, 설명 할 수있어 어떤 언어로 자, 이건 유령과 나에 관한거야 시간은 7-8 Venkat이 당신과 협조 할거예요 괜찮아 당신 질문이 있더라도 필요할지라도 나를 막으십시오 나는 아무것도들을 수 없다

당신 당신 또는 개입 후 그래서 데이터 감각으로 가기 전에 간단한 소개 만하고 싶었습니다 좋아요, 데이터 감각은 뭔가요? 그들 중 대부분? 그들은 몇 가지 아이디어를 가지고 있습니까? 그들이 가질 수있는 사람들 일부 유행어 좋아, 근본적으로 돌연변이 체이고 데이터 감각은 현재 보이는 것을 의미하니? 일단 당신의 훈련 대금 그들은 괜찮아 괜찮아요 그 미래는 괜찮지 만 데이터 감각과 숭고함으로, 알았어 처음에는 간단한 소개 인 Edison 최대, 당신은 Decca tracer에 대한 평범한 영어를 알고 있습니다

인도에있는 회사에게 선물하기 알았어, 말리키에있는 회사의 한 회사가 자레드를 예언 했어 알았어 지난 달에 판매 단위에서 현재 달의 셀을 볼 수 있습니다 Tilden에서 만나자 좋습니다

매출액은 분기와 관련이 있거나 1 년 또는 그들은 전년도와 비교할 수 있습니다 좋아, 그럼 그냥 수학적으로, 이것은 일치하고 있습니다 좋아, 지난 달이 20이고이 정도가 30 예측이라면 순 관리는 15 괜찮아 저기있다 아무것도 할 필요가 없다

알았어, 그냥 상식이야 그러나 시즌이라면 어떨까요? 알았어 축제 기간 동안 선생님 죄는 높을 것입니다 괜찮아 평범한 예측뿐만 아니라 다양한 매개 변수를 고려합니다 그들은 n 개의 매개 변수를 고려합니다

축제 시즌과 인근의 상점들과 가게의 면적은 얼마나 큽니까? 좋아요, 고객 방문은이 모든 점을 고려했습니다 그것이 좌파와 두 번째 자연 언어 처리에 관한 이야기입니다 좋아요, 오늘은 페이스 북이나 트위터를 자주 사용하여 사라집니다 좋아요, 홍보하고 싶다면 내 모바일 용으로 홍보하고 싶다면 내 판매 아이폰 좋아, 내 전화 회사와 나는 내 전화를 팔고있다 그래서 나는 새로운 전화 I을 발표했다

사람들이 내 제품을 좋아하는지 여부를 알고 싶습니다 그들이 원한다면 어느 미래의 용어 좋아, 만약 그들이 우리가 좋아하지 않는 것을 좋아하지 않는다면 좋아요, 세 번째 시스템은 추천 시스템입니다 온라인으로 항목을 구매할 수 있습니다 나는 아마존만을 택할거야 하나의 항목을 검색하는 경우 Amazon 예제를 사용합니다

두 번째 항목을 제공합니다 좋아요 모바일 검색 중일 수도 있습니다 좋아, 모바일 앱을 검색하면 근처의 모바일이 나에게 10 ~ 8 개의 아이폰을 찾고있다 하이 엔드 모바일인지 알려주세요

그것은 저에게 저에게 접근을줍니다 그러나 그것이 어떻게 꿈인지 과 이미지가 있으면 컴퓨터 비전 그것은이 이미지가 많이 있다고 알려줍니다 좋아, 물건이 남자일지도 몰라 왜냐하면 여기가 어떻게 보일까요, 이것은 매우 유일한 이미지이고 현재는 사각형이 주어지지 않은 것입니다 정확한 괜찮아 그것은 인간과 같은 것입니다

그것은 그것이 당신에게 사각형을주지 않을 것임을 정확히 나타냅니다 그것은 정확한 인간을 준다 영상 괜찮아 이것은 모두 데이터 감각에 속하며 구현되었습니다 괜찮아 Jessie의 현재 업무가 현재 구현중인 경우에만 구현됩니다 Ok, 대부분의 회사 추격 박하 그래서 쉽게 몬테 오늘 일어나고있다 판매 예측도 자동차와 함께 지저귐 다리 – 새로운 소셜 네트워크 낮은 말할 수 열 모델의 Gucci 제품이 온다면 월마트, 긍정적 인 당신은 eto 모듈러 컨트롤러를 배우러 왔음에 틀림 없다

모바일 룩에서 효율적인 81 긍정적 좋아, 그래서 특히이 컨테이너 섀시가 필요합니다 판매 핀치 코드에서 열쇠를 가지고 광고가 좋은 저렴한 프로모션 괜찮아 우리는 하나의 학습을 통해 지저분한 일을합니다 그래서 그것은 단지 최대입니까? 광고 호수 위스키 다음 OCC 미디어 또는 무엇? 내가 참조 모바일 캠페인 옆에 좋아, 다음 SMS 경쟁력이있는 회사 일 수도 있습니다 마케팅 사람이나 차파를 보아라 Wallace의 중요한 비밀스런 월계관에 핀치 코드가 있기 때문에 나는 푸른 오크라에서 하와이가 끝내고있는 지하 감옥의 코드 다

다음 두 추천 생일은 내일 세라노가 설립 한 사람이 포함되어 있습니다 너에게 숙소라고 말한 줄 알았는데 좋아, 네비게이터, 다음 컴퓨터 비전 이미지는 네바다에서 쉽게 관리 할 수 ​​있습니다 돈 이미지 처리는 데이터 감각을 너무 쉽게 표시 할 수있는 기분입니다 괜찮아 현재의 산업 전쟁은 조금 울렸다 진부한 체이서 알았어, 알았어

최근에 미안하다 그것은 PC 산업 수준의 앤디 이것은 산업 수준에 관련된, 알았어,이 IBM 왓슨입니다 세계 챔피언과 경쟁 할 때 그것은 더 싼 경쟁과 같습니다 좋아요, 그들은 질문을하거나 그들은 단락에 대한 단락을 제공합니다 몇 가지 질문이 있습니다 좋아,이 두 녀석은 세계 챔피언이야

오케이 세계 챔피언 그들은 경쟁하고있다 임무, 이쪽은 IBM 왓슨입니다 그래, 그들은 2012 년에하지 않았다 2013 년 괜찮아 iPhone을 사용하고 있거나 Google 좋아, Google 비서 또는 iPhone Siri를 사용할 수 있습니다

모바일이 통치됩니다 당신을 위해 몇 가지 검색 결과를 제공합니다 나는 이것이 운전자가없는자가 운전 차 코스 다 Ragan이없는 코스는 다음에서 구현됩니다 이것은 테스트 단계에 있으며 이것은 인도의 많은 개조 자들에게도 보입니다

인도에서도 복잡하거나 쇼핑몰에 입장 한 경우 패스 이 가게는 어디 있습니까? 어느 층이나 내가 일부 티켓을 사고 싶은가? 어디서 정보를 얻을 수 있습니까? 좋아요, 그리고 그것은 당신을 위해 봉사하는 일부 복장 방법을 가지고 있습니다 외국인에게 봉사하는 것은 일부 사람들에게 이해를 줄 수 있습니다 그것은 당신에게 음식을 제공합니다 업계 수준입니다

그래, 이걸 보면 IBM 만있는거야 괜찮아 Google 또는 또는 애플과 이것들은 대부분 그들이하고있는 회사들 중 일부 다 자동차 회사와 이것이 큰 곳입니다 대기업 좋아요

이것은 업계가 잘하고있는 곳이지만 이것은 회사를하고있는 것입니다 우리가하는 일은 이것입니다 그리고 슬라이드를 하나 더 추가하는 것을 좋아합니다 리에있어 인간의 꿈을 저장하는 실험이있다

알았어, 다른 카를로스 한테 간디를 부를거야 캐롤린이 제롬에 저항하는 이야기가 하 페니 야? 생물학 채석장 그들과 관련이 있지만 핵심은 그것이 우리의 두뇌가 생각하는인지 적 컴퓨팅인지 장애입니다 그들은 인공 두뇌와 간단한 용어를 만들려고 노력하고 있습니다 좋아, 이것은 이상한 업계에서 와서 몇 가지 헤드 라인의 첫 번째는 최근 10 월 17 일 3,018 명입니다 지난 달에 한 달도 안됐어 인도에 5 만개의 게시물 인도에서 깨어 난 데이터 세트에서 인도의 시대를보고합니다

좋아, 너도 알다시피, 배우고있는 사람들이 많이있다 그가 지불 한 경우에도 데이터 과학 수백명의 사람들이 왜 일자리를 얻지 못하고 있습니까? 유일한 것은 그들이 이론을 알고 있지만 실용적이지 않다는 것입니다 그게 첫 번째 문제 야 좋아요, 그들은 기술이 없습니다 YouTube 또는 다른 곳에서 배우는 대부분의 사람들 그들은 물을 뿌릴 때를 모른다는 것을 이해할 수 없다

그게 큰 문제 야 당신이 두 번째를 관찰한다면 Pichai는 aa가 불보다 Alexity에게 더 중요하다고 말했고 Alexa T 우리는이 도구의 중요성을 알고 있습니다 이들은 기본이다 필수품 Google CEO는 그보다 더 중요하다고 말합니다 이것은 미래입니다

이것은 적어도 미래가 될 것입니다 우리는 약간의 화분에 이르렀지만 이것은 미래가 될 것이며 이것들은 다른 것입니다 그만큼 10 월 17 일 런던 타임즈 인디아 아니 당신은 실제로 낮은 링크 데이터를 게시하지 않았습니다 열다 괜찮아 하지만 그는 찰리를 가질 수 있었고, 기적을 보았을뿐입니다

오 위원장은 코너를 떠난다하지만 내일 쿠퍼 이론에 대한 첫 번째 이유는 또는 단지 nerevar YouTube를 듣는 사람이 누구인지 이해하기 때문에 블로그에 올릴 수 있습니다 Maru 진주를 지펴 보자 그것은 처음이지만 제발 하나의 낮은 실시간 낮은 그것은 일종의 중복 3d 실시간 로그에 문제가 발생합니다 그냥 일종의 이력서가 주요 문제입니다

말리키, 알았어요 음, 아델레는 그렇게 할 수 없지만 일어났습니다 네바다 조금 문제가되지 않았 니? 심지어 새로운 인텔 의류가 완료되었습니다 거의 2 ~ 3 년 동안 그녀가 아니, 아니 주위에 잃어버린 3 개월의 사형 선고가 에테르 후보에 있습니다 오늘까지의 이유는 같지만 한 가지 동등한 모델이 실제로 그가 전하는 진짜 문제입니다

단순한 날 놀라게 할거야 II 괜찮아 어쩌면 나는 영원한 날에 비유 할 수있는 비유를 의미 할 수도 있습니다 P 팀이 아닙니다 나에게 남겨주세요 Tim이 낮지 않다면 칩 중 하나가 파키스탄을 상대로 벽을 어필한다

그들은 알레그라를 걸치고 있니? 기본적인 간단한 실시간 근로자 괜찮아 아메리카 합중국은 네바다의 예를 들어 달의 물방울에 접근 할 것이라고 말했습니다 그래서 무한대의 손실입니다 그렇게 쉽게 – 아담과 지하철 사이로 대체하거나 그렇다면 당신이 나를 위해 일한다면, 어떻게 될 것입니까? 데이터 과학자 인 오케이 데이터 과학자는 누구입니까? 1 년 또는 2 년 동안 일할 수 있다면 경험의 관점에서 알 수 있습니다 그렇다면 당신은 중년에서 중급까지의 데이터 과학자입니다 네가 보낸 데이터를 보았다면 최고 임금이있다

이것은 USD이다 다른 카타르 족과 관리자와 관련이 있습니다 이것은 건축가와 관련이 있습니다 그래,이 두 사람은 높은 경험 관리와 목표를 가지고있다 그러나 데이터 과학자 또는 데이터 설계자 또는 데이터 엔지니어 인 경우 좋은 결과를 얻을 수 있습니다

알았어 우리는 여기서 첫 번째 질문에 빠지게 될 것입니다 이제 데이터 감각이란 무엇입니까? 데이터 감각이란 우리가 컴퓨터 감 지식 일부 컴퓨터는 지식 프로그래밍 지식 네가 CeCe 장소를 알고 있다면 네가 가질지도 모르지 괜찮아 기본 프로그래밍을 알고 있다면 괜찮습니다

괜찮아? 나는 너에게 나머지를 가르쳐 줄께 기계 학습 처음부터 최소한 가르쳐 줄 것입니다 괜찮아 질 때까지, 하나 둘, 80 ~ 90 %가 가장을 가르 칠거야 나는 기초를 줄 수있다 아주 기본적인 것으로 시작하겠습니다

나는 중간체에 대해 설명하고 시장에서 새로운 것이 있다면 항상 최고 수준을 줄 것이다 그렇다면 그것을 배우는 법을 알려 드리겠습니다 알았어, 내가 그걸 가르쳐 줄 것을 알리면 수학 및 통계학 I 확률과 함께 필요한 수학 및 통계를 가르쳐 줄 것입니까? 좋아요, 데이터 감각이나 기계 학습에 필요한 세 가지를 모두 가르쳐 드리겠습니다 전통적인 소프트웨어는 때때로 필요하고 때로는 필요하지 않습니다 좋아, 우리는 배운다

우리가 전통적인 연구를 필요로 할 때까지 괜찮아 우리는 그들에 대한 어떤 연구도하지 않을 것이지만, 우리는 배울 것입니다 우리가 가진 것 좋아, 주제 전문가의 전문성 그것은 당신이 일할 수도있는 일하는 도메인에 달려 있습니다

다른 이벤트 금융 보험 회사에 따라 다르지만 기술적 인 것에 집중하는 법을 배울 필요는 없습니다 좋습니다, 우리는 모든 기술적 인 것들과 나는 너를 알지 못한다고해도 나는 너에게 가르 칠거야 날 믿어 내가 너에게 가르쳐 줄게

물론 코스 란 무엇인가, 우리는 누가 데이터 과학자인지를 배우게 될 것입니다 좋아요, 저는 데이터 과학자의 역할과 책임에 대해 이야기 할 것입니다 그럼 내가 코스의 훈련 과정을 가르쳐 줄거야 알았어, 선형 대수 통계 확률 좋아, 파이썬을 프로그래밍 언어로 가르치거나 또한 데이터 센스를위한 하나의 프로그래밍 언어로서, 왜 내가 선택한 이유를 말할 것입니다 파이썬 알았어

기계 학습은 내가 가르 칠거야 기계 학습에서 대부분 시간을 보내지 않는 대부분의 시간을 보내십시오 좋습니다, 저는 알고리즘 대부분을 알고리즘 I의 보증금으로 가르쳐 드리겠습니다 ML 기술에 대한 자세한 설명과 구현이있었습니다 좋습니다

특히 이것에 초점을 나는 것은 내가 말하고있는 것입니다 실시간으로 어떻게 구현합니까? 어떤 문제가 있다면 그 문제를 해결하는 방법을 배우십시오 좋아, 또는 인터넷이나 노인들로부터 도움을받는 방법을 어딘가에 치면 내가 너에게 말할거야 데이터 과학자의 일상적인 활동 모든 활동 수행해야합니다

아침부터 저녁까지해야 할 일이 무엇입니까? 좋아요, 전형적인 무엇입니까? 네가해야 할 일이 아니야 하지만 전형적인 어떻게 문제가 생기는가? 좋아, 어떻게 지내? 그걸 이해할 필요가 있니? 데이터 요청 방법 그리고 그것을 해결하는 방법과 생산을 정의하는 방법을 묻는 데 필요한 데이터의 종류는 무엇입니까? 실시간 애플리케이션 실시간 응용 프로그램과 종단 간 유스 케이스 실행 중 일부 그래서 이것은 당신의 관심에 달려 있습니다 이것은 선택 사항 일뿐입니다 나머지 부분은 제가 여러분에게 알려 드리겠습니다

좋아, 나미는 독립적이고 데이터 과학자 개미, 알았어, 알았어 Willie는 새로운 분대와 동등한 진짜 가명을 의미합니다 akuna 예쁜 장소 또는 70 미모사 나는 Shipton 선형 대수 통계 확률에 손을 넣어 봤는데 오, 그는 철저한 슬픔의 증상 이예요, 알았어요 이것이 의미하는 프로그래밍 언어 인 Python 이 문화는 다른 언어에 대한 오르간 아이디어이지만 파이썬 수학은 불만의 RNA로 남아있어 기계 학습 알고리즘 기본 ung 고급 chipton 있었지만, 시장과 코소보 Ginetta 모트 램 아디 니나 브레이든 (Nina Braden)이 나보다 예배당에서 차를 마시 며 예배 드리도록 허락합니다 Mina Mina Mina를 두드리는 것만으로도 진정한 시크교의 날이 될 수 있습니다

노예들이 그들을 거부 할 수 없었다 괜찮아 토론토 섀시는 그녀에게 내일 더 기술적 인 것들 모델을 제시했습니다 실시간 낮은 기술을 가진 Tata는 Connery에게 4 월을 요구합니다 좋아, 엘라도 환영하고 찢지 않아 오케이 쿠라 타 군주제 오, 죄송합니다 사무실 아침에 주위에 데이터 과학자 생활이라면 테라사에있는 이타카 타오 스 코치의 린다 로사 호수 어벤저 스 Cora metla가 차를 만들었을 때 poco model bill Jerry MATLAB에게 차가 왔습니다

그런 다음 숨겨진 단서를 봅니다 생산 이탈리아 알루미늄에 Jepson L 좋아요, 실제 수요에 따르면 응용 프로그램이 당신을 때릴 것입니다 한 가지 일만 할 수있는 아이들과 체스터의 단순한 저속한 이름은 선택 사항 일 수 있습니까? 좋아, 연속체에서 로타리는 단지 가장 좁은 창조적 인 초코 싱글을 필요로한다 TNT의 본질을 납땜했다 : Costner Russo 본과 교도소 집행 담배도 관계가 선택 사항이 아니기 때문에 내가 자세히 가르쳐 줄 것입니다

네바 다에서 수확량을 끌어 내야합니다 윌슨 (Wilson)은 IP 인코더를 통해 전송되는 클래스가 될 수 없습니다 괜찮아 내가 선택한 이유는 이것이 당신이 볼 수있는 프로그래밍 언어를 가질 수 있다는 것입니다 거의 76 점 3 명이 사용하고 있습니다 파이썬 괜찮아 59 또는 밀접하게 60 %가 사용하고있는 것은 이것이 심지어 성장하고있는 것입니다 좋아, 그 이유 때문에 내가 전에 파이썬을 선택 했었어

그러나 파이썬에서 모듬 물결 치다 파이썬 이들은 그의 경기에서 세 포지션입니다 2 년 넘게 나는 최적화 된 코드를 작성할 수 없다 그래서 이건 휘발성 애매한 작은 지식 소설처럼 데이터베이스 검색 나 미루, 최고의 안무가 민족주의 바로 – 그 외의 조건 소책자를 관찰하는 등의 데이터 리스터가 맥박 상태가 아닐지도 모르니까요 Bookman, Okl me Lily 그러나 패키지가 기본 프로그래밍을 게으른 수있는 사람들에게 주어질 때 대답은 약간 변할 수 있음을 알아야합니다 깊이있는 수학을 이해할 수 없기 때문에 수학이 거의 중간 정도의 낮은 것으로 입증 될 때까지 기계 학습을 할 수 있습니다 듣지 않는 배당금 중간 공학 또는 베다 로사는 이제 펄에서 살기 좋았다

나노 Morton chipton이 필요합니다 좋아, 중간에 압력이있어 그렇지만이 블리자드에는 박사 학위가 없으므로 채널 맨 그들은 기계 학습을하고 나의 증오는 내가 싫어하는 것입니다 그래서 그들은 나를 환영한다 그래, 전반적인 죽음 의도하다 미루, 할인, 그것은 우리의 임무 인 Connie이고 흔들림을 수행 할 수 있습니다

PhD Lou 만 대학과 숙모와 함께 일어나지만 표범은 일종의 수요입니다 중반 운동과 수학자가 생겼다 필자는 빠른 컴퓨터가 없다 그래서 질문은 기계 학습 Antonia를 의미합니다 아니 피자 임무도 못생긴 것처럼 보였지만 4GB 시스템이 생겼다

좋아, 기적, Annika Bergeron Hotel Miku 세 kunis 나는 곧 내가 제공 할 것이지만, 이탈리아는 제쳐두고 그들을 배에 백만 당 하지만 후지 VRAM 나마 프로세서 괜찮아, 심지어 엘사 팬 난 과즙 짜는기구에 일하는 사람들 또는 액체의 대부분을 시간을 보내지 말라 100 doulton 오늘과 무고한 medicina 아침, 오카 방고 모니카 토요일에 언제나 그날의 휴식 그런 다음 학교에서 연습을 한 시간 정도 고맙습니다 내 말을 들어 시간을 보낼거야 좋아, 핀 d-sub 시간이야 모두 다 매일 kikuna에 걸쳐 중복 포케몬 유럽, 인도에 참석 C1 충분한 소음이 올 때마다 매번 C1 F

좋습니다 나는 큰 생각을 몰랐다 나는 아빠에게 감각과 린넨을 말하며, 나는 심지어 리더를 섭취 한 감각이 낮다는 것을 알 수있다 좋아, 내가 말한 가장 빠른 이름을 내게 지어 라 너무 싸고 단지 달리기를 줄이지 만 조금이라도 배우지 않을 것입니다

n에 괜찮아 이전에 스플래시 한 적이 있다면? 위원회 위원이 의심 할 때 분명하게 의문의 여지가있다 에 관해서 프리즘 사춘기는 문제 수준의 토큰을 불필요하게 긴급하게 제공합니다 어떤 질문을 할 수 있습니까? 데이터 감각과 관련이 있거나 과정이 끝난 후 전체가 직업이나 다른 것을 줄 것입니다 나는 너의 신경을 돌볼 수 있다고 너를 도울 수있어 좋아요

이것은 오늘을위한 것이며 이것이 데이터 과학에 대한 과정과 약간의 소개에 관한 것입니다 당신은 linkit으로 그것을 셀 수 있습니다 그는 당신에게 세부 사항의 나머지를 보여줄 것입니다 괜찮아 모두에게 좋은 하루 되세요

Deep Learning Specialization by deeplearning.ai — Trailer

지난 몇 년 동안 가장 흥미 진진한 기술 혁신이 있었다고 생각합니다 깊은 학습의 등장으로 깊은 학습을 통해 우리는 보건 의료 시스템, 농업에 대한 교육 거의 모든 산업이 있고 거기에 충분한 사람들이 부족합니다

이 중요한 일을 할 기술과 깊은 학습 깊은 학습에 능숙 해지기를 원한다면 나는 당신이 깊숙이 들어가기를 바랍니다 learningai 전문화 과정을 Coursera에 맡기면 전문성을 갖추게됩니다 깊은 학습의 중요한 기술 능력을 배우십시오 당신은 또한 얼굴 만들기에서 많은 흥미 진진한 프로젝트에 종사하게됩니다

간단한 번역 시스템 구축과 완료 후 인식 시스템 이 프로젝트는 이력서에 그 중 일부를 나열 할 수도 있습니다 잘하면 훌륭한 일자리를 찾을 수 있습니다 이 일을하고 싶다면 세상을 바꿀 수 있고 다른 많은 사람들을 도울 수 있습니다 사람들은 오늘 당신이 깊은 학습 전문 분야에 등록하기를 희망합니다

Production a machine learning Guide Program for feed efficiency improvement by 0.5

안녕하세요, 제주 국립 대학교 의과 대학의 박현수입니다 내 제목은 생산 기계 학습 가이드 피드 효율성을위한 프로그램 개선 0

5 한국 통계청의 자료에 따르면 돼지의 생산비의 50 % 이상이 사료 값이다 한국 통계청의 자료에 따르면 돼지의 생산비의 50 % 이상이 사료 값이다 이것은 돼지의 사료가 무한히 주어지기 때문입니다 돼지 사료의 무제한 공급 이유는 체지방 때문입니다 무한한 공급이 없으면 좋은 등급의 고기를 얻는 것이 어렵습니다

한국의 사료는 고효율 사료입니다 그러나 평균 사료 효율은 31로 추산됩니다 그러나 평균 사료 효율은 31로 추산됩니다

그러나 평균 사료 효율은 31로 추산됩니다 이와 같은 많은 양의 돈으로 소비되는 사료의 종류가 적기 때문에 사료 효율이 낮다는 문제점이있다 이와 같은 많은 양의 돈으로 소비되는 사료의 종류가 적기 때문에 사료 효율이 낮다는 문제점이있다 널리 사용되는 사료와 적절한 단백질의 조합은 사료 효율을 증가시킬 수 있지만 매우 복잡합니다

널리 사용되는 사료와 적절한 단백질의 조합은 사료 효율을 증가시킬 수 있지만 매우 복잡합니다 널리 사용되는 사료와 적절한 단백질의 조합은 사료 효율을 증가시킬 수 있지만 매우 복잡합니다 널리 사용되는 사료와 적절한 단백질의 조합은 사료 효율을 증가시킬 수 있지만 매우 복잡합니다 나는 기계 학습 기술을 적용하여 돼지 사진을 찍을 때 가장 효과적인 먹이감 방법을 안내하는 프로그램을 만들 것입니다 나는 기계 학습 기술을 적용하여 돼지 사진을 찍을 때 가장 효과적인 먹이감 방법을 안내하는 프로그램을 만들 것입니다

기계 학습은 분석 모델 작성을 자동화하는 데이터 분석 방법입니다 데이터를 반복적으로 학습하는 알고리즘을 사용하면 기계 학습을 통해 컴퓨터가 명시 적으로 프로그램 할 필요없이 숨겨진 통찰력을 찾을 수 있습니다 데이터를 반복적으로 학습하는 알고리즘을 사용하면 기계 학습을 통해 컴퓨터가 명시 적으로 프로그램 할 필요없이 숨겨진 통찰력을 찾을 수 있습니다 데이터를 반복적으로 학습하는 알고리즘을 사용하면 기계 학습을 통해 컴퓨터가 명시 적으로 프로그램 할 필요없이 숨겨진 통찰력을 찾을 수 있습니다 알고리즘에는 두 가지 종류가 있습니다

