[무비IS] "기묘한 분위기"..베일벗은 문제의 김기덕 신작 첫스틸 – Show Biz

[무비IS] "기묘한 분위기"베일벗은 문제의 김기덕 신작 첫스틸 [일간스포츠 조연경] 김기덕 감독 신작 스틸이 공개됐다 초호화 캐스팅과 제68회 베를린국제영화제 초청작으로 주목받고 있는 김기덕 감독 23번째 장편 영화 인간, 공간, 시간 그리고 인간(김기덕 감독)의 첫 스틸이 베일을 벗었다 공개된 스틸은 상공에서 찍은 컷으로 사방이 갇힌 원형의 공간 안에 있는 두 캐릭터의 모습을 담고 있다 녹슨 바닥과 흉흉한 분위기와 달리 후지이 미나는 새하얀 드레스형 원피스를 차려입고 있어 눈길을 끈다

김기덕 감독 작품 특유의 기묘한 분위기가 물씬 풍긴다 인간, 공간, 시간 그리고 인간은 다양한 연령과 직업군의 사람들이 퇴역한 군함을 타고 여행을 하던 중 바다를 항해하던 군함이 미지의 공간에 다다르자 탑승객들은 생존을 위해 여러 가지 비극적 사건들을 일으키는 이야기를 그린다 탐욕과 이기심만이 남은 공간에서 각 인물들이 보여주는 삶과 죽음에 대처하는 방식을 통해 먹고 먹히는 인류의 삶 역시 거대한 자연의 역사의 일부라는 메시지를 관통한다 특히 장근석·안성기·후지이 미나·이성재·류승범·성기윤·오다기리 죠 등 한국과 일본을 대표하는 배우들이 총출동해 영화계 안 팎의 관심과 기대를 한 몸에 받고 있다 김기덕 감독은 최근 여배우 폭행 논란에 휩싸이면서 문제적 감독의 이유를 또 하나 추가했다

해외에서는 거장으로 평가 받지만 국내에서는 여전히 호불호가 갈리는 상황 왠만한 상업영화 못지 않은 캐스팅에 김기덕 감독 특유의 색깔을 녹여낸 인간, 공간, 시간 그리고 인간이 김기덕 감독 이미지 쇄신에 도움이 될만한 작품으로 탄생했을지 귀추가 주목된다 조연경 기자 cho yeongyeong@joins com

[MD인터뷰③]'염력' 연상호 "창작의 원동력은 노후에 대한 불안과 공포" – Top Show

[MD인터뷰③]'염력' 연상호 "창작의 원동력은 노후에 대한 불안과 공포" [마이데일리 = 곽명동 기자]연상호 감독은 저돌적으로 일한다 애니메이션 ‘돼지의 왕’ ‘사이비’ ‘서울역’, 영화 ‘부산행’ ‘염력’에 이어 최근엔 그래픽노블 ‘얼굴’을 펴냈다

할리우드의 러브콜도 꾸준히 받고 있다 왕성한 창작력의 비결은 어디서 나올까 “노후에 대한 두려움이죠(웃음) 단편 생활을 오래했어요 투자가 안되면 작업을 못하니까 답답하더라고요

그 시절을 오래 겪었어요 투자 약속 받고 만들려다 엎어진 경우도 많았죠 지금은 ‘부산행’이 잘 된 덕에 관심을 가져주는 시기잖아요 이 시기가 지나면 또 어떻게 될지 모르니까요”

그는 미래에 투자가 안될 수 있다는 가능성을 염두에 두고 자신만의 창작 시스템을 가동하고 있다 영화든, 만화든, 애니메이션이든, 그래픽노블이든 스스로 생산할 수 있는 능력을 갖춰놓자고 다짐했다 “그래픽노블 ‘얼굴’이 대표적이죠 ‘부산행’이 성공했는데도, 아무런 관심을 받지 못했어요 지금도 이런 상황인데, 나중에 나이들면 어떻게 되겠어요

자가 생산을 못하면 빨리 노후가 찾아와서 멍하게 시간을 보낼 수 있겠구나 하는 생각이 절로 들죠 공포스러워요” 연상호 감독만 그럴까 이 시대 직장인, 자영업자들도 불안과 공포에 허덕인다

결국 미래를 대비해 지금부터 씨앗을 뿌리는 사람과 그렇지 않은 사람이 나뉠 뿐이다 그는 오늘도 새로운 창작물을 개발하기 위해 작업실로 향한다 [사진 = 한혁승 기자 hanfoto@mydailycokr]- ⓒ마이데일리(www

mydailycokr) 무단전재&재배포 금지 –

Five Ways Your Safety Depends on Machine Learning – The Dr. Data Show

큰소리로 부르면 좋네 ♪ ♪ Dr Data Show에 오신 것을 환영합니다

저는 Eric Siegel입니다 귀하의 안전은 기계 학습에 달려 있습니다 이 기술은 매일 위험으로부터 당신을 보호합니다 다리의 유지 보수를 안내함으로써, 건물 및 차량, 의료 제공자를 안내함으로써 및 법 집행관 이것은 좋은 손에 당신을 넣습니다

병원, 회사 및 정부 기계 학습을 사용하여 위험에 대처하고, 적극적으로 당신을 보호합니다 온갖 종류의 위험과 위험, 화재, 폭발, 붕괴, 충돌, 직장 사고, 식당 대장균 및 범죄 그리고 사자와 호랑이와 곰이 나빴다고 생각했습니다 이것은 데이터를 사용하여 이러한 위험이 가장 많이 발생하는 곳 검사 배포 그에 따라 예방 조치를 취해야합니다 즉, 위험한 건물에 플래그를 지정하고, 교량, 차량 및 식당에 대한 검진을 제공합니다

이러한 예측 예방은 더 많은 안전 표준이되었습니다 너에게 다섯 가지 방법에 대해서 말해 줄께 이러한 데이터 기반의 안전 조치로보다 안전하게 유지할 수 있습니다 하지만 먼저, 그것이 어떻게 작동하는지에 대해 좀 더 알아보십시오 이 직업의 기술은 기계 학습, 컴퓨터가 데이터로 인코딩 된 경험으로부터 배우면

많은 교량의 역사에 대한 자료가 주어진다 그리고 어떤 것들은 악화되어 위험 해졌고, 컴퓨터는 어떤 교량을 예측하는지 배우고 최대한 빨리 검사해야합니다 안전을 위해 배치 된 경우 기타 사업 및 정부 목적을 위해, 기계 학습은 예측 분석이라고도합니다 치료법이 아닙니다 불행히도, 달성 할 수있는 방법이 없습니다

이 세상에서 100 % 보장 된 보안, 그러나 기계 학습은 단 하나의 개선에 기여합니다 그것은 위험을 낮추는 독창적이고 새로운 접근 방식으로서, 안전성에 찬성하여 승률에 팁을줍니다 예측 예방은 다르기 때문에 다른 리스크 관리 접근법, 항상 잠재적으로 도움이됩니다 다른 접근 방식이 채택되고 있는지 여부와 관계없이 일반적으로 사용되는 기계 학습 모든 종류의 프로세스의 효율성을 향상시킵니다 보호하는 절차에 적용될 때, 위험이 낮아집니다

데이터에 대한 존경과 감사를 드리겠습니다 특히 그 귀중한 예언력, 이것과 다른 엄청난 이점을 제공합니다 위험을 예측하는 데 도움이되는 몇 가지 예시 통찰력이 있습니다 그것은 우리에게 데이터로 말했습니다 카트리나와 같은 여성 이름의 허리케인 마리아는 더 치명적입니다

미국에서 가장 피해가 큰 허리케인에 관한 연구 최근 수십 년 동안 여성 이름이 더 많은 사람들이 많은 사람을 거의 3 배나 죽였다 더 남성적인 이름을 가진 사람들처럼 심리학 연구에 따르면 암묵적 성 차별의 결과 사람들은 여성 허리케인을 덜 위험하다고 생각합니다 위험을 과소 평가하고 예방 조치를 적게합니다

허리케인에 대해 말하면, 월마트의 데이터에 따르면 딸기 팝 – 타트 판매 허리케인 직전에 약 7 배가 날 것입니다 이것은 사람들을 사들 일 것으로 생각된다 부패하지 않는 위안 음식 신용 등급이 낮은 사람들 차를 추락시킬 가능성이 더 높다 보험 회사에 따르면

전문가들은 이것이 당신의 재정적 인 원인이라고 이론화합니다 책임감을 반영 할 수있다 바퀴의 뒤에 당신의 책임, 결정적인 것은 아니지만 어쨌든, 사고를 예측하는 데이터의 또 다른 예입니다 좋아, 이제 약속대로, 여기 기계 학습을위한 5 가지 방법이 있습니다

매일 더 안전하게 지켜줍니다 그건 그렇고, 당신은 실제로 세부 정보를 찾을 수 있습니다 내 책에 대한 메모에서 이러한 사례의 대부분에 대해, 예측 분석 노트는 PredictiveNotescom에서 무료로 제공됩니다

1 위, 다리, 건물, 및 인프라 전반 검사의 우선 순위를 정하여 생명을 구한다 계산 된 위험도에 따라 이러한 종류의 구조 각각에 대해 뉴욕시 소방서는 예측 적 화재 위험이 가장 높은 건물에 플래그를 지정합니다 Con Edison은 5 번 맨홀을 식별합니다 위험한 사건의 평균 위험 폭발이나 화재 같은

그리고 토목 공학 연구원들은 어느 교량이 악화되고 있는가? 기계 학습을 사용하여 부분적으로 콘크리트 균열을 자동 감지 자동으로 스캔 한 브리지 이미지 또한 시카고시는 주택을 확인했습니다 위험이 두 배 이상인 평균보다 중독 사고가 많습니다 이것은 적극적으로 플래그를 지정하는 역할을합니다 보다 일반적인 반응보다는 중독 이후에 취해진 조치가 감지되었습니다

2 번, 교통 사고 방지 및 기타 교통 사고 자동차 회사 및 군용 기계 학습 운전자가 차량 운전자를 감지 할 때 운전을 더 안전하게하는 것 산만, 피로 또는 중독으로 인해 경고하지 않습니다 차량 부품 고장시기 예측 능동적으로 유지 관리 계획을 수립해야합니다 그리고 자발적으로 멈출 수있는 자동차가 없습니다 크게 발전된 개발 향상된 안전 기록의 약속 최근에 비해, 이 기간 동안의 우리는 인간이 그들을 몰 수있게했습니다

자가 운전용 자동차는 기계 학습, 근처의 물체를 식별하는 움직임을 예측하고 탐색 기능을 최적화합니다 열차 회사도 올바른 방향으로 가고 있습니다 그들은 부서진 대위를 예언하고, 심각한 사고의 주요 원인 인 및 개별 바퀴 고장 해양 산업은 예측을 통해 해상에 머문다 대형 선박은 위험한 사고를 경험할 것입니다

각 위험 수준은 선박의 나이, 유형, 운반 능력, 출처, 소유권, 관리 및 기타 요인에 따라 다릅니다 셋째, 직장에서의 부상을 막습니다 그들의 정유소에 근무하는 노동자 팀마다, 세계적으로 셸 (Shell) 발생하는 안전 사고의 어떤 요소가 가장 큰 차이를 만들지 평가하고, 예를 들어, 회사가 생각하기에 큰 영향을 미친다 감소 사고에 또 다른 요인은, 일반적으로 작업 환경에 적용되며, 사고 기금 보험은 특정 의료 비만 및 당뇨병과 같은 상태 어떤 직업 상 부상을 예측하고 있는가? 노동자를 목표로하기 위해서는 비용이 가장 많이 든다

이에 따라 예방 조치를 취하십시오 국립 연구소의 연구원 산업 안전 보건법 결정하기 위해 기계 학습을 적용한다 예방 적 관행, 그들은 인체 공학적이거나 여행과 낙오에 관한 것입니다 각 산업 분야에서 가장 중요합니다 4 번, 건강 관리를 강화하십시오

예측 의학은 흥미 진진합니다 신속한 응용 프로그램 개발 기계 학습을위한 영역, 조건을 진단하는 데 사용됩니다 또한 결과를 예측할 수 있습니다 진단을 위해 기계 학습 모델 입력 모든 종류의 임상 특징, 검사 결과, 심지어는 전체 MRI 또는 ​​기타 의료 이미지 다양한 질병의 확률을 평가하기 위해, 질병 당 하나의 모델, 당뇨 망막 병증, 실명의 가장 빠른 성장 원인 인 다양한 종류의 암이 있습니다 종종 그것은 의사보다 더 좋거나 또는 더 좋습니다

결과 예측에 관해서는, 기계 학습은 외과 적 감염, 패혈증, 에이즈 진행, 조산, 병원 재입학 및 심지어 사망까지 포함됩니다 사실, Dr Data Show의 전체 에피소드가 있습니다 죽음을 예측할 때, TheDoctorDataShowcom에서 찾을 수 있습니다

고위험 사례를 신고함으로써, 이에 따라 추가 예방 조치를 취할 수 있습니다 그리고, 당신이 병원에 전혀 갈 필요가 없기 전에, 보스턴과 시애틀과 같은시 정부 식품 중독으로부터 당신을 선제 적으로 보호한다 어떤 식당을 예측하여 건강법 위반이있을 것입니다 검사의 우선 순위를 결정합니다 어떤 경우에는 개선 할 수 있습니다

이러한 예측은 Yelp 리뷰를 입력하여 이루어지며, 사람들이 식당에 대해 쓰는 것들은 때때로 그것이 부엌에서 스너프까지는 아니란 것을 밝혀줍니다 마지막으로 다섯 번째로, 범죄와의 싸움을 강화하십시오 법의 지배가 사회의 초석이라면, 가능한 한 효과적으로 시행하는 것이 기본입니다 예측 폴리싱으로 기계 학습 전개 법 집행 결정을 안내하는 조사 또는 구금 여부, 얼마나 오래 문장을 집행할지, 가석방할지 여부 그러한 결정을 내릴 때, 판사와 임원은 확률을 고려함 용의자는 예측 모델에 의해 산출된다

