딥러닝 관련 내외부 세미나를 공유하고자 합니다.

  • 파이썬 람다(Lambda) - 람다시리즈 1부


    파이썬 입문자에게 람다(Lambda)가 나오면 잠시 명해질 때가 있습니다. 이해가 되는 것 같기도 하고 안되는 것 같기도 하고, 뭔가 묘한 녀석입니다. 뭔가 직관적으로 설명하는 그림이 있어 공유합니다.

    img

    간단한 예제를 살펴보겠습니다.

    >>> f = lambda x: x + 2
    >>> f(2)
    4
    

    조금 더 어려운 거 해볼까요?

    >>> f = lambda x,y: x + y
    >>> f(1,2)
    3
    

    위 코드랑 같지만 아래와 같이 한 줄로 표현할 수 있습니다.

    >>> (lambda x,y: x + y)(1,2)
    3
    

    조금만 익숙해지면 크게 어렵게 느껴지지는 않으시죠? 근데 뭐 이해는 되지만, 왜 이렇게 (어렵게) 하는 지 궁금하시죠? 일단 람다는 필요할 때 바로 정의해서 사용한 후 버리는 일시적인 함수라고 합니다(으잉? 점점 오리무중). 차차 알아보도록 하겠습니다.


    둘러보기

    인공지능 및 머신러닝 관련된 커뮤니티입니다. 편하게 놀러오셔요~

    케라스 코리아 커뮤니티

    캐글 코리아 커뮤니티

    MLOps KR 커뮤니티


  • 케라스 코리아 밋업 in AICON 2019[발표자료포함]


    케라스 코리아 공식 밋업을 AICON에서 열리게 되었습니다.

    img

    • 일시: 12월 17일
    • 시간: 13:00~18:00
    • 장소: 서울 양재R&D혁신허브 (서울 서초구 태봉로 114, 한국교원단체총연합회관)
    • 규모: 본행사 1000명, 밋업 100명

    많은 분들이 함께 해주셨습니다! 130분 넘게 오셨네요~

    img

    쉬는 시간에 연사분들끼리 한 컷 찍었습니다. 즐거운 분위기 좋아요~

    img

    AICON2019 준비하신 분들과 뒷풀이 같이 했답니다.

    img

    전체 행사 프로그램


    img

    상세 내용


    • 김태영
      • 주제: 케라스와 함께하는 AIFactory
      • 소개: 기업이 의뢰한 인공지능 문제를 각 분야의 전문가및 머신러닝 엔지니어들의 크라우드소싱으로 해결하여 인공지능 모델 개발의 수요와 공급을 이어주고 인공지능 적용 가속화 시키는 플랫폼인 AIFactory를 소개합니다. 이 플랫폼의 주요 요소인 AutoML, 데이터셋 암호화, 인공지능 모델 자동 관리와 연동방안에 대해서도 논의합니다.
      • 발표자료:

      img

    • 박남욱
      • 주제: 인공지능의 불확실성: 만약 목숨이 달린 일이라면 딥러닝에게 맡기시겠습니까?
      • 소개: While deep neural networks have better prediction accuracy than human in some areas, it is not possible to estimate the uncertainty of the predictions yet. The prediction cannot be perfectly performed and the misprediction might result in fatal consequences in some areas such as autonomous vehicles control, robotics, and medical analysis. Therefore estimating uncertainty as well as predictions will be crucial for the safer application of machine learning based systems. In this lecture, I explain how deep learning can estimate the uncertainty of its prediction.
      • 발표자료:

    img

    • 임도형
      • 주제: GAN을 사용한 이상탐지 사례
      • 소개: GAN을 사용한 이상탐지 사례를 설명한다. 일반적으로 레이블링 데이터를 확보하는 것은 어렵고, 정상이 아닌 이상상태에 대한 레이블링 데이터는 그 수도 적다. 이러한 제약을 극복하기 위하여 비지도 학습인 GAN을 사용하여 정상상태를 학습하고 이를 사용하여 비정상 상태를 탐지한다. 생체신호에 대한 시계열데이터에 대한 이상탐지 사례를 설명한다.
      • 발표자료:

    img

    • 김영하
      • 주제: TensorFlow 2.0와 Keras의 인연 그리고 이어질 사연들
      • 소개: (추후 업데이트)
      • 발표자료:

    img

    • 김수정
      • 주제: YOLK(You Only Look Keras)
      • 소개: Object detection은 최근 자율주행 자동차, 무인점포, 제조업체 등 실생활에서 정말 많이 사용되고 있는 알고리즘입니다. 본 발표에서는 Opensource contributon 프로젝트인 YOLK를 소개합니다. YOLK는 케라스의 창시자 프랑소와 숄레의 철학을 이어받아 Keras만 알면 누구나 쉽고 간단하게 Object detection을 할 수 있도록 만든 API입니다.
      • 발표자료:

    img

    • 차금강
      • 주제: 분산 텐서플로우를 이용한 분산 강화학습(IMPALA)
      • 소개: 임팔라는 분산형 강화학습 중 가장 성능이 좋다고 알려져 있으며 스타크래프트2를 정복한 알파스타에 적용된 핵심 알고리즘입니다. 본 발표에서는 이전의 분산 강화학습의 단점을 설명하고 이를 어떻게 극복했는지를 설명하며 이를 구현하는데에 느꼈던 어려웠던 점과 어떻게 구현을 했는지에 대해 설명을 합니다. 또한 구현이 정확히 되었는지를 벤치마크하며 다른 분산 강화학습과의 특성까지 비교합니다.
      • 발표자료: (추후 업데이트)
    • 이태영
      • 주제: 다양한 업종의 프로세스를 확인하고 효과적인 딥러닝 모델을 적용하기
      • 소개: 딥러닝에서 무엇보다 중요한 것은 적용할 시스템에 대한 legacy 아키텍처이고, 제조업의 경우 공정 프로세스에 대한 이해가 무엇보다 중요하다. 그 이유는 효율을 높이기 위한 프로세스를 찾아낼 수 있고 생산성 향상과 직결되는 프로세스에 적용한 딥러닝 모델이야 말로 엄청난 경비 절감을 창출할 수 있기 때문이다. 이에 제가 몸 담았었던 철강업과 잘은 모르지만 반도체업의 프로세스를 비교해 보고 어디에 딥러닝 알고리즘을 적용하는게 좋을 것인지를 고찰해 본다. 또한 의료업의 경우 무엇보다 보안이 중요하기에 Federated Learning을 활용해야 하고 챗봇의 경우 Intent Scope에 따른 아키텍처 설계가 중요하고 이에 Transfer Learning이 나오게 되었다는 전반적인 오버뷰를 진행할 예정이다.
      • 발표자료:

    img

    신청하기


    현장 등록 가능합니다. 선착순 100분에게 예쁜 케라스 티 선물드립니다~

    png

    표지설명


    표지에 있는 크리스마스 트리는 TF2.0의 케라스 함수형API 모델로 디자인을 한 것입니다. 자세한 사용법은 아래 링크에서 확인할 수 있습니다.