감독 학습은 알고리즘을 제공하는 데이터 세트가 "사전 정의 태그"로 완료되는 경우입니다 따라서이 분류 알고리즘에는 학습 데이터가 필요합니다 감독 학습은 알고리즘을 제공하는 데이터 세트가 "사전 정의 태그"로 완료되는 경우입니다 따라서이 분류 알고리즘에는 학습 데이터가 필요합니다 감독 학습은 알고리즘을 제공하는 데이터 세트가 "사전 정의 태그"로 완료되는 경우입니다

따라서이 분류 알고리즘에는 학습 데이터가 필요합니다 감독되지 않은 학습은 데이터에 대상 속성이 없습니다 Tensor Flow는 감독 학습을 사용하는 프로그램을 나타냅니다 Tensor flow는 고성능 수치 계산을위한 오픈 소스 소프트웨어 라이브러리입니다 Google에서 제작되었습니다

현대 이미지 인식 모델은 수백만 개의 매개 변수를 가지고 있습니다 현대 이미지 인식 모델은 수백만 개의 매개 변수를 가지고 있습니다 이들을 처음부터 교육하려면 많은 양의 교육 데이터와 많은 컴퓨팅 성능이 필요합니다 이전 학습은 관련 작업에 대한 교육을받은 모델을 새 모델에서 재사용함으로써이 작업을 단축하는 기술입니다 이전 학습은 관련 작업에 대한 교육을받은 모델을 새 모델에서 재사용함으로써이 작업을 단축하는 기술입니다

이전 학습은 관련 작업에 대한 교육을받은 모델을 새 모델에서 재사용함으로써이 작업을 단축하는 기술입니다 이 경우, 동물의 분류에서 높은 정확성을 나타내는 초기 모델 v3을 사용할 수 있습니다 이 경우, 동물의 분류에서 높은 정확성을 나타내는 초기 모델 v3을 사용할 수 있습니다 이 모델을 사용하는 방법은 원하는 범주를 만든 다음이 범주에 사진을 추가하는 것입니다 이 모델을 사용하는 방법은 원하는 범주를 만든 다음이 범주에 사진을 추가하는 것입니다

예를 들어 다음 그림은 chartreux, persian, ragdoll 카테고리를 보여주고이 카테고리에 사진을 추가합니다 다음 그림은 chartreux, persian, ragdoll 카테고리를 보여주고이 카테고리에 사진을 추가합니다 나는 프로그램에 새로운 Chartreux 이미지를 입력했다 오른쪽 이미지가 결과입니다 오른쪽 이미지는 결과 값을 보여줍니다

이 프로그램은 99727 % 확률 추정에 성공했습니다 돼지 번식을위한 최대 비용은 사료 비용입니다 많은 종류의 영양소가 있습니다 최적의 단백질에 대한 실험 중 하나를 소개하겠습니다

표 1 및 표 2는 에너지 원 및 단백질 공급원으로 널리 사용되는 사료입니다 표 3은 단백질 공급원의 영양 성분을 보여주는 표이다 이 표 4는 새끼 돼지에 필요한 라이신 (Lysin)의 게놈 양을 나타내는 데이터이다 이 표 4는 새끼 돼지에 필요한 라이신 (Lysin)의 게놈 양을 나타내는 데이터이다 라이신 수치가 1

15 일 때 가장 큰 체중 증가를 보입니다 라이신 수치가 115 일 때 가장 큰 체중 증가를 보입니다 표 5는 체중에 따라 가장 큰 체중 증가가 어떻게 이루어 졌는지 보여주는 데이터입니다 표 5는 체중에 따라 가장 큰 체중 증가가 어떻게 이루어 졌는지 보여주는 데이터입니다

체중에 따라 가장 높은 사료 효율이 다릅니다 최대 50kg, 4,5,6 번이 가장 높은 사료 효율입니다 50 ~ 95kg, 2 번, 5 번이 가장 높은 사료 효율입니다 최대 95kg, 넘버 2는 가장 높은 사료 효율입니다 체중에 따라 최적의 단백질 양이 존재 함을 알 수 있습니다

다른 영양소도 마찬가지입니다 다른 논문의 데이터를 집계하고 다른 나라 농장의 사료 효율을 언급함으로써, 다른 논문의 데이터를 집계하고 다른 나라 농장의 사료 효율을 언급함으로써, 데이터에 제시된 이상적인 사료 효율은 평균 약 36입니다 데이터에 제시된 이상적인 사료 효율은 평균 36입니다

데이터에 제시된 이상적인 사료 효율은 평균 약 36입니다 사료비는 한국의 생산비 중 가장 높다 높은 사료 값에 대한 많은 이유 중 하나는 영양 불균형입니다 한국의 평균 사료 효율은 약 3

1이다 데이터에 따라 카테고리를 설정하십시오 5 ~ 15kg, 15 ~ 20kg, 20 ~ 50kg, 50 ~ 95kg, 95kg 이후 5 ~ 15kg, 15 ~ 20kg, 20 ~ 50kg, 50 ~ 95kg, 95kg 이후 카테고리에 따라 마무리 돼지 사진을 찍어 돼지를 키우십시오 카테고리에 따라 마무리 돼지 사진을 찍어 돼지를 키우십시오 이전 학습으로 진행하십시오

그림을 사용하여 돼지 체중을 추정하는 응용 프로그램을 만듭니다 반환 값을 가장 효율적인 피드 구성으로 설정합니다 이전 데이터 적용 따라서 사진을 찍을 때 예상되는 사료 효율성 결과를 제공하는 프로그램을 만들 수 있습니다 따라서 사진을 찍을 때 예상되는 사료 효율성 결과를 제공하는 프로그램을 만들 수 있습니다 자, 아이디어에 따르면, 사진을 찍을 때, 프로그램은 돼지의 무게를 추정합니다

자, 아이디어에 따르면, 사진을 찍을 때, 프로그램은 돼지의 무게를 추정합니다 추정 된 체중에 따라 최적의 배합 값을 사용자에게 알려준다 추정 된 체중에 따라 최적의 배합 값을 사용자에게 알려준다 한국의 평균 사료 효율은 약 31이다

한국의 평균 사료 효율은 약 31이다 데이터에 제시된 이상적인 사료 효율은 평균 약 36입니다 데이터에 제시된 이상적인 사료 효율은 평균 약 3

6입니다 36까지의 사료 효율을 달성 할 수 있습니다 참고 페이지입니다

Image Classifier by Using Machine Learning, Neural Networks-For Medical/Satellite Images-Part 2

안녕하세요, 저는 모두 Muhtar입니다 이 튜토리얼에서는 이미지를 보여 드리겠습니다

의학 / 위성을위한 기계 학습 신경 네트워크를 사용하여 분류 자 이미지 2 부 이 튜토리얼의 Part-1에는 이전에 발표되었습니다 이것들은 Part-1의 제목과 링크입니다 에서 이 부분을 이해하기 위해서는 먼저 Part-1을보아야합니다 즉 이것은 Part-1의 계속

그러나 여기에 Part-1에 대해 간략히 요약 해주십시오 이 사진, 이미지의 단계를 보자 기계 학습을 사용하여 분류 여기, 나는 모든 과정을 나누었다 몇 단계로 신경 네트워크의 구축,이 단계를 참조하십시오, 단계 -1에서 단계 -8까지의 단계가 제 1 부에서 제시되었다

오늘 나는 나머지 단계, 특히 단계 -9 및 단계 -10을 제시합니다 단계 -9에서, 저장된 신경 네트워크를 복원합니다 그런 다음 10 단계에서 실용적인 데이터를 사용하여 신경 네트워크 즉, 이것은 예측입니다 처리 된 신경망을 이용하여 처리한다

사실, Part-1의 마지막 부분에서 나는 코드를 실행했다 이것은 실행 결과이다 어디 보자 이것들은 훈련의 그 시점에서의 신기원과 대응 정확도입니다 신기원 에포크, 해당 정확도; 이것은 시대와 이것입니다

해당 정확도; 이것이 최종 훈련 정확도입니다 훈련은 상당히 좋으며 93 % 이상의 정확도를 나타냅니다 그러나이 정확도는 만족스럽지 않습니다 왜? 몇 가지 이유가 있습니다 첫째, 각 출력 범주에 대한 교육 샘플을 줄였습니다

둘째,이 튜토리얼은 나만 사용했기 때문에 교육 샘플 콜렉션에 대한 단일 이미지 실제로 여러 개의 이미지 교육 샘플 수집에 사용해야합니다 따라서, 대표 샘플을 수집하여 분류 정확도가 증가되어야한다 셋째, 나는 훈련 시대를 정했다 신속한 훈련을 위해서는 매우 낮습니다

그것은 300 루프였습니다 실제로 이것은 있어야한다 제대로 설정하십시오 높은 값을 선택해야하지만, 매우 값을 선택하지 않아야합니다 높은 가치

그렇다면 악명 높은 "적합"문제가 제기 될 수 있습니다 사실로, 훈련 비율의 선택과 훈련 신기원의 수는 정의하기 어렵다 이 매개 변수는 평가판을 기준으로 정의됩니다 및 오류 따라서 최종 분류 정확도는 샘플 및 그 자질

그러나이 튜토리얼에서는 강력한 주제에 대한 노하우에 중점을 둡니다 또한 이것은 정확도 내역입니다 음모 그것은 훈련 과정에서 정확성의 변화를 보여주었습니다 지금, 저장된 신경 네트워크를 복원하기 시작하십시오

좋아요, 이것은 저장된 경로입니다 저장된 훈련 된 신경 네트워크의 나는 그것을 여기에서 복사한다 마지막 코드를 실행하여 여기에 붙여 넣으십시오 나는이 Part-2에서 나중에 사용할 것이다 "numpy"를 "np"로 임포트하십시오; "TensorFlow"를 "tf"로 가져옵니다

PIL 가져 오기 "이미지"에서; 수입 "matplotlibpyplot"을 "plt"로; "matplotlib"에서 "colors"가져 오기 9 단계, 저장된 신경 네트워크 복원; "saved_path" 좋아, 그럼, "res_sess = tfSession ()" "saver = tftrain

import_meta_graph (경로 + ' 메타') 이제 "res_sess, saved_path"를 복원 할 수 있습니다 좋아, 좋아! "예측 = tfargmax (Y, 1) "

단계 -10, 복원 된 신경망을 검증한다 좋아, 이미지 (입력 데이터)를 엽니 다 "im = nparray (Imageopen ( 'sport

jpeg'))"size = imshape "이제 출력을 정의하십시오 분류 된 이미지의 배열 좋아요, 이제 전체 이미지를 반복하십시오

range (size [0])의 y에 대해서 범위의 x (크기 [1])에 대해 이제 우리는 "x_vector = im [y, x, 0 : size [2]")를 얻습니다 우리는 3 개의 밴드 (RGB)를 가지고 있기 때문에 "prediction_run = res_sessrun (예측, feed_dict = {X : [x_vec]})

"output [y, x] = prediction_run [0] 최대의 인덱스를 구하십시오 값 이것은 루프의 끝입니다 이제 우리는 색상을 만들려고합니다

우리가 7 개의 출력 카테고리를 가지고 있기 때문에지도 그래서 우리는 7 가지 색상이 필요합니다 '회색', '시안 색', '녹색', '빨강', '흰색', '파랑'및 '네이비' 자, 분류 된 것을 표시하고 원본과 분류 된 이미지 / 결과 원본 이미지는 분류 된 이미지 / 결과를 표시합니다 "imshow" 색상 맵

그런 다음 몇 가지 제목을 설정하십시오 "Cassified image" 좋아요, 이것이 복원 코드의 끝입니다 어디 보자 도망 간다, 어떻게 된 일이야! 좋습니다, 이것은 분류 된 결과입니다

그러나 우리는 원본 이미지 제목이 없으므로 오류가있는 것을 보겠습니다 괜찮아, 세션이 복원됩니다 그리고 실행 중입니다 좋아, 이거 야

최종 분류 결과 이것은 분류 된 이미지입니다 보자 두 이미지의 해당 위치 여기를 보아라, 해당 장소

93 % 그것은 상당히 좋다 저장된 코드를 복원하는 코드입니다 신경 네트워크 이것은 코드입니다

이 코드는 YouTube 동영상의 링크에서 찾을 수 있습니다

Image Classifier by Using Machine Learning, Neural Networks-For Medical/Satellite Images-Part1

안녕하세요, 저는 모두 Muhtar입니다 이 자습서에서는 기계 학습, 신경 네트워크를 사용하여 이미지 분류를 제시합니다

이미지에 적용 할 수있는 많은 기계 학습 알고리즘이 있습니다 인정 또는 분류 대부분의 경우 이미지는 네트워크에 연결되면, 입력 이미지는 사전 정의 된 출력 범주 예를 들어, 고양이의 이미지는 고양이의 이미지로 분류됩니다 범주; 개 이미지는 개 카테고리로 분류됩니다

이러한 종류의 네트워크에서는 전체 이미지가 입력 데이터로 네트워크로 전달됩니다 특정 카테고리로 분류됩니다 우리가 알다시피, 많은 이미지가 있습니다 유형을 포함하여 의료 영상 위성 이미지 등이 튜토리얼에서, 내가 원하는 신경망을 사용하여 단일 이미지를 여러 범주로 분류합니다 에 대한 예를 들어 Google에서 의료 이미지를 검색하면 많은 이미지가 나타날 수 있습니다 사실로, 많은 의료 이미지 유형이 있습니다

이것은 Wikipedia의 의료 이미지입니다 이 이미지를 신중하게 보면, 다른 색조와 질감 예를 들어,이 매우 밝은 영역 매우 높은 회색 음영 값을 나타내며 특정 텍스처를 나타냅니다 이 회색 영역은 특정 텍스처를 나타내며 중간 회색조 값을가집니다 이 어두운 영역은 다른 텍스처를 나타내며 더 낮은 회색 음영 값을 가져야합니다

따라서 이미지에 다른 정보가 있으며이를 사용하여 이미지를 추출 할 수 있습니다 이미지 분류 방법 이 자습서에서는 신경을 쌓고 싶습니다 네트워크는 다음을 수행 할 수 있습니다 첫째, 나는 이것을 사용하여 입력 이미지를 상이한 출력 카테고리들로 분류하고; 나는 그것을 위해 사용할지도 모른다

의료 영상을 포함한 시간이 중요한 영상들 사이의 탐지를 변경한다 위성 이미지의 경우; 나는 특정 목표물을 추출하는데 영상 또한 수정하여 중립 네트워크를 만들 수도 있습니다 특정 용도에 적합합니다 예를 들어,이 이미지를 보시고, 장미가 있습니다

이 사진 이것은 큰 장미입니다이 작은 장미들도보십시오 나는 추출 할 수있다 이 이미지에서 추출한 객체를 빨간색으로 봅니다

그들은 장미들입니다 원본 RGB 컬러 이미지에서 추출됩니다 물론, 표적을 추출하면 우리는 시계열 이미지로부터 그들을 비교하고, 우리는 표적의 변화를 안다 시간 범위 동안 개체 이것은 의료 영상에 매우 유용하며, 특히

그것이이 튜토리얼의 목표입니다 위에서 나는 위성 이미지 자, 확인해 봅시다 그것은 프랑스 인공위성 SPOT에 의해 잡혔고, SPOT-XS 이미지라고도합니다 즉 SPOT은 가시 영역과 적외선 영역에 세 개의 채널 / 대역을 가지고 있습니다

반사 스펙트럼의 그런 다음 밴드를 구성하고 할당 할 수 있습니다 RGB 색상 따라서, 상이한 유형의 합성 이미지가 생성 될 수있다 이것은 잘못된 색상 합성 이미지입니다 색상에 대한 자세한 내용은 제공하지 않습니다

여기 위성 이미지의 종합 그러나,이 잘못된 컬러 합성 이미지 식물이 이미지에서 쉽게 감지되고 식물이 종류와 상황에 따라 빨간색의 색조가 다릅니다 식물은 근적외선 대역에서 높은 반사율을 가지므로 여기서 데모 목적으로 위성 이미지를 사용하겠습니다 나는 산다 이 이미지는 이전과 나는 그것을 사용할 권리가있다

그러나 이미지 신용 또는 저작권은 CNES에 속합니다 사실, 신경망, 즉 빌드 할 분류 알고리즘을 다른 클래스에 적용 할 수 있습니다 의료 이미지를 포함한 이미지 유형 우리는 분류를하고, 변화를 감지 할 수 있습니다 동일한 분류 방법을 사용하여 질병 지역을 분석하거나 추출한다

이 튜토리얼에서 사용한 것과 같은 의료 영상을 사용하여 동일한 신경을 훈련하면 같은 네트워크에 필요한 수정 사항을 추가하십시오 이 사진을 참조하십시오 이제 시작하겠습니다 첫째, 나는 전체 과정을 나누고 싶다 쉽게 이해할 수 있도록 여러 단계로 설명합니다

1 단계, 이미지를 읽고 샘플을 얻는다 각 카테고리에 대해 2 단계, 몇 가지 하이퍼 매개 변수를 정의합니다 (예 : number of 숨겨진 레이어, 노드 또는 각 레이어의 뉴런 3 단계, 변수 및 신경망의 훈련 과정을위한 자리 표시 자 4 단계, 신경망 구축, 숨겨진 계층 정의, 출력 계층 정의, 손실 및 정확도와 관련된 가중치 및 편차 및 자리 표시 자

5 단계 – 이제 세션을 만들고 필요한 모든 매개 변수를 초기화하십시오 단계 -6, 이제 우리는 프로세스를 실행하고 신경망을 훈련 할 준비가되었습니다 7 단계, 교육 과정이 끝나면 훈련 된 네트워크를 저장합니다 이것은 신경의 구축과 훈련 과정의 결말이다 회로망

Step-8, 이것은 선택적 프로세스입니다 나는 시각화 목적으로 훈련의 손실 및 정확성 기록을 그립니다 단계 -9, 이것은 매우 중요한 과정입니다 지금 훈련 된 신경망을 가지고있다 나는 그것을 사용할 것이다

그것을 사용하기 위해서는 먼저 저장된 훈련 된 네트워크를 복원해야합니다 10 단계, 실제 데이터를 사용하여 신경망의 유효성을 검사합니다 단계 -11, 마지막 단계로 네트워크를 배치하고 예측에 사용합니다 빌드하자 위에서 언급 한 단계를 기반으로하는 신경망

사실, 나는 코드를 저장하여 시간을 절약하십시오 이것은 코드이며 다음 코드를 통해 설명 할 것입니다 다음 절의 행을 참조하십시오 먼저 파이썬 라이브러리를 가져와야합니다 가져 오기 numpy; 수입 판다; PIL에서 이미지 가져 오기; 수입 텐서 흐름; 수입 matplotlib

마지막으로 sklearn 라이브러리의 Label Encoder를 입력하십시오 그럼, 이미지에서 트레이닝 샘플을 어디에서 어떻게 얻을 수 있습니까? 1 단계, 즉, 이미지를 읽고 이미지의 각 카테고리에 대한 샘플을 얻습니다 점에 유의하시기 바랍니다 Step-1, 데이터 준비 섹션, 매우 자세하게 설명 할 것입니다 이것은 훈련 측면에서 신경망의 매우 중요한 과정이기 때문에 정확성 이것은 입력 이미지입니다

나는이 이미지를 연구에 사용했다 이전에 나는이 토지 피복 유형에 관한 진실 데이터를 조사했다 대상 영역 이것이 제가이 이미지를 왜이 사이트에서 사용하는지 이유 중 하나입니다 지도 시간

자, 대상 이미지를 보자 이 영역은 물, 나는 물로 여기에서 표본을 얻는다 이 지역은 숲을 대표하므로 숲에서 여기 샘플; 이 지역이 베어 랜드를 대표 할 때, 나는 샘플을 얻는다 맨손으로 여기에서; 이 지역은 습지를 대표하며, 나는 습지를 위해 여기에서 견본을 얻는다 이 빨간 부분은 작물을 대표하므로 작물에 대한 샘플

이 매우 강한 흰색 영역을 보자 실제로, 지상 진실 자료에 기초를 두어,이 지역은 말린 소금을 대표한다 표면, 나는 여기에서 말린 소금에 절인 표면을 위해 견본을 얻는다 이 영역들 초원을 나타냅니다 여기에서 초원을위한 샘플을 얻습니다 따라서 나는하고 싶다

이 이미지를 위에서 언급 한 7 가지 범주로 분류하십시오 그런 다음 각 카테고리에 색상을 지정하겠습니다 결과적으로, 출력 토지 커버 맵의 색상 샘플 가져 오기는 다음과 같습니다 해당 영역에서 직사각형 영역을 자르는 것을 의미합니다

각 토지 커버 유형은 위에서 언급 한 것과 같습니다 자, 코드와 샘플을 보자 물 우리는이 단계를위한 함수를 생성 할 수 있으며, "open image 교육 세트를 추출하십시오 "먼저 이미지를 열고 배열로 변환하십시오

여기를 참조하십시오, 이미지를 열면 numpy의 배열을 사용하여 배열로 변환합니다 기능 출력 배열 이름은 "im"입니다 배열 크기입니다 사실은, 이 배열은 3 차원 배열입니다

이것은 높이입니다 이 너비와 이것은 밴드 수입니다 높이는 371 픽셀입니다 너비는 781 픽셀이며, 3 개의 밴드가있다 이제 배열 "im"이 생겨 샘플을자를 수 있습니다

각 카테고리에 대한 영역을 지정하고 교육을위한 입력 데이터 예제를 생성합니다 먼저 물 샘플을 얻으십시오 직사각형 영역을 자르고 있습니다 Y 방향에서 112 : 136부터 시작하여 306 : 321을 X 방향으로 배치하고, RGB의 3 개의 밴드가 있습니다

결과적으로 ROI는 24 x 15 x 3입니다 이제이 선을 보겠습니다 즉 ROI와 axis-0 여기서 axis-0은 Y 축 또는 수직 방향을 의미합니다 이전에 언급했듯이 "im"배열은 3 차원 배열입니다

우리가 ROI, 축 0 방향을 따라 픽셀을 연결합니다 왜 나는 그것들을 축 0 방향을 따라 연결한다 자, 확인해 봅시다 이것은 원래 SPOT-XS 이미지이며, 저작권은 CNES에 속합니다 먼저 이미지를 연 다음 이미지로 변환합니다

배열 "im" 예를 들어 ROI가 3 x 3 인 영역을 자릅니다 투자 수익 (ROI)이 잘린 영역이라고 가정 해 봅시다 ROI를 인쇄하면이 세 가지를 얻을 수 있습니다 3 x 3 행렬

사실, 각 행렬은에있는 부분 집합 또는 창을 나타냅니다 이미지의 각 레이어 그래서 이것은 첫 번째에 3 x 3 창을 나타냅니다 층; 0 지수를 참조하십시오 이 부분은에있는 두 번째 하위 집합을 나타냅니다

제 2 층; 이 색인 -1을보십시오 그리고 이것은 3×3 창을 제 3 층; 이 색인 -2를보십시오 주로 세 가지 유형의 인코딩이 있습니다 래스터 이미지 그들은 BIP (Band Interleaved Pixel), BIL (Band Interleaved by Line) 및 BSQ (Band Sequential) 인코딩을 지원합니다

그러나이 이미지는 다음을 사용하여 인코딩됩니다 라인 인코딩으로 대역 인터리브 그래서 파란색 픽셀은 파란색 대역에 속합니다 이 녹색 픽셀은 녹색 밴드; 이들 적색 화소는 각각 적색 대역에 속한다 우리가 이것을 볼 수 있다면 단일 레이어에서 이러한 파란색, 녹색 및 빨간색 픽셀은 선으로 인터리브됩니다

따라서, 여기에 걸쳐 같은 픽셀을 연결하려고합니다 세 개의 레이어를 결합하여 적색 밴드의 픽셀 값을 조합하여 만듭니다 그 일을해라 녹색 및 파란색 밴드에 대한 동일한 연결입니다 후 이 픽셀 [0]은 결합 된 적색 픽셀 값을 포함하고, 이 픽셀 [1]은이 인덱스 -1을 참조하십시오

조합 된 녹색 픽셀을 포함합니다 값 그리고 픽셀 [2]는 인덱스 2를 참조하십시오 결합 된 파란색 픽셀 값을 포함합니다 마침내, 나는있다

이런 식으로 데이터를 얻을 수 있습니다 이 데이터 세트에서 이제이 열은 적색 밴드 픽셀 값; 이 열은 녹색 픽셀 값을 나타내며이 열은 파란색 픽셀 값을 나타냅니다 마지막으로이 열은 레이블 또는 원하는 출력 값 우리는 나중에 이것을 보게 될 것이다 코드로 다시 돌아가겠습니다

그래서, 이 픽셀 변수에는 물 샘플에 대한 픽셀 값이 결합되어 있습니다 여기에서 물에 대한 최종 교육 데이터 세트를 생성 할 것입니다 견본 이것을 위해 나는 다음과 같은 사전을 생성 할 것이다 원하는 출력 열을 사전 끝에 추가하십시오

실제로, 이것은 판다 데이터 프레임 이 줄을 보아라, 나는 사전을 만들 예정이다 이 사전에는 4 개의 요소가 있습니다 첫 번째 요소는 빨간색 픽셀 값입니다 부디 이 색인 -0을보십시오; 두 번째 요소는 녹색 픽셀 값입니다

이 색인 -1을보십시오 세 번째 요소는 파란색 픽셀 값입니다 이 색인 -2를보십시오; 네 번째 요소는 원하는 출력 이름입니다 예를 들어 여기 물 좋아, 마지막 요소 인 다시 데이터 프레임,이 열에 레이블 "물"을 추가했습니다

이제 훈련 받았어 첫 번째 범주의 물에 대한 데이터 집합입니다 나는 남은 모든 일에 똑같은 짓을한다 카테고리 포레스트, 베어 랜드 (bareland) 등의 데이터 세트를 참조하십시오