또는 피고인은 앞으로 범죄로 유죄 판결을받을 것입니다 이 모델은 요인에 대한 계산을 기반으로합니다 피고의 이전 신념, 소득 수준, 고용 상태, 가족 배경, 이웃, 교육 수준, 그리고 가족 및 친구들의 행동 기계 학습은 또한 재활을 촉진시킵니다 플로리다 주 청소년 법무부 부분적으로 재활 위임을한다

미래의 위험에 대한 예측 위험에 대해 (기발한 전자 음악) 그리고 그것은 또 다른 높은 이해 관계를 감싸고 있습니다 Dr Data Show 에피소드 저는 에릭 시겔입니다 지켜봐 줘서 고마워

이 비디오를 좋아하고 공유하십시오 친구들이 관심을 가질 것이라고 생각한다면 귀하의 안전은 기계 학습에 달려 있습니다 전체 웹 시리즈에 액세스하려면 TheDoctorDataShowcom으로 이동하십시오 ♪ 너의 데이터는 누구야 ♪ ♪ 나에게 향상된 데이터를 제공해라 ♪ ♪ 계산을 적용 할게 ♪ 큰소리로 부르면 좋네 ♪ ♪ ♪ 예측 분석은 의사 결정에 도움이됩니다 ♪ ♪ 전화, 우편, 신용, 또는 정밀하게 고용 할 수 있습니다 ♪ ♪ 법, 사랑, 인생에서 예언 할 수있어 ♪ ♪ 조사하고 감옥에 가둬 ♪ ♪ 날짜를 정하고 약을 먹어 ♪ ♪ 찰리 브라운은 결코 그의 킥을 얻지 못할거야 ♪ ♪ 그래서 개들은 모두 새로운 트릭이 필요해 ♪ ♪ 지팡이를 쑤셔서 아프면 ♪ ♪ 아니면 그냥 빠른 수정으로 클릭하십시오 ♪ ♪ 예측하는 법을 배워야 해 ♪ ♪ 너의 모든 움직임을 예측할 수있어 ♪ ♪ 너의 모든 정보를 내놔 ♪ ♪ 너의 데이터는 누구야 ♪ ♪ 나에게 향상된 데이터를 제공해라 ♪ ♪ 계산을 적용 할게 ♪ 빅 데이터라고 부르면 너무 좋아 ♪ ♪

How is machine learning and deep learning affecting science? — AI Show

AI 쇼에 오신 것을 환영합니다 저는 Deepgram의 공동 설립자 인 Scott Stephenson입니다

제프 워드 (Jeff Ward) 일명 수잔 그는 해군 조종사이고, 환호받는 아버지 농담 작가입니다 아빠 농담 우리는 그렇게해야합니다 유명한 아빠 농담 작가 – 오 그래, 잘 됐네

똑 똑? 거기 누구야? 주문 누구? 누구 오, 좋은거야 그게 진짜 좋은거야 Deepgram의 AI 과학자이기도합니다

인공 지능 우리가 모든 것에 대해 이야기하는 것을 보여줍니다 인공 지능 이게 뭐야? 너는 그걸로 무엇을 할 수 있니? 어떻게 영향을 미칩니 까? 당신? 어디로 가고 있니? 우리는 생방송이며 귀하의 질문에 대한 답변을 준비하고 있습니다 YouTube에 댓글 달기 Twitch 또는 Tweet @DeepgramAI에 가입하십시오 오늘날 우리는 질문, 우리의 큰 질문, 기계 학습 또는 심층 학습이 어떻게되는지, 과학에 영향을 줍니까? 사실, 나는 너에게 묻고있다

좋은 나는 대답 할 준비가되어있다 질문이 뭐야? 모르는 사람들을 위해 Scott은 과학적 배경이 조금 있습니다 조금 그리고 과학 배경에서 배우는 기계도 조금 있습니다

사실입니다 네 그래서 스캇, 적어도 너를 위해 우리에게 10,000 달러를 줄 수 있니? 끝난? 10,000 피트의 개요는 필자가 입자 물리학에서 박사 학위를 받았으며, 의사 네, 스캇 박사님 하지만 저는 정부가 통제하는 지하 깊은 곳에있는 암흑 물질을 찾고있었습니다

중국 지역 기본적으로 제임스 본드는 은신처입니다 나는 그것을 좋아한다 그래, 우리는 실험을 디자인하고 실험을 만들고, 실험을하고, 데이터, 분석 데이터, 종이를 작성합니다 이것은 실험 물리학에서 여러분이하는 것입니다

우리는 암흑 물질을 찾는 일을했습니다 우리는 많은 컴퓨터, 서버, CPU, 그런 것들 많은 구리, 플라스틱, 액체 크세논, 극저온 물질 CPU는 데이터 분석에 사용되었으며, 우리는 증폭 된 [들리지 않는 00:01:49] 나무와 신경 네트워크 및 다른 표준 통계 기반 삭감을 이해하기 위해 그것은 어두운 물질 입자 였는지 아닌지입니다 그래서 신호음 검색의 톤은 기본적으로, 맞습니까? 그래, 그래

이 탐지기는 작은 카메라이지만 렌즈가없는 카메라입니다 그리고 거의, 나는 그들이 실제로 큰 의미 나는 그것을 좋아한다 나는 그것을 좋아한다 아마도 미터 단위 일 겁니다

하지만 픽셀은 아마 몇 인치 정도 될 수 있습니다 큰 픽셀 그러나이 픽셀은 개별 광자를 감지 할 수 있으므로 매우 적은 양의 빛이됩니다 근본적으로 수백 가지가 있습니다 내부에서 일어난 일을 골라 내야합니다

그 픽셀에있는 패턴에 기초한 검출기 렌즈가 없습니다 다시 말하지만 확대하거나 볼 수는 없습니다 입자가 바로 여기 있었고, 나는 볼 수 있습니다 머리카락이야

그러나 한 지역 내에서이 거대한 입자 상호 작용이 일어났다 고 말할 수 있습니다 그리고 그것은 또한이 크기와 그런 것들이었던 플래시를 가지고있었습니다 하지만 기본적으로 기계 학습 기술 – 네 엄청난 양의 데이터를 가져 와서 효율적으로 신호를 잡음으로 전환하려고 시도했습니다 그것으로부터의 길

네 네 따라서 PMT에서 나오는 것은 음, 디지털화 된 신호 일 것입니다 그러나 그것은 파도의 형태를 원할 것입니다 근본적으로 오디오 웨이브 폼처럼 보입니다 이러한 신호는 입자 상호 작용의 모든 유형에 따라 다릅니다 그러나 두 가지 주요 입자 상호 작용의 유형은 원자가 무엇입니까? 그것은 핵과 꽤 많은 전자들

우리가 말하는 에너지에서, 그들은 일반적으로 타파하지 않습니다 핵이 타격을 받거나 전자가 타격을받습니다 핵이 맞으면, 전체 원자는 찢어지기 시작하여 광자, 전자 및 열을 생성합니다 전자라면 적중하면 전자가 리핑됩니다 그렇게되면 신호가 달라집니다

그들은 빛의 다른 양을 내고, 그들이 내뿜는 맥박의 크기는 다른 것도 왜 이런 암흑 물질이나 심지어 중성미자 검출기에 관심이있는 사람이라면 너무 큽니다 그러나 항상 어떤 액체로 가득차 있습니다 왜냐하면 여러분은 빛을보아야 만합니다 그 상호 작용에서 일어난다

그것이 빛에 대한 어떤 종류의 투명한 액체가 아니라면 떨어져 나간다, 또는 빛이 떨어지면 맑은 매체, 당신은 그것을 볼 수 없을 것입니다 예, 많은 것들이 반짝 반짝 빛나지만, 많은 것들이 자신의 섬광에 투명하지 않습니다 빛 네 그래서 이봐 요, 만약 당신이 입자를 물건에 충분히 빨리 던지면, 빛이 만들어 질 것입니다

많은 빛 그러나 당신은 그것을 읽을 수 없을 것이고, 그것은 크세논에 관한 한 특별한 점입니다 매우 깨끗합니다 방사성이 아니거나 적어도 방사능이 적습니다 투명합니다

그것은 반짝 반짝 빛나고 자체의 섬광에 투명합니다 그래서 우리 질문으로 돌아갑니다 문제는 기계 학습입니다 과학? 네 그리고 당신의 경험은 바로 최근 세계가 어떻게 영향을 받고 있는지를 보여줍니다

분명히 암흑 물질, 그게 빠져있는 것의 수색 그것은 무엇입니까? 97? 비율은 무엇입니까? 그래, 80 % 우주의 어떤 큰 부분은 우리가 실제로 무슨 일이 일어나는지 알 수 없습니다

그것은 어두운 에너지와 같습니다 그리고 문제는 25 %, 20 % 정도입니다 그런 다음 우리가 실제로 알고있는 4 % 또는 5 % 의사에 대해 뭘 알아? 그래, 그래 그러나 아니오, 이것은 훌륭한 예입니다

네 우리가 기계 학습에서 큰 영향을받는 곳 우리가 본 거대한 일은 작은 팀과 함께 할 수 있다는 것이 었습니다 네 수십억 데이터 포인트를 취할 수 있고, 데이터를 수집 할 수 있으며, 5 개 또는 10 명의 사람들이 실제로 데이터를 분석 할 수 있습니다

LHC 팀이나 Cerne 팀을 보면 00:05:36], 정말 큰 입자 충돌기입니다 그래서 우리는 입자 검출기를 가지고 있습니다 그러나 그것은 천체 물리학적인 입자를 찾고있었습니다 너는 충돌자를 가질 필요가 없었다 너는하지 않았다

그것으로 무엇이든 쏴라 우주는 이미 그것을 본질적으로 쏘고 있습니다 그러나 충돌자를 가지고 있다면, 실제로 입자들을 만들어서 검출기를 읽은 다음 읽습니다 이것은 LHC, Cerne, Atlas와 같은 것들입니다 그것은 유럽에서 일어나고 있으며, 다른 몇 가지 것들이 전 세계에 있습니다

그럼에도 불구하고, 60 년대, 70 년대와 같은 종류의 충돌기에서 시작되었습니다 그들은 근본적으로 2000 년대에서 10 대까지 같은 기술 그들은 기계 학습을 시도했습니다 실제로 여기에 이야기가 있습니다 그들은 기계를하려고 노력했다

본질적으로 80 년대 인 두 번째 인공 지능 붐에서 다시 배울 수 있습니다 그들은 마치 "오 신경 네트워크 신경 네트워크 "등등, 우리는이 문제가 있습니다 배경? 기계 학습 모델을 훈련시켜 봅시다

음, 좋은 점이있었습니다 그것에서 나온 것이지만, 대부분 모든 사람들이 입자 물리학 자에게 화상을 입혔습니다 커뮤니티와 같은 사람들이었습니다 "신경망은 빨려 있습니다 그들은 우리가 필요로하는 것을하지 않습니다

그들을 할 " 실제로 그게 뭔지, 우리 컴퓨터가 빨고 우리는 충분한 데이터가 없어, 우리는 정말로 그들 모두를 잘 훈련시키는 법을 알아라 그러나 앞으로 20 년이나 빨리 컴퓨터를 사용할 수 있습니다 더 이상 빨지 마 우리는 데이터를 가지고 있으며, 지금 우리는 그들을 훈련시키는 방법을 알고 있습니다

본질적으로 2010 년대 이후, 주변에 물리학 자들이있었습니다 "기다려라

분, 기계 학습, 아마 우리를 많이 도울 수 있습니다 " 그리고 나는이 모든 반복적 인 일들을 보았습니다 이 과학자의 수천 실험을 통해 우리가해야 할 부분을 고르거나 그와 비슷한 것을 선택하려고합니다 이유와 같습니다 컴퓨터로 해달라고하지 마세요? 그게 상호 엇갈리는, 그래

네, 그래서 우리가했던 일이 커졌습니다 우리는 톤과 톤의 데이터를 가질 수 있습니다 우리는 몇 가지 복잡한 분석을 할 수 있지만 기계 학습에서해야합니다 그렇지 않으면 너무 많은 사람들이 필요합니다 네

놀랍다 나는 같은 노트의 다른 통기구가 효율성이라고 생각한다 처리 단백질 접힘으로 계속 진행되는 것을 보았습니까? 음 – 흠 (긍정) 깊은 학습 모델을 사용하고 있기 때문에 진행되는 엄청난 프로세싱 발전을 의미합니다

또는 그들은 기계 학습 모델을 사용하여 그 단백질이 무엇인지 추측을 가속화합니다 안으로 접을 것이다 몰라요, 그 도전은 당신이 한꺼번에 가지고있는 것입니다 이 복잡한 분자에서 함께 묶인 원자의 그들은 모든 종류의 절벽으로 가서이 이상한 모양으로 울부 짖는다 네

그리고 이상한 모양이 바로 그 포인트 야 네 그 모양이 아니라면 그것은 일을하지 않습니다 예, 당신의 세포가 모양을 통과하는 것을 알고 있습니다 만약 당신이 뭔가가있는 모양을 알아낼 수 있다면 에 스냅에, 당신은 어쩌면 다른 사람이하지 않을 세포에 들어갈 약물을 디자인 할 수 있습니다

또는 그 선을 따라 무엇인가 또는 단백질을 만드는 것이 실제로 더 오래 걸리거나 그 모양을 유지하는 것과 같습니다 정확하게 단백질이 어떻게 폴딩 될지 예측할 수 있다면, 그 모든 것을 할 수 있습니다 물건, 당신은 정말 좋은 물건을 할 수 있습니다

그러나, 그것은 정말로 어렵습니다 네 그것은 많은 계산 능력을 필요로합니다 네 기계 학습이 진행되고 있으며 효율성이 향상됩니다

예, 그냥 그리드 검색이었고, 그냥 플롭을 사용했습니다 많은 컴퓨팅 파워 – 나는 슬리퍼를 좋아한다 네 그러나, 당신은 알고 있습니다 그것은 배포되었습니다

나는 이것을 실제로하는 것을 기억합니다 네 나는 내 거실과 주방에 2 ~ 4 개의 PlayStation 4, 4 ~ 5 개의 게임을 가지고있다

무료로 단백질 폴딩을 할 수있는 숫자를 계산합니다 내가 대학원에 출전하기 전에, 방금 너무 근사하다고 생각 했거든요 정확하게 이 문제를 해결하려면 계산 능력이 필요합니다 내가 도와 줄게 그것으로