    • The Keras functional API in TensorFlow: https://www.tensorflow.org/guide/keras/functional
    import tensorflow as tf
    from tensorflow import keras
    from tensorflow.keras import layers
    
    # 모델 구성하기
    inputs = tf.keras.Input(shape=(32,), name='A') 
    a = layers.Dense(64, activation='relu', name='AAAAAAAA')(inputs)
    a = layers.Dense(64, activation='relu', name='AAAAAAAAAAAAAA')(a)
    b = layers.Dense(64, activation='relu', name='B')(a)
    b1 = layers.Dense(64, activation='relu', name='B1')(b)
    b1 = layers.Dense(64, activation='relu', name='BBBBBBB1')(b1)
    b2 = layers.Dense(64, activation='relu', name='B2')(b)
    b2 = layers.Dense(64, activation='relu', name='BBBBBBB2')(b2)
    c = layers.concatenate([b1, b2], name='C')
    c1 = layers.Dense(64, activation='relu', name='CCCCCCCCCC1')(c)
    c1 = layers.Dense(64, activation='relu', name='CCCCCCCCCCCCCCCCCCCCCCC1')(c1)
    c2 = layers.Dense(64, activation='relu', name='CCCCCCCCCC2')(c)
    c2 = layers.Dense(64, activation='relu', name='CCCCCCCCCCCCCCCCCCCCCCC2')(c2)
    d = layers.concatenate([c1, c2], name='D')
    
    predictions = layers.Dense(10, activation='softmax', name='Z')(d)
    
    model = tf.keras.Model(inputs=inputs, outputs=predictions)
    
    # 모델 표출하기
    from IPython.display import SVG
    from keras.utils.vis_utils import model_to_dot
    from keras.utils import plot_model
    
    %matplotlib inline
    
    #SVG(model_to_dot(model, show_shapes=True).create(prog='dot', format='svg'))
    plot_model(model, to_file='model.png', show_shapes=True, show_layer_names=True)
    

    png

    케라스 코리아 커뮤니티

    캐글 코리아 커뮤니티


  • 텐서플로우 2.0 이야기 - 11월 1일 강남


    2019년 10월 1일에 드디어 텐서플로우 2.0이 릴리즈되었습니다.

    • 소개 동영상: https://www.youtube.com/watch?v=EqWsPO8DVXk

    img

    텐서플로우 2.0가 릴리즈되면서, 뭐가 바뀌었는 지, 뭘 바꿔야 하는 지, 어떻게 사용해야하는 지에 대한 궁금증이 늘어나고 있습니다. 이에 대한 이야기를 나누고자 연사분들을 초청합니다.

    • 일시: 2019년 11월 1일
    • 시간: 16:00 ~ 19:00
    • 장소: 서울 강남권

    현재 연사 모집하고 있습니다. 그 전에 인터넷에는 어떤 자료들이 있는 지 살펴볼까요?

    살펴보기


    TensorFlow 2.0 소식 미디엄

    TensorFlow 2.0의 컨셉부터 개선된 점을 개요정도로 소개한 글입니다.

    • 링크: https://medium.com/tensorflow/tensorflow-2-0-is-now-available-57d706c2a9ab

    img

    TensorFlow 2.0 릴리즈 노트 보기

    TensorFlow 2.0 릴리즈 노트입니다. 시간을 내서 꼼꼼히 살펴보시길 권장드립니다. 주요 특징 및 개선점, 하이라이트 및 주요 변경사항으로 나누어서 기술되어 있습니다.

    • 링크: https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0

    img

    기존 코드를 TensorFlow 2.0으로 바꾸기

    기존의 TensorFlow 1.x 사용자가 2.0으로 넘어가기 위한 가이드로 간단한 샘플 예제와 함께 친절하게 “한글로” 설명되어 있습니다.

    • 링크: https://www.tensorflow.org/guide/migration_guide?hl=ko

    img

    관련해서 괜찮은 자료가 있으면 알려주세요~

    프로그램 (추후 업데이트)


    • 16:00~17:00 (미정)
    • 17:00~18:00 (미정)
    • 18:00~19:00 (미정)

    연사 신청하기


    참가 신청하기


    • 참가 신청 링크(추후 업데이트)

    케라스 코리아 커뮤니티

    캐글 코리아 커뮤니티


  • 케라스 코리아 밋업 in SOSCON 2019


    케라스 코리아 공식 밋업을 SOSCON에서 열리게 되었습니다.

    img

    • 일시: 10월 16일
    • 시간: 13:00~18:00
    • 장소: 삼성전자 R&D캠퍼스 D동 1층
    • 규모: 108명

    케라스 코리아 소개


    케라스 코리아는 ‘케라스’ 라는 직관적이고 손쉽게 딥러닝 입문을 할 수 있는 딥러닝 라이브러리를 기반으로 소통하는 커뮤니티입니다. 케라스는 실제 현업에서도 많이 사용하는 라이브러리이기에 입문자는 물론 협업 전문가까지 커뮤니티 멤버가 다양하게 구성되어 있습니다. 또한 딥러닝 기술은 여러 분야에 확산되고 있으므로 분야별로 딥러닝 적용 경험을 나눌 수 있는 공간입니다. 케라스 코리아는 페이스북 그룹을 거점으로 현재 비개발자라도 접근하기 용이하도록 케라스 코리아 블로그, 카카오톡 오픈채팅방 슬랙 등을 활용하여 여러 채널을 통해 소통하고 있습니다.

