여러분은 머신러닝 모델을 어디서 학습하고 관리하시나요?
GPU가 없어 느린 학습 속도에 좌절😫 해봤거나, 어떤 모델을 생성해야 좋을지 고민한 적이 있다면, 2nd DLCAT에서 Cloud ML/AutoML를 만나보세요! MS Azure ML Service와 함께하는 AutoML 사용하기 세션은 Microsoft Azure ML Service에서 최적의 머신러닝 모델을 찾으며 Cloud ML Service와 AutoML에 대한 경험을 쌓아보는 시간입니다.
한번도 Clould 서비스를 사용해보지 않았거나, Azure 유료계정이 없어도 걱정하지 말고 노트북과 열정만 가지고 오세요. Microsoft에서 지원하는 Sponsor Pass로 마음껏 학습시켜보아요 ☄️

  • Cloud ML service/Azure AutoML을 사용해 보고 싶은 분 환영입니다 🤗
  • 머신러닝 모델을 직접 학습시켜본 경험이 있다면 더욱 좋습니다.
  • 세션 시작 전, https://signup.live.com/에서 Microsoft 무료 계정을 생성해주세요(이미 계정이 있다면 편한 마음으로 오시면 됩니다).

img

연사소개

전미정

안녕하세요, Keras Korea 운영진 미정입니다. 작년 1st 함께하는 딥러닝 컨퍼런스에서 모바일 딥러닝 주제로 즐겁게 발표하고, 많은 분과 네트워킹했던 좋은 기억을 가득 안고 2nd DLCAT에 돌아왔습니다 🕊
저는 냐옹이, 여행 그리고 공부를 좋아하는 평범한 사람이에요. 만들고 싶은 iOS 애플리케이션이 있어 개발을 시작하게 되었고, 모바일에 딥러닝을 심어보고 싶어 머신러닝을 공부하게되었죠. 다른 연사분들처럼 멋진 전문 지식이나 경험은 별로 없지만 제가 공부하고 경험한 내용을 많은 사람들과 공유하는걸 즐긴답니다. 2nd DLCAT에서도 잘 부탁드립니다 🤗

📮 ninevincentg@gmail.com
🐙 https://github.com/MijeongJeon
👍 https://www.facebook.com/Ninevincent

그리고, 원활한 진행을 위해 실습을 도와주실 멋쟁이, 재원님을 소개합니다 👏🏻

이재원

딥러닝을 사랑하는 대학원생입니다.
몇 해 전 컴퓨터비전과 딥러닝을 처음 접했고 아직도 그 매력에서 헤어나오지 못하고 있습니다.
많은 분들과 소통했으면 좋겠습니다 :D

📮 insurgent92@gmail.com
🐙 https://github.com/visionNoob - e-mail: hjahn@kari.re.kr

발표자료

참고자료

AutoML

장소 및 시간

  • 장소: 대전광역시 유성구 가정로 217 ETRI 융합기술연구생산센터 219호 중회의실3
  • 시간: 7월 4일 13시
시간 A-USTaudi B-USTsci C-USTmeet D-ETRI212 E-ETRI224 F-ETRI219
10시 조수현
3분 강화학습 순한맛 SAC		 이수진
AI시대의 예술작품 - AI Atelier를 이용하여		 박해선
케라스 in 텐서플로우2.0		 유용균
딥러닝과 최적설계		 이현호
(실습)유니티 기반 드론 강화학습 (1)		 정연준
아기다리고기다리던딥러닝 - 케라스로 띄어쓰기 정복하기 (1)
11시 안수빈
The Newbie Guide to Blogging & Visualization		 김준태
나도 너도 모르는 Graph Neural Network의 힘		 안종훈
설명가능한 AI for AI 윤리		 이유한
I’m Kaggler - Why need kaggle?		 이현호
(실습)유니티 기반 드론 강화학습 (2)		 정연준
아기다리고기다리던딥러닝 - 케라스로 띄어쓰기 정복하기 (2)
13시 남기현
(이론)딥러닝으로 오디오 만나보기		 김유민
딥러닝 모델 엑기스 추출(Knowlege Distillation)		 홍원의
(실습)한페이지 논문잡기:찾고+읽고+쓰고+정리하기		 서정훈
빽 투 더 Representation Learning: Visual Self-supervision을 중심으로		 신경인
(실습)파이토치로 갈아타기 (1)		 전미정
(실습)MS Azure ML Service와 함께하는 AutoML 사용하기(1)
14시 황준원
(실습)딥러닝으로 오디오 만나보기		 김영하
AutomatedML 동향		 홍원의
(실습)한페이지 논문잡기:찾고+읽고+쓰고+정리하기		 송규예
Deeplema, 딥러닝 서비스상용화의 딜레마		 신경인
(실습)파이토치로 갈아타기 (2)		 전미정
(실습)MS Azure ML Service와 함께하는 AutoML 사용하기 (2)
15시 민규식
강화학습 환경 제작, Unity ML-agents와 함께하세요		 김태진
구글 코랩 TPU 알아보기		 김보섭
Structuring your first NLP project (1)		 이진원
Efficient CNN 톺아보기		 김경환,박진우
(실습)Rainbow로 달착륙부터 Atari까지 (1)		 대전AI거버넌스
AI 거버넌스 구성
16시 옥찬호
카드게임 강화학습 환경 개발기 - 하스스톤		 김형섭
GAN 동향		 김보섭
Structuring your first NLP project (2)		 차금강
설명가능한 강화학습		 김경환,박진우
(실습)Rainbow로 달착륙부터 Atari까지 (2)		 대전AI거버넌스
AI 적용 가속화 방안
17시 김태영
이제		 김태영
하이퍼파라미터		 김태영
튜닝은		 김태영
케라스 튜너에게		 김태영
맡기세요		 대전AI거버넌스
한계 및 목표치 설정
  • 점심시간은 12시 ~ 13시입니다.
  • 각 세션은 45분 발표, 5분 질의응답, 10분 휴식 및 이동입니다.
  • UST과 ETRI사이는 도보로 10분이내 거리에 있습니다. 따라서 쉬는 시간을 이용해서 이동하시면 됩니다.