집에서 [들리지 않는 00:09:16]의 분파, 맞죠? 맞아, 맞아 네 있잖아? 네 그래서 BitCoin 마이닝 전에 자신의 컴퓨터를 처음으로 잘 알려진 crowdsourcing처럼 비트 코인 (BitCoin) 광산이 말하기 전에, "돈을 버는 것은 자유로운 이타적인 모든 사람들을 잊을 수있다

목적 우리는 외계인을 찾고 싶거나 암 치료제를 찾는 데 관심이 없습니다 너 돈있어 " "돈을 벌 수 있으니 그렇게 해보자" 네

아니, 끝내 주네 향상된 계산 효율의 다른 좋은 예가 있습니까? 또는 [crosstalk 00:09:51] 세계에서 나오는 멋진 새로운 디자인? 네, 토카막 재 설계에 대한 좋은 이야기가 있습니다 오 예 그래서 퓨전은 지난 60 년 동안의 일이었습니다 퓨전

퓨전 퓨전 알다시피, 그것은 진짜 새로운 힘입니다 융합에 대한 농담이 아니니, 50 년이나 지났습니까? 계속되는 농담은 점점 길어지고 있습니다 그것은 항상 20 년 동안 떨어져 있지만, 나는 그것을 좋아합니다

오, 20 년이나 떨어져서 그러나 나는 그것을 좋아한다 20 년 전에는 20 년이나 떨어져있었습니다 네, 이제 50 년이나 지났습니다 네,하지만 50 년 밖에 안 남았어요

네 하지만 아마도 훨씬 더 가깝습니다 이것은 나에게도 정말 흥미로운 것입니다 당신은 세상에 정말 값싼 힘을줍니다 그러면 당신은 세상을 훨씬 더 생산적으로 만들 수 있습니다

당신은 환경을 파괴하지 않습니다 잘하면, 그래 있잖아? 그래서 음, 네 내 말은, 우리는 항상 환경을 파괴 할 수있는 방법을 찾아 낼 것이며, 그러나 당신은 빨리 파괴하지 않습니다 나에게 도전 스캇을 줘 나는 그 도전을 할거야 그래, 그래

그래,이 탐지기 중 일부를 만드는 것은 정말 힘들고 복잡한 일이다 그들은 "우리는 지난 50 년, 60 년 동안 많은 것을 시도해 왔으며 수십억을 보냈다 우리는이 원자로를 건설하려고 노력하고있다 "우리는 꽤 좋아졌지만 여전히 연구 – y를 그들은 여전히 ​​실제로 힘을 생산하는 실제적인 것으로 바뀔 수는 없습니다

인류와 그 모든 것들을 위해 대규모로 문제에 기계 학습을 던지고 어떤 일이 일어나는지 보도록하겠습니다 이제는 이 디자인은 실제로 건축 될 수 있고, 아마 목적을 달성 할 것이다 마지막은 뭐야? 그게 100 초나 뭔가 같은 이정표에 도달했습니다 그런 식으로 그러한 많은 에너지를 감추고있는 많은 도전들이 있습니다 작은 공간 예, 융합을 통한 트릭은 모든 것이 거의 가스이기 때문에 매우 쉽습니다

그것을 식히기 위해서 저기에 많은 덩어리가 없지만 많이있을 필요는 없습니다 왜냐하면 많은 에너지가 필요하기 때문입니다 소량의 변환도 가능하다면 질량- 에너지와 같은 것이 질량과 같습니다 E = MC2 또는 그와 비슷한 것

그래, 뭔가 네 네,하지만 가스 중 하나가 원자로의 벽에 닿으면 곧바로 본질적으로 냉각되어야한다 그래서 그것은 감동을주지 않고 그것을 어떻게 담을 수 있습니까? 그래서 그들은 자기장을 사용하려고 시도합니다 그러나 기본적으로 자기장은 아닙니다

너무 잘 지내 그래서 오래 걸렸습니다 그것은 아마 그것을하는 유일한 방법이고, 당신은 아마 일할 수있는 종류의 일을 할 수는 있지만 실제로 문제가되고 있습니다 그래서 기계 학습이 시작되고 "이봐, 실제로 우리는 당신이 필요로하는 목적을 세우고 봉사 할 수 있어야합니다 " 그리고 그것은 하이퍼 매개 변수와 그와 유사한 것입니다

그래서 당신이 생각할 때 토카막, 이걸로 플라즈마를 만들고 정말 꽉 짜는거야 당신이 만들어야하는 분야는 정말로 균일합니다 그러나 동시에 실제적인 제약이 있습니다 이에 마찬가지로,이 파이프를 어디에두면 좋을까요? 그래, 모든게 녹지 않을 정도로 식혀 야 해

어떻게 디자인합니까? 모든? 그래서이 모든 것들이 있습니다 [누화 00:12:52] – 그것이 뜨거워 질 때 균열이나 무언가가 일어날 것입니다 정확하게 이 모든 것들이 디자인에 반영됩니다 네가하는 모든 일과 마찬가지로 그 자기장이 얼마나 순수한 지에 영향을 미치지 만 동시에이 파이프를 보낼 수 있다면 조금 더 잘하면 강한 분야가 될 수 있으므로 완벽 할 필요는 없습니다 이, 저 또는 다른

따라서 기계 학습과 같은 것들이 검색에 도움이 될 수 있습니다 큰 거대한 하이퍼 매개 변수 공간 – 네 그것은 다른 방법으로는 정말로 불가능합니다 인간은 대개 이것을 안내하기 위해 대칭에 의존합니다 예

그것은 원형이되어야하는 것과 같습니다 좋아 보이네 그것은 무엇이든간에있어 많이 그것의,에서 당신은 꽤 쉽게 수학을 계산할 수 있는지 여부에서 온다 일을하거나, 생산하기가 더 쉽다는 것, 또는 단지

나는 많은 것들을 생각할 수 있습니다 15 가지 디자인을 모두 생각하면서 대칭이 될 것입니다 본질적으로 모든 다른 방식으로 대칭이 될 수 있습니다

그러나 기계 학습 모델은 그다지 신경 쓰지 않습니다 그것은 더 많은 것을 염려합니다 그 일은 마치 내가 할 수있는 방법을 만들 수 있다면 여기 파이프로 연결해도 상관 없어요 상황에 영향을 미치지 않고 주위를 둘러 볼 수 있습니다 그 복잡성은 복잡성을 훨씬 능가 할 수 있습니다

인간 수 있습니다 꼭 그래야 할 필요는 없지만 떨어지지 않아도됩니다 그것을 간단하게하기 위해 대칭에 등을 맞 춥니 다 우리는 팟 캐스트에서 이것에 관해 이야기했지만, 좋은 문제의 핵심은 문제 솔직히 사람들이 대칭에 대해 신경을 쓰면 영향을 미칩니다

그 결과는 끝나지 만 기계 학습 만이 문제에 관심을 갖습니다 그건 정말 큰 핵심이야 기계 학습이 과학에 가져올 수 있다고 생각하는 것은 실제로 사람들은 당신의 문제를 정의하는 엄청나게 하드 코어에 초점을 맞 춥니 다 솔루션을 고치는 방법으로 점프하는 것과 반대되는 솔루션 이죠 맞습니까? 그래, 문제 해결을 위해 약간의 고민이있다

네 당신이 다른 길에서 왔을 때, 나는 정의하는 것입니다 내 손실 기능과 나는 내가 할 수있는 이러한 것들을 가지고있다 여기에 플라스틱을 넣을 수 있어요 여기, 그리고 여기에

마치 철저히 조사하고 시도해 보는 것 같습니다 그것 예, 기계 학습 모델은 결코 피곤하지 않습니다 그것은 결코 시험에 지루해하지 않습니다 결코 지루해하지 않습니다

다음 단계는 마지막 단계와 다른 0001입니다 그래, 근데 흥분 돼 예, 좋아합니다 아, 이건

001이 더 좋을지도 몰라 인간은 그것에 흥분하지 않습니다 전혀 그리고 나는 당신에게 결과를 걸 었어 녹음은 그 후에 조금 흐트러진 다 일단 당신이 80 %를 보게되면, 90 %에 도달하는 것은 정말 어렵습니다 그리고 나서 모두가 체크 아웃됩니다 그들은 그들의 의무를 다했다

네, 그리드 검색을 손으로하는 거 알지? 얼마나 많은 기계가 우리를 도울 수 있습니다 사람들은 연필과 종이처럼 하루에도이 작업을했습니다 그들이 말할 때 대략, "계산 해보자"이것은 우리가이 계산에 몇 주를 소비 한 것과 같습니다 그것은 물건 그런 식으로

그래, 힘든 일은 사실 힘든 일이야 네 그것은해야 할 일입니다 예, 당신은 항상 가능한 일의 경계를 찾고 나서 주를 보내고 있습니다 기본적으로 문제

계산기가 없으면 글쓰기를 의미합니다 아래로 물건과 대답을 알아 내려고 마침내 계산기가 생겼을 때, 알았어 지금 당신은 노력하고 있습니다 계산 부분이 빠르지 만, 계산의 복잡성 이제 문제가 생겨서 프로그램하고 싶은 일을하기 시작합니다 컴퓨터는 할 수 있지만 아직 알지 못합니다 그러면 컴퓨터가 따라오고 당신은 마치 "오, 하느님 감사합니다 "그러나 몇 주가 지나면 새로운 문제를 발견하게됩니다

연구가 어떻게 작동하는지 그것은 우리는 정말로보고있는 중입니다 우리는 정말로 중요한 몇 가지 이야기를했습니다 여기에있는 것들 컴퓨터는 거대한 데 걸리는 방식으로 데이터를 탐색하는 데 도움을주고 있습니다 팀 그들은 또한 단백질 같은 것들과 관련된 계산 비용을 줄이고 있습니다

우리가 말하고 있었던 접기 우리는 거기에 효율성을 정말로 얻고 있습니다 밖에 뭐가 또 있니? 큰 새로운 브랜드가 있습니까 새로운 것을 가능하게하거나 자유롭게 할 수 있습니까? 연구원들은 이전에 결코 할 수 없었던 일들을 할 수 있을까? 네, 그건 새로운 것 같아요 불행히도, 안녕하세요 연구원 님, 당신은 새로운 기술을 배우기 미적분과 컴퓨팅을 배우는 것과 같습니다 모든 것이 충분하지 않았습니다

또 하나 있습니다 그러나 그것은 매우 강력한 것이고 그것은 하나입니다 정확한 세부 정보가 무엇인지에 대해 똑똑한 사람 일 필요는 없습니다 이 작업을 수행하기 위해해야합니다 당신이 똑똑해야만하는 것은 제약 조건을 넣는 것입니다

이 경계 다음은 일부 교육 데이터입니다 "그런 다음 해당 작업을 시도하십시오 그런 식으로 할 수있을 것입니다 그러나 많은 것들이있을 것입니다

그런 식으로 할 수있게 될 것입니다 공구 벨트의 새로운 도구이며, 세상과 그 문제에 대해 생각하기 시작할 것입니다 프로그래밍 및 수학, 통계 어떻게하면 새로운 것을 발견 할 수 있으며 모든 것이 기계 학습이 될 수는 없습니다 모든 것이 아닌 깊은 학습이 될 것입니다

모든 것이 통계가되는 것은 아닙니다 새로운 것을 배울 수 있습니다 사물을 쓰는 것만으로도 통계에 대해 생각할 필요가 없습니다 하지만 그래 정말로 그것이 될 것 인 것은 새로운 갈고 닦은 도구는 기계 학습입니다

몹시 떠들어 대다 데이터 세트 모델을 사용하십시오 크랭크를 돌려라 결과를 얻으십시오 그런 식으로 문제를 해결하십시오

아니, 전적으로 동의합니다 나는 얼마 전에 친구들과 논쟁을했다 논증이 아니라, 친구와의 토론 – 토론 토론 친절한 토론

담론 모든 분야의 모든 과학을 말하는 곳, 우리가 기계를 가지고 있다는 생각 어쩌면 우리는 그것을 조각 내고 당신이 고생물학에 있다는 것을 말할 필요가 있습니다 고생물학에서 기계 학습을해야합니다 고고학에서는 기계 학습이 있어야합니다 모든 종류의 분야에서 기계 학습을해야합니다

수학 관점에서 통계, 당신은 저쪽에 나가고 당신은 정말 좋은 수학을합니다 필드 행위 이제 기계 학습은 관련이 있지만 새로운 기술입니다 당신이 말했듯이, 그 데이터 세트와 좋은 모델과 모든 것들을 통해 그들을 어떻게 휘젓다 이해 불행히도 이것은 고등 교육, 고등 교육의 단점 중 하나입니다

대학원 플러스 등 그런 유형의 연구 기관 그들은 반드시 현장 밖에서 물건을 가져 와서 실제로 활용 한 좋은 실적이 있습니다 잘 자신의 분야에서 어떤 사람들은 그들의 속도가 빙하라고 표현할 수도 있습니다

한 번에 하나씩 죽음이 진행됩니다 정확하게 정확하게 한 번에 하나의 장례식이 진행됩니다 당신은 한 번에 하나의 장례식이됩니다

네가 옳아 당신은 한 번에 하나의 장례식이됩니다 죄송합니다 그래, 맞아 그것은 오랜 시간 규모입니다

50 년 정도 기다려야 만합니다 당신을 위해- 매년 성장하고 있습니다 죽을 교수 예를 들어, 컴퓨터 프로그래밍은 이제 잠시 동안있었습니다 내기 해

어떤 사람들은 적어도 실용 주의적 관점에서 50 년 이상을 말할지도 모릅니다 원근법 최소한 30 세 당신이 가면 입자 물리학이있는 곳은 많습니다 당신이해야 할 프로그래밍의 물리학 과정에 대한 프로그래밍이 없습니다 있다 뭐든간에

방금 불의 재판을 통해 배울 내용을 배우게됩니다 그리고 계속 전진해라 기계 학습과 같은 것 엔지니어링 또는 CAD 도면과 동일한 기능, 또는 당신이해야 할 일들이 있습니다 그것은 약간의 돈을 살 정도로 친절합니다