    • 비전
      • 국내 딥러닝 기술의 진입장벽을 낮춤
      • 분야별 딥러닝 적용 가속화
      • 딥러닝 기술 진입장벽을 낮춰 기술격차를 낮춤
    • 미션
      • 빠르게 발전하는 딥러닝 기술 공유
      • 딥러닝 입문자를 위한 가이드라인 제시
      • 딥러닝 입문자/활용자/전문가가 모여 원활하 게 소통할 수 있는 채널 형성
      • 인공지능 기술 수요자와 공급자 연결 및 채용 기회 제공
      • 딥러닝 모델 개발 및 딥러닝 활용 도메인 전문가 양성

    프로그램


    • 13:00~13:30 서로 소개 - 김태영(동영상) with 전미정
    • 13:30~14:00 함께 성장하는 커뮤니티, 케라스 코리아 - 전미정
    • 14:00~14:30 케라스 in 텐서플로우2.0 - 박해선
    • 14:30~15:00 챗봇(Keracorn) - 김슬기
    • 15:00~15:30 신경망 모델의 손쉽고 효과적인 구성과 수행을 이뤄주는 NNStreamer - 함명주
    • 15:30~16:00 알아두면 쓸데 있는 오픈소스 입문 - 정연준
    • 16:00~16:30 Keras를 한 층 더 멋지게 활용하기 - 황준원
    • 16:30~17:00 Kaggle in Keras ! - 김태진
    • 17:00~17:30 YOLO? YOLK! - 박정현
    • 17:30~18:00 Privacy protected. Verify your identity with your signature - 강형석

    서로 소개 - 김태영 (동영상) with 전미정


    • 김태영
      • 비전공자분들이 직관적이고 간결한 딥러닝 라이브러리인 케라스를 이용해 딥러닝 입문을 쉽게 할 수 있도록 “블록과 함께하는 파이썬 딥러닝 케라스”의 집필과 ‘김태영의 케라스 블로그’, ‘케라스 코리아’, ‘캐글 코리아’를 운영하고 있습니다. 또한 ‘강화학습 코리아의 알파오목 프로젝트’의 팀원으로 알파고 모델을 대중들이 접할 수 있도록 서비스도 구축했습니다. 현재 (주)인스페이스에서는 기술이사로서 “태양에서 세포까지 딥러닝”, “게임에서 우주까지 강화학습”의 모토로 여러분야 인공지능을 적용하고자 활발히 연구개발하고 있습니다.

    img

    • 세션소개
      • 케라스 코리아 분들과 함께 즐겁게 인사하고 서로 소개해요. 어디에 관심이 있는지, 무엇을 하는 지, 앞으로 하고 싶은 것이 무엇인지 서로 이야기를 나누어봐요.

    함께 성장하는 커뮤니티, 케라스 코리아 - 전미정


    • 전미정
      • 자유로운 영혼의 iOS 개발자입니다. 새로운 분야를 조용히 공부하고 소소하게 공유하는 걸 즐깁니다. 컴퓨터 비 전공자로 뒤늦게 프로그래밍 세계에 발을 들여 신세계를 즐겁게 맛보고 있습니다. 커뮤니티에서 다양한 사람들과 기술에 대해 이야기하고 공유하는 걸 좋아하며,. 최근에는 인공지능과 머신러닝의 매력에 폭~ 빠져 케라스코리아 운영진, Microsoft AI MVP 로 활동하고 있습니다.

    img

    • 세션소개
      • 기술을 공유하고 나누는 것이 더 큰 가치가 되어 돌아오는 요즘, 혼자 성장하는 것이 아니라 함께 성장 할 수 있는 방법인 커뮤니티 활동에 대해 이야기합니다. 동일한 분야에 관심을 지닌 다양한 사람들이 모여있는 커뮤니티에서 어떤 이야기가 오고가는지, 온/오프라인으로 어떤 활동을 하는지 알아봅니다. 그리고 커뮤니티에서 다른 사람들과 어떻게 커뮤니케이션 해야 나도, 상대방도 함께 성장할 수 있는지 공유합니다.

    케라스 in 텐서플로우2.0 - 박해선


    • 박해선
      • ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 코드를 읽고 쓰는 일을 했습니다. 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다. “머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로”, “케라스 창시자에게 배우는 딥러닝”(이상 길벗), “(개정판)파이썬 라이브러리를 활용한 머신러닝”, “핸즈온 머신러닝”, “텐서플로 첫걸음”(이상 한빛미디어)을 번역했습니다.
        • 블로그: https://tensorflow.blog
        • 깃헙: https://github.com/rickiepark
        • 이메일: haesunrpark@gmail.com

    img

    • 세션소개
      • 텐서플로 2.0에서 변화된 내용을 소개하고 텐서플로 2.0에서 케라스가 어떤 역할을 담당하게 되었는지 소개합니다. 기본적인 케라스 사용법외에 텐서플로에서 케라스를 이용한 사용자 정의 모델을 어떻게 구현하는지도 알아보겠습니다.

    챗봇(Keracorn) - 김슬기


    • 김슬기
      • 한양대에서 전자통신컴퓨터 공학을 전공하고, S/W 엔지니어로 시작하여 현재는 M/L 엔지니어로서 커리어를 이어 나가고 있습니다. 자연어 처리 관련해서 챗봇 시스템 구축 및 텍스트 기반의 기술을 활용한 인공지능 자소서 평가 솔루션을 개발을 하였고. 현재는 케라콘 컨트리뷰톤 멘토로 활동하고 있습니다.

    img

    • 세션소개
      • 최근 챗봇시스템에 대한 관심이 많아지면서 많은 회사들이 챗봇 시스템 구축을 진행해 왔으나, 인공지능이라는 추상적인 개념으로 인해 많은 오해를 가지고 왔습니다. 기존에 존재했던 텍스트 기반 기술과 AI(Deep Learning)가 들어간 기술을 비교하고, 현재 비즈니스에서 활용하는 챗봇시스템의 예시 및 코어가 되는 자연어 처리의 흐름을 공유하고자 합니다. 그리고, 현재 오픈소스 컨트리뷰톤에 진행 중인 케라콘에 대해 소개하고자 합니다.

    14:30~15:00 신경망 모델의 손쉽고 효과적인 구성과 수행을 이뤄주는 NNStreamer - 함명주


    • 함명주
      • University of Illinois at Urbana-Champaign에서 Computer Science를 전공하고 2009년부터 삼성전자에서 Tizen의 Kernel과 System S/W를 개발하였고, 그 후 Tizen 앱 및 플랫폼 개발 환경 개선을 진행하였다. 최근 자율주행 프로젝트 참여 후 On-Device AI에 필요한 NNStreamer (신경망 Pipeline) 과 NPU 용 System SW 개발을 하고 있다. 오픈소스 활동으로 Linux Kernel의 devfreq, extcon 프레임워크를 제안하고 maintainer로 활동하고 있으며, nnstreamer의 founder이다. 그 외 .NET Runtime, Tensorflow를 포함한 다수의 프로젝트에서 committer로 활동하였다.

    img

    • 세션소개
      • 심층신경망의 사용은 Cloud나 기존 고성능 기기에서 확대되어 모바일/가전기기에서의 On-Device AI로 확대되고 있습니다. On-Device AI는 특히 Device에서 직접 생산되는 대량의 Online Data Stream의 저지연 처리가 요구되는 경우, Cloud 비용이 문제되는 경우, 혹은 개인정보 보호 및 보안문제에 민감할 경우 더욱 유용합니다. 이러한 요구조건을 가지는 AI Application을 구현하기 위해 Data Stream Pipeline 형태로 On-Device AI 를 구현하는 방법들이 최근 제안되고 있으며, 그러한 신경망 용 Pipeline Framework이면서 Tizen, Android, Ubuntu, Yocto, macOS 환경에서 쉽게 공통으로 사용될 수 있는 nnstreamer에 대해 알아보고, nnstreamer를 사용하여 보다 쉽고 효율적으로 application을 작성하는 방법에 대해 소개하고자 합니다.