내가 여기 올 때까지 각 카테고리의 샘플 이제 모든 범주를 연결해야합니다 단일 데이터 세트를 생성합니다 이를 위해 모든 프레임을 연결해야합니다 "df1"을 "df7"로 변경하고이 데이터 프레임을 "df"로 지정하십시오

내가 저장하면 여기에서 CSV 형식의 "df"의 최종 데이터 프레임을 만든 다음 Excel로 엽니 다 나는 방금 도착한다 ~ Excel 스프레드 시트 자, Excel 시트를 보시고, 우리는 4 개의 컬럼을 가지고 있습니다 빨강, 초록, 파랑 ​​및 원하는 출력 열입니다

샘플 데이터가 정리되었습니다 적색, 녹색, 청색 및 원하는 출력 라벨을 포함하는 밴드의 관점에서 마지막 데이터 준비 단계는 "원 핫"형식으로 원하는 출력을 인코딩해야합니다 마지막 열은 디지털 형식이 아니기 때문에 원하는 출력 범주 이름 따라서 나는 그들을 사용하여 숫자로 변환해야합니다

"원 핫"엔코더 코드를 보자 여기 샘플 데이터를 나눈다 두 부분으로; 먼저 입력 RGB 세트를 데이터 프레임에서 얻을 수 있습니다 0, 1, 2의 인덱스가 있습니다

여기를 보시려면 "dfColumns"를 참조하십시오 지수 두 번째 원하는 출력, 나는 3의 인덱스와 그것을 얻을 수 있습니다; 여기를 참조하십시오, "dfColumns", 3, 원하는 출력 열에 해당합니다

위의 Excel 시트 "One-hot"인코딩, 실제로 "one-hot"인코딩 원하는 출력을 새로운 형식 또는 1 또는 0의 벡터로 변환합니다 마찬가지로 결과, 원하는 출력은 "hot", "1"이며 나머지는 0입니다 예를 들어, 원하는 출력 범주 이름 인 "water"문자열이 a로 변환됩니다 이 같은 벡터

이 벡터에는 7 개의 요소가 있습니다 첫 번째 요소를 참조하십시오 첫 번째 요소는 "1"이고, 나머지는 "0"입니다 "숲"의 문자열, 두 번째 범주 이름은 다음과 같은 벡터로 변환됩니다 부디 두 번째 요소를 보면, "1"이고 나머지는 0입니다

및 제 3 카테고리, bareland, "bareland"의 문자열은 이와 같은 벡터로 변환됩니다 부디 세 번째 요소를 보면, "1"이고, 나머지는 0입니다 이것은 이것의 목표이다 부호화 이것을 달성하기 위해서, 우선, 라벨 엔코더를 초기화 할 필요가 있습니다

목적 이 줄을 보시고 총 레이블 수를 확인하십시오 이 선; 그런 다음 레이블의 고유 번호, 원하는 출력을 얻습니다 7 인 경우; 이 줄에 이것 좀보세요

그런 다음 "one-hot"인코딩 행렬을 만듭니다 이 numpy의 제로 함수를 사용하여이 줄을 모두 0으로 표시 한 다음 "1"이고 고유 한 출력마다 고유 한 벡터를 생성합니다 이 줄을보십시오 이 함수는 한 쌍의 데이터 세트 RGB 값과 원하는 출력 "one-hot"을 반환합니다 이제 "열린 이미지 추출 교육 세트"기능이 완료되었습니다

함수는 두 개의 데이터 세트를 반환합니다 한 가지 더, 데이터를 섞어 야합니다 그래서 입력 데이터를 무작위로 추출하면 훈련 속도가 빨라집니다 정확성 자, Step-2를 보자

이 단계에서 일부 하이퍼 매개 변수가 정의됩니다 예를 들어, 여기서 학습률 003; 여기 훈련 연대의 수 300; "n_rgb"는 매개 변수 RGB의 수를 나타냅니다 숨겨진 레이어 수, 우리의 경우에는 4 개이며 노드 수 또는 각 숨겨진 레이어의 뉴런 이 번호, 원하는 출력을 참조하십시오

카테고리 또는 노드; 그것은 우리의 경우 7입니다 및 "save_path"및 파일 이름은 네트워크 교육이 완료된 후 훈련 된 네트워크를 저장합니다 정의 컨테이너 "accuracy_hist"를 사용하여 정확성 내역 및 해당 변경 사항을 저장합니다 단계 -3, 교육 프로세스의 변수 및 자리 표시 자 정의 이것 좀 봐 방정식 각 변수와 계수, 즉 행렬과 벡터 정의되어야한다 "X"는 일괄 입력을위한 자리 표시 자이고 "W"는 가중치를위한 자리 표시 자입니다

"b"는 편견이다 "Y_"는 원하는 출력을 나타냅니다 여기서 "없음"은 다음과 같습니다 입력 샘플의 수 이것들은 훈련 과정에서 사용될 것입니다 이리, 각 숨겨진 레이어에 대한 가중치 및 바이어스 사전을 정의합니다

이것들은 각 계층에 대한 가중치 행렬 체중 사전에는 "h1", "h2", "h3", "h4"및 "out"이 포함됩니다 바이어스 사전은 "b1", "b2", "b3", "b4"및 "out"을 포함한다 이제 변수와 변수를 정의했습니다 모델을 기반으로 한 자리 표시 자 Step-4, S 자형 신경망 생성 활성화 함수

여기서 "x"의 변수는에 의해 계산 된 NET 입력을 나타냅니다 노드의 합계 연산자 "f (x)"는 압축 된 출력을 나타낸다 값 TensorFlow에는 다양한 활성화 기능이 있습니다 나는 활성화 기능에 대한 자세한 정보를 여기에 제공하지 마십시오 TensorFlow 문서화

이제 네트워크를 파이썬 함수 – "multilayer_network () :" 이 함수는 세 개의 매개 변수를 허용합니다

"엑스" 입력 데이터, "가중치"및 "편향치"입니다 그런 다음 첫 번째 입력 "x"및 "가중치"가됩니다 곱해지고 "편견"이 추가됩니다 나는 그들의 합계를 이것은 실제로 행렬 곱셈 또는 "sum_1"의 변수이므로 합계 연산자; 이 표현을 여기에서보십시오 그런 다음 "sum_1" 활성화 함수로 전달 된 다음 부각됩니다

범위 내 따라서 각 노드 또는 뉴런에는 두 가지 작업이 있습니다 합산 및 활성화 기능 활성화 함수는 특정 범위의 노드 여기서는 Sigmoid 함수 또는 Logistic을 사용하고 있습니다

이 함수는 입력이 무엇이든간에 "00"과 "10"사이의 출력을 생성합니다 아르 이것은 숨겨진 "layer_1"을위한 것입니다 좋아

나는 숨겨진 "layer_2, 3 및 4 각각 마지막으로, 숨겨진"layer_4 "를 다른 매개 변수 "out_layer"및 해당 노드의 값이 계산됩니다 부디 "out_layer" 그런 다음 함수는 출력 레이어를 반환합니다 이것은 신경이다

구축 될 네트워크 즉, 이제 입력 레이어, 네 개의 숨겨진 레이어 및 출력 레이어가 있습니다 그때, 시그 모이 드 활성화 기능이이 네트워크에서 사용되었습니다 단계 -5는이 단계에서 모든 변수를 초기화합니다 보호기를 만드십시오; 이것은 ~이 될 것이다 최종 훈련 된 네트워크를 저장하는 데 사용됩니다

네트워크를 호출하고 입력 데이터 집합, 가중치 및 바이어스를 전달하여 예측; 손실을 정의하십시오 실제로 이것은 예측과 원하는 출력 사이의 차이입니다 각 카테고리의 가치 여기서 "Y"는 예측을 나타내고 "Y_"는 원하는 출력을 나타냅니다 손실 함수를 정의하십시오 손실 함수는 실제로 손실을 줄이는 과정입니다

교육 정의 방법 여기, 그라데이션 하강 옵티 마이저를 사용하고 있음에 유의하십시오 이 함수 학습률 및 손실 함수를 입력 매개 변수로 허용합니다 사실은, 그래디언트 강하 최적화 기는 손실 함수를 최소화합니다 단어의 경우 전역 최소값을 찾습니다

많은 최적화가 있습니다 만나다 TensorFlow 문서에 대해 자세히 설명합니다 6 단계, 우리는 몇 가지 중요한 작업을 수행 할 것입니다 이 단계에서 먼저, 세션을 생성 한 다음, "init" 위의 개체 즉, 변수의 초기화

이제는 훈련 신기원 반복 훈련 시대는 앞으로와 앞으로 각각 하나씩을 의미합니다 뉴럴 네트워크에서 이용 가능한 트레이닝 예제의 역방향 패스 예를 들어, 나는 이미지를 분류하기 위해 네트워크를 훈련하고 있는데, 나는 1000 개의 입력 데이터 세트를 가지고있다 (훈련 예)

모든 에포크가 발생하면 에포크가 발생합니다 순방향 및 역방향 모두를 포함하여 네트워크를 통과한다 루프를 보자 트레이닝 에포크의 루프 수는 위; 이것은 300이었습니다 이것은 위에서 작성한 세션입니다

나는 두 개의 매개 변수 "train_network"와 "feed_dict"를 전달하여 실행 중입니다 "train_network"는 위의 5 단계에서 정의되었습니다 나는 사용하고있다 그라디언트 디센트 옵티마이 저가 "train_ network"개체에 있습니다 "feed_dict", 이것은 훈련이 네트워크로 전달되도록 설정합니다

나는 지나가고 있음을 주목하라 데이터 "X"와 원하는 출력 "Y_"을 모두 입력하십시오 즉, "RGB"와 "L" 각기 이것은 감독 교육이므로 각 교육 사례는 한 쌍의 입력 데이터 및 해당 원하는 출력 여기에서 정확성

여기서는 예측과 원하는 출력을 비교합니다 점점 "correct_prediction" 그런 다음이 정보를 기반으로 정확도가 결정됩니다 계획된 마지막으로 교육 과정 중 모든 정확도가 추가되어 이 정확성의 역사

이것이 교육 신기원 코드 블록의 끝입니다 이 부분, 나는 각 50에 훈련 과정, 신기원 및 훈련 정확도를 인쇄하고있다 시대 또는 카운트 단계 -7, 교육 과정 후 학습 된 신경 네트워크가이 "save_path"에 저장됩니다 단계 8,이 단계에서 "정확도 _hist"가됩니다

시각화 목적으로 꾸몄다 그것들은 훈련의 좋은 지표이기 때문에 절차 이제 코드를 실행하여 봅시다 달리기와 훈련 신경 네트워크 마지막으로 훈련 된 신경 회로망은 저장되었습니다

자, 우리는 기다리고있다 그때까지, 나는 당신에게 몇 가지 참조를 보여줄 것입니다 원한다면 기계 학습 및 신경 네트워크와 관련된 더 많은 비디오보기 당신을위한 아주 좋은 참고 자료입니다 이 참고 문헌을 참조하십시오 지금이야 교육의 시점에서 신기원과 정확성을 인쇄합니다

다음에 강의, 나는 훈련 된 신경 네트워크를 복원하고 그것을 위해 사용할 것입니다 예측 들어 주셔서 감사합니다 구독하십시오 좋은 하루 되세요!

[영화 인정]!!💜 한국판 디즈니 영화 “Fairytale in Life” inspired by DISNEY 감독판(당신의 삶속에 동화를, director KIMDAX 2017)

비행의 삶에서 순수한 어린 시절에 볼 수있는 동화의 세계 이 세상에 아직도 함께 존재한다 그러나 두 세계의 속도는 같지 않습니다

두 세계에서 때때로 나타나는 짧은 순간 동화 속의 판타지를 만나기 위해서 동화의 열쇠는 무엇입니까? 삶의 동화는 디즈니에서 영감을 얻었습니다 감독 : KIMDAX 마지막 3 번째 시험의 마지막 날 나는 바쁜 삶에 무의식적으로 익숙했다 날으는 지하철과 같은 바깥 풍경보기 과거의 삶은 또한 매우 빠릅니다 비행중인 지하철에서 사람들은 자신의 게임을 가지고있다 나는 없애기를 바란다

그래서 나는 책을 닫았다 임시 변통을 일시적으로 없애라 너의 마음을 따르고 너의 마음을 따라라 더 이상 억제 할 수 없음 너의 마음을 따르고 너의 마음을 따라라 돌아서 문을 던지기 나는 그들이 말하는 것을 신경 쓰지 않는다

폭풍우가 터지게하자 추위는 더 이상 나를 괴롭힐 수 없다 재미있는 것은 거리가 모든 것을 작게 만듭니다 일단 내 두려움을 억제 절대로 다시 제어하지 마라 내가 할 수있는 걸 볼 시간이야

나의 한계와 돌파구를 시험해 보라 옳고 그름이 없으며 나를 규제하는 규칙도 없습니다 난 공짜로 해요 너의 마음을 따르고 너의 마음을 따라라 나는 바람과 천국에있다 너의 마음을 따르고 너의 마음을 따라라

너는 나를 더 이상 울지 않을 것이다 나는 여기 서있다 내가 여기 머물러 라 00 : 04 : 41,640 -> 00 : 04 : 45,680 폭풍우가 울부 짖자 내 힘이 깊은 지하 공기를 상승시킨다 내 영혼이 빙판으로 유혹하고있다

얼음의 돌풍으로 생각된다 나는 돌아 가지 않을거야 과거는 과거의 일이되었다 너의 마음을 따르고 너의 마음을 따라라 나는 태양이 땅에서 떠오르는 것을 좋아한다

너의 마음을 따르고 너의 마음을 따라라 완벽한 소녀는 사라졌어 나는 서 있었다 태양 아래서 감기가 더 이상 나를 괴롭힐 수 없다! 감기가 더 이상 나를 괴롭힐 수 없다! 언제 이런 식으로 느껴지나요? 그것은 매우 익숙한 것처럼 보입니다 내 억압적인 일에서 벗어나는 느낌 일상 속에서 만난 동화의 순간 덕분에 매일 매일 나는 걷는다

다르게 느끼는 것 같습니다 이상한 날 오늘의 시험은 가장 중요한 전문 시험입니다 나는 평소와 다르며 나는 매우 편안하다고 느낍니다 찬물 벽 교실에서 평소와 같은 풍경 그러나 다른 무엇입니까? 그냥 뭔가 잊어 버린 것 같은 느낌이야 이상한 날 OK, 테이블에 모든 것을 넣으십시오 줘, 패스 (30 점) 나는 10 년 후에 나를 인터뷰하고 메모를 쓴다

(30 점) 모두가 이번 학기에 열심히 공부했습니다 너의 직업에 따라 오늘 메모 작성 고용을 위해서 모두가 기계처럼 열심히 일합니다 네가이 일을하는 걸 원치 않아 최근에 많은 학생들이 45 그 학생들, 학생은 그 신용을 얻기 위해 무엇을 포기 했습니까? 매우 고통 스럽다

이것은 정말로 슬프다 오늘은 마지막 예술 수업입니다 그렇다면, 당신이 똑똑하고 밝은 사람이되기를 바랍니다 마지막 직장 빛나는 사람은 어떤 사람인가? 직접 답변 최종 예술 수업 – 빛 – 나는 학교에 간다! 어렸을 때 우리 가족 중에는 많은 인형이있었습니다 내가 가장 사랑하는 사람은 핑크 토끼 인형 토끼 인형이 정말로 살아 있다고 생각해

그래서 내가 돌아 왔을 때 가방을 내려 놓기 전에 그 토끼 인형에게 인사하고 그것을 잡아라 우리 엄마가 날 동화책 읽어 줬어 동화 속에 살아있는 인형처럼 느껴 보자 우리 가족의 인형도 제 친구입니다 인형이 찢어지면 아기 인형이 아프게됩니다

어머니는 나를 사랑스럽게 바라 보았다 인형 친구를 잘 돌 보겠다고 거의 20 년 전에 그 날이 분명하지 않다는 것을 기억하십시오 그러나 나는 여전히 가장 붉은 색을 좋아하지 않는다 조각처럼 보존 된 추억 내 기억에, 그 날은 매우 밝았습니다 그리고 특히 어두운 집은 빨간 테이프로 덮여있다

이 빨간 종이가 나쁘다고 느낍니다 거친 소리 닫힌 문을 통해, 엄마 아빠의 비명 소리 집안의 붉은 파도를 방황하다 모두 내 마음에 그림자를주었습니다 나는 산타를 다시는 믿지 않는다 항상 살아 있다고 간주되었던 토끼 인형을 죽이십시오

사실, 모든 것이 끝났습니다 그날 이후 우리는 작은 집으로 이사했습니다 움직이기 전에 많은 것들을 버려야합니다 뭔가를 선택할 때 물론, 처음 쓸모없는 것들이 선택됩니다 그래서 어머니는 처음으로 내 인형을 던졌습니다

이제 그게 당연하다고 생각해 그러나 나는 어린 시절 큰 타격을 입었습니다 엄마는 매일 나에게 동화책을 읽는다 그러나 현실을 만질 때 버리는 것은 동화의 환상입니다 그 때부터 사람들이 가장 화가 났을 때 사람들이 버린 것은 처음이었습니다

손댈 수 없지만 손댈 수 없음 순수한 마음으로 빛나는 아이의 모습 유죄 판결로 기록 된 순수한 꿈은 점차 잊혀진다 이제 나는 대학 입학 시험 전에 일반 고등학생이다 또한 좋아해요 논스톱 평가와 분리 될 수있는 옳고 그른 것은 없습니다 회화의 순간, 미술 수업 그러나 오늘은 마지막 예술 수업입니다

학교는 예술이 대학 입학 시험에 필요 없다고 생각하기 때문에 이 비행기는 어떻게 될 것입니까? 안녕하세요 여러분! 선생님은 좋습니다! 글쎄, 논쟁하지 말고 주목해라! 당신은 학습에 지쳤습니까? 예! 당신은 오늘이 마지막 예술 수업이라고 들었습니다 아 당신은 모두 매우 영리합니다

선생님은 당신을 자랑스러워하고 당신을 사랑합니다 하지만 그 이후로, 나는 너희들이 희망한다 똑똑하고 반짝이는 사람이 되십시오 세계에는 점점 더 똑똑한 사람들이 있습니다 실제로 실제로는 소수의 사람들이 빛을 발합니다

이것은 정말로 슬프다 – 빛 – 선생님이 마지막으로 준 임무입니다 인생에서 가장 밝은 순간을 찾으십시오 어떤 사람이 선생님의 반짝이는 사람입니까? 직접 찾아보십시오 제출 날짜는

입니다 고등학교를 졸업하기 전에! 어쨌든, 오늘은 마지막 수업 이니까 확인할 시간이 없어

너희들! 따라서이 직업은 확인되지 않았습니다 즉,하지 않으면 문제가되지 않습니다 그러나 누가 그 답을 찾을 수 있습니까? 이전에는 보이지 않았던 것들을 확실히 볼 것입니다 너와 함께하지 말고 선생님이 해보라고 권유한다 이 고등학교에서 거의 3 년 동안 배운 것은 사람들의 반응을 보는 것입니다

대학에가, 너희들! 오늘의 수업은 여기서 끝납니다 최종 예술 수업 – 빛 – 나는 항상 떨고 싶다 내가 느끼는 것은 놀라운 것을 발견 할 수있을 것입니다 또한 하트 비트가있다 나는 그 일을 끝내야한다고 생각해

내 가장 밝은 순간은 언제 였니? 다음날 엄마는 인형을 모두 가지고 갔다 나는 내 인형을 찾아 내 친구들을 찾는다 하지만 내가 가장 좋아하는 토끼 만 찾을 수 있습니다 나는 Hongxia가 나타 났을 때 방금 집에 갔다 어머니는 우는 걸보고 토끼 인형을 뒤로 당긴다

노출 된 모양이 예상 한 것과 다릅니다 이것은 어머니가 본 것 중 가장 슬픈 표정입니다 하지만 작은 집에 토끼 인형을 넣을 때 이 인형이 집안의 불필요한 물건과 같다는 것을 알았습니다 나는 또한이 인형이 내가 사랑하는 살아있는 친구가 아니라고 느낍니다 이건 그냥 어떤 공장에서 수 놓은 인형 이니까요

버려 질 수있는 작은 것입니다 동화가 진짜라면 인형은 정말로 살아있다 우리 엄마가 버리지는 않을거야 가장 밝은 사람을 찾으려면 집으로 돌아가서 방을 돌리십시오 어린 시절의 상처 같았 어

오랜 친구 찢어짐 그럼 확신 해 나는 인형의 시력을 보았다 당시에는 고통스럽고 순수했지만 인형에서 키스 한 오래된 아로마 어렸을 때 나는 동화의 세계를 믿었으며 나는 일상 생활에 관심이 많았습니다 그 당시에는 내 인생에서 가장 빛나는 시간이었습니다 가장 밝은 순간을 찾았습니다

나는 그날부터 반짝이는 사람이 누구인지 알아 내기 시작했다 알아 내려면 매일 아트 룸으로 가십시오 더 이상 예술 수업이 없으며 아무도 예술실을 찾고 있지 않습니다 아트 룸을 비밀 기지로 사용합니다 지루함을 느낄 때 마지막 질문에 대한 대답을 생각합니다

그 당시 저는 자유롭게 자유로울 수있었습니다 시간이 지나고 대학 입학 시험 아무 목적이 없지만 곧 시험을 보게됩니다 나는 곤경에 처해 있었고 나는 아트 룸에 갔다 그때 나는 누가 가장 밝은 사람인지 알지 못했습니다 달 좀 봐

너는 아름답다고 생각하지 않니? 이것은 내 자신의 비밀 거점이다 내가 쉬는 유일한 곳 내 자신의 시간 동안 모두가 나를 너무 많이 기대한다 학습 만이 가장 중요합니다 "이번에는 내 공연이 향상되었습니다! ' 그러나, 나는 다른 인생을 보내고 싶다 내가 어렸을 때, 나는 동화를 읽었다

그곳에서 만난 소중한 운명 나를 사랑할 조건이 없다 너와 나 걱정할 것이 없다 내가 하루 종일 함께 있었을 때 그 당시 내가 가장 밝은 사람 이었습니까? 빛나는 사람이 어떤 사람입니까? 내가 찾으면 그것을 볼 수 없기 전에 무엇을 볼 수 있습니까? 나는 찾아야 해 나는 그것을 발견 할 것이다 아무리 오래 걸릴지라도 나는 대답을 찾아야 만한다

사람들의 기준에 따르면 나는 지금까지 그 규칙에서 살아 남았습니다 하지만 지금부터는 나 자신을 찾는다 나는되고 싶어 사람들이 원하는 것이 아니라 그러나 나는 정말로 원한다 스파클 반짝이는 사람들 대학 입학 시험 때까지 최종 답을 찾지 못했습니다

나는 대답을 찾기 위해 어느 날 다시 올 것이다 잊어 버리는 것을 잊어 버린 그 시대의 추억, 즉, 갑자기 발견되지 않은 질문이 기억났습니다 세계의 중심은 당신 자신의 것입니다 타인의 희망에 따르지 않는다 다른 사람들의 기준에 따르면 그리고 당신 자신의 것이되기를 바랍니다

나는 당신이 완벽한 점수를 얻지 못할 것이며 당신의 인생에서 완전한 점수를 가진 행복한 사람이되지 않기를 희망합니다 모두가 시험에 합격했으면 좋겠다 답변 없음, 그림 캔버스 없음 선생님, 말씀 드렸다시피 저는 대학에 다녔습니다 이 시간에 내가 뭘 했니? 당신은 대학이 전부는 아니라고 말합니다 네가 의미하는 바를 이해할 수 있다면 나는 어떤 사람들이 빛나는 사람들인지 이미 이해하고있다

나는 지금과 다른 삶을 살 것인가? 아니, 아직 늦지 않았다 나는 대답을 찾기 위해 어느 날 다시 올 것이다 같은 항상 찾을 수 없다 인생에서 가장 밝은 순간 많은 시간이 소요되지만 순간 나는 이해한다 나는이 순간에 여기에있다

갑자기 나는 보았다 어떻게 생각하지 않았습니까? 나의 가장 밝은 순간 그리고 마침내 빛을 보았습니다 순수한 자신감 내 작은 마음 나는 동화를 보자 빛나게 해줘 그 빛은 내 마음 속에있다

나는 아직도 지키고 싶다 그 순수한 정신 마지막 일 잊어 버려 반짝 이는 사람은 무엇을 의미합니까? 많은 시간이 소요되지만 순간 나는 이해한다 나는 동화를 믿는다 나는 내 마음 속에서 그 목소리를 믿어야한다

다른 사람들이 무엇을 보든 꿈을 기꺼이 믿는다 그리고 마침내 빛을 보았습니다 순수한 마음의 빛 내 작은 빛 동화 꿈꿔 보자 그 때부터 꿈을 꾸고 싶다 동화가 아니라 나다

더 이상 자신을 제한하지 않습니다 나는 빛나고 싶다 이제 마침내 나를 보았습니다 드디어 빛을 보았습니다 드디어 빛을 보았습니다

내가 발견 한 빛은 밖에서가 아니라 내 속에 있었다 반짝이는 사람들은 몽상가입니다 나는 마침내 이해했다 동화를 믿고 순전히 빛나는 어린 아이처럼 나는 꿈을 순수하게 믿기로 결심한다 그때부터 나는 새로운 동화를 적기 시작했다

이야기 뒤에서 오래 전에 호박을 재배 한 소녀가있었습니다 어린 소녀 주위에 사과를 낳는 소녀가 있습니다 마법적이고 아름다운 꽃을 낳는 소년도있다 '드디어 SBC 아나운서의 공개 모집을 통과했습니다! ' '뼈 아팠다, 나는 더 열심히 일할 것이다! ' 새로운 직원, 최! 준! 하오! 통과 후, 우리는 마침내 예상되는 세미나에 도착했다! 3 명의 스탭이 응원하고 있습니다! 하하하 하 모두의 삶은 아주 좋습니다 내가 뭘 좋아하는지 쉽게 알 수 없다 사람들은 어떻게 목표를 설정하고 날 수 있습니까? 모두가 자신의 재능과 경험을 십분 활용합니다 나