너를 충분히 데려다 줘 비슷한 금액의 돈을 벌고있는 사람들과 함께 모여서 "물건 만들기" 그 다른 사람들은 대학원생들입니다 그럼 너는 약간의 수색을한다 졸업생 강하, 그라데이션 하강 – 나는 그것을 좋아한다

찾다- 신분 하강 네, 졸업생입니다 정확하게 문제에 대한 해결책을 찾으려면 나는 그것이 얻을 것 같아요

정밀 검사 나는 그것이 Mooc의 온라인 과정, 학습, 사람들은 실제로 이러한 정식 코스에 끌리기 시작할 것입니다 정말 좋다 아마도 물리학 또는 기계에 대한 기계 학습 인 온라인 과정이있을 것입니다 입자 물리학 학습, 생물 물리학 또는 기계 학습을위한 기계 학습 뭐든간에

앞으로 20 년 안에 그것들이 자랄 것이며 전체 모델이 바뀔 것입니다 사람들은 실제로 그런 것들을 잘할 것이며, 그들은 진짜 날카로운 툴 벨트를 가질 것입니다 지금은 그런 종류의 무딘 것과는 달리 정말 끝내주는 군 내 생각에 우리는 기계가 다른 분야의 필터를 배우는 것으로보고 있다고 생각합니다

당신은 의학이 또한 이것의 놀라운 예임을 압니다 우리는 그것이 때리는 것을보고 있습니다 사람들이 새로운 방식으로 사고하고 오래된 것을 공격 할 수있게 해주는 아주 새로운 도구 모음입니다 문제 및 새로운 방법을 파악하고 새로운 통찰력을 얻으십시오 네

그러나 그들은 그들이 새로운 세계로 들어서고 통합하는 것을 인식해야합니다 그 도구들 그래, 시간이 걸릴거야 너무 시간이 걸릴거야 네가 말했더라도, "너 알지? 모든 것을 버리고 내 분야에서 기계 학습을 시작하겠습니다

" 당신이 만들 수있는 1 년 나는 당신이 기여 네

넌 아마 심지어 파산 한 것 같아, 알지? 인정 된 기부금 네 당신은 기부금을 내고 있지만 기부금은 인정됩니까? 정확하게 그래, 그래 아니, 진짜 기부금은 3 학년, 4 학년과 같이 올 것입니다

네가 좋아할 때 5 번이나, "우와,이 도구를 사용하면 효과가있어" 네 그것은 사람들에게 힘든 시간 척도입니다 1 주일이나 1 일 또는 1 시간 내에 배울 수없는 경우, 그때 너는 큰 물러 난다 계속하려면 큰 자극을 받아야합니다

주변의 사람들 그래도 볼 수 있습니다 그들은 다른 연구자, 논문 등의 성공을 거둘 것입니다 그들을 사용하고 있습니다 그들은 그 (것)들을 인용하고있을 것이다 그들은 "이봐, 이거 진짜해야 해

시각" 네, 네 이번에는 마침내 무너질 것입니다 내 분야가 이전에 깨질 수 없었던 그 문제들에서 위로, 그러나 지금 우리는 잘 해냈다 결과

적어도 내가 본 것에서 사람들은 많은 다른 것들을 배우는 것에 조금 지쳐 간다 이것은 문제가되는 종류이지만 기계 학습에서도 좋은 점입니다 너는 할 수있어 많은 것을 잊어 버리고 길을 따라 가면서 길을 따라 배웁니다 그런 다음 다시 방문하십시오

"모델에서 숨겨진 마크가 정확히 무엇일까? 정확히 무엇입니까?" 사람들이 과거에 사용했던 모든 것들 대신 CNN을 사용하여 물건을 찾거나 다른 것을 찾지 만 다음에서 참조를 볼 수 있습니다 그것에 관한 문학과 그것이 어떻게 작동 하는지를 이해합니다 하지만 너는 배우고있어 그것은 다른 맥락에서

당신은 세계의 다른 시각에서 그것을 배우고 있습니다 그거야 장단점이 있지만 지금은 분명히 일어나고 있습니다 좋아, 오래 있었어 그런 일이 일어나기에 충분합니다

사람들은 더 이상 낡은 기술을 반드시 알 필요가 없습니다 그래,하지만 솔직히 말해서 그것은 전문화되지 않은 사람과 그렇지 않은 사람의 차이다 과학자를 배우는 기계이고 그 기본적인 기술과 그것들을 개발하려고합니다 기본 컨셉 그 중 일부는 물리 및 기계 학습과 같은 분야와 결합됩니다

함께 네, 적용 AI 물리학 분야에 적용되었는데, 아마 그 분야가 받아 들여야하는 이유 일 수도 있습니다 그것을 시작하고 커리큘럼을 전문화하고 그것의 일부로 만들기 시작하십시오 권리

여기 수학과 물리학과 비슷하게 작은 연애 사건이 있다고 생각합니다 화학 및 물리학, 수학 및 화학, 천체 물리학 및 천문학 및 그 일종의, 그들이 서로로부터 멀어지는 곳 특정 지역에서 많은 것을 배웁니다 왜냐하면 워, 도구를 사용할 수있게되었습니다 자원을 사용할 수있게되었습니다

사람들은 그것에 관심이 있습니다 하자 이걸 손톱으로 가져 가라 그럼 너는 그 일에 정말 좋은 일을하러 간다 하지만 다른 하나는 남았습니다 잠시 녹슬었지만 그 다음에 다시 돌아온다

이것은 천문학의 확실한 사실입니다 그리고 본질적으로 물리학 천문학이 일어 났지, 그렇지? 그것은 큰 문제였습니다 목성, 달, 목성의 달, 사물들이 서로 궤도에 진입했다 1500 년대에는 여전히 커팅이었다

가장자리 물건 여전히 큰 일처럼 1800 년대로 나아가십시오 1900-ish, Albert Einstein 물리학이 진짜로 점령 한 것처럼 시간 열역학은 순항 중이고, 양자 물리학, 모든 핵 MRI는 그걸 좋아해 그러나 세기 중반 경에, 천천히 똥을 내뿜는 천문학 자들은 우주에서 일어나는 이상한 일들, 그리고 암흑 물질을 발견하고, 어둠을 발견했다

에너지 갑자기 물리학 자들은 모두 "우리는 어떻게 기술해야합니까? 이 물건? "알지? 우리가 너무 바빠 여기를 내려다 보았 기 때문에 우리는 그것에 대해 몰랐다 정말 작은 물건들 그리고 당신은 우주에서 가장 큰 물리학 실험을했습니다 네

우주 너 주위에 우주의 배경 복사가 어디에서와 같이 모든 것이 줄 지어 있니? 그렇다 양자 역학에 관해 우리에게 말해 줄 수 있나요? 네, 그리고 물리학과 수학의 양자 장 이론과 비슷한 이론 매듭과 끈, 그리고 수학과 물리학 그리고 그런 종류의 것들 이 모든 것들 사물들은 서로 묶여 있고 서로 먹어 치운다 그래서 나는 기부금이있을 것이라고 생각한다

실제로 기계 학습에서 근본적인 기여 인 적용된 AI 측면에서 게다가 그리고 이미 있습니다 나는 또한 그렇게 생각합니다 특히 우리가 의학에서 이미 분명히 보았던 것 분야에서 두뇌를 연구하면 공헌을했고 기계는 거대한 공헌을 배우고있다 기계 학습에서

그 반대 잠재력에 대해 이야기하는 강화 학습 두뇌의 작동 및 앞뒤로 네가 말했듯이, 우리가 갈 다른 분야 그 같은 것들이 그것에서 나오는 것을보십시오 그것은 이것에 대해 매우 흥분되는 것입니다 과학으로 밀어 넣기 시작할 때, 당신은 엄청나게 똑똑한 사람을 얻습니다

주위의 여러분 그들은 문제를 다른 방식으로 분해합니다 네 그렇다면 당신은 그것으로부터 혜택을 얻습니다 우와, 만약 네가 그렇게 생각하면 세상이된다

정말 간단합니다 그러나 문제를 해결하기 위해 여러 사고 방식으로 이동할 수 있습니다 너 필요해 또한 기계 학습 관점에서 우리는 "나는 그 사람들을 때려야 만합니다"라고 말합니다

네 나는 공룡 뼈를 다루는 누군가 새로운 것을 내놓을 수는 없다 예 바로 그 거예요 나는 그것을 먼저 만들어야하기 때문에 경쟁이 진행됩니다 그래, 좋아

경쟁은 훌륭합니다 피가 흘러 나오게하십시오 네 피를 흘리는 것에 대해 말하면서, 당신은 이번 주에 맛있는 빵을 만들었습니다 나는 그랬다

오 예 네 빵 is- 진화와 기계 학습에 대해 말하면, 진화 기계 예 훌륭한 최근 기사, 내가 기계에 관해 읽은 블로그 게시물이 있습니다 빵 시동기 진화와 그 모든 것에 적용되는 학습 이 녀석은 정말 대단 했어 설정의 일, 나는 그것이 [들리지 않는 00:28:21] 같았다고 생각한다

나는 그가 사용했던 도구를 정확히 잊어 버렸다 효모가 일어나고 떨어지는 것을 지켜 보아라 그래서 그것은 카메라와 같았습니까? 그는 카메라를 초보 튜브에 올려 놓고 먹이를주었습니다 정확한 시간을 알아 내라 그래서 그는 정말로 좋은 누룩을 찾고 싶습니다

그는 정말로 좋은 효모 균주를 번식시키고 싶어합니다 네, 빵 만드는 일이 없다면 너 만큼은 아니다 사람들은 선발 투수입니다 나는 약 2 년 동안 시동기를 가지고 있었고 그것을 포기해야만했다 내가 이사 왔을 때

왜 국제선에서 설명하기가 어려웠 을까요? 나는 분명히 생물학적 인 물질로 된 항아리를 비행기에 올렸습니다 당신이 따뜻하고 살아 있도록 노력하고 있습니다 액체입니까? 그것은 나도 몰라 초보자 야 어쨌든 그것은 음식입니다 네, 그걸 포기해야만 했어요

그래서 사람들은 선발 투수들과 이야기를 나눴습니다 이 블로그 게시물은 훌륭했습니다 그것은 야생 효모를 재배하고 성장을 시도하는 것에 대해 이야기하고있었습니다 최적의 먹이 일정과 최적의 먹이 일정은 무엇인가? 다른 당신이 잠시 동안 굶어 죽여야하는 것처럼, 아니면 그들이 먹고 싶어하는만큼 줄 것인가? 정확하게

[crosstalk 00:29:25] 그들을 식히고 열로 충격을 주시겠습니까? 하지만 실제로는 좋은 과학적 방법 중 첫 번째를 보여주었습니다 [들리지 않는 00:29:34] 실험을 돕는 기계 학습 도구 주로 측정 측에 있었지만 당신은 이것에 갈 수있는 많은 것을 볼 수 있습니다 하지만 실제로 어떤 기계인지 보여줍니다 학습은 할 수 있습니다

이것이 얼마나 빠르게 성장하고 있는지에 대한 기본 사항을 인식하고 있습니다 데이터 포인트이며 향후 분석에서 이러한 데이터 포인트를 수집합니다 멋진 물건들 그곳에 알다시피, 기계 학습에 의해 가능 해지고있는 시민 과학자 세계, 당신이 수작업으로 해내 야했던 복잡성을 네, 10 년 전에는 이런 일들이 불가능했습니다 약 20 년 전

시동기 성장에 대한 내 관망을 보지 않을 것이고, 매 5 초마다 측정을 할 것입니다 3 일 연속으로 몇 분 내가 아 – 기계가 그것을 할 수 있습니다 기계가 나를 위해 그것을 할 수 있습니다 좋은 이미지 인식과 함께 제공된 모든 것, 그걸 할거야? 그래서 멋진 것들이 있습니다

사용할 수있는 다른 멋진 과학 주위에 오는 모든 이미지 그물 모델로 완성 된 모든 것들을 가지고 있습니다 너는 할 수있다 카메라를 들고 창문으로 물건을 분류하고 많은 일을 시작하십시오 모든 것을 가진 시민 과학 다시 한번 말하지만, 이전에는 불가능했을 것입니다

일주일을 설계하고 건축 할 때, 선반 물건을 벗고, 찾아 오는 모든 비행 물체를 분류하고 기본 과학을 수행합니다 당신의 창문을 통해 날아가십시오 그래, 많은 것들이 모두 한꺼번에 모이고 있으며, 또한 확실히 사실이다 이러한 분야의 많은 종류의 데이터에 의해 제한됩니다 그러나 데이터를 수집 할 수 있습니다

너 자신 맞지? 네 그리고 이것은 실험 주의자가해야 할 일입니다 그들은하지 않을거야 그것은 당신이 할 수있는 것보다 훨씬 더 큰 규모입니다 더 큰 일을 할 수도 있습니다

그래서 실제로 당신은 최첨단에 있습니다 그렇습니다이 기술이 모든 단일 레벨에서 가능하게하는 것이 놀라운 것입니다 우리는 큰 에너지 레벨에서의 융합에 대해 이야기하고, 우주에서 암흑 물질을 찾고, 당신의 사워 도우 라운드를 향상시켜 줄 때까지 조금만 빵을 만들 수 있습니다 더 나은 눈과 큰 구멍이 있습니다

당신이 이것으로 할 수있는 모든 종류의 놀라운 것들 나는 기계 학습에 흥분한다 및 과학 자네가 이걸 방문한 후에 내가 생각하는 많은 주제가있어 오 예

네 우리는 많은 시간 동안 내려갈 수 있습니다 네 좋아, 오늘은 그게 다야 The AI ​​Show에 참여해 주셔서 감사합니다

어떤 질문 너는 인공 지능에 대해 가지고 있니? YouTube 또는 트 위치에 댓글을 달거나 트위터에 @DeepgramAI 우리는 스콧이야 및 Deepgram에서 Susan 물론 로봇은 아닙니다 그리고 우리는 평화롭게 왔습니다

네 다음에 보자 건배 그래서 우리는 응시 대회에 참가했습니다

[Oh!쎈 초점] ‘밥 잘 사주는’ 손예진X안판석 감독, 제2의 ‘밀회’ 나올까 – Show Biz

[Oh!쎈 초점] '밥 잘 사주는' 손예진X안판석 감독, 제2의 '밀회' 나올까 [OSEN=강서정 기자] 배우 손예진과 안판석 감독이 만났다 제2의 ‘밀회’가 탄생될까