    15:00~15:30 알아두면 쓸데 있는 오픈소스 입문 - 정연준


    • 정연준
      • 서강대학교에서 컴퓨터공학을 전공하였으며, Microsoft Student Partners 소속으로 다수의 딥러닝 워크샵/세미나를 진행하였습니다. 현재 IT기업에 재직중이며 컴퓨터 비전 관련 연구 및 개발을 진행하고 있습니다. 그 외 Keras, matplotlib등 여러 오픈소스 라이브러리의 컨트리뷰터로 활동하고 있으며, 케라스 코리아에서 케라스 공식 문서 한글화 프로젝트를 리딩하고 있습니다. 오픈소스 문화 확산에 관심이 많습니다.

    img

    • 세션소개
      • 오픈소스에 기여하고 싶어도, 처음 시작할 땐 어떻게 해야 할지 막막할 수 있습니다. 이에 케라스 코리아에서는 컨트리뷰톤, 케라스 공식 문서 한글화 등의 프로젝트를 통해 오픈소스 개발자로서의 첫 발을 내딛는 것을 도와주고 있습니다. 케라스 코리아에서 오픈소스 문화 확산에 기여하는 방식과, 그간 오픈소스 프로젝트에 기여하며 ‘이런 점은 알고 시작하면 좋겠다’고 느낀 점들을 사례를 중심으로 공유해보는 자리를 마련해 보았습니다.

    15:30~16:00 Keras를 한 층 더 멋지게 활용하기 - 황준원


    • 황준원
      • 성균관대학교 소프트웨어학과에 재학 중이고, 현재 산업기능요원으로 복무 중에 있습니다. 케라스 코리아의 운영진을 맡아 오픈 채팅방을 관리하고 있고, 여러 딥러닝 커뮤니티에서 의견을 나누거나 세미나에서 발표를 진행하면서 활동하고 있습니다. 딥러닝 기술 연구와 어플리케이션 개발에 전반적으로 관심이 많고, 사람들이 널리 쓰기 좋은 유용한 도구와 서비스를 만들고자 하는 꿈이 있습니다.

    img

    • 세션소개
      • 초심자 분들도 쉽게 사용할 수 있는 딥러닝 라이브러리인 Keras는 많은 사람들에게 환영받고 있지만, 많은 분들이 어떤 기능을 추가하거나 사용자 임의로 뉴럴 네트워크의 레이어를 수정하는 방법을 잘 모르거나 어려워하십니다. 오픈 채팅방에서도 비슷한 질문들이 여럿 올라오기도 합니다. 이에 사람들이 많이 궁금해하는 기능이나, 잘 모르지만 유용한 기능들을 소개하고 사용법을 간단히 적어 Keras를 좀 더 자유롭고 강력하게 사용할 수 있도록 도와드리는 발표를 준비하려 합니다.

    16:00~16:30 Kaggle in Keras ! - 김태진


    • 김태진
      • 대학교 졸업하고 캐글이 너무 재미있어서 취직도 마다하고 캐글에 뛰어들고 있는 취준생입니다. 저는 학과 공부의 완성은 학교 밖에 있다고 생각해서 학부때는 공모전을 정말 많이 나갔었고 창업동아리 활동도 했었습니다. 정말 공부 외적인 것만 좋아해서 문제입니다만, 다양한 경험은 항상 저를 성장하게 만드는 것 같아요! 현재는 캐글코리아 그룹의 운영진을 맡고 있습니다.

    img

    • 세션소개
      • 데이터 공부를 하고 싶은데 어떻게 시작해야 좋을까요? 캐글이라는 플랫폼이 있던데 처음이라 너무 어려워요…. 케라스, 파이토치, 텐서플로우 들어본 적은 있는데 뭐부터 건드려야 할지 모르겠어요. 케라스 쉽다고 하는데 저한텐 아직…. 캐글을 잘 할 수 있는 방법은 뭘까요? 초보자에겐 익숙해지기 어려운 캐글을 케라스와 함께 풀어서 소개해드리려고 합니다. 캐글을 하기 위한 여러가지 팁과 정보는 덤!

    16:30~17:00 YOLO? YOLK! - 박정현


    • 박정현
      • 좋은 기회로 Purdue University에서 Machine Learning을 이용한 Drone Detection 시스템 프로젝트를 참여했던 것이 너무 재미있어서 AI를 시작하게 되었습니다. kakaoVX의 Machine Learning Engineer로 일하고 있고 주로 컴퓨터비전, 현재는 주로 Human Activity Recognition 분야를 연구 및 개발하고 있습니다. 많은 사람들이 쓰는 서비스를 만드는 것이 목표 중 하나이고, 재밌는것이라면 다 좋아합니다! 그리고 멋진 분들과 함께 케라스 코리아 운영진을 맡고 있습니다.

    img

    • 세션소개
      • 영상 및 이미지 컨텐츠에 포함된 물체 분석해 유용한 정보를 찾아내거나, 새로운 사용자 경험을 제공하는 Object Detection은 최근 가장 인기 있는 computer vision 분야 중 하나입니다. 활용도가 높고 관심이 많아 Object Detection 기술을 쉽게 사용할 수 있는 다양한 API가 제공되고 있지만, 공개된 API를 목적에 맞게 튜닝하거나 실제 데이터를 적용하기에는 어려움이 많습니다. 그래서 시작된 2019 공개 SW 컨트리뷰톤의 케라스 커뮤니티 프로젝트! Keras를 활용한 Objective Detection Platform YOLK를 소개합니다.