어떻게 지내니? ☆ 영화 공연과 ☆ 인터뷰! ! ! ! ! ! – 꿈을 가진 사람들은 항상 빛나는 사람들입니다 응, 나 심각해 꿈을 가진 사람은 항상 밝은 사람입니다! 영화 뭘 했니? 아니요

아니요 나는 영화에 대해 더 많이 배웠고, 나는 클럽에 참가했고, 나는 또한 단편 영화를 만들었습니다 그것은 이기고 있습니까? 아 아니

그렇지 않은 것처럼 지금은 무엇을합니까? 일하는 무슨 일이야? 카페에서 일하기 보통의 흠 해외 유학, 그래서 나는 영어를 잘한다 아니면 독특한 경험을하지 않은 회사의 독특한 작업이 비슷한 느낌을 갖게 되었습니까? 아니요 아직 영화를 보지 못했지만 나는 매우 평범한 영화라고 생각합니다

네가 아주 평범한 삶을 사는 것 같아 우리 영화 성능 국은 기꺼이 시력을 기원합니다 좋은 경험이없는 것처럼 보입니다 특별한 것은 없다 특별한 것은 없다 매우 진지하게 수행 된 것은 보통의 추악한 호박 일뿐입니다

어린 소녀는 절망에 빠지게 도울 수 없다 다른 사람들은 아름답고 독창적 인 식물을 재배하고 왜 어린 소녀는 호박을 낳을까요? 어린 소녀의 삶, 조건, 이야기 이 사람들은 관심이 없다 중요한 건이 어린 소녀가 호박을 재배했다는 것입니다 다른 사람들에게 이것은 매우 평범하고 평범한 것입니다 일하는 것이 나의 직업입니까? 내가 패스를하고 싶지 않다면 너무 실망한거야? 요즘 쓸 일이 쓸모없는 거니? – 꿈을 가진 사람들은 항상 빛나는 사람들입니다

꿈은 당신의 마음의 소원입니다 꿈은 당신의 마음의 소원입니다 잠 들어있을 때 꿈속에서 슬픔을 잊을 것입니다 당신이 어떤 종류의 소원을 가졌 든 상관없이 꿈에 자신감을 가져라 웃으며 무지개가 나타납니다

너의 마음 속에 얼마나 슬픈지라도 당신이 믿는 한 너의 꿈 희망 올 것이다 매일 나는 꿈속에서 길을 간다 나는 꿈꿨다 마술처럼, 내 꿈이 이루어집니다 꿈은 너무 아름답습니다, 나는 두려워합니다

일출과 마찬가지로 매일 마침내 행복한 결과가 있습니다 나는 내 꿈이 실현 될 것을 안다 하지만 어린 소녀는 결코 절망하지 않거나 포기하지 않습니다 아무리 그녀를 칠하고 싶든 어린 소녀는 빛날 수있는 사람입니다 간단히 말해서 순수한 마음과 어린 소녀의 자신감 덕분입니다

어린 소녀가 낳은 평범하고 못생긴 호박 아름다운 호박 마차가되어 어린 소녀에게 꿈을 실현시킬 기회를줍니다 내가 어렸을 때의 동화 같아 순수하게 꿈을 믿고 진지하게 요컨대, 그것은 성취 될 것이다 – 단편 영화제 상 – 내 삶에 동화가 있다면 – 작품 이름 : 보통 청소년, 이름 : 김두용의 동화는 항상 행복한 결말을가집니다 꿈은 당신의 마음의 소원입니다

– 몇 년 후 – – 몇 년 후 – 다시 같은 꿈을 꾸었습니다 동화의 밤부터 나는 항상 같은 꿈을 꾸다 복잡한 아이디어를 멈추게하는 대답은 '내가 잘 할 수 있을까? ' '어쩌면 나는 특별한 것이 없다' 간단하고 순수한 생각인가? 꿈을 가진 사람은 항상 밝은 사람입니다 동화의 간단하고 분명한 교훈 복잡한 삶에서 우리에게 밝은 해결책을 줄 수 있습니다 그러면 사랑은 세상의 표준에 따라 많은 조건을 따르지 않을 것입니다

그리고 동화 나 운명처럼 우연히 보일 수있는 것은 무엇입니까? – 그 사람 한테 소개 받고 싶니? ! – 이봐, 나는 서로 만나고 싶지 않아 하하 – 네가 소개하지 않을 때 정말 후회 하네! – – 학업 자격, 가족은 좋다, 그런 사람이 없다 – – 이봐, 내가 소개되고 싶다 – – 하하, 너를 남자 친구에게 고소 하겠어? – – 너는 항상 삶에 관해 이야기하고있어 그걸 기다리고, 잘 생긴 사람은 다른 사람에게 도둑 맞았다 – 어렸을 때 더 많이보아야합니다

– 나는 당신을 성공에 소개 할 것이다! ! ! – 어 정말 사실입니까? 내가 어렸을 때 나는 해외에서 유학을 졸업했다 어

사실, 나는 법에별로 관심이 없다 학부모가 더 배우게 해줍니다 더 중요한 것은, 내 두뇌 덕분에

하하하 나는시를 아주 좋아한다 그래서 내가 독일에서 공부했을 때 아, 독일어로시를 어떻게 말할 줄 안 봤니? Lyrik L, y, r, i, k

그 언어는 거문고에서 온다 다시 말해, 고대 그리스인은 거문고를 연주했다 가장자리시, 가사시는에서 온다 (몇 별 밤 – 음과 Dongzhu) 스타는 메모리입니다 별은 사랑이야 별이 외롭다 우리 엄마는 내가 더 일찍 결혼하기를 원해

너 결혼하고 싶어? 아? 파스타는 이탈리아에서 가장 많이 먹습니다 한모금을 갖기 위해 이탈리아에 어떻게 갔습니까? 운명은 없으며, 맹목적으로 적절한 조건에 부합합니다 언젠가는 내 마음과 영혼으로 언젠가는 만날 수 있을까요? – 운명의 사랑 – – 운명은 당신이 어쨌든 걱정할 필요가 없다는 것을 사랑합니다 오랜 시간 꿈도, 심지어 꿈꿔 왔어 오늘은 새로운 TV 드라마 장면을 촬영 한 첫날입니다

좋은 기분, 좋은 꿈이 있어요 어떤 좋은 분위기가 일어날 것인가? 나는 전에 몰랐다 그러나 나는 이제 동화가 있다는 것을 알고있다 어쩌면 내 사랑 동화처럼 나에게 올 것이다 – 매직 코트 야드 – 아름다운 요정처럼 어느 날 나는 꿈속에서 너를 만났어

언젠가 꿈처럼 내게 올 것인가? 아, 누가 믿는거야? 인정받는 사랑 아, 그 꿈처럼 나를 유혹 할 수있다 – 마법의 정원 – 그런 사랑이있다 그런 사랑이있다 놀라운 일 이었어 과거에 한 번 과거에 한 번 일단 자신있게 태양이 뜨는 것처럼 태양처럼 동쪽에서 일어난다

고대의 전설 고대 노래 미녀와 야수 꿈꾸는 사람들은 꿈을 볼 수 있습니다 실현하고자하는 열망 너의 꿈은 이루어질거야 이 이야기들을 5 개의 동화로 바꾸는 것은 어떻습니까? 꿈꾸는 사람들은 꿈을 볼 수 있습니다 실현하고자하는 열망 너의 꿈은 이루어질거야 삶의 동화는 디즈니에서 영감을 얻었습니다

감독 : KIMDAX 2017

Frontiers by Slack 2017 – Intelligence at Work: How Google Leverages AI and Machine Learning

– 좋아, 얘들 아, 손을합시다 나를 위해서가 아니야

확실히, 슬랙을 위해서,하자 멋진 직장, 멋진 직장을 위해 여기에 제발, 제발 Edge에서 전체 Slack 팀까지의 첫 번째 회의에서 우리는 슬랙이하고있는 구글에서 행복하다 훌륭한 직업과 우리의 파트너십은 번창하고 있습니다 다시 한번, 위대한 일군들, 첫번째 회의를 위해 훌륭한 직업 나는 그들이 이보다 더 많은 일을하고 나를 초대하기를 바랍니다

얘들 아, 나는 Apoorv Saxena이다 저는 Cloud at Google의 제품 관리자입니다 저는 직장에서 지능에 관해 이야기하기 위해 왔습니다 항상 AI에 대해 이야기하는 것은 재미 있습니다 개발자 잠재 고객의 동료 인 리오 (Rio)와 함께 이야기하겠습니다

Google이 기계 학습을 사용하는 방법에 대해 AI를 내부적으로 노출 시키지만 일부 노출도 우리가 도구를 만들기 위해 배우는 교훈 중 Google 클라우드 서비스의 일부로 기계 학습 서비스 그래서 얘기하자 왜 우리가 신경을 쓰나요? 왜 구글은 클라우드와 AI에 그렇게 많은 돈을 투자하고 있습니까? 그 이유는 그것이 바로 우리의 사명으로 연결되기 때문입니다 Google의 사명은 전 세계의 정보를 정리하는 것입니다 보편적으로 액세스 할 수 있고 유용하게 만들 수 있습니다

이것은 농부들 모두에게 적용됩니다 캘리포니아에서 케냐의 중소기업 소유주에게 그들이 정보를 찾고있을 때, 우리는 더 낫다 이해가된다면 Google은 서비스를 제공 할 수 있습니다 그들이 무엇을 찾고, 어떤 정보, 정보 란 무엇인가, 이미지 란 무엇인가, 텍스트는 무엇인가? 그 정보 뒤에, 그리고 이것은 어디에 기계 학습 및 인공 지능이 제공됩니다 그러면 Google에서 AI를 어떻게 정의합니까? 많은 사람들에게 AI는 아무것도 아닙니다

매우 복잡한 패턴 일치, Google에서는 그 이상이라고 생각합니다 인공 지능, 정교한 인공 지능 시스템의 많은 자기 학습 있습니다 그들은 이전 상호 작용에서 배우고 시간이 지남에 따라 향상됩니다 그것은 사용자 행동, 사용자 입력 검색 창에있는 텍스트 또는 카메라의 사진, 다음 단계는 이해입니다 이미지 뒤에 무엇이 있는지, 텍스트 뒤에 무엇이 있는지

이전에 배웠던 pretrained 또는 preinformation 사용 지금 되돌려주는 일련의 행동을 함께하십시오 응답 형식으로 사용자에게 응답에 기초하여 사용자는 다시 상호 작용하며, Google 검색과 마찬가지로 루프가 계속됩니다 당신이 그것과 상호 작용할 때마다 더 좋아지며, 인공 지능 시스템은 시간이 지남에 따라 스스로 학습하고 향상됩니다 이것이 우리가 AI에 흥미를 느낀 이유입니다 우리는 얼마나 흥분합니까? 이 차트는 우리가 얼마나 흥분했는지 보여줍니다

그래프에 숫자가 표시됩니다 Google의 심층 학습 프로젝트를 지난 3 ~ 4 년 동안 보시다시피, 성장은 엄청난 기하 급수적입니다 깊은 학습은 이제 거의 힘을 얻고 있습니다 Google이 만드는 모든 제품 상황에 맞는, 의미있는, 사용자에게 풍부한 경험을 제공합니다

사실 Google은 AI가 컴퓨팅의 다음 패러다임 변화 PC, 인터넷, 클라우드 및 모바일과 같습니다 우리의 CEO 인 Sundar Pichai는 이제 Google을 AI 첫 번째 회사라고 부릅니다 우리가이 복잡한 심층 학습 시스템을 구축 할 때, 내부적으로, 우리는 세 가지를 배웠습니다 하나, 깊은 학습, 그리고 많은 깊은 학습 경쟁이 매우 치열합니다

2 번, 많은 관리 데이터가 필요합니다 데이터 처리 방법 및 세 번째, 매우 확장 가능한 플랫폼이 필요합니다 이 모든 것들은 개발자에게 당신을 데려오고 있습니다 Google 클라우드 시스템 학습 서비스의 일부로 그리고 우리는이 이야기에서 그 중 일부에 대해 이야기 할 것입니다 따라서 직장에서 AI가 눈에 잘 띄는 사례 중 하나를 이야기 해 봅시다

휴대 전화로 얼마나 많은 사람들이 Google 포토를 사용합니까? 거의 내가 너에게 반쯤 말할거야 나머지 절반은 빠져있다 (웃음) 그리고 이유는, 내가 말해 줄께, Google 포토는 2 년 전 출시되었습니다 매우 흐리게 만든 사진에서 모바일 사진 앱 시장 가장 널리 사용되는 모바일 사진 앱이되었습니다

사진 정리, 그런 놀라운 일을하는 이유는 근본적인 AI의 일부 때문입니다 예를 들어, 당신이 방금 돌아 왔다고 상상해보십시오 알래스카 여행에서 확실히 상상할 수 있습니다 그리고 당신은이 놀라운 빙하 호수를 방문했습니다 그 사진을 친구와 공유하고 싶습니다

많은 경우에 당신은 아마도 수많은 사진, 수십만 장의 사진을 통해 그 이미지를 얻으려면 지금해야 할 모든 일, Google 포토 사용시 검색 창에 "빙하"가 입력됩니다 그리고 밖으로이 빙하의 이미지가 나온다 그리고 그것은 매우 간단한 경험, 강력한 경험, 단순함 뒤에는 정교함이 많이 있습니다 예를 들어, 권력의 주요 이해 Google 포토 이미지 검색은 이해해야합니다 이 이미지는 객체가 아니거나이 객체 눈 덮인 산이 아니라 실제로 빙하

그것은 파란색, 흰색, 푸른 호수, 그것은 빙하의 호수 다 그리고 그 종류 정보가 쉽게 오지 않는다 빌드하려고하는 개발자 인 경우 앱에서와 동일한 강력한 이미지 이해, Google Cloud mission API를 사용하여 오늘 할 수 있습니다 그것이 같은 알고리즘이기 때문에 그것이 Google 포토에 힘을 불어 넣고 있습니다 다른 예를 들어 봅시다

다시 말하면 10 억 명이 Google 번역을 사용하며, 당신이 foregin 나라에 있다면 월 단위로, 이것은 아마 생명의 은인, 당신이해야 할 모든 것, 모바일 앱에서 Google 번역, 사진을 찍으면 번역하는 데 도움이됩니다 다시 말하지만, 이와 같은 것을 가져 오려면 앱에는 많은 일들이 진행되고 있습니다 가장 중요한 세 가지가 있습니다 특히이 예에서는 주요 이해, 이해하는 전공, 인공 지능은이 이미지가 문자를 가지고 있다는 것을 이해해야합니다 그 문자들을 텍스트로 변환하고, 번역 엔진을 사용하여 변환합니다

그 텍스트를 다른 언어로 번역하고, 그리고이 모든 것은 휴대 전화를 통해 이루어져야합니다 인터넷에 연결되어 있지 않을 수도 있습니다 개발자로서 어떻게하면 이렇게 할 수 있을까요? 제공하는 경우 Google Cloud를 제공합니다 비전 API는 내가 말했듯이, 우리 OCR을 위해, 두 번째는 번역 할 API이며, 모바일에서의 흐름을 알려주며 귀하의 알고리즘을 최적화하고 모바일 플랫폼을 위해 최적화하십시오 한 가지 더 많은 예를 들어보세요

자연 언어 이해 Gmail 사용자 및 Gmail 사용자 인 경우 전화를 걸고 입력하고 싶지 않은 경우, 많은 사람들이 그렇게합니다, 특히 짧은 응답, 응답을 생성하는 스마트 회신 대화 컨텍스트를 기반으로합니다 다시 말하면, 모바일에서 짧은 응답의 거의 10 % 이 자동 생성 인공 지능으로 구동되지 않습니다 그러나 이것 뒤에는 많은 정교함이 있습니다 우리는 AI를 이해해야합니다

이것은 대화가 무엇인지에 관한 것이 아니라, 또한 어떤 음색을 이해하는지 이 대화는 음색이 매우 형식적이라면, 선택 사항 인 봇, AI가 제공하는 선택 사항 톤이 매우 형식적이라면 매우 비 형식적입니다 그것은 다른 방향입니다 시간이 지남에 따라 맞춤 설정도 가능합니다 안녕, 안녕하세요 이것이 바로 복잡성 수준입니다

이 모든 것을 가져오고 싶다면 다시 Cloud 자연 언어 API로 시작합니다 그러나 이것이 전부는 아니며, 우리는 훨씬 더 많이하고 있습니다 새롭고 흥미 진진한 것들에 대해 이야기하기 그게 다가오고있어, 너를 넘겨 줄거야 제 동료 인 아카사카 리오에게 이야기하겠습니다

새로운 발표의 일부에 대해서 고마워 (박수) 고마워, 아 푸르 프 안녕 모두, 제 이름은 리오입니다, 저는 제품 매니저입니다 Google 드라이브에서 볼 수 있으며, Google에서 인공 지능을 진지하게 받아들입니다

그리고 여러분 모두를 여기에서 보게되어 정말 기쁩니다 그것이 당신의 관심사를 보여주기 때문에, 아마도 AI를 사용하여 오늘 앱을 개발할 것입니다 알고 계시 겠지만 Google과 Slack이 각각 시도하고 있습니다 지능적인 일을하는 해결책을 제안하고 인생이나 직장에서 우리는 이것이 우리가 일하는 방식을 변화시킬 수 있다고 생각합니다

지난 12 월에 많은 사람들이 알고있을 것입니다 우리는 두 제품 간의 긴밀한 통합을 발표했습니다 그 발표에서, 우리는 발표했다 그 똑똑한 소프트웨어는 팀을 하나로 모을 수 있습니다 나는 똑똑한 소프트웨어 비트를 고르고 싶다

Apoorv가 방금 이야기 한 내용에서, AI 및 Google에서 AI 작성 방법에 관해 당신은 그것의 특징에 익숙 할 것입니다, 조금 있습니다, 숨겨져 있지만 Google 드라이브에서 호출되었습니다 활동 스트림, 그것은 연대기이다 일어난 모든 중요한 사건들 당신이 소유하고있는 파일들로 문서에 댓글을 달았다면 사람들은 그 문서를 공유하면 사람들이 그 문서를 옮길 수 있습니다 사용자는 정말 좋아합니다 변경된 사항을 추적하십시오

그들은 그들이 놓친 것만 큼 채울 수 있습니다 하지만이 기능을 선보이는 모든 사용자는 다음과 같이 말합니다 이거 대단해, ​​나에게 모든 정보를 보여주고있어 내가 아는 한, 생산적으로 사용하고, 하지만 치명적인 결함이 있습니다 단지 너무 많은 정보 일뿐입니다

정보 작업자로서 나를 어떻게 도울 수 있습니까? 결정하고 결정하기위한 지식 근로자 가장 중요한 사건은 무엇입니까? 100 가지가 아니라 1 가지를 말해주세요 작년 한 해 동안 실제로 시도했습니다 이를 해결하기 위해 다음과 같은 기능을 사용할 수도 있습니다 익숙한, 빠른 액세스라고합니다 지금 이것은 정말로 시원합니다

왜냐하면 그것은 무엇을하기 때문에, 우리가 생각하는 4 ~ 5 개의 문서를 선택합니까? 열려고 Google 드라이브에 왔습니다 실제로이 기능 뒤에는 두 가지 인공 지능 모델이 있습니다 하나는 Google에 열어 볼 문서를 예측하는 것입니다 또 다른 이유는 왜 당신에게 아마 그 문서를 열려고합니다 첫 번째로 생각하십시오

알다시피, 우리가 말할 수있는 가장 중요한 사건입니다 인공 지능 모델은 많은 기능을 가지고 있습니다 저는 공개적으로 세 가지에 대해 이야기 할 수 있습니다 하나는 사실입니다 문서를 꽤 규칙적으로 열어 보았을 것입니다

예를 들어, 월요일 아침 모임이 있습니다 그 문서를 열 가능성이 높습니다 매주 월요일, 그럴만한 이유가 있습니다 왜 그 문서를 원하니? 드라이브에서 가장 먼저 확인해야 할 사항입니다 두 번째로, 문서가있을 수 있습니다

그건 정말 인기가 많아요 불고 있어요 많은 사람들이 논평하거나 공유하고 있습니다 그것은 중요한 지표입니다

우리가 사용자 당 모델을 가지고 있지 않다면, 우리는, 당신은 아마도 특정 속성을 가지고있을 것입니다 어떻게하면 문서와 상호 작용하는지, 아마도, 예를 들어, 나는 관리자로부터 온 문서를 열고, 거의 즉각적으로, 나는 알고있다 아마도 내가주의해야 할 부분 일 겁니다 그래서 그것들은 당신이 상상할 수있는 단지 세 가지 특징입니다 다른 기능의 전체 호스트 결정할 때,이 문서들 중 어느 것이 그러한 주요 부동산에 등재된다

너에게이 멍청이를 나눠주고있어 Slack과의 향후 통합 중 하나는 다음과 같습니다 이 경우를 생각해 봅시다 저는 Slack에서 일하고 있습니다 그것은 문서에서 일어나는 많은 대화입니다 맞아, 이제 나는 드라이브로 돌아 간다

나는 전혀 모른다 그 활발한 대화가 일어나고 있는지, 나는 밖으로 빠져 나간다 그래서 우리가 그걸 해결할 수 있다면, 쇼 케이싱 (show casing)에 의해, 동일한 AI 모델에서, 그 서류들 중 당신이 알고있는 것은, Slack 내에서 대화가 일어나고 있습니다 우리는 Slack 내에서 동일한 이벤트를 사용하여 전시해야합니다 12 월의 발표로 돌아 가자

작년에 내가 말할 수있는 동안 생각하기 때문에 우리가 만들고있는 것에 대해 당신에게 모의 이야기를합니다 미래에는 정말로 관심이 있습니다 우리가 오늘 당신에게 제공하는 것 그 성명서의 다른 부분은, 지난 12 월에 우리가 공유 한 것은 그 일이었습니다 대화는 원활하게 이루어져야합니다

한 곳에서 사용할 수 있습니다 이제 이것은 매우 직설적 인 구절처럼 보입니다 하지만 실제로 그것은 나에게 중요합니다 우리가 원치 않는 사실을 보여주기 때문에 통합을 만들면 사용자가 우리 각자의 제품에 그것은 여전히 ​​유효한 통합이 될 것이며, 우리는 사용자가 작업을 완료해야한다고 생각합니다

그들이있는 곳에서 끝내야 해 알았어 특히 Google, 우리는 사용자 경험과 매력적인 사용자 경험을 중요시하며, 당신은 크리스티나가 같은 감정을 가지고있는 것을 듣습니다 어제도 그래서 우리는 우리가 정말 좋은 회사에서, 여기

오늘 오늘 저는 당신과 함께 나누게되어 기쁩니다 바로 이전에 기조 연설에서 들었던 내용의 미리보기, Slack 내에서 Drive 알림 통합 이제 비디오는 항상 사물을 설명하는 더 좋은 일을합니다 그래서 비디오 롤을 보겠습니다 (낙관적 인 음악) (박수) 슬랙 (Slack)의 친구들 덕분에 우리는 현재 소규모 팀으로 배포되며 앞으로 몇 주 동안 계속해서 홍보 할 것입니다 우리가 왜 생각하는지 보여주는 방법의 일부로서 이것은 실제로 매우 가치있는 통합이라는 것입니다

개발을 위해 지난 12 월에 통계를 공유했습니다 나는 꽤 놀랍다 고 생각했다 Google 드라이브 파일을 슬랙에 가져옵니다 계산이 정확하면 약 1 번 매일 14 초, 하루 60,000 회

오늘 당신과 공유하게되어 기쁩니다 그 숫자는 거의 네 배로 증가했다 실제로 4 배 이상입니다 수백만 개의 Google 드라이브 파일 매일 Slack 내에서 공유됩니다 백만 분의 일의 기회입니다

중요한 순간을 사용자가 알 수 있도록 그들의 문서에서 일어난 일입니다 그래서 우리가이 여정에서 시작한 비전, 12 월에 우리는 사용자가있는 곳으로 가고 싶었습니다 우리는 그들이 생산적인지 확인하고 싶습니다 어디에 있든 상관없이 드라이브는 파일이 저장되는 위치이며, 공유, 슬랙은 대화가 일어나는 곳입니다 맞아, 그리고 우리가 공유 한 통계에 따르면, 명확하게 시연 된 사용자 요구 사항입니다

따라서 Drivebot은이 방향의 첫 번째 단계입니다 이제 Drivebot은 내가 사용할 이름입니다 사실이 프리젠 테이션 중, 나머지는 Google 드라이브입니다 Slack 내에서의 통합은 단일 응용 프로그램입니다 이제 이것은 실제로 중요한 세부 사항입니다

사용자가 기존의 드라이브 통합, 새로운 봇에 대한 압박, 우리는 실제로 그것을 통합하고 있습니다 끊김없는 사용자 경험, 지금, 이 프레젠테이션을하는 동안 나에게 조금 더 쉽습니다 말하는 대신 Google 드라이브 통합 슬랙 (Slack) 내에서 드라이브 봇 (Drivebot) 하지만 먼저 사용자를 배치함으로써 실제로 그들이 이것을 생각할 수 있도록 만들었습니다 기능 세트로의 확장 현재 리치 미리보기처럼 사용할 수 있습니다 정보 공유 및 검색 내 색인 생성

Drivebot은 네 가지 알림 유형을 지원합니다 문서에 대한 의견이있을 때마다 먼저 네가 걱정하는 것, 아마도 네가 언급 된 것일 수도 있고, 또는 귀하가 소유하고있는 문서 둘째, 팀의 누군가가 당신이 작업하고있는 문서에 접근하려면, 너는 그들과 공유하고 싶었다 메시지를 전달하고 쉽게 전달하도록하겠습니다 Slack 내의 DMs