손예진이 JTBC 새 금토드라마 ‘밥 잘 사주는 예쁜 누나’(극본 김은, 연출 안판석) 출연을 확정지었다 손예진과 안판석 감독의 만남은 이번이 처음 안판석 감독의 새로운 뮤즈로 발탁된 손예진이 안판석 감독과 만나 ‘밀회’의 영광을 재현할 수 있을지 관심이 모아지고 있다 안판석 감독이 JTBC에서 드라마를 연출하는 건 2014년 ‘밀회’ 이후 4년여 만이다 ‘밀회’는 신드롬급 인기를 끌었던 드라마

배우 김희애와 유아인이 나이를 뛰어넘는 격정멜로를 선보인 이 드라마는 파격적인 설정으로 화제가 된 것은 물론 두 배우의 케미스트리는 시청자들에게 뜨거운 지지를 받으며 높은 시청률을 기록했다 ‘밀회’가 방영됐을 때 JTBC가 개국한 지 얼마 되지 않아 채널 인지도가 높지 않은 상황이었는데 ‘밀회’는 무려 시청률 5%대를 기록했다 방영 당시 JTBC의 상황을 고려하면 ‘밀회’의 시청률은 ‘기적’이었다 요즘 JTBC 드라마들의 시청률 기록을 봐도 그렇다 그만큼 ‘밀회’의 인기는 대단했고 그만큼 높은 화제성을 보이며 JTBC 채널 인지도를 높이는데 큰 역할을 했다

JTBC 드라마에 새 역사를 썼던 만큼 안판석 감독의 신작 ‘밥 잘 사주는 예쁜 누나’가 또 한 번의 흥행을 이끌지 관심이 쏠리고 있다 어느 정도 흥행은 예고되고 있다 손예진이 출연을 결정지었기 때문 손예진은 2013년 드라마 ‘상어’ 이후 5년여 만에 안방극장 컴백을 결심한 드라마가 ‘밥 잘 사주는 예쁜 누나’다 ‘밥 잘 사주는 예쁜 누나’는 ‘그냥 아는 사이’로 지내던 두 남녀가 사랑에 빠지면서 그려가게 될 ‘진짜 연애’에 대한 이야기이다

손예진은 극 중 커피 전문 기업의 매장총괄팀 소속 슈퍼바이저 윤진아 역을 맡았다 ‘로코퀸’이라 불리며 로맨스 드라마에서 활약했던 손예진이 오랜만에 선보이는 로맨스 연기라는 점도 기대 포인트다 손예진은 “오랜만에 드라마에 출연하게 돼서 조금 걱정도 되지만 설레는 마음이 아주 크다 잘 준비해서 정말 좋은 작품으로 찾아뵙겠다”라고 각오를 밝히기도 고유한 섬세하고 감각적인 연출로 매번 웰메이드 드라마를 만든 안판석 감독과 5년 만에 드라마에 컴백하는 손예진의 만남

제2의 ‘밀회’가 탄생할지 기대된다 /kangsj@osencokr [사진] OSEN DB

Why Machine Learning Is the Coolest Science – The Dr. Data Show

빅 데이터라고 불러도 좋아요 ♪ ♪ Dr Data Show에 오신 것을 환영합니다

나는 에릭 시겔이야 과학에서 절대적으로 가장 멋진 것 엔지니어링은 기계 학습입니다 컴퓨터가 데이터로 인코딩 된 경험을 통해 학습 할 때 나는 이제 그 가설을지지 할 것이다 우리는 인간을 만들고 탐구합니다

우리는 높은 건물과 비행기를 짓는다 우리는 바다의 깊이까지 탐험 해보고, 현미경 크기의 양자 입자에, 그런 다음 높은 공간으로 백업하십시오 지금까지 숨쉴 공기가 없습니다 어렸을 때 저는 우주 비행사가되고 싶었습니다 그러나 지금 나는 우주 공간이 진공이라는 것을 깨닫는다

그리고 진공은 완전히 빨아진다 모든 것을 초월 해, 궁극적 인 최후의 국경은 우리를위한 것이다 우리의 automatons, 컴퓨터, 가장 포괄적 인 업무를 위해, 과제를 더 잘 이해하고, 즉 학습합니다 컴퓨터는 게임에서 잘 수행하는 법을 배울 수 있으며, 사진의 물체를 식별 할 때, 의료 진단시, 고객의 행동을 예측할 때, 직원, 유권자, 죄수 이제 많은 것들이 단순히 불가능합니다

높은 정확도로 예측할 수 있습니다 우리는 거친 확률을 가급적 올릴 수 있습니다 어떤 사람이 클릭, 구매, 거짓말, 죽기, 또는 다른 결과 또는 행동, 뇌의 모든 뉴런을 읽었을지라도 물론 컴퓨터는 일반적으로 알고 있습니다 그보다 훨씬 적은 사람에 대해서, 일반적으로 수십 또는 아마도 수 백 그 사람에 대한 세부 사항과 그 이전에 있었던 일들

그러나 비열한 예측조차도 매우 귀중합니다 짐작보다는 예측하는 것이 조직에 도움이됩니다 엄청난 규모의 의사 결정을 향상시킵니다 예를 들어 매달 고객의 5 %가 취소하는 경우, 그들 중 어느 것이 그럴 가능성이 3 배인지를 안다 즉, 취소 할 확률이 15 % 인 사람, 마케팅을위한 세계의 변화, 보다 효율적이고 효과적인 방법 경우에 따라 글자 그대로 이익은 여러 번 끝났다

그리고 똑같은 것이 예측에 적용됩니다 어떤 환자는 죽을 위험이 더 큽니다 이는보다 효과적이고 효과적인 의료 서비스를 제공합니다 이제 기계가 이러한 판단 호출을하는 법을 배울 때, 그것은 기본적으로 일종의 마술과 같습니다 여기에 의미하는 바가 있습니다

기계는 모든 수십 가지를 고려해야합니다 또는 사건에 대해 알려진 수백 가지 요인, 상황 또는 개인 미래의 성공을 예측하는 것과 같습니다 새롭게 시작한 회사 긴 요소 목록을 감안할 때 창립자, 역사, 사업의 본질, 기타 등등

컴퓨터가 이러한 모든 요소의 무게를 측정하거나 결합해야합니까? 가장 정확한 확률을 계산하는 것 시작이 결국 성공할 것인가에 관해서? 더 중요한 것은 컴퓨터가 어떻게 자동으로 그렇게하는 법을 배웁니다 음, 컴퓨터 교육 데이터를 제공하면됩니다 신생 회사의 이전 사례에 대한 긴 목록 그리고 각자가 성공했는지 실패했는지의 여부 그리고 기계 학습 발견 데이터에서 얻을 수있는 것 그것은 자동 시행 착오 과정으로, 시도하고, 수정을 계속한다

패턴 또는 수식 개선 신생 기업에 대한 예측을 돕는 물론 우리는 미래의 결과를 아직 알지 못합니다 이런 식으로 컴퓨터는 기본적으로 자체 프로그래밍을합니다 이 과정을 마법으로 만드는 것은 일반화 그것은 과거의 사례에서 파생 된 것입니다 새로운, 전에 보지 못한 상황 이를위한 기술적 인 단어는 유도 (induction) 예를 통해 일반화하는 행위, 일련의 세부 사항에서 보편적으로 뛰어 드는 것

당신의 컴퓨터가 이것을 할 때, 그것은 세계가 어떻게 작동하는지 진실을 포착한다는 것을 의미합니다 우주의 광기 뒤에있는 수단을 분별하는 것 그것은 자동적으로 과학적 발견의 일종입니다 자,이 모든 것에 예술이 있습니다 이 궁극적 인 도전을 수행합니다

이러한 학습 방법을 설계 및 설계하려면 당신은 영리한 수학뿐만 아니라, 뿐만 아니라 일종의 예술, 비공식적 인 인간의 직감을 의미합니다 기계 학습 분야 그 인간의 창의력 없이는 성공할 수 없었습니다 그리고 성공한다 그것은 그것에 엉덩이를 걷어차 그래서 나는 여기서 기계 학습을 가장 흥미롭고, 매혹적인, 굉장하고 유망한 기술 분야, 기간

그리고 한 걸음 더 나아가 자 그것은 종이에 단지 깔끔한 생각이 아닙니다 기계 학습은 매우 가치있다 그리고 나는 감히 말할 것이다 그것은 정보 시대의 최신 진화 단계입니다

엔지니어링 적용에서 벗어난 곳 더 크고 더 큰 데이터를 수집하고 관리하려면, 그 데이터로부터 배우는 과학의 적용, 해당 데이터로 인코딩 된 모든 경험에서 행동을 예측하는 능력 추측보다는 결과가 더 좋으며, 데이터 및 기계 학습에 의존하는 모든 주요 기능을위한 성배 기업, 정부, 법 집행 기관 및 병원 예측을 통해 위험에 맞서고 건강 관리를 강화하며, 판매 촉진, 스팸 퇴치, 생산 효율화, 범죄 투쟁을 강화하고 선거에서 승리하십시오 매일 기계 학습은 우리 모두에게 영향을 미치며, 수백만의 의사 결정을 적극적으로 유도하기 때문에 전화를 걸기, 메일 보내기, 테스트하기, 진단하기, 조사하기, 투옥, 날짜 설정, 약물 치료 하버드 비즈니스 리뷰, 기계 학습 호출 "우리 시대의 가장 중요한 범용 기술" 가장 멋지다

저는 에릭 시겔입니다 지켜봐 줘서 고마워 친구가 있으면 좋아하고 공유하십시오 기계 학습에도 관심이있을 수 있습니다 그리고 전체 웹 시리즈에 액세스하려면, TheDoctorDataShow

com으로 이동하십시오 ♪ 너는 누구의 데이터 야 ♪ ♪ 나에게 데이터를 제공해라 ♪ ♪ 계산 해보자 ♪ 빅 데이터라고 불러도 좋아요 ♪ ♪ ♪ 예측 분석은 의사 결정에 도움이됩니다 ♪ ♪ 전화, 우편, 신용, 또는 정밀하게 고용 할 수 있습니다 ♪ ♪ 법, 사랑, 인생 에선 예언 할 수있어 ♪ 조사 할거야, 감옥에, ♪ ♪ 날짜를 정하거나 약을 먹어 ♪ ♪ 찰리 브라운은 결코 그의 킥을 얻지 못할거야 ♪ ♪ 그래서 개들은 모두 새로운 트릭이 필요해 ♪ ♪ 지팡이를 싫증 나면 ♪ ♪ 아니면 그냥 빠른 수정으로 클릭하십시오 ♪ ♪ 예측하는 법을 배워야 해 ♪ ♪ 너의 모든 움직임을 예측할 수있어 ♪ ♪ 너의 모든 정보를 내놔 ♪ ♪ 너는 누구의 데이터 야 ♪ ♪ 나에게 데이터를 제공해라 ♪ ♪ 계산 해보자 ♪ 큰소리로 부르면 좋네 ♪ ♪

[D-인터뷰] 정진영 “날 움직이게 하는 꿈·희망 잃지 말아야” – Show Biz

[D-인터뷰] 정진영 "날 움직이게 하는 꿈·희망 잃지 말아야" [데일리안 = 부수정 기자] 영화 흥부에 출연한 배우 정진영은 캐릭터를 해학적으로 표현하려고 노력했다고 말했다

ⓒ롯데엔터테인먼트 영화 흥부서 악인 조항리 역 배우는 새로운 역할에 도전해야 희망이 있어야 살 수 있지 않을까요? 거창한 꿈은 아니더라도, 내가 믿는 작은 희망은 있어야 합니다 영화 흥부(감독 조근현)에서 민초들의 상징인 조혁(고 김주혁)은 꿈을 꾸어라, 세상이 바뀔 것이다라고 말한다 영화의 메시지다

극 중 조혁과 대척점에 선 배우 정진영(53)에게 물었다 어떤 꿈을 꾸고 있는지 6일 서울 팔판동에서 만난 정진영은 많은 사람의 희망은 가족이라며 가족이 아니더라도, 희망은 있어야 한다 무언가 하게끔 만드는 희망과 꿈, 내 시간을 투자해서 집중할 수 있는 꿈이 있다는 건 행복한 일이라고 말했다 자기 자신을 위해서라도 희망은 중요하다고 배우는 강조했다

그가 출연한 영화 흥부는 천재작가 흥부가 두 형제로부터 영감을 받아 세상을 뒤흔들 소설 흥부전을 집필하게 되면서 벌어지는 이야기를 그린 사극 드라마다 고전소설 흥부전을 새로운 관점과 설정으로 재해석했다 정진영은 극 중 권세에 사로잡힌 악인 조항리를 다채로운 인물로 표현했다 정진영은 누구나 아는 흥부전을 변주한 영화인데 이야기가 설득력 있게 전개돼 좋았다며 조항리를 마냥 나쁜 사람보다는, 허술하고 천박한 인물로 표현하고 싶었다고 설명했다 배우는 단편적인 캐릭터를 풍성하게 만들어냈다

감독님과 호흡이 잘 맞았어요 제가 낸 의견을 다 수용해 주셨거든요 해학을 살리면서 연기했는데 현장이 참 즐거웠던 작품입니다 저한테는 현대극보다 사극이 더 흥미로워요 새로운 세상에 들어가는 것 같거든

모든 게 낯선 상황이 오히려 더 좋아요(웃음) 영화 흥부에 출연한 배우 정진영은 시간이 흐를수록 깊어지는 배우가 되고 싶다고 밝혔다 ⓒ롯데엔터테인먼트 정진영은 정우, 고 김주혁, 정해인 등 후배들과 호흡했다

그는 후배들에게 따로 조언하지 않는다 각자 다 준비하는 영역이 다르기 때문이란다 후배들이 준비한 걸 선배가 이래라저래라 할 순 없다 자칫하면 집중력을 깨뜨릴 수 있다는 이유에서다 소통은 감독과 배우가 하는 게 더 낫다는 것이 배우의 지론이다

영화는 서로 맞추며 조화롭게 일하는 과정입니다 이번 현장에서는 후배들이 잘해줬어요 정우는 워낙 열심히 하는 후배입니다 해인이는 지금은 많이 알려졌지만, 예전부터 차근차근 준비해왔어요 주혁이도 듬직했고