    17:00~17:30 Privacy protected. Verify your identity with your signature - 강형석


    • 강형석
      • 머신러닝과 인공지능에 관심이 있어 Udacity machine learning nanodegree를 전공하고 Google hackfair finalist로 시각장애인을 위한 문서 리더기를 만들었다. 데이터를 모으고 가공하는 것에 대한 가치를 깨닫고 환경 문제를 해결하기 위해 재활용 쓰레기를 버리면서 쓰레기에 대한 이미지 데이터나 소비자 데이터를 댓가로 보상을 주는 Naturecoin을 창안 및 개발을 하여 GIX innovation challenge, Citypreneur finalist에 선정되었다. 현재는 탈중앙화된 신분 증명(DID)와 데이터에 대한 privacy에 관심이 많으며 SpeckleOS에서 인터체인 프로젝트인 폴카닷 네트워크에서 블록체인 간 data portability와 privacy를 지키기 위해 브릿지와 신분 증명 검증에 대해 연구 및 개발 중이다.

    img

    • 세션소개
      • 만약 아이디나 패스워드 없이 신원을 인증할 수 있다면 어떨까요? 인공지능을 이용해 어떻게 digital identity를 만들 수 있는지 알아보고 케라스로 간단하게 모바일 서명 인식 예제를 만들어봅시다.

    17:30~18:00 PIntroduction to Quantum Machine Learning with keras - 맹윤호


    • 맹윤호
      • 연세대학교 정보대학원에서 비즈니스 빅데이터 분석 석사과정을 졸업하고, 현재는 IBM Watson에서 Cognitive Engineer로 재직하고 있다. 관심기술분야는 딥러닝, 음성인식, 양자컴퓨팅, 마이크로 서비스 아키텍처 등이다. 기술, 진로, 재테크 등 이야기 하고 나눌 수 있는 맹개발의 기술 블로그을 운영 중이다.

    img

    • 세션소개
      • 최근 들어 양자컴퓨팅을 머신러닝에 적용하려는 시도가 늘어나고 있다. 본 세션에서는 양자 컴퓨팅(QISKIT)을 활용한 머신러닝 분석에 케라스를 이용할 수 있는 가능성에 대해 살펴보고자 한다. (이론 레벨의 세션)

    신청하기


    본 밋업은 소스콘 안에서 이뤄지는 행사라 두 군데에 모두 신청을 하셔야 합니다~

    케라스 코리아 커뮤니티

    캐글 코리아 커뮤니티


  • 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.

    img

    • 참가대상: 공개SW 개발문화에 관심이 있고 직접 참여해보고 싶은 누구나!
    • 참가신청날짜: 8.5(월)~8/25(일)
    • 참가신청링크: https://www.oss.kr
    • 주최: 과학기술정보통신부
    • 주관: 정보통신산업진흥원

    케라스 코리아에서는 총 두 개의 프로젝트가 진행되며, 각 프로젝트별 두 개의 태스크가 진행됩니다.

    • 프로젝트
      • PR1: YOLK(You Only Look Keras)
        • PR1-Task1: ObDe
        • PR1-Task2: KoKo
      • PR2: 케라콘-케라스기반챗봇시스템
        • PR2-Task1: NLP
        • PR2-Task2: 챗봇 서비스
    • 일정
      • 8/5~8/25: 멘티 참가 신청
      • 8/30: 멘티 최종발표
      • 9/7: 발대식
      • 10/19: 6주간 팀별활동 종료
      • 11/2: 최종평가회
    • 멘토
      • 전미정: 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. 즐거운 협업과 YOLK의 ObDe 프로젝트를 담당합니다.
      • 정연준: 케라스 코리아 운영진 및 셀바스AI 컴퓨터 비전 연구원. 취미로 오픈소스를 하는 사람입니다. 기술고문과 YOLK의 KoKo 프로젝트를 담당합니다.
      • 김슬기: 머신러닝 엔지니어라는 잡타이틀을 가지고,이번 챗봇 프로젝트멘토로 참여하게되었습니다. 평소 케라스 코리아와 캐글 코리아에서 눈팅하는 것을 즐겨하며, 새로운 환경에서 새로운 것을 도전하는 것에 관심이 많습니다. 모두에게 의미있고, 즐거운 컨트리뷰톤이되길 바랍니다.
      • 김영하: 새로운 기술에 관심이 많은 엔지니어 성향을 가진 개발자입니다. 전사 시스템 모니터링 및 빅데이터 플랫폼 기반의 실무 프로젝트를 수행했습니다. 프리랜서처럼 일하는 회사 인디플러스에서 데이터 분석, 인공지능 관련된 프로젝트 수행 및 강의를 하고 있습니다. 지난2~7월간 진행된MS Azure Discovery Day 행사인 2일차에 Azure에서 하는 인공지능을 담당했습니다. 기술서를 읽고 공유하고자 공부하다 보니 어느덧 번역한 책이 데이터 분석을 위한판다스 입문, 파이썬 웹 스크래핑 등 6권이 되었습니다. 재미있고 쉽게 누구나 해볼 수 있는 프로그래밍 및 인공지능 컨텐츠 를 찾으며 만들고 있습니다.
      • 김태영: 비전공자분들이 직관적이고 간결한 딥러닝 라이브러리인 케라스를 이용해 딥러닝 입문을 쉽게 할 수 있도록<블록과 함께="" 하는="" 파이썬="" 딥러닝="" 케라스="">의 집필과 김태영의 케라스블로그, 케라스 코리아, 캐글 코리아 를운영하고 있습니다. 또한 강화학습 코리아의 알파오목 프로젝트의 팀원으로 알파고 모델을 대중들이 접할 수 있도록 서비스도 구축했습니다. 현재 (주)인스페이스에서 기술이사로서 태양에서 세포까지 딥러닝, 게임에서 우주까지 강화 학습의 모토로 여러 분야 인공지능을 적용하고자 활발히 연구개발 하고 있습니다.

    YOLK(You Only Look Keras)


    img

    • 소개
      • 딥러닝 오픈소스인 Keras의 기술향상과 접근성향상 두가지 모두에 기여하는 프로젝트로, ObDe와 KoKo 두 개 주제로 이뤄집니다.
      • ObDe(옵디): Keras를 활용한 Object Detection(객체검출) Platform 생성 => 주어진 이미지 컨텐츠를 분석하는 데 가장 적합한 모델을 찾아주는 Objective Detection Platform생성/API 구축
      • KoKo(코코): Keras 공식문서 한글화작업 => Keras 공식 홈페이지에서 제공하는 영어문서를 한글화하여 딥러닝 사용자들의 기술 접근성 및 사용성 향상
    • 멘토
      • 전미정
      • 정연준
      • 김태영
    • 가이드
      • ObDe
        • Step 1: 협업 방법 이해하고 익숙해지기
        • Step 2: Object Detection 과정 이해하기
        • Step 3: Keras Object Detection Platform 구현
        • Step 4: KerasAPI 구축
        • Step 5: Deploy
      • KoKo
        • Step 1: 협업 방법 이해하고 익숙해지기
        • Step 2: 용어통일
        • Step 3: 문서번역
        • Step 4: 오류수정
        • Step 5: Deploy
    • 상세내용 다운로드