상세 프로그램 보기

참가신청

신청은 아래 링크에서 해주세요~

» 신청하기 «

딥러닝을 시작하는 이유는 달라도 딥러닝을 계속 하는 이유 중 하나는 바로 ‘함께하는 즐거움’이지 않을까합니다. 작년 6월 말 대전에서 “1st 함께하는 딥러닝 컨퍼런스”에 400명 넘게 모여 즐겁게 인공지능 및 딥러닝 관한 다양한 주제로 톡을 나누었습니다. 그간 매일 논문만 읽어도 못 따라갈 만큼 새로운 연구가 쏟아지고 있고, 그 활용 사례 및 관심 또한 각 분야에 퍼져가고 있습니다. 대전은 전국 각지에서 오시기에 접근성이 용이하고, 정부출연연구원 및 정부청사, 우수한 대학교, 대기업의 기술 연구소, 최첨단 기술 중심의 벤처회사들이 밀집된 지역인 만큼 지식공유의 즐거움을 나누고자 합니다.

별도의 참가비는 없습니다. 연사분들도 여러분과 즐기게 위해 재능기부합니다. 주차공간이 협소하므로 대중교통을 이용해주세요.

img

  • 일시: 2019년 7월 4일 (10시~18시)
  • 장소: 대전광역시 유성구 가정로 217
    • 과학기술연합대학원대학교 - 대전광역시 유성구 가정로 217
    • ETRI 융합기술연구생산센터 - 대전광역시 유성구 가정로 218
  • 주최: (주)인스페이스 - (주)인스페이스는 한국항공우주연구원 출신 연구원들이 시작한 벤처회사로 위성지상국 개발 및 활용 전문 기술을 기반으로 사업 영역을 확장하고 있습니다. 현재 “태양에서 세포까지 딥러닝”, “게임에서 우주까지 강화학습”의 모토로 여러분야 인공지능을 적용하고자 활발히 연구 개발 중입니다. 인공지능은 기술을 넘어 산업체, 학계, 정부출연연과 오픈 커뮤니티의 공동상생할 수 있는 생태계를 만들고 있기 때문에 인스페이스는 대전을 중심으로 인공지능 생태계를 위한 소통의 장을 형성하기 위해 노력하고 있으며 확대할 계획입니다.
  • 주관: 대딥사, 케라스 코리아, 캐글 코리아, RL 코리아
  • 후원:
    • UST 과학기술연합대학원대학교
    • ETRI 융합기술연구생산센터
    • 대전정보문화산업진흥원
    • (주)유클리드소프트 - 유클리드소프트는 정부부처 및 공공기관 서비스 개발과정에서 축적한 솔루션 기반 탄탄한 기술력 위에 빅데이터 분석, AI기반 CCTV 행동 패턴 분석, CNN, RNN, GAN 등 최신 기술을 접목하여, 고객의 핵심 가치에 더 나은 핵 가치를 제공하고자 계속 노력하고 있는 덕후 개발자들의 회사입니다.
  • 대상: 인공지능 및 딥러닝에 관심있거나 관련 연구를 수행하시는 분들 (약 700명)
    • 트랙 A: UST 강당 300명
    • 트랙 B: UST 사이언스홀 65명
    • 트랙 C: UST 대회의실 35명
    • 트랙 D: ETRI 융합기술연구생산센터 212호 대회의실 180명
    • 트랙 E: ETRI 융합기술연구생산센터 224호 중회의실 50명
    • 트랙 F: ETRI 융합기술연구생산센터 219호 중회의실3 20명

img