지난해 불의의 사고로 세상을 떠난 고 김주혁의 이야기도 빼놓을 수 없었다 이번 작품을 통해 김주혁과 처음 만났다는 그는 주혁이는 선하고 맑고, 부드러운 사람이었다며 역할을 멋지게 소화했다 앞으로 더 친하게 지낼 수 있을 거라 생각했는데 (세상을 떠나서) 너무 안타깝다고 털어놨다 정진영은 또 관객들은 모르고 나만 아는 장면을 발견할 때 재미를 느낀다며 촬영이 잘 풀릴 때는 잘 보이는데 반대 경우엔 아무것도 안보인다

작품이란 게 될 때도 있고, 안 될 때도 있는 것 같다고 설명했다 영화도 완성본을 보면 놀랄 때가 있어요 편집에 따라 전혀 다른 결과물이 나오거든 근데 어쩌겠어요 극장에 나온 결과물이 그 영화의 운명인 거죠

1988년 연극 대결로 데뷔한 정진영은 약속(1998), 킬러들의 수다(2001), 달마야 놀자(2001), 황산벌(2003), 왕의 남자(2005), 즐거운 인생(2007), 브레인(2011), 찌라시: 위험한 소문(2013), 국제시장(2014), 화려한 유혹(2015), 판도라(2016) 등 다양한 작품에 출연했다 영화 흥부에 출연한 배우 정진영은 캐릭터를 풍성하게 만든 현장이었다고 말했다 ⓒ롯데엔터테인먼트 필모그래피를 보면 앞에 나서느 공격수 같은 역할보다는 주인공을 좀 더 돋보이는 역할을 많이 하는 수비수 역할이다

그는 배우는 늘 새로운 역할에 도전해야 한다면서 나이가 드니 이런 기회는 줄어든다 그래도 최근 2년간 다양한 역할을 많이 했다고 전했다 이어 나이가 좀 있는데도 존재감을 채우며 활발하게 활동하는 배우들이 많다며 진선규 같은 배우도 늦게 뜬 케이스라고 했다 정진영도 스스로 부족하다고 느끼는지 궁금했다 배우는 늘 그렇다는 답을 들려줬다

잘했다고 느낀 순간은 없어요 부족한 부분을 채우려고 합니다 지금보다 어렸을 땐 잘해야만 한다는 압박에 시달렸는데, 지금은 좀 나아졌어요 살이 붙으니깐 주변 분들이 부드럽고 편하게 생각해주시는 듯하고요 그래도 여전히, 아니 영원히 부족할 듯해요

항상 긴장하며 생활하려고 합니다 배우는 끊임 없이 자극받아야 하는 직업이다 그는 뛰어난 예술 작품과 배우들의 연기를 보며 자극이 된다고 미소 지었다 정진영은 시나리오도 구상 중이다

배우의 소박한 꿈이란다 제가 감당할 수 있는 수준에서 끄적이고 있어요 잘 되면 나오는 거고, 안 되면 혼자 만들어서 볼 수도 있죠 이 과정 자체가 즐겁습니다 썼다 버렸다, 썼다 버렸다 합니다(웃음)

정진영은 2002년부터 2006년까지 4년간 SBS 그것이 알고 싶다를 진행했다 지난 2016년~2017년까진 tvN 동네의 사생활에도 출연했다 그는 동네의 사생활은 내가 관심 있는 역사 분야라서 재밌게 했다며 종영할 때 다들 아쉬워했다고 말했다 정진영은 최근 소규모 예술 영화에 참여했다

홍상수 감독의 풀잎들과 장률 감독의 거위를 노래하다(가제) 등이다 언제 개봉할진 모르지만 재밌었어요 예술 영화는 자기만의 개성을 발휘할 수 있는 영화라서 자극을 받아요 제 고민이요? 연기를 못 하는 거죠 시간이 흐르면 흐를수록 깊어지는 배우가 되고 싶어요

– Copyrights ⓒ (주)데일리안, 무단 전재-재배포 금지 –

Custom Vision – Machine Learning Made Easy | The Xamarin Show

>>는 자 마린 쇼에 모두를 환영합니다 나는 당신의 호스트 제임스 Montemagno입니다

그리고 오늘은이 흥분 슈퍼 미쳤다고 나의 아주 좋은 친구 모든 방법에서 짐 베넷, 난 당신이 현재 살고 아무 생각이 없습니다 여기에서 클라우드 개발자 옹호 마이크로 소프트는 누가 얘기에오고 이 멋진 블로그 게시물 / 사용자 정의 비전은 / 우리가 여기 BB8을 얻었다 >> 우리는 모든 장난감을 얻었다 >> 우리는 심지어 얘기? >> 우리는 심지어 얘기? 그래, 우리는 이미지를 분류에 대해 말하고있다 멋진 새 AI 도구 중 하나 그래서 즉, 푸른인지 서비스에서 나올 것 화상 분류이다

>> 아, 멋진 >> 그리고 그것은 마법의 작은 도구입니다, 당신은 어떻게 생겼는지 뭔가를 가르쳐 그리고 다음을 식별 할 수 있습니다 >> 니스 그래서 일단 짐 떨어져 우리는에 도착하기 전에, 어쩌면 자신에 대해 조금 얘기 >> 좋아, 그래

나는 해요, 짐 베넷 해요 여기에 마이크로 소프트의 클라우드 개발자 옹호자, 이 보드에 내 넷째 주입니다 >> 니스 >> 나는 아마 제임스를 알고 있었다 자 마린 커뮤니티를 통해 지난 4 년 정도 I는 자 마린 MVP 봤는데 다음 마이크로 소프트 MVP 나는 지역 사회에 참여했습니다

남자 "행동하는 자 마린"의 저자 누가 그의 서문이 특히 좋은 녀석이다 썼다 >> 나는 꽤 잘 들었어요 >> 그것은 꽤 좋은 책, 그리고, 그래 단지 마지막 쇼에있을 슈퍼 불을 지폈다 >> 편집 그래, 여기 당신이하는 것이 좋다

정말 열정적입니다 종종 내가 말하는거야 기계 학습 및 건물 모델은 말 그대로 그것에 대해 아무것도 몰라 그래서 프랭크 나의 좋은 친구가, 누가 나와 함께 팟 캐스트를 수행합니다 그는 전문가입니다 그는 모든 것을 알고 있으며, 우리는 갔어요 에 대한 다른 세부 사항의 모든 종류에, 이 이미지 대 모델을 만들기 위해 무엇을 의미 하는가, 어떻게 당신은 본질적으로, 핫도그를 만들거나하지 않습니다

그런 것들 글쎄, 당신은했다 핫도그 여부보다 훨씬 더 흥미로운, 어쩌면 당신은에 의해 그것을 큐 수 당신이 내장 된 어떤 사람을 말하는 그리고 왜 당신이 그것을 만들었습니다 >> 그래서, 제가 구축 한 것은 내 딸의 장난감을 식별하는 데 도움을위한 작은 도구 그래서 나는 어린 소녀를 가지고, 그녀는 다섯 내일집니다 내일 그래서 생일, 이비,

그리고 그녀는 다른 귀여워 장난감의 전체 뗏목을 가지고, 그리고 나는 그들이이라고하는지 추적을 잃게됩니다 심지어 그녀는 않습니다 그녀는 그때 그녀의 장난감과 이름을 선택합니다 그녀는 그녀가 그 장난감이라고 기억 수 없습니다 그래서 나는 그것을 구축하는 좋은 줄 알았는데 등급 분류 나를 사용할 수 있도록 모두 내 휴대 전화의 사진을 찍을 장난감 그것은 나에게 이름을 알려줍니다 그리고는 나를 위해 좋은 생각 또한 생각하는 것을 좋아, 우리는 최근에 영국으로 이동 한 – 당신을 , 내가 지금 살고있는 곳을 당신이 모르는 말 나는 전 세계 이동 계속

최근 영국으로 이동했다 우리는 많이 지출 영국에 기반으로 부모님과 함께 시간 그들은 그녀의 장난감이 무엇인지 단서가 없다 그래서 그들이 다시는이 응용 프로그램을 사용할 수 있습니다 종류의 저변에서 그 내용 이번 주라고 그녀의 마음에 드는 장난감, "아기 오리" >>을 얻었다

>> 그래서 그들은 알 수 있습니다 즉,이 구축을위한 영감이었다 >> 그건 꽤 멋진 당신도 할 수 있기 때문에 다음 단계로 가져가, 이는 당신이 다음에 태그를 추가 할 수있다 [들리지] 당신은 응용 프로그램 어디를 만들 수 있습니다 뿐만 아니라 당신이 장난감을 스캔 할 수있는, 하지만 당신은 다음 데이터베이스 항목을 만들 수 있습니다, 문제는이 많은 비용처럼 우리가 도착했을 때,이입니다 그것은 바로, 더 이상 좋아하는 때이 없다? 그것은 종류의 경향을 볼 수있다 즉 실제로 정말 좋은 생각이다

당신이있는 경우 >>이 좋아요 아이들과 자신의 아이가 다른 부모는 당신의 장난감을 좋아한다 왜 올바른 장난감을하지? 빠른 사진을 찍습니다 그것을 봐 오 예, 우리는이 특정 상점이 장난감을 샀다 >> 그래서 난 당신이 데이터 과학자 걸 다음 가정합니다

당신은 기계 학습 전문가입니다 그런 것들 권리? >> 아니 아니 조금있다 지금까지 내가 걱정으로이 마법의 상자입니다

>>을 얻었다 >> 그리고 정말 멋진 무엇이 전체 푸른인지 서비스, 어디 그들과 함께 연주했습니다 당신은 데이터 과학자가 될 필요가 없습니다 >> 네 >> 지금 나는 당신 같은 사람을 얻을 수있는 확신 여기에 페이지 베일리는 어떻게 모든 작품을 설명합니다

나는 단서가 없다,하지만 난 단서가 필요하지 않습니다 >> 매직 나는 마법의 물건 마술을 좋아한다 예 >> 그것은 모든 마법입니다

그것은 마법의 상자입니다 >> 예 그래서 우리는보고있는거야? 당신은 지금 무슨 일을해야합니까? >> 그래서 내가 여기 있어요 것은 애저 사용자 정의 비전 서비스 당신은 customvisionai에서 그것을 얻을 수 있습니다

그냥 표준 Microsoft 계정으로 로그인합니다 그리고이에서 당신은 훈련 할 수있다 신경 네트워크 식별 이미지는 단지 이미지의 작은 번호를 사용 깨끗 시작한다면, 당신은 필요 수천 개의 서로 다른 이미지의 수천에 따라 >> 네 >> 그리고 시간이 지남에 따라이 네트워크를 훈련 어떤 일을 인식합니다

마이크로 소프트가 무엇을했는지, 그들이 가지고있다 일부 사전 교육을받은 이미지 – 난 몰라 어떻게 작동하는지 이해 – 하지만 일부 사전 훈련 된 이미지, 당신은 그것을 그대로 대여섯 사진을주고 그건 이 것을 배울 충분한 이 문제는이 장난감이 장난감입니다 당신은 고전 핫도그에 대해 생각, 더 핫도그, 당신은 그것을 다섯 개 핫도그 사진을주지 오 개 어떤 핫도그 사진, 그것은 직선을 알 수있는 다른 사진을 찍을 때 하나는이다 >> 네 나의 이해에서, 것이 중요, 그것이 무엇인지가하지 그러나 그것은 거의 더 중요 그것이 바로이 아니라 무엇이 있나요? 이 학습을 유지하는 것 때문에 이 핫도그가 아닌 경우, 하지 핫도그,하지 핫도그, 알고 정말 좋은 얻을 것 어떤 핫도그가, 그것은 그렇지 않은 것을 알고 있기 때문에

correctish에 대해인가요? >> 나는 그렇게 생각한다 그것은 overfitting라고, 나는 생각한다 나는 아직도 그 비트가 어떻게 작동하는지에 100 % 확실하지 않다 난 그냥 가지의 마법 상자 측면에 의존하고 있습니다 >> 그래서 내가 여기 어떻게 시작까요? 이것은 무엇입니까? >> 그래서 시작하려면 점 AI를 customvision로 이동합니다

당신은 클릭 "새 프로젝트" 이름을 지정, "내 프로젝트", 그것에게 설명을 제공 "맡은 일" 그리고 당신은 도메인을 선택합니다 그래서 다른 도메인이 모델의 숫자가있다 한에 대한 사전 설정합니다 그래서 "일반" '나는 정말 그게 뭔지 모르겠어요

'의미 당신은 당신이 원하는대로, 그것을 훈련 할 수 있습니다 는 "음식"사람이있다, 이는 식품과 함께 훈련을하고있다 그래서, 당신은 핫도그을하는 경우, 핫도그, 사과 대 오렌지, 그것은 그것을위한 좋은 하나입니다 그들은, 그들이 소매있어, 랜드 마크있어 그들은 인, 성인 있어요 좋은 콘텐츠 필터링을 구축하고자합니다 그래서 당신은 소셜 미디어 응용 프로그램을 구축하고자 또는 이미지 공유 앱 당신이 있는지 확인하고 싶은 사람들 그들은 안 일을 공유하지 않습니다

>>을 얻었다 >>는 성인용 콘텐츠에 대한 하나의 특히합니다 그리고 당신은 바닥을 알 수 있습니다 세 가지의 반복이다 세 상단에,로 표시 "컴팩트" >> 네, 그게 무슨 뜻 이죠? >> 그래서이 모델은 작은 의미합니다 >> 아, 그것을 가지고 모델처럼 때문에 일반적으로 세계에서 가장 큰 것은, 그래서 어떻게 바로 모바일 장치에서 그 배치해야합니까? >> 당신은 아직 할 수 없습니다

[들리지] 안드로이드에 흐르기 쉽다 당신은이 모델을 수 장치를 실행, 그들은 GPU에서 실행됩니다 >>을 얻었다 >> 당신은 보통의 일반 모델을 설정하는 훈련을한다면 즉, 클라우드에서 실행 자원이있는 곳, 당신이 알고, 실행 다른 전문 과정의 bejillions 그건 정말 멋진,하지만 당신은 전화를 할 수 없어