새로 공유 된 파일, 안녕, Soma, 여기에 내가 당신과 공유해야 할 문서가 있습니다 좀 봐 줄래? 우리의 마지막이지만 확실한 것은 아닙니다 우리는 그것이 꽤 복잡한 부분이라고 생각합니다 Google 드라이브 사용 경험, 우리는 당신이 다 떨어지면 저장 장치를 사용하면 작업을 수행 할 수 있습니다 Drivebot은 첫날부터 Enterprise Grid를 준비했습니다

그리고 이것은 우리가 많이 알고 있기 때문에 중요합니다 귀하는 Enterprise Grid 로의 마이그레이션을 고려하고 있습니다 이미 거기 있고, 당신이 원하는 마지막 것 걱정할 것은 Google 드라이브가 있는지 여부입니다 마이그레이션을 지원할 수 있습니다 드라이브 봇은 GCP 위에 구축되며, 다시 말하지만, 이것은 앱을 개발하는 사용자에게 중요합니다

왜냐하면 우리는이 앱을 개발하는 데 지름길이 없었기 때문입니다 내부 기술을 사용하지 않았습니다 이 봇을 만들기 위해 Google에 제공됩니다 봇은 App Engine에서 Java를 사용하여 빌드되며, 슬랙 (Slack)과 드라이브 (Drive)에서 사용자 간의 매핑 Cloud 데이터 저장소에 저장되며 모든 SPII 또는 일종의 암호화 가능한 정보가 클라우드 KMS에 저장됩니다 많은 사람들이 앱 개발자이며 당신이 알고 싶었던 피드백, 어떤 배움은 무엇입니까? 코스를 통해 배운 것들 지난 6 개월에서 9 개월 사이에 내가 너와 나눌 수있는 것, 너희들은 빼앗을 수있어

나만의 건물에 그래서 나는 갈거야 그들 중 네 명을 통해 잠깐 무엇보다 먼저 Slack은 실시간 커뮤니케이션 앱입니다 그게 주어진거야, 그렇지? 그러나 통지는 그렇지 않습니다

알림은 지능적으로 묶을 수 있으며, 그들은 지연 될 수 있습니다 우리의 통지가 똑똑 할 수도 있지만 때로는 너무 똑똑 할 수도 있습니다 사용자가 실시간 댓글과 정보를 기대할 때 슬랙 (Slack)을 통해 들어오고, 그들은 스스로 관리 할 수 ​​있습니다 슬랙은 시도의 정말 놀라운 일을하고 있습니다 중요한 내용과 중요하지 않은 내용을 필터링 할 수 있습니다

따라서 우리는 그렇게 할 필요가 없으므로 코멘트 알림 우리는 그들이 사용할 수 있음을 알게 되 자마자 당신에게옵니다 우리는 브랜드 균형을 맞추기가 힘들었습니다 Slack과 Google의 정체성 슬랙은 멋진 사용자 경험 패러다임을 가지고 있습니다 존중하고 싶었지만 작업의 친숙 함을 가지고 Google 제품으로 그래서, 이것들은 매우 간단한 예입니다

나는 앞으로 많은 기회가 있다고 생각한다 예를 들어 그것을 Drivebot이라고 부르도록 지시 받았다 Google 드라이브의 이름과 친숙 함을 유지했습니다 생각하지 않아도 돼, 오, 이거 어떻게 든 Google과 관련이 있습니다 확실하지는 않습니다

Google 드라이브입니다 그러나 우리는 그 작은 재미를 주입합니다 메시지 첨부 색상을 사용하여 친숙 함 저것은 우리가 가지고있는 것과 같은 로고 색을 존중합니다 네 가지 색상에 대한 네 가지 알림 유형 이제 알림 유형이 더 많으면 어떻게됩니까? 나는 아직 너에게 답이 없다 그러나 이점은 사용자가 실제로 알림 유형간에 상당히 차별화됩니다

특히 빨간색으로 저장됩니다 저장 용량이 부족한 경우 Google 드라이브를 사용할 수 있습니다 셋째, 흥미로운 통찰력이 있습니다 이해하는 동안 조금 시간이 걸렸습니다 이메일이나 기기를 통해받는 알림 정말로 당신이 반응 할 것으로 기대하지 마십시오

어쩌면 당신은 빠른 행동을 취할 수 있습니다 어쩌면 너는 그것을 쓸어 낼 수 있지만, 기대는 없다 말할 수있는 것, 헤이, 나는 무엇인가하고 싶다 나는 이것에 대답하고 싶다 봇은 우리에게 그 자산을 준다

그리고 우리는 여전히 초기 단계에 있습니다 그러나 지금 우리가하고있는 것은 컨트롤을 제공하는 것입니다 Slack 내에서 드라이브 설정을 관리 할 수 ​​있습니다 이것은 중요합니다 Slack 설정을 관리하지 않습니다

반영하는 것과 동일한 설정을 관리하고 있습니다 드라이브 UI 내에서 간단한 답장 사용 on, off, 이상적으로, 당신이 환상적 일 것이라는 피드백을 줄 수 있다면 마지막으로, 그러나 확실히 중요한 것은, 이것은 harkens back 크리스티나가 어제에 대해 말한 것들 먼저 사용자를 넣으십시오 우리는 생각하는 상호 작용이 많습니다

사용자가 알기에 중요합니다 왜 쉽게 만들지 않겠습니까? 우리가 할 수있는 가장 쉬운 일은 무엇입니까? 다시 이것은 매우 간단하고 직설적이다 데모는 있지만 주위의 기능 액세스 권한 부여는 귀하를 필요로하지 않습니다 Google 드라이브로 이동하여 실제로 액세스 권한 부여 팀원을위한 문서로 당신은 메시지 액션 내에서 그것을 할 수 있습니다, 그 핵심 애플 리케이션 내에서 그래서 우리는 시연 된 사용자 요구에 대해 이야기했습니다

우리는 사용 가능한 기술에 대해 이야기했습니다 직장을 더 생산적으로 만들기 위해, 디자인 고려 사항에 대해 이야기했습니다 이러한 상호 작용을 최대한 원활하게합니다 이것이 왜 Drivebot이 내 마음 속에서 첫 번째 단계인지 이유입니다 그 지능적이고 협업적인 작업 공간을 향해, 미래를 염두에두고 네가 이전에 너와 나누었던 자, 이것이 구글과 슬랙 스토리의 시작입니다

개발자로서, 당신은 똑같은 것을 개발하려고 열심입니다 일종의 마법 사용자 경험, 그래서 나는 말로 물건을 감쌀 것이다 Apoorv가 방금 언급 한 도구들 중 일부에 대해서, 당신이 당신의 손끝에 가지고 있습니다 귀하의 안락함과 친숙 함에 따라 GCP를 구축 할 플랫폼이되기를 희망합니다 상당히 간단한 요구 사항

다음은 할 수있는 다른 것들입니다 인공 지능과 당신이 연구원이라면, 정말로 원하는 사람 잡초에 들어가서 흥미 진진한, 지능형 모델은 우리는 아직 우리가 필요하다는 것을 모른다 TensorFlow는 당신을위한 해결책입니다 모델을 가진 데이터 과학자라면 하지만 자네는 능력으로 고투하고있어

많은 양의 데이터에 대비하여 진실 또는 가양 성을 결정합니다 MLEs, machine learning engine이 당신의 솔루션입니다 당신이 앱 개발자이고 코딩을 좋아한다면 주말에 혼자서도, 두 모델 중 어느 모델을 다루고 싶지는 않습니다 또는 훈련 세트를 사용하면 이러한 사전 패키지 된 제품을 사용할 수 있습니다 말하기, 번역, 시각 및 MLP 용 API 측면에서 우리가 해낸 일과 똑같은 것을 만들어라 사진과 번역

물건을 감싸고, 왜 내가 특히, 일종의 흥분, 나는 일반적으로 낙천적 인 종류의 남자, 하지만 왜 내가이 통합에 흥분했는지 우리가 실제로 가지고있는 것을 보여주기 때문입니다 우리는 일반적으로 우리 자신의 조언에주의를 기울였습니다 우리 개발자에게 제공하십시오 우리는 많은 양의 데이터로 작업하고 있으며, 그리고 당신도, 우리는 제품에 정보를 통합하려고 노력하고 있습니다 우리는 간단한 통지를 시작합니다

더 확장, 우리는 또한 이점을 이용하고 있습니다 우리의 개방형 플랫폼 및 생태계 진정으로 더 큰 것을 만드는 것 그 부분의 합보다 큽니다 이것은 우리가 슬랙을 사용한 한 가지 방법입니다 흥미 진진한 것을 만들기 위해 우리는 당신은 흥미 진진한 건물의 예로서 이것을 사용할 것입니다 다음 몇 달 및 몇 주 동안의 새로운 것들, 고맙습니다

(박수) 나는 우리가 조금 시간이 있다고 믿는다 Q & A를 위해, Apoorv는 돌아올 수 있습니다 당신이 가지고있는 모든 질문에 행복하게 대답하십시오 너와 점심 사이에 우리가 서있는 것을 나는 안다 그러나 나는 당신이 가지고있는 질문에 흥분한다

시원한 네 손을 들라 – [청중 회원] 나는 에 관한 질문이있다 – 오, 미안, 네 – [잠재 고객 회원] 안녕하세요, 질문이 있습니다 당신은 장기간의 시력을 조금 나누어 들일 수 있습니다 슬랙, 드라이브, 드라이브 자체에, 예를 들어, 누군가, 우리는 누군가가 새로운 파일을 만들고 공유하고 있음을 보여줍니다

누군가가 그것에 대해 논평하고 싶다면, 슬랙 (Slack) 안에서, 또는 더 복잡한 상호 작용을 할 수도 있습니다 파이프 라인에서 이와 같은 것을 얻을 계획이 있습니까? – 그래서 문제는 우리의 미래 계획은 무엇입니까? 통합을 위해서는 무엇보다 풍부한 상호 작용이 필요합니다 우리는 우리가 제공 할 수 있다고 생각합니다 번호 하나 의견은 기꺼이하고, 또는 회신하여 의견을 말할 수 있기를 바란다 우리가 보내는 메시지에 우리는 그것이 정말로 중요한 특징이라고 생각합니다

불행히도 타임 라인에 대해서는 언급 할 수 없습니다 그러나 그것은 우리가 적극적으로 고려하고있는 것입니다 실제로 많은 것들이 있습니다 통합 타임 라인에서 실제로 앞으로 볼 블로그 게시물을보십시오 우리가 만들고있는 것, 특히 통합의 다음 단계, 드라이브 내에서 환상적인 경험을 제공 할 수 있습니다

슬랙 (Slack) 데이터를 사용하고 실제로 우리가 가지고있는 것을 사용하여이 모든 것을 함께 팀 드라이브라고하는 Google의 경우, 이제 팀 드라이브는 팀 구성 드라이브 내에 파일을 저장할 수 있습니다 Slack과 Slack 내의 채널과 팀을 생각합니다 그것과 매우 유사합니다 그래서 나는 기대합니다 정말로 이것을 다음 단계로 가져 오는 통합 Slack에 대한 팀 개념이 실제로 시작되는 곳 드라이브 내에서 노출되고 그 반대도 마찬가지입니다

왜 그런지 말하기가 조금 어렵습니다 Slack 측에서 통합이 어떻게 작동하는지 그것은 정말로 양쪽 모두에 있어야하기 때문에, 그러나 그 코멘트 특징에 관하여 더 많은 뉴스를 곧 기대해라 감사 – [청중 회원] 고마워 나는 실제로 질문을했다

끊김없는 인증, 나는 Slack을 사용한다 내 Slack 계정을 읽은 다음 Drivebot을 호출합니다 당신은 단지 파일의 일부 이벤트에 대한 알림을 얻는 것을 알고 있습니다 봇이 내 Google 계정을 필요로합니까? 그리고 내가 누구인지 어떻게 알 수 있습니까? 예를 들어, 누군가 Sarah에 대한 액세스 권한을 부여 받았고, 하지만 그것은 Sarah 's Slack 계정이었습니다 어떤 Google 계정인지 어떻게 알 수 있습니까? 사라를위한거야, 만약 네가 정교 할 수만 있다면 조금

– 당연하지 그래서 우리가 알고있는 방법 Slack에있는 사용자이며 Google에서 실제로 두 가지 모두에 대해 인증하도록 요구함으로써, 그래서 이미 익숙 할 수도 있습니다 오늘날 우리가 가지고있는 통합, 당신이 불황에서 가면, 당신은 복사하고 붙여 넣습니다 드라이브 링크, 슬랙 봇을 클릭하면 헤이, 풍부한 미리보기를 원하십니까? 권한 부여 및 색인 생성, 예를 클릭하면, Google, 이제이 봇은 실제로 같은 일을 할 것입니다 Google 인증을 요청합니다

슬랙에 접근하고, 우리는 그 맵핑을 통해 슬랙 앤드 드라이브 (Slack and Drive) DM으로 메시지를 보내면, 우리는 그들을 채널로 보내지 않습니다 – 우리는 부스에있다 – 응 – 와서 우리 랑 같이가 Google 그룹에 대해 더 많은 질문이있는 경우, 귀하의 질문에 대한 답변을 드리고자합니다

고맙습니다 – 고마워, 안녕

Computer Vision and Machine Learning, by Nick Wong

SPEAKER 1 : 이것은 내가 가장 좋아하는 버즈 terms– 두 가지에 대한 세미나 기계 학습, 컴퓨터 비전 당신은 파티의 대화처럼 거기에 사람들을 밖으로 던져 사람들이 괴상한 말 외에, 그들은 또한 아주 나쁜 엉덩이 있다고 생각합니다

그들은 컴퓨터 과학자라면, 그들은 수도 당신이 실제로 얼마나 알고 있는지 질문입니다 그래서 기계 학습 및 컴퓨터 비전, 나는했습니다 가지가 무엇인지에 cutesy 작은 슬라이드를 넣었습니다 나는 보통 자신의 이름으로 그들에게 참조 할 것 내가 ML 말한다면 나는 기계 학습을 의미한다 내가 CV를 말한다면 나는 컴퓨터 비전을 의미한다

아주 쉽게 그리고 이러한 종류의 신화 사람들이의있다 기계 학습에 대한 있습니다 그들은 두 극단 중 하나에 보통입니다 어느 것은 불가능하고 오직 최고 기술 괴짜를 위해입니다 끝에 시간 동안 자신의 컴퓨터에 앉을 수 마법사 우리는 그들이 할 일을 더 잘이기 때문에 아니면 그 흥미로운 아니에요

당신이 그 두 극단의 betweens에 속하지 경우에, 그 너무 멋지다 그러나 기본적으로 기계 학습 및 컴퓨터 비전, 우리가 그들을 필요로하는 이유에 대한 상황은 우리입니다 그 사람들이 문제를 해결할 수 있도록하려면 하루 종일, 프로그래밍 매일하지만 해결 그래서 컴퓨터 프로그램을 할 수 없습니다, 뭔가보고있다 그리고는 소파의, 즉 그 사람의, 그 강아지의, 고양이의 말 실수로 사람을보고 아,이 차를, 말을하지 번호판 거기 어디있어 그리고 당신이 기존 상상할 수 어쩌면 실제 예제 트래픽 인식이다

당신이 뭔가가 무엇인지 알아 내려고 노력하는 경우, 컴퓨터 비전은 매우 중요하다 내가 말할 수 있도록하려는 때문에, 일 그 내 붉은 빛 갈색 곰이나 차를 달렸다 그리고 중요합니다 그리고 그것은 우리가 일반적으로의 후 친절 정말로 무언가이다 이리 그러나 우리는 매우 구체적인 문제에 접근하는거야 우리에게 약간의 컨텍스트를 제공합니다

그리고 지금까지이 두 가지에서 저에 대한 상황과 배경의 나의 종류로 내가 년 전 이전에 코딩 된 적이있다, 년 전에 경우에 그래서 2016 인 이것은 미래에있다 그리고 기본적으로 내가 원한, 내 CS50 최종 프로젝트, 정말 멋진 일을 할 나는 내 자신에 그것을하고 싶었다 그리고 나는 그것이 액세스 할 수있었습니다 뭔가 싶었습니다 그래서 많은 사람들이 오, 같았다, 기계 학습, 컴퓨터 비전은 그 세 가지 기준 중 두 같은 휴식, 가능성이 있습니다

마찬가지로, 당신은 당신의 자신에 그렇게 할 수 있으며 액세스 할 수 없습니다입니다 그 일이 불가능 할 수 있습니다 왜 당신은 이제까지 그 접근 할 것인가? 그리고 네 그 이론적 측면 등으로부터 아마 사실이다 나는 앉아서 기계 학습 뒤에 수학을 모두 자신을 가르쳐주지 않았다 나는 앉아서하는 방법 컴퓨터 비전을 사용하여 윤곽을 수행하는 자신을 가르쳐주지 않았다

나는 앉아서 어떤 YouTube 동영상으로 주위했다 그리고 그 세미나의 포인트는 기본적입니다 그들은 전문 용어가있는 동안,이 두 개념을 가르치거나 표시하거나 증명한다는 것입니다 그리고, 그들은 매우 시원하고 각 주위의 모든 분야가있다 그들이 당신에 액세스 할 수있어, 단지 CS를 시작 CS50 학생, 코드의 어떤 라인을 볼 수없고, 그 전에 무엇을 의미하는지 좋아하지 않았었다 즉,이가 누구입니다 그래서 당신이하는 CS 전문가의 일종 경우 기계 학습, 컴퓨터 비전, 작은에 대한 모든 일을 알고있다 혼란 시청뿐만 아니라, 정말 감사하는 이유 그리고 잘하면 당신은 적어도 재미 있고 어쩌면 조금 찾을 수 있습니다 정보이었다

그리고 기본적으로 내 이야기는 내가 와서되었다 소프트웨어의 두 가지 패키지 또는 조각을 사용하여 최종 프로젝트를했다 기계 학습 부분과 열기 CV이다 Keras 2 컴퓨터 비전 부분과 구축하는 것입니다 알고리즘 또는 소프트웨어의 조각 것 나에게 매우 특정 작업을 수행 할 수 있습니다 나는 악보의 이미지를 변환하고 싶어 음악의 기계 판독 버전으로 지금은 존재하지 않는 소프트웨어 그리고 나는 이유를 발견했다 정말 어려운 현실에서 도피하고 있기 때문에

그러나 시원한 과정은 어쨌든이었다 그리고 나는 그것이 가치있는 노력이라고 생각했다 그리고 나는 그들이 원한다면 그것을 시도 모두를 격려한다 현실 세계 예 그러니 종류의, 우리는 사명의 종류가 이 종류의 패턴 인식의 아이디어로 우리를 완화하는 것입니다 그것은 우리가 어쨌든 기계 학습에 계신입니다

그래서 나는 스톡 이미지에 대한 있습니다 그들은 파워 포인트 슬라이드의 템플릿으로왔다 그냥 자신의 설명을 변경했습니다 그리고 기본적으로 나는 가지 생각하라는거야 당신이이 사명 사이에서 찾을 수있는 패턴에 대한 당신의 머리이다 그리고 인간으로서, 당신은 find– 수 있습니다 나는 수백 말을 주저입니다

심지어 어쩌면 정말 충분히 수백 데이터,하지만이 있는지 모르겠어요 권리? 패턴의 매우 많은 수의 그래서 지금은 의미에서 그 제한거야 기계가, 그들이 선택할 수 있습니다 제한된 양의 데이터가 있습니다 우리도 그래 그러나 우리의 즉시 많은 종류의 많은 데리러 기계가 정말 우리가있어 특히 기계에가는 것보다 이러한 종류의 부드러운 이하 소프트웨어 측면에서, 작업

그래서 당신은이 세 가지를 얻을 그리고, 당신은 인간, 당신이 어떻게 많은 눈 기본적입니다 당신은 포니 테일을 가지고 않습니다 나는 짧은 시간에 있었다 그래서,이 세 가지 범주에서, 나는 경우 당신에게 질문을하면 사람들이 어떤 그룹을 식별 할 수 있어야했다 또는 누군가를 가리 키도록했고, 이러한 범주에 따라 말하고, 무엇을 그들이에 속하는 할 범주, 당신은 할 수 있어야합니다 그리고 인간은, 우리는 꽤 잘있어

나는이 사람이라고한다면, 당신은, 거의 100 % 자신있게 말할 것 그래 그거야 여기에 동일합니다 하나와 동일합니다 네 번째와 동일합니다 그것은 말하기 어렵다,이 여자입니다

여자는 정말 범주 중 하나가 아닙니다 그리고 데이터를 찾고, 잘 어쩌면 당신은 어떤 외부 데이터가 그 빛깔과 사람들이 아마 말한다 약간의 성 차별이다 소녀 그러나 같은, 당신도 알다시피, 우리는 가지 그 가정을 무시하는거야 그냥 묶은 머리는 아마 여자입니다 말한다 우리는 95 % 신뢰과 같이 말할 것이다 함께 글쎄, 당신이 하나를 얻을 그러나이 모든 나머지는 같은, 잘, 더 포니 테일 없습니다

그래서 나는 그들이 여자 아니에요 100 % 확신한다 약간의 문제 그 하나입니다 그래서 이것은 매우 인위적인 만 가지 재미있다 당신이 볼 수있어 데이터의 양을 제한하는 경우, 당신은 지금 당신이 찾을 수있는 패턴으로 제한됩니다 그리고 그것은 매우 직관적 인 것입니다

즉 거의 순간적인 계시해야 뭔가 당신이 경우 같은 샤워는 생각했다 그러나 몇 가지 심각한 증상의 종류가 있습니다 우리는 기계 학습 및 컴퓨터 비전을 적용하려고 할 때 사람들이 만드는 가정 그래서 하나 우리가 필요로 우리는 많은 데이터를 축적 할 수 있다는 것입니다 그러나, 나는 구글 아니에요 또한 구글 아니에요

당신은 아마존이나 마이크로 소프트 아니에요 우리는 데이터의 hedabytes에 대한 액세스 권한이 큰 회사 중 하나 아니에요 그래서 많은 사람들이 다음, 음,처럼 다음 기계 학습 나를 위해 아니다 내가 구글에서 작업 할 때 그때 나는 그것을 할 것입니다 그리고 그들은 이동합니다

하지만 당신은 hedabytes 필요하거나 데이터를 반드시 기가 바이트하지 않습니다 기계 학습이 일을 얻을 수 있습니다 내가 당신에게 간단한 패턴을 제공한다면, 우리는 로직 게이트와 얘기하자 두 개의 입력, 0 또는 1을 취 그리고 그것은 하나 개의 출력, 0 또는 1을 반환합니다 그리고 말과 1과 1, 당신은 1을 반환합니다

내가 말하고 다른 입력, 당신은 나에게 공을 제공합니다 그것은 데이터의 매우 적은 양입니다 사실, 나는 하나의 비트와 입력을 나타낼 수 있습니다 그리고 표현 할 수 있으며, 우리는 10 비트 미만 말할 것이다 지금 당신은 전체 패턴, 완전한 패턴, 만약에 당신을 배웠습니다

그리고 그것은 당신에게조차 킬로바이트 미만했다 그래서 패턴은 많은 데이터를 필요로하지 않는다 당신이 볼로 복잡한 패턴은 어쩌면, 더 많은 데이터를 필요로한다 그리고 그것은 직관적의 종류입니다 그러나 우리는 가지 않고이 문제 과거를 얻을 수 있습니다 단지 더 많은 데이터를 수집합니다

우리는 시간과 시간 동안 앉아서 할 필요가 없습니다 라벨 가지 수동으로 모든 권리를 가고, 그 고양이입니다 즉 간다 즉 개입니다 그것은 여기에 표시됩니다 즉 삼각형입니다

왜 여기에있는 삼각형은? 당신은 실제로 그 일을 앉아서 할 필요가 없습니다 존재하는 모든 다른 기술이있다 그리고 나는 그들이뿐만 아니라 공개하지 않은 생각합니다 그리고 당신이 일의이 종류에 대해 알았다면, 어쩌면 당신은 처음에 기계 학습에서 외면 않았을 것이다 그래서 내가 거기에 열거 한 최초의 사람 중 하나, 이 데이터의 증가라고

화두처럼 들리는 것들의 또 다른 하나 당신이 그것을 버리고 그냥 같은, 내가 일부 데이터를 증강입니다 그리고 당신은 단지 종류의 이동 실제로 아무도 희망 그게 무슨 뜻인지 묻는다 그러나 모두가 정말 그냥 당신이 가지고있는 데이터를 가지고있다 및 종류의 새로운 데이터를 만들거나 패턴이 보존되어 있는지 확인하고 하지만 어떻게 생겼는지 변경 당신이 누군가의 얼굴 사진을 찍을 경우 그래서 제가 그 의미하는 것은 당신은 지점으로, 당신은 여전히 ​​그들을 인식 할 수있는, 그것을 밖으로 스트레칭

그러나 컴퓨터에, 당신이 그것을 밖으로 뻗어 각 픽셀은 더 많은 데이터입니다 지금이 사진을 찍은 나는 그것을 밖으로 뻗어했기 때문에 즉, 같은 사람이다 그러나이 두 개의 서로 다른 이미지입니다 나는 두 이미지를 비교한다면, 그들은 단지 비트가 아니다 동일한 비트별로 비교 그리고 중요합니다

그 기술 중 하나입니다 그래서 이미지를 스트레칭입니다 나중에에 대한 액세스를 얻을 수 있습니다 예제 코드 또는 배포 코드에서, 당신은 전용 전체 구성 파일이 있다고 볼 수 있습니다 당신이 당신의 데이터를 보완 할 방법 그들이 뭔가를 회전합니다 나는 옆으로 돌리면 여전히 삼각형은 삼각형인가? 네 그리고 얼굴과 같은 일

나는 당신의 얼굴을하고 난 거꾸로 아니라, 사람들을 켜면 우리는 거꾸로 자신을 켜고 당신의 얼굴을보고하려고합니다 그러나 같은 일이 기계와 그들이 어떻게 학습에 적용 할 수있다 나는 데이터의 조각의 데이터도 작은 금액을 취할 수 있다면, 나는 그것을 변화의 서로 다른 모든 방법에 따라 증폭 할 수 있습니다 색상이 무슨 상관하지 않는 경우 나는 그림 이모티콘을 사용하고 경우 그들이은 (는) 모든 색상이있을 수 있습니다