    케라콘-케라스기반챗봇시스템


    img

    • 소개
      • 이번 케라스 컨트리뷰톤의 프로젝트중 하나인챗봇은 실생활에서 가장 쉽게 접할 수 있고, 활용범위가 넓어 많은 사람들이 참여하고, 함께 만들어가는데 의미가 있기 때문에주제로 채택했습니다. 프로젝트는 한글데이터를 기반으로 진행 할 예정이고, 먼저자연어 처리의 기본 과정을 진행한후Python 환경 구축을 진행 후 본격적인 프로젝트를 진행 하고자 합니다.
      • 그 후 순서는데이터 수집, 전처리, 라벨링, 모델 생성, 모델 평가로 진행 할 예정입니다. 영화 평점 데이터가 쉽게 구할 수 있기 때문에 이와 관련된 도메인으로 진행할 예정입니다. 팀원들의 의견을 조율하여 변경은 가능합니다.
    • 멘토
      • 김슬기
      • 김영하
      • 김태영
    • 가이드
      • Step 1: 컨트리뷰톤 기본 협업 방법 숙지
      • Step 2: 개발 환경 구축
      • Step 3: 자연어처리에 대한 기본 과정 이해하기
      • Step 4: 챗봇 프로젝트구축진행
      • Step 5: Deploy
    • 상세내용 다운로드

    신청하기


    같이보기


    케라스 코리아 커뮤니티

    캐글 코리아 커뮤니티


  • 2nd DLCAT 리뷰


    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?

    img

    행사 정보


    • 주최/주관: 캐글 코리아
    • 날짜: 2019/08/10 (토요일)
    • 장소: 서울구글캠퍼스
    • 프로그램 일정
      • 13:00 ~ 18:00 - 캐글!!!
      • 18:00 ~ - 네트워킹 시간! (맛있는 저녁 함께하시죠)
    • 준비물:
      • 노트북
      • 노트북 충전기
      • 열정
      • 킵고잉마인드

    신청하기

    문의



  • 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.

    img

    커리큘럼


    • 1주. 인공지능 이야기
    • 2주. 코드없이 만드는 머신러닝
    • 3주. 딥러닝 이야기
    • 4주. 케라스 기초
    • 5주. 파이썬 기초
    • 6주. 다층 퍼셉트론 신경망 모델
    • 7주. 컨볼루션 신경망 모델과 이미지 처리
    • 8주. 순환 신경망 모델과 자연어 처리
    • 9주. 생성 모델
    • 10주. 강화학습 분야
    • 11주. 응용 모델
    • 12주. 모델 서비스 배포

    교육 정보


    • 참가비용: 무료 (100% 서울시 지원)
    • 주최: 서울특별시
    • 주관: 양재R&CD혁신허브 (운영사: KAIST 지역협력센터)
    • 대상: 인공지능에 관심 있는 비전공자 및 일반인 40명(비이공계)
    • 일시: 9월3일 ~ 11월19일, 매주 화요일 19:00~22:00
    • 장소: 양재R&CD혁신허브 1층 AI PLAY GROUND (한국교원단체총연합회관 1층)

    강사진


    • 김태영
    • 전미정
    • 이상훈
    • 이태영
    • 강형석
    • 정연준
    • 황준원
    • 박정현
    • 이재원

    신청하기


  • 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?

    img

    행사 정보


    • 주최/주관: 캐글 코리아
    • 날짜: 2019/08/10 (토요일)
    • 장소: 서울구글캠퍼스
    • 프로그램 일정
      • 13:00 ~ 18:00 - 캐글!!!
      • 18:00 ~ - 네트워킹 시간! (맛있는 저녁 함께하시죠)
    • 준비물:
      • 노트북
      • 노트북 충전기
      • 열정
      • 킵고잉마인드

    신청하기

    문의



  • 케라스 BiGAN


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

    보통 GAN은 노이즈를 Generator에 입력한 후 Generator가 생성한 이미지와 실제 이미지를 Discriminator가 분류하는 방면, BiGAN은 이미지로부터 뽑아낸 노이즈와 Generator로 생성한 이미지를 같이 Discrimiator에 입력합니다. 여기서 핵심은 “이미지로부터 뽑아낸 노이즈”라는 것인데, 이미지를 인코딩한 잠재벡터라고 보시면 됩니다.

    img (출처: Adversarial Feature Learning, Jeff Donahue, https://arxiv.org/abs/1605.09782)

    이렇게 이미지로부터 잠재벡터를 잘 뽑아내는 네트워크를 학습시켰다면, 이미지간 유사도를 측정해볼 수 있겠죠? 즉 이미지를 입력하면, 잠재벡터를 뽑아내고, 가지고 있는 이미지들에 대해서 뽑아낸 잠재벡터와 가장 유사한 것을 골라내는 식입니다. (혹은 만들거나 말이죠)

    풍경 사진으로부터 유사도를 뽑아내는 BiGAN 케라스 코드를 통해서 한 번 살펴보시죠~

    img

    가장 왼쪽에 있는 사진이 모델에 질문을 던진 사진이고, 오른쪽 두번째부터는 데이터셋에서 가장 유사한 순서대로 검출된 이미지입니다. 그 밖에,

    • BiGAN의 특징 공간 내에서 클러스터링을 하거나
    • 실제 이미지와 유사한 이미지를 만들어내는 등 다양한 활용이 소개되어 있네요.

    소스코드


    img

    파일 구조는 다음과 같습니다.

    • bigan.py: BiGAN 네트워크를 정의하고 학습하는 코드입니다.
    • guess.py: BiGAN 특징 공간의 Inverse Distance Weighting 유사도를 이용하여 게임을 해보는 코드입니다.
    • idw.py: Inverse Distance Weighting을 계산하는 코드로 거리가 가까울수록(유사도가 높을 수록) 높은 값을 반환하는 함수입니다.

  • [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.

    img

    연사소개

    현재 (주)인스페이스에서는 기술이사로서 “태양에서 세포까지 딥러닝”, “게임에서 우주까지 강화학습”의 모토로 여러분야 인공지능을 적용하고자 활발히 연구개발하고 있습니다. 경희대학교 우주탐사학과 박사과정 중에 있으며 대딥사, 케라스 코리아, 캐글 코리아 등 오픈 커뮤니티 운영진으로써 즐거운 인공지능 생태계 조성에 조금이라도 보탬이 되고자 합니다.