>>을 얻었다 >> 컴팩트 모델은 일반 모델로 좋지 않다 하지만 여전히 당신이 필요 충분합니다 >> 네 >> 소형 전자 기기, 즉 대단히 중요하다 >> 그것은, 컴팩트 시작 나는 당신이 구축한다고 가정 추가하려고하고 있기 때문에 모델 그것에 이미지의 무리, 맞죠? >> 예

>>을 얻었다 시원한 >> 그래서 나는 새로운 프로젝트를 만들려고하고 있지 않다 나는 이전에 준비 하나를 사용하겠습니다 >> 좋아

>> 그래서, 나는 내 딸의 장난감을 사용하는 여기에 하나를 가지고있다 그리고 많은하지 장난감을로드 한 그래서이 그 것이다 이것은 할 충분하다 >> Porgs? >> 네, 거기에 약간의 Porgs

그녀는 그녀의 Porg 사랑 않습니다 우리는 고양이, 귀여워 오리를 얻었다 우리는 BB-8 있는데 나는 꼭 껴안고 싶은 호랑이를 얻었다 >> 문제는 Porg 또는이다 BB 탄-8 현재 좋아? 그녀는 "마지막 제다이"봤어? >> 그녀는 너무 젊은입니다 >> 좋아, 오

>> 그녀는 다섯 내일집니다 >> 그러나 우리가 알고있는 모두가 Porg이 사랑스러운 것입니다 >> 그녀는 Porg은 사랑한다 그녀는 정말 있어요 때 그녀는 다른 일을 화나게 Porgs 실제 아니라는 것을 배웠습니다 >> 그래, 오

>> 네 난 정말 진짜 Porg, 아빠 싶다 >> 스포일러 경고 >> 죄송합니다, 그들은 진짜 아니에요 하지만 그래,이 그것을 훈련을했다 전부입니다

그래서 당신은, 그것을이 사진을 제공 다음은 "매직 기차"버튼을 클릭, 그 충분이 꺼지고 파악하기 위해 아웃 : 이것은 호랑이 모습입니다, 이 BB-8 모습입니다 >>이 태그에 이런 일들은 무엇입니까 여기? 때문에에게, 어떻게 알 수 있습니까? >> 오른쪽 그래서 때 이미지를 업로드, 당신은 그것을 이미지의 수를 줄 당신은 그것에게 태그를 제공합니다 그리고 그 태그는 이미지에있는 것입니다 >> 오

알았다 >> 그래서 나는이 하나를 업로드 여기에 그녀는 작은 '호출하는 술래 잡기, '나는로 태그를 추가 한 "작은 술래 잡기" >>을 얻었다 그래서 바로 다음, 그것은 호랑이 아니다 알고, 그것은 이러한 태그를 가지고 있지 않기 때문에 >> 네

그래서 여기이 하나의 태그를 가지고있다 "BB-8" 우리는 여기에 Porg을 가지고있다 그녀는의 태그있어 '포치'이라고 부른다 "포치" >>을 얻었다 >> 그래서 태그가 당신이 무엇을 식별하는 데 사용거야

당신은 당신이 아니라 그 태그, 사과의 업로드 "사과를" 당신은 오렌지, 당신은 같은 그 태그 업로드 "오렌지을" 그래서 태그는 말을하다 "이 일이 무엇인지 배울 때, 이 일이라고합니다 이 사람은이라고합니다 이 사람은이라고합니다

" >> 좋아 >> 그건 정말, 그것의 종류입니다 당신이 "기차"를 명중 할 때 >> 그래서, "기차"는 무엇입니까? 당신은 "기차"버튼을 쳤을 때 >> 그래서,이는 꺼집니다 이것은 반 전체 모델을 취할 것입니다, 그리고 그 모델을 전문으로 거기에 이미지를 기반으로 >> 그래서, 다른 장난감을 얻을 수 있다면, 그때 업로드하고 재교육 것? >> 네 당신이 더 많은 이미지를 원하는 경우에, 당신은 재교육 것입니다

그리고 매번 당신은 훈련을, 당신은 반복이라는 것을 얻는다 그럼, 어디입니까? 그래서, 당신은 서로 다른 반복이있다 >> 좋아 >> 그래서, 내가 가진 첫 번째 반복, 나는 두 개의 특정 장난감을 가지고 훈련을했다 >>을 얻었다

>> 그리고 다음 반복, 나는 또 다른 장난감을 추가 그리고 나는 몇 더 많은 이미지를 추가 다른 장난감은 후 다시 훈련했다 그래서, 당신은 예측을 수행 할 때, 당신은 실제로 이미지를 볼 수 그 예측이 여기에 표시 사용합니다 >> 아, 좋아, 멋진 >> 내가 잘 말할 수있는, 실제로 여기 하나, 그것은, 그것은 porg이었다 예측하지만, 그때 나는 그것을 태그를 말할 수 물론, 그것은 명확한 태그는 예 이것이 porg가요 >> 그래서, 그것은 알고있다 >> 그래서, 그것은 알고있다

그래서, 특히 이 사람이 인식하지 못하는 발견하면, 나는이 이렇게 말할 수 있습니다, 또는 내가 먹고 싶어 경우는 새로운 장난감이 있다면 여기 원숭이의 사진, 나는 그 하나를 추가 할 수 있습니다 새로운 장난감으로, 새로운 태그를 추가합니다 >>을 얻었다 >> 그리고 내가 다시 "기차"버튼을 클릭, 그것은 또 다른 반복을 실행하고, [들리지]에 대한 자세한 내용을 배운다 >> 아, 괜찮아 그래서, 당신은 본질적으로 교육을 유지할 수 있습니다 당신이 모델을 사용하고 같은 모델? >> 예

>> 그것은 멋지다 그건 아주 좋은입니다 >> 그래, 당신은 가지에 필요하기 때문에 모델을 전문으로합니다 당신이 뭔가의 사진을 가지고가는 경우에, 그리고, 그 핫도그의 여부 모르는 당신은 예는, 아니 그렇지 말한다 다시 모델을 훈련

그래서, 당신은 유지할 수 있습니다 모델 성장 및 개선 >>을 얻었다 >> 더 전문 보관하십시오 >> 그럼, 어떻게 이걸 가지고 있습니까? 내 말은, 그것은 여기처럼 보인다, 내가 할 수 이미지 또는 뭔가를 업로드 할 수 있습니다 하지만 내가 어떻게 내 응용 프로그램에서받을 수 있나요? 내가 퍼팅에 대해 신경 좋아하기 때문에 자 마린 응용 프로그램의 내부 그것

어떻게합니까? >> 그게 내가 걱정하는거야 그래서 만약 나는 여기에 빠른 테스트를해야합니까 어디 그냥 이미지를 선택할 수 있습니다 이것은 내가 이전에 찍은 이미지입니다 >> 좋아 >> 그리고이, 때때로을 바로 돌아 오지 않습니다

아,했다 그리고 나는 한 번 더 클릭합니다 그들이 돌아 오지 않는 경우에 따라서 태그는 안된다 거기에서 우리는 100 시간의 확률이 BBI입니다 이동합니다 그래서, 모든 기반 확률이다

이것이 X입니다 내 생각, 말을하지 않습니다 그것은, 여기이 태그입니다 확률이다 말한다 이 태그이 태그 >> 그것은 꽤 좋다 그것은 BBI의 100 % 확실합니다 >> 100 % 확인이 PBI이야, 그리고 전에이 영상을 본 적이있다

그래서, 지금, 내가 예측을 다시 얻는 경우에, 당신은 이미지가 나타납니다 볼 수 있습니다 >>을 얻었다 당신이 시도하고 태그 네 >> 그래서, 괜찮아

그러나, 분명히, 이 모바일 앱에서 더 재미 있어요 >> 네 >> 당신이 조부모 주위에려고하고 있기 때문에, 당신은, 당신이 주위에있을거야, 주위에있을거야 그들은 장난감 및 태그 물건을 필요로 할 것입니다 >> 예 >> 그리고 실제로, 그것은이다 정말, 정말 쉬운이를 얻을 수 있습니다

>> 나는 쉽게 일을 좋아합니다 나는 큰 팬입니다 >> 네 그것은 새로운 패키지입니다 >> 그 사랑

>> 말 그대로, 그건 MicrosoftCognitiveCustomVisionPrediction 그것은 새로운 패키지를 얻을 수 있습니다

당신은 당신에게, 그 다음에 가져 예측 엔드 포인트 인스턴스를 생성 당신은 사용자 정의 비전에서 오는 IP 케이스를 제공 당신은 코드, 이미지를 예측 당신은 그것을 스트림 전달 그 스트림은 이미지가 포함되어 있습니다 그래서, 당신은 예를 들어, 사용한다면, 당신이 작성한 미디어 플러그인, 그 파일을 내뿜으며, 우리는 그에서 스트림을 얻을 수 있습니다, 여기에 스트림을 전달합니다 >> 그래서,이 타격은 무엇인가? 이 엔드 포인트를 타격, 아니면 무슨 일이야? 나는이 이미지를 예측 호출하면 어떻게됩니까? >> 그래서, 무대 뒤에서, 당신은 코드 이미지를 예측할 때, 그것은으로 꺼집니다 사용자 정의 비전 꽤 많이 정확히 내가 빠른 테스트를했을 때와 같은 당신은 엔드 포인트에 해당 이미지를 위로 업로드합니다 그래서, 분명히 당신은 인터넷 연결이 필요 ,, 그 다음 결과를 다운로드, 구름이 실행됩니다

>> 좋아 >> 바로이를 가져옵니다 그래서, 난 그냥 여기 내 전화에를 실행하면, 우리가 희망 것을 볼 수의 데 미첼리스는 나와 함께, 우리는 거기 BB8와 작업을 참조하십시오 >> 그래서이 통과하는 것입니다, 다음이이를 반환합니다 이미지 태그 예측 모델은 무엇입니까? 돌아 오는 것을 뭔가 당신이 만든, 아니면 무엇입니까? >> 그래서, 이것은 API의 한 부분으로 돌아옵니다

그래서, 새로운 GET 패키지의 일부로서 우리 이러한 예측 모델을 가지고있다 그들은 태그와 확률의 이름을 포함합니다 그래서, 우리가 예측할 때, 우리는 경우 백 수 나는 우리가 볼 수 있도록 여기에 휴식이 걸릴 것이 었습니다 그래서, 난 그냥 여기 내 응용 프로그램을 실행하면, 나는, BB8의 사진 할게요 그래서 우리는, 연결 미디어를 사용하고 그 업로드, 우리는 여기 내 엔드 포인트에 충돌 그리고, 클라우드를 갈 것 그 일을, 돌아와 그리고 정말 should- >> 당신은 너무 많은 코드를 단순화했습니다

>> 내가 너무 많은 코드를 단순화했습니다 나는 무슨 일이 일어날 지 볼 수 없습니다, 하지만 오,이 실행하세요 >> 그것이 무엇인지하지 마십시오 >> 그것이 무엇인지하지 마십시오 이제 다시 해보자 우리는 BB (8),이 시간의 전면을 사용하자

이 모델은 그것이 무엇인지 이해하지 못하는 약속, 그들은 서로 다른 색상을 이해하고, 이미지를 이해합니다 그래서, 거기에 우리는 간다 아마 때문에이 전면에 검은 눈 >> 앞서 가서, 여기에를 당깁니다 >> 자, 그들을 가져올 수 있습니다

그것은 BB8의 발견 >> 그래서, 당신은 가서 브레이크 포인트를 추가 할 수 있습니다 다음이 결과를 보려면, 우리는 다시 할 경우? 그래서, 당신은 어딘가에이 얻을 최고의 태그에서이 전화하는거야 >> 예 >> 그래서, 내가 다시 무슨 일이 일어날 지 정말 관심이 있어요 >> 네 >> 거기 우리는 간다

흥미, 좋아, 오 그래서, 즉 리팩토링 코드는 그렇게 살아? >> 그게 할 수있는 방법이있다 거기에 좋은 포인트가 okayIt의 라이브 리팩토링 >> 예

>> 그리고 이제 다시 실행하자 그녀가 돌아 오는 이유를 우리는 볼 수 있습니다 >> 나에게 흥미로운 무엇 때문에, 나는 무엇의 결과에 정말 관심이 있어요 실제로 문자 그대로 단지 일어났다 그래서 여기, 당신은 어떤 예측을 얻을, 다음이 그냥 아주 쉽게 코드 것으로 보인다, 다음 링크를 사용하여 기본적으로 쿼리에 같은입니다, 나는 가장 높은 확률을 찾으려면 또는 당신은 the- 무엇을 결정하는거야? >> 나는 가장 높은 확률을 찾고 싶어요 >>을 얻었다

>> 본질적으로, 그것은 아니다 나는 여기에 임계 값을 가지고 나는 당신의 사진을 복용 끝낼 수 있기 때문에, 예를 들어, 그리고 그것은 거기에 생각 당신이 BB8있어 01 %의 기회, 05 %의 기회는 porg되는 >> 네

>> 그리고 소위 >> 높은 확률뿐만 아니라 > 예 내가 그 통해 올 싶지 않아, 나는 당신이 누군지 모르는 말하고 싶었다 >>을 얻었다

>> 그래서 나는 50 %로 설정된 임계 값을 가지고있다 그래서, 난 그냥 다시 실행거야, 같은 사진을 촬영, 우리는 지금 희망한다, 이 버튼을 누르면, 우리가 돌아 오면 무엇을 참조하십시오 본질적으로 무엇 돌아 오는 것은 우리가 가진 것과 동일 이 공국 우리는 간다 >> 그래서, 오 개 예측 >> 그래서 다섯 예측

첫 번째 그래서 하나의 가능성이있다 그래서, 0에서 하나 이중 추측이다 하나되는 100 %의 확률로, 그리고 태그 BB8 함께 제공됩니다 >> 그래서, 우리가 본 태그입니다 사용자 정의 비전이다 좋아, 오

>> 네 그리고 거기 우리는 간다 porg는 14 배 10 양이 17 %의 기회입니다 >> 그 사람이 항상 저를 던졌습니다, 당신이 다시 수학 수업에 가야하기 때문에, 맞죠? 그것이 부정적인 (17)에 기하 급수적으로 사실 이니까