당신은 여전히 ​​이모티콘을 인식 할 수있다 그것은 노란색 또는 검은 색 또는 파란색 또는 분홍색하더라도, 여전히 웃는 얼굴 이모티콘입니다 하지만 난 그냥 준 특별한 경우에, 약간의 문제가있다 일부 이모티콘은 의미를 전달하기 위해 색상을 사용합니까 화가 난 이모티콘은 빨간색입니다

당신이 밝은 분홍색 같았다 성난 이모티콘이 있다면, 그것은 약간 다를 수 있습니다 우리는 다른 메시지를 얻을 수 있습니다 그래서, 당신은 당신의 데이터를 보강 할 때하는 것이 중요합니다 패턴을 변경할 수 있습니다 당신은 무엇을 염두에 두어야 어느 사람이 할 수없는, 실제로 이후에 당신을 어떤 정보를 제공합니다 그리고 그 똑똑한 데이터의 다음의 점에 온다 당신이있어 기본적으로 무엇이다, 수집 당신이 당신의 데이터를 보강 할 때 일 당신은 더 많은 것을 얻을 수 밖에 않을 것입니다

내가 데이터를 수집하는 경우 그래서, 난 그냥 이미지를 따기되었다 인터넷에있는 떨어져 종종 무엇인지 나는거야 나는 기계 학습 모델을 구축하기 위해 노력하고있어 경우 수행, 나는 아마 더 있지만, 올바른 종류를 수집 있는지 확인해야합니다 그래서 만약 내가 같은 고양이 30 개 사진을 수집하고 나는 말했다 이 고양이 또는 개 인 경우 모든 권리, 기계, 말해 데이터 수집이 매우 좋은하지 않습니다 난 그냥 같은 일을 포착했습니다 난 단지 그 정보를 가지고 있다면 심지어 인간은 물론, 같은 것입니다

난 그냥 그 고양이가 아니다 말할 것입니다 그러나 기본적으로 여기에 생각입니다 당신이 작은 아이를 가르치고 있다면 당신은 유아 무언가를 가르치거나한다면 또는 당신은, 대학생 복잡한 개념에서 전체 가르치는 경우에도 당신은 그들에게 패턴을 충분히 제공해야 것을 그들은 잘 때마다 얻을 수 있습니다 그들은 주어진하고있는 패턴에서 추정 할 수 있습니다 내가 있다면 그래서 당신에게 번호를 알려 sequence– 1, 1, 2– 다음 어떤 사람들은 갈 수도, 오, 그 피보나치 순서입니다

음 아니 그것은 1, 1, 2, 1, 1, 2입니다

그리고 그 패턴의 매우 종류의 인위적인 방법으로 몇 가지 예를 수 있습니다 내가 당신에게 충분한 정보를 제공하지 않았다 그리고 당신은 이미지를 사용하는 것은, 이런 종류의, 그 패턴의 많은입니다 그것은 눈 색깔이 될 수 있습니다 그것은 머리 색깔이 될 수 있습니다 그들이 사람들이하지 않은 경우? 그것은 모양이 될 수 있습니다

그것은 상황이 교차하는 각도 될 수 있습니다 거기에 많은 정보가있다 그리고 우리는 거의 즉시 그것을 선택하십시오 당신은 한 장의 사진을보고 당신은 같아 여기에서 400 패턴의 이름을 수 있습니다 당신이 생각하지 않는 경우, 오, 나는 정확히 400 개 패턴을 ​​알고 하지만 당신은 아, 그래,이 속성이있어, 열거 시작할 수 있습니다

이 속성이 하나있다 그래서 당신은 당신의 컴퓨터가 있는지 확인해야 충분한 데이터와 실제로 물건을 선택할 수있는 데이터의 오른쪽 종류 당신이 종류의 당신의 mind–를 좁힐 수 있다면 그에게 좋은 벤치 마크입니다 이 단지 좁은 minded– 수, 내가 말할거야 몇 가지 경우 중 하나입니다 오직 당신이있어 어떤 맥락에서 뭔가보고 당신은 아직도 그것을 알아낼 수 있다면, 거기에 아마, 주어진 기계에 대한 방법도 할 수 있습니다 그리고 당신은, 기계는 아마 중 하나를 수행 할 수없는 경우 그리고 자동화 된 데이터 수집이의 다음 솔루션 중 하나입니다 나는 충분한 데이터의 문제가 발생하지 않습니다

기본적으로 원래 때문에, 무력, 솔루션은 사진의 무리을하고 레이블을하는 것입니다 그리고 우리는 여기에 영상 분류와 같은 구체적으로는 약 얘기 기계 학습의 다른 종류가 있습니다 하지만 난 종류의 이미지를 향한이 더 준비하고있어 분류는 이해하고 직관에 조금 더 쉽게하기 때문이다 그래서 만약 내가 수동으로 이미지를 라벨했다 그리고 내가 전에 이런 짓을했습니다

그것은 끔찍 당신이 그것을 피할 수 있다면, 그렇게하지 않습니다 그러나 당신이 앉을 수있는 당신이 아니라, 이것이 A는, 말할 수있다, 이것은 B이다, 이것은 C입니다하지만 당신은 확인하기 위해 충분한 데이터가 필요 당신의 패턴이 완료됩니다 그래서 당신은 일곱, 여덟 시간 동안 그 일을 할 수 있습니다 그것은 끔찍한입니다

좋은 음악을 찾을 수 있습니다 그것은 수행하기가 조금 더 쉽게 것입니다 하지만 당신은 그 과정을 자동화 할 수 있습니다 나는이게 뭐야 모두를 생성 할 수있는 경우의 말을하자 우리는 편지의 일종을하고있는 recognition– 내가 100 개 다른 글꼴 26 개 모든 문자에 생성 할 수 있다면, 우리는 당신이 소문자와 대문자를 할 어쩌면 52 경우, 말할 것이다 그런 다음 내 모든 데이터 수집은 매우 간단합니다

버튼을 클릭하면, 그것은 이루어집니다 당신이 당신의 데이터 수집을 자동화 할 수있는 방법이 있다면 그래서, 그것을 할 그리고 지금 당신이 그것을 자동화 한 것을, 당신은뿐만 아니라 많은 데이터를 생성 할 수 있습니다 원하는대로 그리고 당신은 시간 제한이 될 수도 있습니다 컴퓨터가 더 많은 데이터를 배운다로하기 때문에, 그것은 더 많은 시간이 걸릴 수 있습니다 그래서 지금 당신은 당신이 수행해야 균형을 맞출 수 있습니다

내가 모델링 학습 더 많은 데이터를 생성하고 더 나은 기계를 얻을시겠습니까? 희망에 더 적은 데이터를 생성하고이를 빠르게 수행 할 수있다? 그리고 더 좋은 그것을하지 않습니다 그것을 더 많은 데이터를 제공하는 지점이있다 그러나 그것은 느린 만드는가? 그 시점에서 중지해야하기 때문에 그것은, 어떤 나아지고 있지 않은 경우보다 어쩌면 당신은 당신의 모델을 변경해야합니다 그리고 그 마지막 지점은 우리가 때때로 beefier에 모델을 필요로하고, 거기에 때로는 더 똑똑한 모델 그리고 그 다소 교환 때로는 수 없습니다 당신이 더 큰 더 무거운 모델을 사용해서, 그게 내가 가지 beefier에 무엇을 의미합니다

이 학습 일에서 더 나은 것을 의미하지 않습니다 단지 더 큰 사람들은 더 빨리 본질적으로 일을 배울 수 없습니다 그러나 나는 방법에 대해 조금 더 영리 모델이있는 경우 패턴에 데리러 빠른 수있는, 뭔가를 배운다 아마 상황에 따라 조금 더 잘 할거야 그래서 시스템에 대한 나의 마음에 드는 신화 우리의 일 중 하나 나는 또한의 일부를 차단하고있어 것을 배우는 것은 시간이 오래 걸린다는 것이다

나는 모델을하고 일을 얻고 싶은 경우에, 나는 시간과 시간과 시간을 훈련해야합니다 그리고 그것은 사실이 아닙니다 즉 사람입니다 사람들은 시간이 오래 걸릴 당신은 시간과 시간 동안 사람들을 훈련

기계 학습의 장점 중 하나는 당신이다 그렇게 오래 그들을 훈련 할 필요가 없습니다 많은 시간, 내 말은, 그것은주의로의 당신이 거대한 데이터 세트에 훈련하는 경우, 당신은, 특히 복잡한 모델을 훈련하고 시간이 오래 걸릴 수 있습니다 그러나, 우리는 CS50 최종 프로젝트의 일종을하고있는 주어진 이것은 당신을위한 문제가되지 않습니다 이것은이 프로젝트를 밀어 것이 아닙니다 당신의 이해의 도달의 그것은 실제로 단지 종류의 신화 것들 중 하나입니다 그 기계 학습이 너무 오래 걸립니다

그리고 병렬 신화의 종류는 컴퓨터 비전은 완벽하다 화상의 모든 데이터를 캡처한다 오른쪽 그리고이 병렬 것을 어쩌면 방법은 바로 분명하지 않습니다 그러나 같은 생각이 여기에 존재한다 컴퓨터 비전이이 개념은 어떤 데이터의 완벽한 표현이다 그것은 우리의 이해의 외부로 밀어 본다 그것은 완벽한 표현 인 경우 때문에 우리는 완벽한 표현에서 뭔가를 배울 수 없습니다, 그것은 드리겠습니다 아니다

뿐만 아니라 우리의 손을 던져 포기 수 있습니다 그러나 그것은 사실이 아닙니다 컴퓨터 비전은 조금 주관적이다 나는 내 컴퓨터가 보는 방법을 선택할 수 있습니다 나는 패턴을 집어 들고 얼마나 잘 선택할 수 있습니다, 얼마나 잘 전경과 배경이 무엇인지 구분합니다

당신이 데이터를 선택하려고 할 때 그 모든 것들이 놀이로 온다 그래서 우리는 더 많은 단지, 컴퓨터 비전의 매우 간단한 예제를 사용 당신에게 개방 CV2와 인터페이스하는 방법의 분포 코드의 맛을 제공합니다 그러나 그것은 존재한다 그리고 그것은 내가 특히 생각하는 무언가가있다 이미지 분류에 중요 그러나 우리는이 모든 일을 수행하는 소프트웨어를 선택 할 때, 심지어 그냥 컴퓨터 비전을 수행하는, 기계 학습을 할 수 일반적으로 프로그램으로, 그것은 우리에게 매우 중요 종류의 소프트웨어의 다른 조각 사이의 무역 오프를 볼 수 있습니다

이 프로젝트와 일반적으로 그래서, 나는 Keras 열기 CV로 이동합니다 그러나 후드 아래, Keras는 TensorFlow를 사용합니다 또는 적어도, 나는 그것이 TensorFlow를 사용합니다 당신은 또한 Theano을 사용하게 할 수있다 나는 Theano를 사용하지 않습니다

그것은 약간의 mathier입니다 그것은 내 지적 수준 조금 위였다 내가 생각 TensorFlow하지만 꽤 액세스 할 수있었습니다 나는 회사로 그냥 가지 일반적으로 그것을 좋아하지 나는 그들을 위해 작동하지 않습니다 맹세합니다 그들은 단지 정말 멋지다

그리고이 두 가지가 실제로 같은 혜택을, 내 관점에서 적어도 나는 단지이 모든 것들을 배우는 대학생이었다 다만 일반적으로 컴퓨터 과학을 학습 그래서 내가 아니라, 당신이 프로젝트가 존재하는 것을 알고, 같았다 내 TF를 물었다 그리고 그는 오, OpenCV의처럼 찾아 가서 같은 그 무엇을 볼 수 있었다

나는 기계에 할 수있는 뭔가를 배울처럼 그리고 나는 그에게 물었다 나는 AI를하고 싶어 오 AI가 조금 무서운 소리처럼 그는이었다 그러나 기계 학습도 무섭다 음, 하나를 선택하십시오

그리고 OK처럼, 우리는 기계 학습을 다하겠습니다했다 그리고 당신은 매우 차이가있어 알 수 있습니다 하지만 높은 수준의 인터페이스가 무엇을 의미하는지, 나는, 오픈 소스 생각 그것은 대중에게 열려, 나는 그것을 위해 지불 [들리지 않음]을하지 않았다 대학생 그러나 높은 수준의 인터페이스를 제공하는 무언가이다 내가 가지뿐만 아니라 여기에했던 것을, 제품, 유통 코드 내가 마지막에있을거야, 높은 수준에서 높은 수준의 인터페이스입니다 인터페이스를 제공합니다 그것은 접근 할 수 있다는 점에서 당신은 단지 모델을 구축, 말을해야합니다

그리고 그것은 후드 아래에 모든 것을 처리합니다 그것은 단지 그것이 의미하는 어떤 모델을 구축합니다 당신이 가고 싶다면 후드, 아래에보고하는 난 당신이 프로젝트로이를 구축하는 경우 당신이 할 것을 조언 당신은 무슨 일이 일어나고 있는지 볼 수 있습니다 그렇게하지 당신은 그냥 작업 할 경우에, 그이가하는 일입니다 나는 나의 수학에 한 잘못을 실시, 오, 쓰레기를 앉아서 말할 필요가 없습니다 여기 그래서 내 컴퓨터는 이제 모든 사각형 말한다

그 종류의 짜증나는 것처럼 그리고 어쩌면 그 두 가지 사이의 추적 당신이 사용하고 특히, 매우 어렵습니다 어쩌면 당신이 완전히 이해하지 않는 무언가를하는 알고리즘 당신은 그냥 수학의 많은입니다, 좋아 여기 앉아있어 그게 시그마 생각합니다 그리고 여기 또 다른 편지가있다

그리고 난 이유를 모르겠어 그리고 당신은 내가했던 위키 백과, 그것을 찾아 가고, 그냥 이름이있다 더 이상 수학의 실제 번호가 없습니다 그것은 모든 기호입니다 그리고 읽기가 매우 어려워진다 그리고 거기에서 액세스 할 수 없게됩니다

그리고 어쩌면 당신은 포기 또는 당신은 단지 좌절 그리고 당신은 케이크 한 조각을 먹고 이동합니다 그게 내가 무슨 짓을했는지 그리고 그것은 매우 실망입니다 하지만 소프트웨어의 두 조각을 선택한 주된 이유 그들이 사용할 수 있다고했다

나는 그들을 사용하는 방법을 알아낼 수있다 다소 아이러니 컬하게도 알아내는 방법들을 다운로드하세요 매우 어려웠다 고 나는 그렇게 20 시간을 보냈다 정말하지 않았다 때문에 틀림없이 그였다 시 문서를 읽는 방법을 알고있다 또한 코드를 통해처럼 읽는 방법을 몰랐다 GitHub의 페이지 또는 아무것도 같은합니다

하지만 내가 유일한 사람이 아니에요 것을 알고있다 사실 나는 대략 같은 장소에 대해 728 학생들이 지금 CS50라는 클래스이다 그래서 뭔가가 한 장소에 모여 한 생각 일을 설치하는 쉬운 방법 것과 훨씬 쉽게 소개합니다 그래서이 배포 코드는 무엇입니다 경우에는 분포 곡선을 찾고 당신이 내 이야기의 나머지를 듣고 싶지 않아, 이 강의의 끝으로의입니다

내가 거기에 도착 후이있을거야 당신이 경우에, 놀아 그러니까 기본적으로, 나는 모든 패키지를했다 OpenCV의 작업을 얻기 위해 설치 될 필요가 그들 중 많은이있다 그 하나는 정말 짜증나는 일입니다 Keras 괜찮습니다

당신은 그냥 잘 작동 Keras를 설치 pip3 좋아해요 OpenCV의 끔찍하다 OpenCV의에 대하여 아무것도 없다 난 아주 많이 프로젝트가 존재 함을 감사드립니다 나는 그것을 사용하는 얻을 슈퍼 흥분이있다

그것은 설치하는 엉덩이 단지 고통입니다 내가 젊고 순진 때 또는 적어도 그것은이었다 그리고 그것은 나에게 문서를 읽고 거기에 앉아 매우 힘들었다 하지가 특정 용어가 무엇을 의미하는지 알지 이 일을 설치하는 가상 환경을 사용하는 것이 무엇을 의미합니까? 왜이 필요하다? 나는 내 다운로드 휴식 않았다하지 않으면? 왜 다운로드가 작동하지 않는 이유는 무엇입니까? 주변에 던져 이러한 용어와 모든 것들을있다 그들이 가지고 있기 때문에 당연 나는 아주 무서운 것을 알고있다

그리고 적어도, 그것은 매우 실망입니다 그래서 나는 OK, 난, 말한 일을 결국 무엇을 단지 모든 솔루션을 시도가는 중 하나가 작동, 작동합니다 그래서 하나 개의 지점에서 내 컴퓨터 그것에 OpenCV의 40 개 다른 버전처럼했다 내가 생각하는 모든 프로그래머는 경험의 종류가 있었다 여기서 그들은 단지 사물의 수백을 다운로드했습니다 나는 한 지점에서 소스에서 내장

그리고 멋진 같았다 나는 이것이 무엇을 의미하는지 모르지만 나는 그것을했다 그리고 잘했다 즉 실제로 내 마지막 프로젝트에 사용 결국 사람이었다 당신이 무슨 일을하는지 알지 못한다면 내가 그 일을 권하고 싶지 않다

나는 끔찍하게 그것을 망쳐 그리고 난 그냥 OpenCV의의 누락 절반 것을 깨닫지 못했다 나는 분명히 필요하지 않았다 그러나 나쁜, 나쁜 거래처럼 그래서 결국 우리는 몇 가지 코드를 가지고있는 점에 입수했습니다

당신이 원하는 경우 bitly 링크가있을 수 있습니다 다음은 당신이 그들을 원하는 경우에 실제 슬라이드입니다 당신이 슬라이드에 갈 수 있도록 그들은 그들에 이러한 링크가 다음 링크를 클릭합니다 GitHub의 링크가 내 개인 GitHub의이다 나는하지 않았다 우리는 우리의 실제 이름 때를 사용하기로했다 실현 우리는 학교 GitHubs를 만들었습니다 내 이름은 셀의 강국이 아니다

실제로 닉입니다 그러나 나는 그것을 유지되었다 내 TF는 괜찮습니다 그래서 우리는 그것을 유지 그리고 이것은 bitly 버전, 약간 짧아입니다

내가 가지 조금 얘기를하는 동안 그래서 내가 거기 사람들을 떠날거야 그리고 결국 나는 몇 가지 코드를 끌어 올려서 우리는거야 코딩 일에 도착, 또는 적어도 코드가 무엇을하는지 데모를 제공합니다 내가 발견했습니다 당신이 실제로 사람들 앞에서 물건을 코딩 할 때, 당신은 초당 약 400 개 오타를 확인하십시오 정말 좋은 거래 만이 아니다 그래서 나는 다른 사람들 앞에서 특히 많은 코딩 좋아하지 않는다

그러나 당신은 GitHub의 기본적 것을에서 찾을 수 있습니다 매우 치즈 읽기 나 많은 파일 내가 필요했다 생각으로 나는 많은 그림 이모티콘을 포함했다 나는 일반적으로 그림 이모티콘을 사용하지 마십시오 내 GitHub의에 물건을 쓸 때 나는 또한 자주 사용하지 않습니다 그것은을 가진 유일한 하나입니다

그러나 GitHub의이 그림 이모티콘 등을위한 좋은 인터페이스를 가지고 있습니다 그리고 그 이유는 문제는 내가 알고리즘의 종류와 해결하기 위해 원 이 세미나에 대해이 기계 학습, 컴퓨터 비전 그림 이모티콘을 분류했다 그리고 그것은 매우 광범위한 문제입니다 그리고 나는 그것의 모든 해결되지 않았다 난 사실도 정말 해결되지 않았다

그러나 나는 그 길에 우리를 시작했다 그래서 나는 OK, 그럼 난 이모티콘과 함께 뭔가를하고 싶어했다 그 서늘함의 종류도 가지 dorky 엉덩이의 종류, 때문에 그리고 그 가지, 후자가 아닌 처음 두 날을 맞는다 그래서 나는 결국 내가 당신이 말한 일 우리가 존재의 그림 이모티콘 등 수백 분류하지 않을거야 무엇을 알고있다 우리는 15 개 행복을 찾고 것과 같은 걸릴거야 15 종류 중성 틱 ones– 나는 실제로 those– 13 다음 15을 얻을 생각 화를 내거나 부정적인보고 사람의 종류

우리는 그 세 그룹 클래스를 호출하는 것입니다 우리는 중립있다, 긍정적 인 무언가가있다, 말거야 과 부정이있다 그리고 나는 기계가 나에게 말할 수 있기를 원하는 것은 임의의 이모티콘입니다 나는 긍정적 인 중성 또는 부정적인에서 찾고있다 그리고 그 가지 사소한 것 같다 인간은 그 모든 시간을

그리고 우리는 너무 그것에 대해 매우 주관적입니다 나 그냥 화가 나서 좋아하는 우리는 같은 종류, 우, 그 사람이 그녀가 찾고 있습니다 그는 단지 그에게 공격적인 얼굴처럼 있어요 그는 그냥 차게 자신의 차를 홀짝입니다 당신은 그녀의 신발을 엉망

뭐 그런 우리가 인식하기가 매우 어려울 수 있습니다 그리고 심지어 예에서, 그 완전히 주관적이다 내가 방금 말한 것은 기본적를보고 누구에게 달려 있습니다 이 어려운 문제가된다 어디에 즉, 이 일하러 가야하기에 충분한 데이터를 제공 할 방법이다 그래서 실제로 disservices의 몇했다 이 코드의 당신에게, 사용자

하나, 당신이 잘, 함께 제공되는 기계, 그것은하지 그것을 아주 잘 수행, 작동 않고 훈련을 배우게됩니다 말은 기본적으로 무작위로 추측합니다 그것은이 33 %의 확률로, 그 33 %의 확률로, 나도 몰라, 그것은 관하여, 말할 것이다, 당신이 알 수 있습니다 그 중 33 %의 확률로, 세 가지, 세 가지 범주에서 100 %, 약 33 %가있다 그래서 기계는 그것을 알아내는 아주 좋은 일을하지 않습니다 내가 데모 거라고 하나의 시험 때 그리고 가끔 발견되는 때로는 기계는 실제로 당신을 제공하는 것 그냥 완전히 잘못 얻을 수 있지만, 그 슈퍼 확인 같아요

, 나는 매우 행복을 찾고 이모티콘주고 그것 같았다 나는이 음수 100 % 확신한다 바로 거기에 부정적인 표정 이모티콘 그리고 그 재미있는 것 중 하나의 종류입니다 나는 많은 시간이 때 기계 학습을하고있는 것으로 생각 당신은, 특히 성가신 유아 유아를 훈련하는 것처럼 당신은 그 느낌이 주위에 자체에 정말 위험 또는 아무것도 아니다 그러나 특히 당신을 싫어한다 사실, 당신이있어 어떤 과제 결코 있는지 확인하고 싶어 노력하는 수행 할 수 있습니다

즉 특히, 나는 종류의 기계 학습 작품을 배운 방법 나는이 존재 작업을 할 때처럼, 오, 쓰레기 내가 가르치는 세미나가 있습니다 이 작동되지 않았습니다 그것은 단지 내가 원했던 일을 거부했다 그리고 그것은 매우 실망했다 그러나 뭔가이 유아 비유와 평행선을 많이 공유하는

당신은 유아 모든 시간이 걸릴 것 인 경우 단지처럼 그들은 단지 당신이 그들이하고 싶었던 일을하지 않았다 좋아요, 점점 새로운, 그리고 단지 같은 새로운 유아 가서, 그 여러 가지 방법으로 이상한거야 너무 또한 가지 이상이와있다 그것은 좀 덜 극단적이다 당신은 아무 문제가 기계를 거래 할 수 없습니다 하지만 당신은 내가 당신을 건네 한 기계가 실제로 않는 것을 확인할 수 있습니다 수정할 수있는 몇 가지가 그 안에이 훨씬 더 확인합니다

그리고 방금 복사 한 것을 의미하고 반복해서 같은 층을 붙여하지 않습니다 다시 더 이상 기계를 만들지 만, 오히려 조금 더 영리 할 수 ​​있습니다 그러니까 기본적으로, 우리는 machines– 훈련 또는 때 내가 때 training– 나는 우리를 말한다 나는 기계 모델을 훈련 내 방처럼 외로운 때 나는 I 의미 나는 어떻게 든 일이를 얻을 수있어, 모든 권리를 말하고 있었다 내가 할거야 모르겠어요

아시 경우에, 나는 약 15 이미지를했다 말했다 긍정적 중성 슬픈 그래서 45 개 이미지가 대략 총했다 즉 데이터의 매우 작은 양의 종류입니다 그래서 실제로 code– 일부 기술을 사용 내가 노력하고 내가 가서 때 there– 그들을 지적거야 그것은 내 데이터를 보완 할 수 있습니다 우리는 첫 번째 단계를 수행합니다

우리는 우리의 데이터를 증강 내가하지 않았다 매우 좋은 데이터를 추가했다 내 데이터 수집 내 게으름의 부분적 제품 하지만 지금은 소급, I의 제품은 원 그것은 가르치는 순간이었다, 가르치는 것은 데이터입니다 많은 생각없이의 임의의 종류의 수집 패턴이 포착되고 있었다 무엇인지에 당신이 경우 내가 가지, 두 번째 규칙 내 자신의 종류를 무시했다 난 그냥 게으름 때문에 그리고 네, 그 대부분입니다

난 그냥 데이터의 무리를 선택하고 같은 거기에 그것을 던져했다 그것은 일을 바랍니다 그리고는 잘 작동하지 않습니다 그 전략은 대단히 도움이되지 않습니다 그 하드 그것에 대해 생각하지 않았다 그러나 당신은 최소한 그것에 대해 생각으로이 얻을 수 있습니다