    • 이메일: tykim@inspace.re.kr
    • 블로그: tykimos.github.io

    발표자료

    참고자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST, 218 ETRI 동시진행
    • 시간: 7월 4일 15시
    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


  • [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.

    img

    한빛미디어


    길벗


    디지털북스


    위키북스


    함께하는 딥러닝 컨퍼런스 행사


    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 시간: 7월 4일 오전 15시
    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~

    » 참가신청하기 «

    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

    경품 추첨을 통한 설문지 작성 링크는 행사 당일에 열립니다.

    » 경품응모하기(오픈예정) «


  • [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.

    img

    연사소개

    현재 넥슨 코리아에서 게임 클라이언트 개발을 담당하고 있습니다. C++와 게임 개발, 컴퓨터 그래픽스, 강화학습, 오픈 소스에 관심이 많습니다. 페이스북 C++ Korea 그룹을 운영하며 스터디 활동과 함께 다양한 책을 번역/집필 중이며, 남는 시간엔 학생들과 함께 다양한 오픈 소스 프로젝트를 진행하며 보다 나은 미래를 만들기 위해 노력하고 있습니다. 옮긴 책으로는 『게임샐러드로 코드 한 줄 없이 게임 만들기』 (에이콘출판사, 2013), 『유니티 Shader와 Effect 제작』 (에이콘출판사, 2014), 『2D 게임 프로그래밍』 (에이콘출판사, 2014), 『러스트 핵심 노트』 (한빛미디어, 2017), 『모던 C++ 입문』 (길벗, 2017), 『C++ 최적화』 (한빛미디어, 2019)이 있습니다.

    • 블로그: https://utilforever.github.io
    • Github: https://github.com/utilforever
    • 이메일: utilForever@gmail.com

    발표자료

    참고자료

    TBD

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 강당
    • 시간: 7월 4일 16시
    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


  • [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.

    img

    연사소개

    안녕하세요 현재 너드팩토리에서 자연어처리를 이용한 여러가지 문제를 풀고 있는 강입니다. 챗봇 시스템, 언어처리를 이용한 추천시스템 등을 연구/개발하고 있으며 진정한 의미의 인공지능으로써 강화학습을 연구하고 있습니다.

    • 깃헙: http://github.com/chagmgang
    • cv: https://github.com/chagmgang/cv
    • 이메일: chagmgang@gmail.com

    발표자료

    참고자료

    • Attention Is All You Need
    • Proximal Policy Optimization Algorithms
    • A simple neural network module for relational reasoning
    • Relational Deep Reinforcement Learning

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 218 ETRI 융합기술연구생산센터 212호 대회의실
    • 시간: 7월 4일 16시
    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


  • [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.

    img

    연사소개

    부산대 정보컴퓨터공학부 졸업하고 캐글이 너무 재미있어서 취직도 마다하고 캐글에 뛰어들고 있는 직업이 백수고 업무가 캐글인 김태진입니다. 저는 학과 공부의 완성은 학교 밖에 있다고 생각해서 학부때는 공모전을 정말 많이 나갔었고 창업동아리 활동도 했었습니다. 정말 공부 외적인 것만 좋아해서 문제입니다만, 다양한 경험은 항상 저를 성장하게 만드는거 같아요! 현재는 캐글코리아 그룹의 운영진을 맡고 있습니다. 관심분야는 캐글, NLP, 딥러닝 등등 입니다.

    발표자료

    참고자료

    TBD

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 시간: 7월 4일 15시
    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


  • [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.

    img

    연사소개

    현재 한양대학교 미래자동차공학과 기계감지 및 제어연구실 (MML Lab.)에서 석박사 통합과정 중에 있습니다. 자율주행차량 및 운전자 보조 시스템에 대한 연구를 수행하고 있으며 딥러닝, 강화학습, 유니티에 대해 공부하고 있습니다. 페이스북 페이지 Reinforcement Learning Korea의 운영진 중 한명으로 활동하고 있으며 유니티 코리아에서 공인한 유니티 전문가 그룹인 유니티 마스터즈 3기에 선정되었습니다.

    발표자료

    참고자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 강당
    • 시간: 7월 4일 15시
    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


  • [2nd DLCAT] (실습)강화학습 해부학 교실: Rainbow, 이론부터 구현까지 - 김경환,박진우


    Atari 환경에서 아주 좋은 성능을 보여주는 강화학습 알고리즘인 Rainbow를 공부해 봅니다. Rainbow를 구성하는 DQN, PER, Double-Q, Dueling Network, NoisyNet, C51, N-Step TD의 이론적 배경을 함께 살펴보고, Rainbow의 파이토치 구현을 line-by-line으로 뜯어봅시다. (노하우 대방출)

    img

    연사소개

    현재 Medipixel에서 research engineer로 재직중이며, 강화학습을 통해 심혈관 중재시술(PCI) 일부 과정을 자동화하는 연구를 진행하고 있습니다. 심혈관 중재시술의 핵심은 혈관 내에서 병변부위까지 무사히 도달할 수 있도록 wire를 제어하는 기술입니다. 특히 wire 제어는 굉장히 풀기 어려운 non-linear system으로 악명이 높은데, 저희는 그 동안의 성과물을 통해 강화학습에 의한 wire 제어의 가능성을 조금씩 세상에 보여주고 있습니다.

    • 블로그: https://mrsyee.github.io / https://curt-park.github.io/
    • 깃헙: https://github.com/MrSyee / https://github.com/Curt-Park
    • 이메일: khsyee@gmail.com / www.jwpark.co.kr@gmail.com

    발표자료

    참고자료

    • 논문
      • V. Mnih et al., “Human-level control through deep reinforcement learning.” Nature, 518 (7540):529–533, 2015.
      • T. Schaul et al., “Prioritized Experience Replay.” arXiv preprint arXiv:1511.05952, 2015.
      • van Hasselt et al., “Deep Reinforcement Learning with Double Q-learning.” arXiv preprint arXiv:1509.06461, 2015.
      • Z. Wang et al., “Dueling Network Architectures for Deep Reinforcement Learning.” arXiv preprint arXiv:1511.06581, 2015.
      • M. G. Bellemare et al., “A Distributional Perspective on Reinforcement Learning.” arXiv preprint arXiv:1707.06887, 2017.
      • M. Fortunato et al., “Noisy Networks for Exploration.” arXiv preprint arXiv:1706.10295, 2017.
      • M. Hessel et al., “Rainbow: Combining Improvements in Deep Reinforcement Learning.” arXiv preprint arXiv:1710.02298, 2017.
    • 깃헙
      • https://github.com/medipixel/rl_algorithms
      • https://github.com/Kaixhin/Rainbow
      • https://github.com/higgsfield/RL-Adventure
      • https://github.com/openai/spinningup

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 218 ETRI 융합기술연구생산센터 224호 대회의실
    • 시간: 7월 4일 15시
    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
    맞기세요
    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


  • [2nd DLCAT] Efficient CNN 톺아보기 - 이진원


    ImageNet에서 ResNet이 human performance를 뛰어넘은 이후 efficiency를 중요시하는 CNN들이 계속 연구되어 왔는데 최근까지의 흐름을 쭉 정리해보고자 합니다.

    img

    연사소개

    현재 삼성전자에서 Staff Engineer로 일하고 있습니다. Deep Learning Hardware Accelerator와 모델 경량화를 연구하였습니다. PR12 논문 읽기 모임을 3년째 참여하고 있고, Facebook TensroFlow Korea group에서 운영진으로도 활동하고 있습니다.