그래서, 그것은 기본적으로 제로 그래, 정직해야합니다 >> 네, 거의 그래 그리고 다시 타니 태그는 제로 꽤 많이있다 아기 오리는 거의 제로, 내 MEMA입니다 >> 그래서, 이들은 반환합니까 특정 순서 또는 결과에서 임의? >> 그들은 태그의 순서입니다 >> 좋아, 그것을 얻었다

>> 그래서, 내 태그 여기에 정의 된 방법으로, 이 순서는 점에서 그것을 않습니다 태그는 원래 추가되었습니다 내가 아는 한, 일이 변경 될 수 있습니다 >> 내 얼굴을보십시오 우리는 내 얼굴에 무슨 볼 수 있습니다 >> 좋아, 해보자

>> 수염은 어쩌면 수염은 porg 될 것입니다 >> 좋아 의 그것을 말하는 보자 나는 그것이 porg로 온다 바랍니다 >> 나는 흥분

>> 당신은 기쁘게 생각합니다 좋아, 그럼 우리는 무엇을 가지고 있습니까? >> 나는 순서대로 돌아 오지 않을 생각 이 반대로 때문에 당신이 porg 있습니다 마이너스 6 가능성이 23 배 (10) >> 나쁘지 않습니다 >> 당신은 다음 스타 워즈 영화가 될 것입니다

그럼 당신은, 일 그리고 5 마이너스 12로, 당신은 호랑이입니다 >> 좋아 그리고 >> 4 마이너스 13 그 당신은 작은 귀여워 고양이있어, 다음 3 마이너스 13에 BB-8 그래서 당신이 porg로있는 가장 가까운 것은, 하지만 당신은 10 마이너스 6에 2 회에서 찾고 있습니다

그래서 당신이 porg있어 매우 매우 작은 확률입니다 그럼, 여기에 일어날 것은 나는 확률 임계 값을 기준으로 필터링하고 말할 것이다 "나는 당신이 누군지 모르겠어요" >>을 얻었다 >> 당신은 50 % 뭔가 아니에요 지금 이것은 인터넷 연결이 필요합니다 해당 연결을 확인합니다

내가, 내가 장소에있어 경우 어떻게 나에게 의미 나는 숲에서 오두막의 중간에있어, 나는 인터넷에 연결되어 있지 않습니다 나는 아직도이 I- 없습니다 싶지 또는이다 사용자 정의 비전 AI가 저를주는 일이 그렇게 할 수 있습니다 내가 내장하는 iOS 및 안드로이드 모두 알고 있기 때문에, 이전 코어 ML 언급 한 것처럼,이 이는 애플의 핵심 기계 학습이다, TensorFlow 한 후, 구글은 본질적 버전입니다 그래서 같은, 내가 사람들을 사용하여받을 수 있나요 또는 나는 바퀴를 재발견 가야합니까? >> 예 당신은 매우 많은 사람들을 사용하여 얻을 그래서, 그것은 매우 멋진 한 가지입니다 사용자 정의 비전 시스템은 모델을 내보낼 수 있습니다

>> 좋아, 오 >> 그래서, 내 반복 볼 때, 여기 상단에 '내보내기'버튼이있다 볼 수 있습니다 >> 나는 그것을 좋아한다 >>이를 선택합니다 아이폰 OS 11 코어 ML, 안드로이드 TensorFlow

>> 좋아 >> 그래서 난 내 모델을 다운로드 할 수 있습니다 나는 소형 모델에 들어갑니다 이유입니다 나는 비 컴팩트 모델에 갔다 경우, 나는 그것을 다운로드하지 것이다 >> 너무 큰 것 때문에, 당신이 정말로 업로드 할 수 없습니다 응용 프로그램에 공연 응용 프로그램은 어쨌든 저장합니다

>> 예 >> 겠어요 – >> 나는의 같은 500 megas의 한계가 있다고 생각 코어 ML 모델의 크기입니다 나는 TensorFlow에 대해 알고하지 않습니다 >> 그래서, 여기에이 모델, 당신은 그것을 다운로드 할 수 있습니다 이제 좋은 것은 나는 것으로 가정했다 자 마린는 직접 바인딩을 제공하기 때문에, 당신을 그냥 사용 코어 ML API를 스스로? 그것은 어떻게 작동합니까? >> 예

그래서 여기 앱의 다른 버전을 가지고있다 그리고이 응용 프로그램의 한 부분으로 당신이 얻을 수 에 대한 패키지 자 마린 플러그인 이건 정말, 정말 쉽게 만들기 >> 아, 멋진 >>이 종류이기 때문에 꽤 열심히 당신은 이러한 API가 작동하는 방법을 모르는 경우 >> 네

>> 그래서 iOS에서, 당신이하는 일은 당신이 모델을 다운로드 할 수 있습니다 당신은 다음과 같이 제공, 컴파일해야 당신이 비 압축 버전은 컴파일합니다 나는 왜 의미하지 않는다 확실해 말해 줄 수 많은 API가있다 나는,이 모델을 얻고, 당신이 할 수있는 일은 내가 그를로드입니다

그래서 모든 것이 모든 당신을 위해 작성된 것입니다, 그의 모든 API는의 보류입니다 핵심 ML API는 비전에서 기지입니다 >> 네 >>을 VNCoreMLRequest에, 이는 요구 인 그 의미의 핵심 ML 비전 액세스합니다 >> 네 >> 그것은 모든 비동기입니다

그래서 이미지를 얻을 수 있습니다 나는거야 나는 스트림을 다시 당신에게 내가 이미지를 그 변환합니다 나는 그 다음에 그 전달 핵심 ML 요청이를 통해 CoreMLRequest, 사물과 사이트의 이미지를 식별하도록 설계된다 그것은 꽤 많은이 특정 목적을 위해 만들어진 것 >>을 얻었다

>> 그리고, 그것은 손에있다 통화는 어떤 결과를 반환 백업합니다 그리고이 결과는 본질적으로 분류 목록 텍스트 확률 통과되어있다 >> 네 >> 동일한 출력의 종류 다른 클래스 유형 그것은하지만 아이폰 OS API이기 때문에, 본질적으로, 출력은 동일하다

이제 한 가지이 "ToCVPixelBuffer"에 대한주의 그래서이 모델은 실제로 이미지를 이해하지 않습니다 그들은 이미지에 대한 아니에요, 그들은 단지 이진 데이터 규칙을 이해합니다 그래서 좋아 보이지 않습니다 >> 것들은 이미지의 제로가 아닌 이미지 자체

>> 예 >> 네 >> 그리고 기대는 특정 크기가 될 것으로 보인다 그래서 사용자 정의 VisionWorks 이미지는 227에 의해 227입니다 그래서 적당한 크기로 변환해야 다음에 본질적으로 픽셀이 변환해야합니다 버퍼는,이 수레 잡아 RGB의 부동 소수점 숫자를 개최합니다 당신이 거기에 있음을 펌프 할 때, 그것은 신경 네트워크를 실행 마법 상자에서 마법을 수행합니다

마법의 책, 않습니다 다음, 당신의 텍스트와 확률을 뱉는 다 >> 아, 멋진 >> 그리고 정말 멋지다 그리고 안드로이드에, 그것은 같은 일이 본질적이다 그래서하는 TensorFlow 추론 라이브러리가, 그 중 상당 이 비전 기반의 코어 ML 라이브러리, 어떤 이미지는 처리를 위해 설계된다

그것의, 랩핑 된 것 그것을 위해 결합으로 결합된다 그것은 새로운 갭 패키지로 사용할 수 있습니다 그냥 당신과 순간에 얻을, 이 자 마린 패키지의 TensorFlow입니다 >> 아, 멋진 >> 그리고 난 내 코드에 그것을 사용하고 있습니다

꽤 많이, 정확히 동일합니다 나는 비트 맵, 안드로이드 비트 맵을 가지고있다 나는 227에 의해 227를 축소 나는 수레의 훨씬을 뱉어 꽤 많이 난 그냥 큰 바이트 배열을 짓고 있어요 >>을 얻었다

>> 본질적으로 플로터의, 여기서는 RGB 값에 뜬다 내가 모델을 실행 한 후 공급 그래서 좀 출력을 얻을 밖으로 검색 iOS 및 안드로이드에 대한 모델의 차이, 핵심 ML 텍스트 내장되어 있습니다 안드로이드 하나하지 않습니다 그냥 알고있는 제로 번째 항목이 제 속성 Y

에서 X의 특성을 갖는다 >>을 얻었다 >> 그러나 모델, 당신은 라벨의 파일을 얻을 그리고이 파일이 바로 당신의 레이블을 제공 레이블 본문 당신은 것을 알 수 있도록 제로 번째 사람은 첫 번째 레이블의 외 될 것입니다 >>을 얻었다 >> 다음 단계가 될 것 하나

>> 그래서는 nice-의 종류입니다 >> 잘못된 장치 >> 내가 인터넷에 연결되어 있다면 그래서, 나는 때문에 그것을 사용할 수 있습니다 그 모델은 바로 업데이트 할 수 있는가? >> 예 >> 나는, 그대로 때문에 오프라인 경우 좋은 점은 의미 내가 TensorFlow을 사용할 수있는 말하고는,뿐만 아니라 난 사실을 핵심 ML을 사용할 수 있습니다 그렇게 나는 완전히 오프라인 될 수 있습니다 얻을, 하지만 온라인 버전을 사용하는 경우, 나는 계속, 그것은 반복 포장 할 수 있습니다 다음 또한 내 모델 온라인으로 할 수있다 여기에 모델보다 더 나은 >> 네

>> 그래서 당신은 전략의 것이 좋습니다 것입니다 어쩌면 로컬로 처음 확인, 다음 온라인에, 또는 무엇이 최선의 전략이 될 것입니다 두 하나 또는 다른 조합처럼? >>이 달려있다 >> 좋아 >> 나는 그것이 종류의 소리를 알고있다 >> 나는 핵심 ML이 될 것입니다 있으리라 믿고있어 웹 요청을보다 훨씬 더 빨리, 맞죠? >> 수행하는 사전 코어 ML 또는 TensorFlow에에 흐름은 라이브 비디오 피드를 통해 그것을 할 수 있습니다 >>을 얻었다

>> 그래서, 하나의 좋은 예 내가 이것을 본 적이 나는 작년 NDC 시드니에서 데모를 보았다 그들은 초음파 검사에 사용하고 있던 곳 자궁에서 아기의 방광 결함을 찾습니다 그래서, 초음파와 같이, 그들은 어떤 결함을 볼 수 있습니다 >> 예, 스캔 >> 당신은 당신이 무엇을 찾고 있는지 알고 있다면 그리고 모델은 매우 단지에 지어진 이러한 식별 빠르게

지금, 당신은 일정한 생중계로 그를 가지고 싶다면, 그래서 당신은 스캔을하고있는 등 라이브 초음파 공급, 그것을 관광 명소 경우, 그것은 바로 당신을 핑 >> 네 그것은 웹 요청 매 5 자체를 만들 수 있습니다 >> 그것은 수 있으며, 당신이 생각하는 경우, 당신은 큰 플래시 병원 인 경우 최초의 세계에서 미국, 당신은 통지, 이러한 것들을 발견 방사선이있다 당신은 아프리카의 중간에서 인 경우에, 예를 들어, 그래서 당신은 매우 일반적인 의사에게 어쩌면 의약 국경있어 당신은 최대 훈련을 돕고있어 지역 조산사는 초음파를 수행하는, 당신은 초음파를 가지고있는 경우 안드로이드 태블릿에 연결

>> 네 >> 당신은 그 인터넷 연결을 할 수 없습니다 당신이에 모델을 넣을 수 있도록 검색을 할 수 있습니다 >> 아마 국경없는 의사 회는 외출 당신이 뭔가를 스캔 할 것입니다 당신이 바로 장치에 그것을 할 >> 그래, 당신은 반드시 필요하지 않습니다 모든 것을보고 모든 사람을 훈련

이 장치는 당신을 위해 그것을 찾을 수 있습니다 뭔가 관광 명소 경우, 그것은 우리 중 하나를 ping합니다 우리는 와서 실제로 그것을 더 검색 할 수 있습니다 >> 네 >> 그래서, 유스 케이스가 무엇인지에 따라 달라집니다 당신이 라이브 비디오 피드를 가지고 싶다면, 당신은 아마 온 디바이스 (on-device)에합니다

>> 온 장치 >>하지만이 모델을 지속적으로 개선하고 싶은 경우, 당신은 원격으로 갖고 싶어 물론, 당신은 항상 단지 모델을 다시 다운로드 그래, 그것을 다시 >> 지금, 당신은 당신이 혼합 할 말 와 일치하는, 그래서 당신은 종류의 그것을 밖으로 얻을 수 있습니다

>> 즉 최고입니다 나는 그것을 사랑 해요 나는 그것이 정말 멋진 유스 케이스 생각 단지 핫도그 이상 여부를 더, 및 GitHub의 또는 방법에 대한 모든 소스 코드는 우리가 그것을받을 수 있나요? >> 네 그래서,이에 대한 모든 소스 코드는 GitHub의에 달려있다 우리는 쇼 노트에 새로운 자식 패키지 의지를 넣을 수 있습니다

>> 아래의 쇼 노트에 넣습니다 >> 아래의 쇼에 넣습니다 >> 편집 >> 그것은 모든 거기 그것은 사용하기 매우 쉽습니다 >> 나는 그것을 사랑 해요

그것은 쉽게 보인다 나는 정말 좋아 신난다, 짐 >> 코드의 두 줄 >> 네

>> 이미지를 인식한다 >> 음, 감사에 대한 이상 모든 방법을 오는 이 사용자 정의 비전 AI를 표시합니다 나는 그것을 사랑 해요 나는 될 갈거야 지금은 전문 학습 기계 감사 그래서 다시 짐에 오는

>>이 날을 받아 감사합니다 >> 얍 의 조정을위한 그리고 감사합니다 여러분 IT는 자 마린 쇼의 또 다른 에피소드이었다 당신이 거기까지 가입 확인 땡, 거기, 거기 이상 종, 당신은 무엇을 해야할지

그래서 당신은 모든 최신 에피소드를 얻을 구독하기 받은 편지함에서, 각 매주 먹이 다음 시간까지 나는 제임스 Montemagno 해요, 시청 주셔서 감사합니다