당신이 웃는 얼굴 이모티콘이있는 경우, 예를 들어, 우리가이 경우에 이것에 대해 얘기부터, 그것은 충분히 다른 웃는 얼굴을 찾기 위해 너무 어렵지 않다 일반적인 경우를 포함한다 그것은 대부분 자신의 얼굴의 바닥에 그 웃는 작은 반원입니다 당신은 여전히 ​​작은을 유지 할 수있는 동안으로 그리고 많은 데이터를 포함하는 그 어려운 일이 아니다 당신은 그것에 대해 조금 더 똑똑해야 보다 내가했다 그리고 데이터가 그 GitHub의 페이지에 포함되어 믿습니다

그래서 당신은 거기뿐만 아니라 내 허접스런 수집 된 데이터를 볼 수 있습니다 난 정말이 저작권 문제가 아니에요 바랍니다 누군가가 나를 체포 나타나는지 우리는 알게 되겠지 그래서 우리는 실제로 실제 GitHub의 페이지보고로 전환하는 것입니다 cheesiness이 들어오는 곳이있다

나는 기계의 느낌을했다 나는 그 날 좀 dorky 느끼고 있었다 나는 매일 약간의 dorky 느끼고있다 그리고 나는 쓰레기, 오, 좋아했기 때문에 내가 할 수있는만큼 많은 이모티콘을 포함했다 마찬가지로 당신은 가격 인하에 이모티콘을 포함 할 수 있습니다

그건 괜찮아요 그래서 나는 거기에있는 사람들을 통해 그리고 당신은 당신이 원하는 경우 자신이 읽을 수 있습니다 어쩌면 당신은하지 않습니다 그렇게하지 않으면 나는 저를 비난하지 않는다

바로 여기가 txt이 요구 사항이 있습니다 그리고 그건 당신이 기본적으로 그냥 바로 설치할 수 있습니다 이 전체 프로젝트에 대한 모든 요구 사항 이게 다예요 구글 또는 아무것도를 통해 검색의 어떤 20시간 없습니다

그냥 그 그리고 우리는 우리의 소스 폴더가 있습니다 그리고 원래 좀 골격 코드를 제공하려고 했어요 가지 실제 코드를 보완합니다 나는 시간의 부족 때문에 나는 그 반대 결정했다 그리고 나는 또한 약간의 의미라고 생각했다

그래서 그 대신 우리는 완벽하게 작동 샘플 코드가 있습니다 그리고 나는 조금 밖으로 물건을 분리 한 그냥 쉽게 무슨 일이 일어나고 있는지 이해 할 수 있도록합니다 그리고 바로 여기에 최대, 상단에, 당신이 기본적으로 컴퓨터 비전 폴더가 있습니다 거기에 단 한 가지가있다 그냥 기본적으로 컴퓨터 비전을 제공하는 것입니다 우리의 코드에 속성

그리고 당신은 데이터를 가지고있다 그래서 우리는 짧은 여기에 살펴 보겠습니다 그것은 매우 큰 아니에요 테스트 데이터가 훈련 데이터가있다 그것은 꽤 밖으로 분할합니다

그러나 당신은 기본적으로 pngs 단지 무리하다고 볼 수 있습니다 이 사람은 꽤 슬퍼 발생합니다 그리고 그들은 같은 높이와 너비를 볼 수 있도록 모든립니다입니다 그들은 200 개 픽셀 모든 200입니다

나는 그것을 추천 할 것입니다하지만 당신은 그렇게 할 필요가 없습니다 당신이에서 정상화 할 수있는 것들 중 하나로서 크기가 무엇 때문에 데이터가 다른가요? 그 다루는 기술이있다 당신은 다만 적당한 비율로 축소 할 수 있습니다 당신은 가지의 다양한 종류를 할 수 있습니다 당신이 할 수있는 경우에, 당신은 일에 걸쳐 꽤 일관성있는 데이터를 보존하려면 그것은 중요하지 않습니다

그래서 여부 같은 것은이 크기 또는이 크기는 여전히 슬픈 얼굴의입니다 그것은 여전히 ​​부정적이다 그래서 분류는 그것이 무엇인지 크기에 정말 의존하지 않습니다 그래서 난 내 데이터 같은 크기의 모두를 유지하고 싶어 그래서이 경우에 기계, 오, 같은 것을 201 개 픽셀이 이미지는 그 슬픈이다 400 픽셀입니다 이미지, 그들은 행복하다

그 때문에 그건 정말 불행한 일 우리가 쫓고있는 실제 패턴 근처에도 없습니다 그리고 당신은 심지어 복잡한 예를 이해할 수, 당신은거야 패턴이 문제가있는 인식 할 수 있어야합니다 그리고 어떤 것들하지 않으며, 어떤 사람은 당신이 실제로 도입된다 당신의 모델로 그리고 그 가지 복잡한 소리가 있습니다 하지만 난 그냥이 준 예, 너무 어렵지 않다 이미지의 크기가 실제로하지 않습니다 있는지 만들기 실제로 배우는 것의 기계 학습의 종류로 재생할 수 있습니다

그것은 매우 직관적이다 그리고 이들의 대부분은 같다 그들은 꽤 직관적입니다 이런 종류의 프로젝트, 그것은 복잡한의 종류를 소리에도 불구하고 너무 나쁘지 않다 당신이 만드는 경우 특히 복잡하지입니다 그것은 유사 인간 또는 유아를 좋아합니다

당신은 당신의 젊은 조카, 조카, 딸 등 생각할 수 당신이 아이, 형제, 형제, 작은 사람, 작은 인간의 존재가 있다면, 당신은 그들을 가르치는 방법에 대해 설명합니다 당신이 아이를 가르 칠 수 있다면, 당신은 아마 수 몇 가지주의와 기계를 가르칩니다 그래서이 폴더의 나머지 부분에서, 우리는 ML 있습니다 그것은 바로 여기 주위에 있었다 그것은 단지, 단지 기계 학습 부분입니다

이 모든 기계 학습 부분을 수행한다는 점에서 파일이있다 우리가 그냥 아주 높은 수준의 모델을 가지고하는 나는 클래스를 만들었습니다 그러나 그것은 또한 당신에게 충분히 낮은 수준을 제공합니다 당신을 모델 자체 수리를 할 수 있습니다 그래서 당신이 원하는에 따라 달라집니다 그리고 우리는 그것의 내부 변수의 무리가있는 구성 파일이 있습니다

우리는 약간의 내부를 살펴 수 있습니다 그리고 우리는 우리의 실제 실행 파일이있는 우리가 소프트웨어의 전체 조각을 실행할 수 있습니다 그리고 제가 이전에 사용하던 단지 테스트 이미지입니다 testpng 있습니다 나는 귀여운의 그것의 종류를 떠났다

그래서는 GitHub의에 모든 코드입니다 당신은 그것을, 다운로드 풀 요청을 복제하려면 환영합니다 바람직하게는 이익을 위해 그것을 판매하지 않습니다 당신이 경우에, 그건 정말 멋지다 나는 그것이 작동하는지 그냥 자랑스럽게 생각합니다 그런 것들의 어떤 굉장합니다

그러나 우리는 실제로 여기에 코드를 조금 보여 것입니다 그래서 실제 코드의 디렉토리에 이미입니다 당신이 GitCloned 한 것 인 경우에 그래서, 당신은 좋겠 여기 어딘가에 만난다 그래서 이것은 루트 디렉토리의 실제 종류이다 나는이 지루한 터미널 화면의 종류 알고 하지만 곧 더 흥미로운 얻을 것이다

그래서 여기에 당신의 파일 만 잔뜩있다 볼 수 있습니다 즉, MIT는, 읽기가-나를 말하는 어떤 라이센스 알려 과 같은 몇 가지 여기 캐싱, 소스 파일 및 요구 사항이있다 우리는 소스 때문에 SRC로 갈 것입니다 그리고 우리는 실제로 샘플 디렉토리에 특별히 갈 것입니다 우리가 시작했던 곳 그리고 우리는 돌아왔다 내가 이것을 실행하기를 원한다면 그래서, 나는 기본적으로 네, 오, /run

py 그리고 – 말할 수 있습니다 내가 말했듯이, 사람 앞에서 입력, 당신은 너무 많은 실수를합니다 그리고 이것은 우리의 도움말 화면의 종류를 나타납니다 이는 가능한 한 비 모호하기위한 것입니다 조금 애매한 될 수 있도록 그러나, 나는 전문가는 코더입니다 없습니다 하지만 사용하기 아주 쉽게 할 의도

그래서 출력 파일에 대한 -o있다 그리고이 소프트웨어 물건의 모든 단지 일종이다 특히 흥미로운 것은 아닙니다 당신이 이후에 관심이 있다면, 가서 알려 주시기 바랍니다 그리고 나는 그것에 대해 당신과 얘기 할 수있을 것입니다

그냥이를 실행하기를 원한다면, 그때 우리는, 음, OK, 말할 수있다 내 출력 파일이 세미나가되고 싶어요 그리고 그것을 통해 가고 싶은, 우리는 교육의 한 라운드를 말할거야, 다음 45 분 동안 여기 앉아서 할 너희들하지 않는 한 그리고 나는 또 다른 모델이 이미 존재 하나를로드하지 않습니다 나는 그냥 가지 자신의 일을하고 싶습니다 그리고 정말 할 필요합니다

명령 줄에서, 그게 훈련 할 것이다 그리고 나는 그 말을이는 한 번있을거야 그것을 절대적으로 환상적인 휴식 그러나 TensorFlow 백 엔드를 사용하는 것 있음을 알려줍니다 내가 그것을 건네했던 모든 데이터를 발견했다 그리고 지금 훈련을 시작한다

나는 그것이 종류의 동행입니다 생각하기 때문에 내가 이것을 가져다 이유는 이러한 것들의 각각의 의미를 아주 확실하지 않다 그리고 어떤 종류의 재미 것은 어쨌든 이러한 메트릭의 각을 사용자 정의 할 수 있습니다 그러니까 기본적으로,이 화면을보고하는 경우, 당신이 경우 당신은 멋진 작은 애니메이션의 자신의 종류를 참조하십시오 그러나 이것은 정말 당신에게 훈련 라운드를 통해 얼마나 많은 단계를 말하고있다 그것은이라도 [? 신기원 또는?] 에픽은 일반적으로 실제 훈련이 될 것입니다 이에 라운드

그래서 훈련 내내 내 컴퓨터는 기본적으로 모든 오른쪽 말하고있다 난 당신이 지정하는 데이터의 일부 금액을 제공하고 있습니다 그리고 나는 도대체이게 무슨 뜻인지 알아낼 수있어 나는 그것을 분류 할 수있어 그리고 그것이 무엇을하면 거기에 앉아이며 흠, 그건 고양이처럼 보이는 말했다 즉 새입니다

즉 개입니다 그리고, 또는이 경우에, 그는 중립이다, 즉 부정적, 긍정적입니다 그리고 그 답을 던졌습니다 그리고 그들을 인코딩 somehow– 0, 1, 2, 완전히 합리적인 그리고 그것이 무엇을 그것이 확인, 여기 내 대답은 모든 데이터에 있습니다 말한다 나는 손으로 봤는데

그리고 그것은 답변 본다 그리고 오, 쓰레기, 나는이 일이 하나,이 하나를 놓친 말했다 그래서 몇 가지 마술을 할 수있어 나는 다시 무게 내 번호의 일부를거야 좀 하드 코어 수학 물건을 할거야

그리고 나는 다시 시도거야 그리고는 새로운 교육의 라운드입니다 이제 각 막대 또는 각 행의 오른쪽 방향의 종류를 알 수 있습니다, 이 발 손실과 모음 ACC가있다 그리고 그들은 여기 손실과 ACC에 해당합니다 손실 존재는, 음, 어떤 손실은 실제 알고리즘에 사용되는 메트릭입니다 또는 수학 아래

그리고 ACC는 정확성이나 주어진 모델의 정확성되는 절대적으로 이미지의 어떤 종류를 이야기하려고하는 것을 그 여러 범주와 함께입니다 그리고 당신은이 모델을 빌드 파일 내에서이 모든 것을 지정할 수 있습니다 하지만 지금 우리는 그대로 만 가지 걸릴 것입니다 당신은 예를 들어, 그 정확도 메트릭을 사용할 필요가 없습니다 그 각각의 발 버전은 검증 버전입니다

그들은 여기에, 말하는 것, 모든 권리있어 당신이 전에 본 적이 한 어떻게 당신은에해야합니까? 그리고 그 하나, 그것은 그 가중치를 재조정하지 않습니다 그건 그냥 조금 평가합니다 그것은 당신이 overfitting하지 않을 것을 확인합니다 그래서 던져진 첫 번째 항이었다 날 때 나는 이것이 배우고 시작했다 무엇 그것은 당신의 데이터를 overfit을 의미 하는가 그리고 그것은 직관적의 종류입니다

당신은 너무 많은 피팅하고 있습니다 그리고 당신은 피팅으로이 교육 과정을 생각하면, 당신은 단지 그것을 너무 많이 훈련하고 있습니다 그리고 당신은 유아와 등이 생각할 수 당신이 그것을 제한된 패턴을 너무 많이 주면, 어쩌면이다 당신은 모든 것이 너무나 종류의 것으로, 기계를 말한다 당신은 그것을 가져 모든 데이터 조각을 제공합니다 그리고 그것은 단지 데이터가 아니라 실제 패턴을 기억합니다

사람들은이 모든 시간을 당신은 그들이 그 사실을 기억, 그들에게 화학 사실의 무리를 제공합니다 당신이 그 사실을 그들에게 외삽을 요구하는 경우에, 그들은 아무 생각이 없습니다 이는 특히 예를 들어 공립학교 시스템에서, 매우 일반적인 문제입니다 작은 정치적 잽

그러나 너무 기계에 일어나는 일입니다 그들은 단지 자신의 데이터를 기억 끝날 경우, 예 그들은 적어도 메트릭 손실 정확도의 종류에, 바로 그것을 얻을, 하지만 그들은 바로 검증의 정확성을받지 않습니다 그 물건 때문에 그들은 한 번도 본 적이 없어요 그들은 그것을 기억 수 없었다 그것은 기본적으로 테스트 복용 뒤에 같은 생각입니다 나는 당신에게 데이터를 제공합니다

난 당신이 패턴이 아닌 실제 데이터 내용을 기대합니다 그리고 나는 당신이 전에 본 적이 데이터를 가지고 테스트를 제공 하지만 같은 패턴을 가지고, 당신은 그것을 알아낼 수 있어야합니다 그래서 당신은 볼 수 있습니다 또는 불행하게도 그것은 종류의 다음까지 잠겨있어 하나는, 그러나 우리는 이러한 03S 열로은 거의 동일 대략 것을 말하는 것입니다 당신은 0

32, 035, 038, 038처럼, 그들이 알 수 있습니다 그리고 당신은 그들이 대략 추측하고 알 수 있습니다

나는이 하나가 중립적이라고 말한다면 기계는 기본적으로, 헤이, 말하는 이 하나,이 하나의가 positive– 중립적, 부정적 부정적 양– 난 그렇게 좋은하지 않은 것이 거의 제대로 나는 당신을 건네 모델이 아니라이기 때문에 그것은이다 특히 지적하지 또한 데이터를 아주 잘하거나 수집하지 않습니다 그리고 당신은 심지어 accuracy–을 알 수 있습니다 정말 모든 것을 암기 할 수있는 기회를하지 않았다, 하나님 – 감사합니다 여전히 매우 낮다 그것은 대략 여기에서도 추측입니다

그래서 너무 좋지 않다 그리고, 나에게 물었다 나는 모델을 저장 하시겠습니까 그리고 당신은 기계의 신화에 대한 하나의 나의 점을 알 수 있습니다 그 오랜 시간이 걸리지 않았다 학습 우리는 몇 분 여기를 얘기했다 그리고 그것은 이루어집니다 그것은 지금 훈련입니다

그래서 지금 우리는 컴퓨터 비전 부품의 종류가 내가 함께 해킹했다이 때문에, 다소 성가신이다 하지만 괜찮아요 그것은 지금 일어나고 그래서 우리는 화면의 라이브 피드의 우리의 종류가있다 그리고 이것은 우리가 사물의 사진을 촬영할 수 있습니다 그래서 실제 스크린 샷 소프트웨어가 즉, 즉 이것보다 쉽게 ​​사용할 수 있습니다 하지만 컴퓨터 비전의 아이디어를 소개하는 나를 위해 쉬운 방법이었다 특히

그래서 내가 할 수있는 것은 내가 모든 권리, 말의이 이모티콘을 끌어하도록 할 수있다 나는 그 이모티콘과 I의 사진을 먹고 싶어하기 때문에 내 컴퓨터가 이모티콘이 무엇인지 말해 싶습니다 그것은 긍정, 부정 또는 중립인가? 그리고 구글에 웃는 이모티콘을 말할 수있다 그리고 나는이 라이브를 수행 이유는 내가 당신에게 증명하는 것입니다 단지 기계에 하드 코딩하지 않았다 나는 그것이 올바른받지 않습니다 거라 확신

그러나, 명성을 수행합니다 그래서 우리는이 이모티콘이있다 그리고 당신은 바로 여기 위에 우리의 피드에 팝업 볼 수 있습니다 실제로 나는 시간의 무한한 수를 생각 팝업 당신이 좋아한다면 충분히 가까이 보인다 하지만 이유 나는 피드에 팝업이 내가 실제 공급을 통해 드래그 할 수 있으며 그 사진을 선택했다는 것이다

그리고 그것은 그 사진을 촬영합니다 아, 내가 잘 한 것을 가지고 너무 흥분 해요 즉 점등시킵니다 그래서 당신은 실제 터미널 출력 것을 알 수 있습니다, 그것은 나에게 일이있는에 정확하다고 확률했다 포지티브 또는 네거티브 또는 중성 나는 그것이 바로 정말 높은 확률로 그것을 가지고하는 것이 정말 흥분 해요 당신은 70 %의 확률과 같은 위의 경우 레이블 충분히 좋은 번호를 가지고, 당신은 꽤 흥분해야한다

이 94 %의 확률로 멀리있어 사실, 그것은 아마 추측했다 그것은 유아 나처럼, 그 하나의이 작은 아이처럼입니다 그리고 그들은 올바른 될 일이 그래, 난 그렇게 똑똑처럼 그리고 그들은입니다 이 기계처럼, 정말 위대한 아니다

그러나 신용과에 세미나의 신용이다 우리는 내가 아주 작은 데이터를 처리 한 바보 같은 기계를 가지고 나는 우리 모두의 앞에 사분 등의 총 훈련을했습니다 그리고 그것이 바로 얻었다 물건을 알아낼 수 있었다 이 패턴을 알아 냈다 그리고 그것은 또한 약간 부정적 수도 있다고 말했다

그리고 당신은 공유하는 몇 가지 속성이 있다는 것을 알 수 있습니다 웃는 얼굴과 찡그린 얼굴들 그들은 둘 다 눈이 특히 그림 이모티콘에 꽤 표준입니다 그들은 같은 거친 형상을 갖는다 그들은 같은 색상입니다 그리고 그들은 종류의 미소 또는 빈축 동일한 폭을해야합니까 심지어 서로 다른 방향에서 비록

그래서 기계는 끔찍한 일을하지 않았다 그리고 견과류의 종류입니다 그리고 잘하면 그게 액세스 할 수 있는지 작은 방법 적어도 증명 쉽게 할 수 있습니다 당신은 거기 앉아서 코드로 수리를해야 할 수도 있습니다 하지만 당신은 코드 땜질 거기에 앉아하지 않는 경우 당신은 정말 코딩? 당신이 거기에 앉아 일을 디버깅하지 않는 경우, 당신은 왜 여기? 그래서 디버깅 코딩의 좋은 금액입니다

그리고 이것은 단지 코드의 다른 부분처럼, 심지어 단지 프로그래밍을 시작한 사람에 의해 수행하고 디버깅 할 수 있습니다 당신은 아마도, 몇 시간이 수준에서이 작업을 수행 할 수 있습니다 며칠 당신은 조금 연구하고 말을해야 할 수도 있습니다 아, 쓰레기, 그것은 무엇 overfit을 의미 하는가 그 사람은 고양이와 삼각형에 대해 이야기 미친 친구, 무엇을 말 했는가 잠시 동안? 글쎄, 그건 괜찮아요 이것이 어떻게 작동하는지 때문이다

그러나 내가 말한 경우, 오, API를 사용하는 이동보다 더 어렵지 않다 나를위한 PUT 요청을 통해 일부 정보를 검색 할 수 있습니다 그냥 복잡한 소리로 그러나 그것은 모두 같은 생각입니다 당신은 앉아서 조금 그것을 배울 수있다 그리고이 경우, 당신은 꽤 괜찮은 예제를 가지고있다

그 전 – 그게 그 일한 행운의 종류이라고 강조 gonig하고있다 나는 그것의 매우 자랑스럽게 생각합니다

하지만 여전히 종류의 말도 그래서 우리가 이미 존재하는 모델을 개선하고 싶다고 가정 해 봅시다 그래서 많은 기계를 많이 쓴 나보다 똑똑한 사람들이있다 학습 알고리즘 나는보다 더 지능적인 사람들은, 내가 주장이있다 보다 작 이런 짓을했는지입니다 그래서 사실은 그 사전 교육을받은 모델 중 하나를 포함 내가 생각하기 때문에이 종류의 멋진 데모를하는

그래서 코드에서 실제로 당신이 그 사전 훈련 모델을 끌어 할 수있는 능력을 가지고있다 그것은 셉션 V3라고 나는 그들이 그 전화를 꽤 나쁜 엉덩이 생각합니다 다른 사람의 많은 그런 VGG16 물건 같다 그러나이 하나 인 셉션 V3라고합니다

나는 그 이름의 소리를 좋아한다 그래서 당신은 플래그, 사전 훈련 플래그이 프로그램을 실행할 수 있습니다 그것은 TensorFlow 모델이기 때문에 아직 말을 TensorFlow을 다시 가져옵니다 TensorFlow는 Keras의 기본 기계 학습 소프트웨어 인 또는 적어도 방법 나는 그것을 디자인하는 그것은 여전히이 경우에이없는 경우에도 데이터를로드 우리가 다른 데이터 조각을 찾으려고하기 때문이다

정말 모델을 저장하지 않습니다 그것은 조금 큰입니다 그러나 그렇게 같은 피드를 가져올 것 내 화면의 사진을 찍을 수있다 우리가하려고했던 그리고 기본적으로,이다 우리는 고양이의 사진, 특히이 고양이를 끌어 것입니다 난 정말이 고양이를 좋아한다

그것은 귀여운의 종류입니다 그래서 이것은 이집트 고양이입니다 내 마우스를 걸릴거야 그리고 제가하고 싶은 것은, 나는, 클릭을 통해 끌어거야 나는 그 고양이의 사진을 찍을거야 그리고 내가 할 수있는 것은, 그때 내가 말할 수있는 모든 권리입니다 의 내 컴퓨터는 그것이 말을 살펴 보자

주의 깊게 읽어 줄 테니한다면,이 다섯 개 레이블을 반환합니다 이 액세스 할 수있는 1,000 라벨이 실제로있다 그냥이 다섯 아니에요 난 그냥 상위 5 개를 골랐다 그리고 당신은 그 아래 하나가 동안 알 수 있습니다 가장 정확한 것이 아니다 잘못이 아닌 윈도우 화면,,, 근처에도 안

이 때문에 비율,하지 분수입니다 지금까지 가장 가까운 사람은 약 94 % 또는 동일한 정밀도로했다 내 다른 모델을 가지고있다 그리고 그것은 이집트의 고양이입니다 그리고 그 기계 학습의 강력한 부분 중 하나입니다 빨리 이전보다 더이었다이 모델이다 그리고 그것은 고양이의 단지 임의의 사진을 가지고 나는 94 %의 정확도로 올바른 인터넷을 고른 것이다

즉 너트입니다 난 그냥 무작위로 사진을 찍었 후를 포착하고 그것을 작동합니다 그리고 내가 강조하고 싶은 점은 정말 여기 인정 하듯이, 몇 분에 나는 잠시 동안이 수험 공부의 장점을 했어 당신은 여기 앉아서하는 알고리즘을 구축 할 수 꽤 정확하게 사물을 식별합니다 그래서 당신은 얼굴 인식 소프트웨어 알고리즘을 구축하기를 원한다면 그것은이 있습니다 이 같은 생각입니다

당신은 데이터를 변경합니다 그리고 당신은 당신의 모델을 약간 변경합니다 조금 더 똑똑합니다 특히 직면 것이 더 적합합니다 그러나 그것 뿐이다

그건 정말 여기에만 큰 차이입니다 이 개념이 유행어, 기계 학습, 컴퓨터 비전, 그들은 컴퓨터 과학 초보자로서 당신과 나에게로 접근 할 수있어 그들은 컴퓨터 과학의 년의 무리를 수행 한 사람에게 그대로 어쩌면 컴퓨터 마법사입니다 어쩌면 그들은 그것으로 쿨러 물건을 할 수 있습니다 그들은 API와 다른 약어 무서운 소리가 나는 단어의 모든 종류를 넣을 수 있습니다 그 뒤에 그것은 아래 같은 일입니다

기계가 작동합니다 그것은 모든 단지 결정적으로, 일하고있어 잘하면 당신이 그것을 원하는 방식으로 내가 생각하기 때문에 그래서 우리는 코드를 모든 조금있어 것을 그 가치있는 노력이다 이것은 또한 당신이있어 무엇 이사 확인할 수 있습니다 최악의 방법처럼 이 정당의 같은 느낌 때문에하지만 같은 시간에 이야기하고있다 난 비주얼 스튜디오의 코드를 사용합니다 그리고 난 정말 말도 열린 같은 것을하지 않아도 바랍니다

우리는 단지 그것을 조금 확장 읽기 쉽게 만들 것입니다 그래서 우리는 코드가 있습니다 그리고 이것은 보통 사람들이, 모든 권리와 같은있는 부분이다 지금은 밖으로입니다 우리는 거기에 도착, 우리는 완료됩니다 그리고 당신은 끝내하지 않은 경우

