• 2019 케라스 코리아 컨트리뷰톤


    케라스 코리아에서 공개SW 컨트리뷰톤에 제안한 두 개의 프로젝트가 선정되어 멘티를 모집하게 되었습니다. 공개SW 컨트리뷰톤이란 기여(Contribute)와 마라톤(Marathon)의 합성어로 참여/공유/개방/협업을 통한 과제수행으로 공개SW(오픈소스)를 개발 및 기여하는 프로그램을 말합니다.


  • 케코운영진과 함께하는 양재R&CD혁신허브 AI SCHOOL


    양재R&CD혁신허브에서 “인공지능 입문자 양성과정 2기”을 모집합니다. 이번에는 비전공자를 위해서 커리큘럼이 나왔는데요, 케라스 코리아 운영진이 전격 투입될 예정입니다. 이 모든 과정에 서울시 지원으로 무료라고 하니 딥러닝 입문에 좋은 기회라고 생각합니다.


  • 1st 모각캐 - 모여서 각자 캐글


    캐글은 실용문제를 직접 풀어보면서 데이터분석부터 모델개발까지 재미있게 해볼 수 있는 머신러닝 대회 플랫폼입니다. 캐글에 대해서 관심은 많지만 아직 시작하지 못했다라면 다 같이 모여서 캐글을 해보면 어떨까요? 혼자하는 것도 재미있는데, 함께하면 더욱더 재미있겠죠?


  • 케라스 BiGAN


    얼마 전 DeepMind에서 BigBiGAN(BigGAN + BiGAN) 모델이 발표되어서 이슈되고 있습니다. 이 중 케라스 기반의 BiGAN 깃헙을 프랑소와 쏠레님이 트윗해주셔서 소개드립니다.


  • [2nd DLCAT] 이제 하이퍼파라미터 튜닝은 케라스 튜너에게 맡기세요 - 김태영


    딥러닝에 입문하여 어느정도 모델을 구성할 수 있다면, 그 다음 고민은 어떻게 이 모델을 튜닝해서 성능을 높일까입니다. 이 과정을 하이퍼파라미터 튜닝이라고 하는데, 모델을 구성하는 여러 요소 중에 최적의 요소 값을 찾아내는 과정을 말합니다. 케라스 모델을 쉽게 튜닝하는 프레임워크를 구글에서 개발했다고 하니 살펴보도록 하겠습니다.


  • [2nd DLCAT] 인공지능, 머신러닝, 딥러닝, 자연어처리, 강화학습 관련 도서


    함께하는 딥러닝 컨퍼런스를 더욱더 즐겁게 만들 도서 사은경품 행사도 진행합니다. 한빛미디어, 길벗, 디지털북스, 위키북스에서 후원해주셨습니다. 경품을 도서별로 설문지를 작성하여 5시 추첨하겠습니다.


  • [2nd DLCAT] 카드게임 강화학습 환경 개발기 - 하스스톤 - 옥찬호


    2016년, 딥마인드에서 개발한 인공지능 바둑 프로그램인 ‘알파고’는 전세계에 커다란 충격을 안겨주었습니다. 최근에는 스타크래프트2 AI ‘알파스타’를 통해 프로게이머에게 10 대 1로 압승해 또 한 번 세계를 놀라게 했습니다. 이를 통해 강화학습에 관심을 갖게 되어 어떤 게임에 적용해볼까 고민하다가 평소 즐기던 ‘하스스톤’이라는 게임에 관심을 갖게 되어 2017년 말부터 하스스톤 강화학습을 위한 API를 만들기 시작했습니다. 이 세션에서는 하스스톤이라는 게임을 간단하게 설명하고 기존 게임과 어떤 부분이 다른지 살펴봅니다. 그리고 현재까지 하스스톤 강화학습과 관련해 진행되었던 연구들을 살펴보고 어떤 한계점을 갖고 있는지 설명합니다. 다음으로 약 1년 반 동안 하스스톤을 만들면서 어떤 기술들을 적용했는지, 그리고 개발하는 과정에서 어떤 어려움을 겪었고 해결했는지 이야기합니다. 마지막으로 강화학습을 위한 환경을 구축하기 위해 작업했던 내용들을 설명하고 완성된 학습 환경을 통해 AI를 어떻게 학습할 수 있는지 살펴봅니다. 이 발표를 통해 평소 하스스톤과 같은 카드 게임 개발이나 게임에 강화학습을 적용하기 위한 환경을 구축하는데 관심을 갖고 있던 프로그래머들에게 조금이나마 도움이 되었으면 합니다.


  • [2nd DLCAT] 설명가능한 강화학습(Explainable Reinforcement Learning) - 차금강


    현재 DeepMind, OpenAI가 선두가 되어 많은 강화학습 문제들이 해결되고 있습니다. 하지만 내부 모델이 왜 특정 상태에서 해당 행동을 하는지는 인공신경망 특성상 알기 어렵습니다. DeepMind에서는 이러한 문제를 자연어 문제에서 흔히 사용하는 self-attention 모델을 이용하여 설명하는 인공신경망을 발표하였습니다. 이는 추후 설명가능한 진정한 의미의 AI가 될 수 있는 가능성을 내포하고 있습니다. 이에 대해서 구현하고 설명하는 내용을 발표할 것 입니다.


  • [2nd DLCAT] 구글 코랩 TPU 알아보기 - 김태진


    데이터 사이언스, 머신러닝 그 중에서도 딥러닝을 위해서는 GPU가 필수입니다. 하지만 GPU가 하늘에서 굴러 떨어지는 것도 아니고, 물론, 캐글 커널과 구글 코랩에 좋은 리소스를 제공하고 있지만, 성능도 그렇게 좋은거 같지는 않은데 세션은 자꾸 날아가는 바람에 기껏 만들었던 모델도 날려 먹었던 경험이 다들 한번쯤은 있으실 거에요. 그런데, 구글 코랩에 정말 굉장하고 엄청난 딥러닝 컴퓨터가 있다는 것, 알고 계신가요? 그것도 무료로 쓸 수 있는데, 성능은 V100과 맞먹는다? Google Colab TPU의 사용 방법과 알아 두면 쓸데 있는 여러 팁에 대해 같이 이야기 해보아요.


  • [2nd DLCAT] 강화학습 환경 제작, Unity ML-agents와 함께하세요 - 민규식


    강화학습에서는 강화학습 알고리즘 자체도 중요하지만 강화학습 알고리즘을 테스트 하기 위한 환경을 구성하는 것도 매우 중요합니다. 지난 2017년 9월에 공개된 Unity ML-agents는 강화학습 알고리즘을 테스트 할 게임 및 시뮬레이션 환경을 비교적 간단하게 구현할 수 있도록 도와주는 고마운 툴입니다. 본 발표에서는 Unity ML-agents에 대한 소개 및 사용법에 대한 설명을 진행할 예정입니다. 또한 Unity ML-agents를 통해 구현한 강화학습 환경들의 예시를 소개하려 합니다.