나는 수학이 당신을 멀리 무서워 한 것이라고 생각했을 것이다 그리고, 어떤 수학이 없다는 것을 보여준 이후 나는 당신이 여기 아직도 것으로 기대하고있다 그래서 우리는 꽤 임의의 파일을보고 여기 앉아있어, 그러나 이것은 실제로 ML 모델 파일입니다 그래서이 실제로 당신이나를 알려주는 파일입니다 실제 모델의 모든 속성에서의 코드가 이 모델의 저장 방법을 가지고있는 클래스이다

그것은을 구축하거나 데이터를 예측하는 부분이있다 그것은 모든 일을 가지고 당신은 어쩌면 수 우리는 단지 예제를 보여 무엇을 얻을 필요가있다 그래서 우리는 여기에서보고 제가 가지에 우리의주의를 환기 할 것 바로 근처에 있습니다 이 부분에서 찾고있다 이것은 꽤 많은 방금 본 모델의 대부분이다

이게 다예요 당신은 빈 줄을 계산하지 않으면, 코드의 단 5 줄의 내 마우스는 모든 것을 강조 그래서 아주 간단합니다 그것은 매우 간단합니다 이제, 이러한 용어가 많이 어쩌면 조금 더 복잡하다

맥스 밖으로 드롭 풀링 그리고 당신은 팬케이크처럼 평평 그리고 당신은 무언가의 밀도가 하나님이 무엇을 알고 할 당신은 그 활성화하지만 풀 크기는 여기있다 이 임의의 숫자가있다 나는 그것이 마법 생각합니다 난 이유를 모르겠어 그리고 그것은 매우 매우 빠르게 복잡해진다

그러나 다시, CS50에서와 문제 추천하기 추천, 정말 더 작은 조각으로 그것을 깰 의 코드의 어쩌면 가장 쉬운 부분부터 시작하자 here– 단조롭게 하다 이 인수가 없습니다 그래서 우리가해야 할 일을했을 모두 펼치기를 추가했다 그리고 어쩌면 쉽게 왜 우리는 모델 일을 추가한다

이 모델은 어떻게 작동합니까? 당신은 레이어의 스택 등 생각할 수 있습니다 그리고 당신은 당신의 스택 지향 방법에 따라 입력을 받아, 하지 리터럴 물리적 스택 같이 누적 데이터 구조 당신은 하나의 입력을 삭제하고 또는 당신이 그들을 참을 수있어 하지만 어느 쪽이든 그것은 스택을 통해 것입니다 그리고, 그 첫 번째 레이어는 입력에 소요 그것은 말한다 좋아, 우리는 그와 방울과 마법을 할거야 다음 층으로 그리고 그 같은 일을한다 이 다음 위치에있는 마지막 하나 같은

그리고 마지막 하나는 내가 그것이 무엇인지 말한다 그것은 삼각형입니다 그리고 그것은 당신에게 그 번호를 던졌습니다 그리고이 모든 정말 수행합니다 이 데이터 포인트에 소요 그들과 함께 물건을 수행 수학의 단지 무리입니다

우리가 그들을 추가하는 이유는 그래서입니다 그리고 순서는 우리는 그들이 스택의 순서를 변경 추가 할 수 있습니다 그리고 너무 나쁘지 않다 그러나 우리가이 이상한 단어가, 최대 풀링처럼, 중퇴, 평평 치밀한 그리고 그 당신이 하나 생각으로 이해하기 어려운되지 않습니다

이 인수를하지 않기 때문에 우리는 평평하게 시작하는 것입니다 그러나 거기에서 이동하기 매우 쉬운 것입니다 그래서 평탄화 층을 추가,이 조금 말도 보일 수 있습니다 심지어 불필요하게 보일 수 있습니다 당신이 그림을보고하는 경우 그러나 그림은 데이터의 모든 종류를 캡처 점과, 어쩌면 X 길다 넓은 X, 그리고 어느 정도의 두께 우리는 정말로 유일한 폭과 높이에 대해 걱정할 필요가

그리고 수 아마 어떻게 든 정보의 다른 모든 부분 이 같이 뻗게하지 않고 인코딩 될 수있다 처럼의 그 밖으로 스트레칭 가정 해 봅시다 것은 색상, R, G 및 B입니다 그래서 우리는이 사각형의 종류에 배치의 우리의 이미지 종류의 경우에도, 그것에 깊이의 약 3 층이있다 많은 빨간색 픽셀에 얼마나 첫 번째 계층은 어떻게 녹색 많은, 다음 방법 파란색 많이 그러나 우리는 정말 무엇을 상관하지 않는 경우 또는 우리는 어떻게 든 데이터를 인코딩 할 수 있습니다 다른 방법은? 그런 다음 우리는 사진을 평평하게 할 수 말하자면, 당신 손 두 차원 일 대신의 3 차원 하나

그리고 당신은 동일하지만, 복용이 차원 일을 할 수있는 경우 그리고 라인에 그것을 무너 다시 평평 것이다 그리고이 개념은 정말 어려운 일이 아니다 실제로 우리가 어차피 할 일입니다 이미지를 분석하고 싶었 경우 당신이 정말로 색에 대해 관심이 없었어요, 예를 들어, 당신은 그것을 평평가 흑백으로 만들 수 있습니다 이제 이미지를 평평하게했습니다

그래서이,하지만 그것은 조금 이상하거나 이상하게 말로 수 있습니다 우리가 실제로 너무 익숙하지 않은 일을한다 다음 쉬운 일이 아마 드롭 아웃됩니다 그리고 이것은 우리가 이미 본 적이 뭔가 역할을한다 이것은 기본적으로 overfitting의 역할을한다 그래서 우리는 이전에이 용어에 대해 이야기했습니다

우리는 유아에게 사실의 무리를 가르쳤다 그리고 그 아이가 그 사실을 알고있다 그것은 브라키 오 사우루스가 무엇인지 알고있다 이게 다예요 그래서 지금 우리가 원하는 우리의 모델에해야 할 일 우리의 모델은 그렇게되지 않았는지 확인합니다

그냥 대답은, 다음 대답은, 않을거야 (B)이며, 다음 하나 등등 C 및이다 우리는 우리의 모델이 아니라, 패턴을 픽업하고 싶은 말 그 패턴이 작동하는 방식에 따라, 그것은이 있어야합니다 즉 더 나은 모델이다 그리고이 경우, 우리가 우리가 드롭 아웃을 소개합니다 그리고 당신은뿐만 가끔 그 생각할 수있는 우리는 단지 종류의 무작위로 일부 데이터를 쫓아있다

그것은 가정으로, 50 %의 확률로합니다 분수 그래서 얼마나 많은 데이터를 말하고있다 아닌 확률을 쫓아합니다 내 실수 이것은 실제로의 데이터의 일부분이다 될 것 종류의이 층에서, 주어진 섹션에 떨어졌다 그래서 어떤 레이어 말하는 것은, 같은 모든 권리입니다 우리는 가끔 사람의 단지 종류의거야 데이터의 조각을 선택하지

그리고 우리는 이동 및 다른 일을 할 것입니다 그리고 그 방법으로, 우리는 매일 시간을 설정 같은 데이터를 제공하지 않습니다 우리는 조금 덜을 제공합니다 우리는 여기에 당신이에서 선택받을 데이터의, 모든 권리를 말한다 우리는 실제로 단지 당신이 많은 손을 것입니다

여기 당신은 간다 그리고 그 주위 오는 다음 번에 다른 부분 집합 일 수 있습니다 어쩌면 내가 당신에게이 부분 집합 대신 이전을 손 수 있습니다 그리고 그 방법으로, 우리는도 overfitting을 방지 할 수 있습니다 이제 데이터의 50 %는 꽤 높은 모든 시간을 중퇴하고

그래서 나는 여기에 전투의 종류에 도입했습니다 우리가 경우에 발생합니다 overfitting 분의 몇 배의 뭔가 수백 훈련 그러나 당신은 낮은 무슨 일이 일어나는지 볼 수 있었다 아마 훈련 데이터의 종류에 아주, 아주 좋은거야 그러나 실제 검증이나 테스트 데이터를 아주 나쁜 수 있습니다 그래서 어쩌면 적합하지 않습니다

그러나 당신은 또한 너무 많은이 결코 증가 할 수 없었다 학습 데이터에 잘 도착하고 잘 테스트 데이터는 소송을 따릅니다 그리고 그 중 하나가 적합하지 않습니다 그래서 포기하고 여기에 걸릴 어떤 종류가있다 당신은 그것으로 주위를 혼란에 약간 않아도됩니다 당신이 맞는 볼 그리고 당신은 더 많은 이들 층의 더 적은을 추가 할 수 있습니다

당신은 일해야하는 몇 가지 차원이 있다는 사실을 알게 될 것입니다 예를 들어, 평탄화 층을 제거있어 경우, Keras 그냥 내가 무슨 일이 일어나고 있는지 이해가 안처럼 될 것입니다 그리고 그것은 종류의 당신을 흥분 수 있습니다 당신이 맞는 볼하지만 그 이외의, 당신이 더 많거나 적은 비용으로 주위를 재생할 수 있습니다 중요한 일의 다른 종류의 우리가 최대 풀링 2D로 가기 전에이 조밀하다

그리고 밀도가 약간의 활성화를 가지고있다 당신은 무게의 일부 유통 것으로 조밀 상상한다면 그들이 호출하거나 컴퓨터를 말할 수있는 것입니다 무엇을 이 만드는 결정의 값은, 그래서 당신을 말한다면 당신은 만지는 것을 난로는 100의 값을 가지고 있으며, 당신은 접촉 지상 40 같은 값을 가지고 있으며, 당신은 당신의 자신의 피부가 접촉 0 등의 값이, 당신은 아주 쉽게 알 수 있습니다 어디에서 내 가치 체계가 것입니다 어느 쪽이 더 위험하다 그리고 가치 체계의 종류, 여기 놀이에있다 하지만 활성화는 우리가를 원하는 수행하는 방법을 잘 알려줍니다 어느 정도 사전 체중 가지의 종류 그리고 [들리지] 단지 사람들이 이미지를 사용하는 공통의 하나가 발생합니다

그들의 무리가있다 당신이 그들을 찾아 볼 무료입니다 Keras 그들의 톤과 내장에 온다 소프트 맥스와 같은있다 10H가있다

다른 사람의 모든 종류가있다 그리고 그들은 모든 것을 변화하는 것을 의미한다 그것은 매우 기술이 될 수 있습니다 가끔은 그냥 그들과 함께 놀러와 사람이 더 잘 작동 확인할 수 있습니다 당신은 매번 동안 그들을 교환하고 그것을 시도 할 수 있습니다

어느 작품? 어느하지 않습니다? 그리고 당신은 종종 [들리지 즉 이미지와 특히 잘 작동 찾을 수 있습니다 바로 아래의 수학 때문이다 당신이 수학에 관심이 있다면, 나중에 나에게 이야기 주시기 바랍니다 당신이하지 않으면, 우리는 단지 가지 떠날거야 그것이에게 그 결정의 가치를 알려주는 활성화있다 그리고 그 결정의 시작 값입니다 나중에, 그 자체-가중치를 다시

그것은 오, 그래, 아니, 그 나쁜 결정이었다 말했다 우리는을 rechanging하고 있습니다 그리고 조밀이 레이어에 추가되는 실제 것입니다 즉,이 레이어의 이름입니다 그리고 자신의 조밀 정말 그냥, 말하고 헤이, 우리는 노드 또는 뉴런이 될 것입니다

우리는 특히 그 중 16이 될 것입니다 그리고 우리는 그들 모두 서로 통신 할 수있는 것입니다 그리고 무엇 그건 그냥라고하는 것은 내가 결정을 내릴 경우입니다, 나는 그건 내 주위 모든 사람을 말할거야 결정은 내가 만든 나쁜했다 그 하나를 수행하지 마십시오 그 끔찍한 결정이었다

그것은 당신이 하룻밤 물에 조금 너무 취 경우처럼 그리고 당신은 바로 다음 날 봐, 같은 사람 나쁜 계획을 모든 사람에게 주위를 이동합니다 그렇게하지 마십시오 당신은 결정을하지 마십시오 그 취급의 아주 쉬운 방법 그리고 그 계층에서 당신은 신경 세포의 무리가 모두 서로 이야기합니다

그리고 어떤 사람들의 즉각적인 해결책은 그냥 더 신경을 추가 할 수도 있습니다 때때로 때로는 없습니다 그리고 당신은 훨씬 느린 컴퓨터를 만드는 것을 알 수 있습니다 그래서 항상 트레이드 오프가있다

그리고 우리는 우리의 최대 풀링 2D를 가지고있는 당신이 아래에 무슨 일이 일어나고 있는지 알고 있다면 꽤 직관적으로 지정됩니다 그렇게하지 않으면, 그것은 단지 무엇 퍼지 같다 그래서 우리는 여기에 무슨 끝나는 것을 나는 그것을 풀 크기를 준 것입니다 나는 2 2 말했다 그래서 당신은 당신의 이미지 상상 경우 픽셀의 부분, 네가 기본적으로 사각형처럼 2로 2가 이미지를 가로 질러 슬라이딩 그 화소

그리고 정말 내가 여기서 뭐하고있어 내가 가지 모두 함께 풀링하고있어한다 및 최대를 복용 이게 다예요 그리고 그 최대를 복용하고 아마 것을 말하는거야 일을 결정하는 기능입니다 그리고 이미지에서, 그것은 때때로 경우가 있습니다 특히 이미지의 이런 종류의, 꽤 잘 작동합니다

분 풀링도 있습니다 당신은 최소 걸릴 즉 중요한 사람입니다 즉 특히 관련이있을 경우가 있습니다 당신은 이미지의 부정적인보고있는 어떤 경우? 어쩌면 여기에 적용됩니다

아마하지 않습니다 그래서 그 마음에 계속 뭔가 또한, 저는 믿습니다, 평균 풀링이있다 그것은 Keras의 평균 풀링 호출 할 수 있습니다 그러나, 당신은 단지 생각하는 것과 같은 일을 소요, 그 평균이하고 잘 지내 있다고한다

당신이 적절하다고 생각한다면 풀의 크기를 변경할 수 있습니다 2에 의한 2, 우리는 정말 그래, 말을하지 않기 때문에 여기에 꽤 피팅 이 모든 것은, 당신은 단지 거기에 가장 큰 지점을 가지고가는 경우에, 그게 행복 아닌지 여부를 결정합니다 이게 다예요 그것은 매우 정확하지 않습니다 우리는 멀리 얻을 수 없을 것입니다

그래서 우리는 우리의 데이터 조금 응축하는 데 도움이됩니다 우리는 종류의 단지 우리가보고있는 정보를 가지고 그리고 보풀의 일부를 밖으로 던져 그리고 당신이 몇 번 않습니다 그리고 마지막에 우리는 우리의 출력을 뱉어 있도록 매우 국소 개요 종류의 기계 학습에있다 생각에 잘하면 소개 그것은 구체적으로, CS50에 대한 최종 프로젝트로 액세스 할 수 있는지

그러나 심지어 현실 세계의 종류, CS50의 외부 클래스의 외부, 당신이 주변에 수리를 원하는 경우 그 완전히 당신의 능력에 있습니다 그리고 내 말은 당신하지 CS의 년을했다 사람으로 지금은 과정을 가르치고있다,하지만 사람 모두 시작하거나 더 나쁜 경우 누가 시작했다 나는이의 경험이 시작 내가 갔던 곳이었다 이것은 내가 선택한 방향이었다 그리고 그것은 완전히 접근 할 수 있습니다

당신은 그렇게 할 수 있습니다 그게 당신의 손안에 완전히이다 당신이 모든 관심에 있다면 그래서, 나는 그것을 추구에게 추천 할 것입니다 당신은 어렵다는 것을 확인할 수 있습니다 그것은 실망입니다 점이있다

그러나 당신이 CS에서 어떻게 할 건데 아무것도의 경우입니다 그들이 어려울 것이다 지점이있다, 어디 실망 할 것이다 그래서 나는 포기하지하는 것이 좋습니다 것보다는 생각 것을 그 기본적 권리 경로입니다 당신은 거리를 것입니다 계속해

당신 때문에 수도뿐만 아니라, 당신이 어떤 프로젝트에이 작업을 수행하려고하는 경우, 관심있는 일에 그것을한다 그리고보다 구체적 지시 충고의의 CS50에 대한 최종 프로젝트에서 3 주 동안 당신의 시간을 낭비하지 마십시오 멋진 무언가를 구축 할 수 있습니다 그것은 어려운 그것은 많은 시간을 소요하고는 디버그에 매우 성가신 경우 마지막 가능한 분까지 작동하지 않는 것을있다, 당신은 아마 바로 그 일을하고 있습니다

그게 바로 대해 아마 CS에서 가장 많은 작업이 가능한 마지막 순간에 발생합니다 내가 그것을 가지고, 당신은 같은거야 어디에 그 순간이있다 그리고 당신은 좋은거야 우리의 많은 CS 아직 이유 구호의 의미이며, 우리는 우리가 제작 한 것이 만족되는 느낌을 좋아합니다

혹시 CS 당신을 위해이 아니라고 생각하면 그래서 너무 어렵 기 때문에 모든 사람이하지만 당신을 얻을 것 때문에 또는, 그 100 %가 아닌 경우입니다 기계 학습은 어렵다 컴퓨터 비전은 어렵다 컴퓨터 과학은 어렵다 학습 어렵다

이 모든 것은, 우리는 할 수 있습니다 그래서 나는 그것을 추구 항상 추천 할 것입니다 기계 학습, 컴퓨터에 대한 너희들이 몇 가지 질문은 무엇입니까 시력? 나는 내 마지막처럼 칠 정도 분 그림 나는거야 질문에 엽니 다 확실한 스피커 2 : 당신은 아마 말할 수 있는지 궁금 해서요 최소 및 최대 풀링 풀링하고, 경우 (2) 2를 사용하는 방법에 대한

마찬가지로 100 100처럼 사용하는 거라고 어떤 상황은 무엇인가 또는 [들리지] SPEAKER 1 : 나는 풀까지 모든 이미지에 정말 아니에요, 상상할 수있다 하지만 어쩌면 나는 귀엽다 여기에 고양이를 유지할 수 있습니다 그래서 본 이미지는 픽셀들의 세트 량을 갖는다 그래서 분 풀링을 의미 대 풀링 최대 대 풀링 이유있는 질문 그것은 다른 풀 크기를 가지고 무엇을 의미 하는가 왜 정말 관련이? 그래서 우리는 귀여운 때문에, 특히이 이미지에 대해 이야기 할 것입니다

그리고 나는 갈색 또는 붉은 생각합니다 난 정말 말할 수 없습니다 그러나 이집트의 고양이 그리고 그들은 아름다운이 넓은 눈과 큰 귀처럼 그들은 최고입니다 그리고 기본적으로이 이미지는 픽셀의 수를 설정하고있다

나는 일부 픽셀 수에 그것을 표시하고있어 비록, 그 자체가 이미지가, 안 400 (200)을 수행의 말을 보자 아주 잘하지만 충분히 가까이하지 않습니다 A는 주어진에 인 경우에 그래서 (200)에 의해 (400)는, 다음, 우리는 20 박스 (20)과 같이 말할 것이다 우리는 너무 많은 데이터를 얻을 수 있습니다 의 20에 의해, 즉 귀 일각 (20)를 가정 해 봅시다 글쎄, 난 그 단지 최대를 취할 경우 나는 20의 최대를 할 경우, 실제 (20) (20)에 의해 부분으로 생각할 수 20, 또한,이 귀 전체 팁은 하나 개의 포인트가된다

나는 귀 끝 하나 개의 데이터 포인트가 있습니다 그리고 같은 일 우리는 전체 이미지를 반복한다 그래야이 이미지는 상당히 응축됩니다 가 (200)에 의해 400 인 경우, 물론 당신은 생각할 수 있습니다 지금처럼 적합 할 수 있습니다 (20)의 비율로 감소된다 어쩌면 당신이 정말로 걱정하는 모든 일반적인 모양이다

그것은 고양이가 아니면 손잡이인가? 즉 구축 할 수있는 아주 쉽게 분류합니다 정말 걱정해야하는 것은 좋지 원이 아닌 손잡이, 그것을이다 하지만 어쩌면 문 손잡이의 클래스가 다르다 그것은 거기에서 더 복잡 얻을 수 있습니다 그러나이 경우, 당신은 아마 사용할 것 세부에게 아주 작은 풀을 유지한다

우리는 우리의 이미지를 조금 응축 위해 노력하고 있습니다 우리는 보풀의 일부, 소음의 일부를 제거하기 위해 노력하고 있습니다 마찬가지로 여기에 몇 가지 모피가있다 하지만 정말 실제로 무엇을 그 모피를 중요하지 않습니다 당신은 매우 특별한 기계를 찾고하지 않는 한, 않습니다 분류하는 경우에 당신은 아마보고하지 않을 전체 동물의 사진에서 우리가보고있는 경우 그래서, 그것은, 음, 개 대 고양이 모피의 반점이 여기가 있다면 정말 문제가 않습니다 또는 일부 추가 노이즈가 사진을 찍었 카메라에 의해 포착? 정말

그래서 우리는 그냥 가지 위에 그 평균을 무시할 수 있습니다 아니면 이상 최대 풀링을 사용하고 당신, 말 우리는 우리의 모든 세부 사항을 풀거야 알고, 모든 가장 큰 자세한 내용은 함께 즉,이 경우에 해당 될 수 있습니다 동안,이 그림은 무엇 이었습니까 경우 200 만 픽셀 400 만 화소? 이제 풀 크기는 많이 확장 할 수도 있습니다 우리는 여분의 모든 정보가 필요하지 않습니다 특히이 같은 사진의 경우 우리는 당신이, 우리가 그것을 줄이기 위해거야 알고, 말할 수 같은 백만 배

그리고 지금 당신은 너무 작은 수 있습니다 2로 4를 가지고있다 지금 당신은 기본적으로 그냥 네 개의 픽셀 아래로 두 걸쳐있어 희망 그것은 여전히 ​​고양이입니다 하지만 당신은 그와 함께 주위를 재생할 수 있습니다 그리고 그 사건이 될 수있는 당신이하고자에서 당신도 A 최소 또는 최대 또는 일을하는지 여부를 변경해야 당신이 이미지를 분석하고 방법에 대해 설명합니다 그것은 단지 하나의 이미지를 가지고이 작업을 수행하는 것이 적절하다? 또는 데이터에 하나의 이미지 만 추가 설정 (150) 150처럼 나머지 모든 후 크고입니까? 그럼 당신은 그것을 변경할 수 있습니다

스피커 3 : [들리지] 당신이 경우처럼 같은 , 400 만 화소 긴 같은 말을했다 하나 개의 이미지를했다 아마 사전 처리 한 후 더 나을 당신이 가기 전에 데이터, [들리지] 크기 특정 값 [들리지] 좋아한다 SPEAKER 1 : 예 실제로 샘플 코드가 약간있다 그냥 가져 있었는지 약간의가있다, 화상의 전처리는이다 그것은, 사람들이 거기에 던질 것이다 재미 작은 단어의 또 다른 종류의 당신이 그들을 사용하기 전에 바로 오처럼, 그래, 이미지를 사전에 처리합니다

그리고 그들은 돌아 그냥 무시처럼 그들은 단지 당신에 전부 떨어졌다 사전 처리는 정말 기본적으로 무슨 일이 방금 언급 한 것입니다 당신이 당신의 이미지를 가지고 가지 그들에게 조금을 정상화 할 것입니다 당신은 400 만있어 데이터 세트에서이 아웃 라이어를하고 싶지 않아 2 백만으로 할 때 100 같은에서의 나머지 당신이 그들을 확장, 사람들을 어쩌면 그 크기를 조정하려면 아래 적절한 방법을 사용 그리고 그 방법은 데이터에 따라 변경 될 수 있습니다 어떤 당신은보고 또는 당신이 그것을 수행하는 방법에 따라하고 하지만 그들에 걸쳐 정상화 할 수있는 것은 전처리의 일종 될 것이다

당신이 생각하는 경우 처리 부분이기 때문에 그리고 그것은 전처리라고 당신의 기계 학습 알고리즘으로 던지고, 이 beforehand– 전처리을한다 그 용어가 가지 들어오는 곳 그리고 그입니다 그리고 특히 이미지가 많이 온다 이미지는 사람들에 의해 사용되는 카메라로 촬영 할 수 있기 때문에 사람들이 꽤 확률이다 나는 같은 사진 400 시간이 걸릴 수 있습니다 그것은마다 다를 수 있습니다 그리고 그 사람들이 사진을 찍는 방법에 문제의 종류, 특히이다 실제 시나리오에 어디를 적용하고 살아있는 동물의 사진이나 사람의 얼굴의 어떤 종류에 그런거나하는 것들

당신은 아마 그들이있어 수 있도록 사전 처리에 이미지를 방법을 찾아야 할 것 대략 적당한 크기 및 줄거나 걸 대략 옳은 일을 찾고 어쩌면 사람의 얼굴의 사진은 여기에서 밖으로 모든 방법을 확대한다 어쩌면 다른 모든 사람의 사진이 매우 가까이와 같은 확대 된 그래서 당신은 자신의 얼굴을 가지고있다 하버드 IT는 사용자를 식별하는 데 그 사용합니다 그것은 단지 당신의 얼굴입니다 그래서 그들은 당신을 가지고 모든 이미지를 사전 처리 그들은 당신을 식별 할 수 있습니다 그리고 그 기계 학습에 많이 오는 무언가이다

이 프로젝트의 일부입니다 그리고 나는 시간 중 약 괜찮아 생각하지만, 나는거야 질문에 대한 이후 주위를 어슬렁합니다 그러나 지금까지 실시간 스트리밍이가는대로, 시청 해 주셔서 감사합니다 난 내 자신의 일을하고 캠퍼스의 종류에 수 있습니다 하지만 난 정말 당신이 모든 방법에 걸려 감사 맨 마지막에 이상한 고양이 사진을 통해

그래서 대단히 감사합니다 너희들을 보여 주셔서 감사합니다