    • 깃헙 : https://github.com/jwlee-ml
    • 이메일: jwlee.ml25@gmail.com

    발표자료

    참고자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 218 ETRI 융합기술연구생산센터 212호 대회의실
    • 시간: 7월 4일 15시
    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


  • [2nd DLCAT] AI 거버넌스 구성/ AI 적용 가속화 방안/ 한계 및 목표치 설정 - 대전AI거버넌스


    대전 산업 AI 생태계 활성화 및 거버넌스 구성 방안

    img

    연사소개

    안창욱 - 광주과학기술원(GIST) - e-mail: cwan@gist.ac.kr 이준 - 산업연구원(KIET) - e-mail: jlee@kiet.re.kr 이순석 - 한국전자통신연구원(ETRI) - e-mail: sslee@etri.re.kr 유용균 - 원자력연구원(KAERI) - e-mail: ygyu@kaeri.re.kr 이홍석 - 한국과학기술정보연구원(KISTI) - e-mail: hsyi@kisti.re.kr 안효정 - 한국항공우주연구원(KARI) - e-mail: hjahn@kari.re.kr

    발표자료

    참고자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 ETRI 융합기술연구생산센터 219호 중회의실3
    • 시간: 7월 4일 15시
    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


  • [2nd DLCAT] Structuring your first NLP project - 김보섭


    NLP 논문을 구현할 때, 항상 수반하는 전처리(Vocabulary, Tokenizer, Embedding 등)들을 반영하는 project template (project structure)을 구성하고, 구현 시 modulization을 어떻게 효율적으로 해야하는 가에 관하여 소개합니다. 소개한 project template을 토대로 PyTorch로 구현한 “Convolutional Neural Networks for Sentence Classification”을 네이버 영화평점 데이터에 적용해봅니다. (논문의 상세한 내용에 대해서는 소개하지 않습니다. 발표자료를 참고해주세요)

    img

    • 발표가 유익하실 분들
      • 논문 구현을 project template 토대로 구현한 경험이 없으신 분들
      • 논문 구현에 관심있으신 분들
      • 자기자신만의 project template 구성에 관심있으신 분들
      • NLP 논문 구현에 관심있으신 분들
    • 발표가 유익하지 않으신 분들
      • 이미 사용하고 계신 project template이 있으신 분들
      • 전문적인 딥러닝 개념을 듣고 싶으신 분들

    연사소개

    현재 LG전자 인공지능연구소에서 Researcher로 일하고 있습니다. 모두의 연구소에서 NLP 관련 스터디 모임(NLP Bootcamp)에서 faciliator로 활동하고 있으며, 모두를 위한 딥러닝 시즌 2 (TensorFlow)에 Contributor로 참여하였습니다. 현재는 Bayesian NN, Novelty Detection기반으로 Uncertainty를 NLP의 여러분야에 적용하는 연구를 하고 있습니다.

    • 홈페이지: https://aisolab.github.io/
    • 깃헙: https://github.com/aisolab
    • 이메일: bsk0130@gmail.com

    발표자료

    참고자료

    • 논문: https://arxiv.org/abs/1408.5882
    • 깃헙: https://github.com/aisolab/nlp_implementation/tree/master/Convolutional_Neural_Networks_for_Sentence_Classification

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 시간: 7월 4일 15시
    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


  • [2nd DLCAT] AutomatedML 동향 - 김영하


    .

    img

    연사소개

    TBD

    발표자료

    참고자료

    TBD

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 시간: 7월 4일 14시
    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


  • [2nd DLCAT] Deeplema, 딥러닝 서비스상용화의 딜레마 - 송규예


    즈니스 관점에서의 딥러닝에 대한 톡입니다. 실제 비즈니스 상에서 기술에 대한 오해나 상용화에 대해 접근방법이 아쉬운적이 많았고 여기에 대한 의견을 나누고자 합니다.

    img

    연사소개

    ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 코드를 읽고 쓰는 일을 했습니다. 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다. “머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로”, “케라스 창시자에게 배우는 딥러닝”(이상 길벗), “(개정판)파이썬 라이브러리를 활용한 머신러닝”, “핸즈온 머신러닝”, “텐서플로 첫걸음”(이상 한빛미디어)을 번역했습니다.

    발표자료

    참고자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 ETRI 융합기술연구생산센터 212호 대회의실
    • 시간: 7월 4일 14시
    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


  • [2nd DLCAT] (실습)딥러닝으로 오디오 만나보기 - 황준원


    최근 프로젝트를 통해 음성 데이터를 처음 다뤄보면서 음성 데이터를 전처리하고 모델 학습에 사용하는 여러 방법을 접해보았습니다. 음성은 데이터 차원의 수가 이미지보다 적지만 그 특성이 꽤 달라 사전 지식과 테크닉들이 필요했습니다. 이에 처음 음성 데이터를 다루면서 겪을 만한 어려움과 새로이 배운 노하우들을 공유하기 위해 발표를 준비했습니다. 바로 전 시간에 준비되어 있는 남기현 님의 이론편에 이어, 실제로 audio를 불러오고 다양한 feature를 추출하는 전처리와 augmentation, 그리고 연산 속도를 높이기 위한 GPU 연산 사용법을 간단한 예시 코드와 함께 소개해 드리려 합니다. audio 데이터를 활용한 딥러닝 연구를 처음 시작하시는 분들께 도움이 되었으면 합니다.

    img

    연사소개

    성균관대학교 소프트웨어학과에 재학중인 학부생이고, 다양한 딥러닝 분야를 골고루 배우며 연구부터 개발까지 두루 갖추고자 합니다. 현재 케라스 코리아 운영진 및 케라스 코리아 오픈채팅 방장을 맡고 있으며, 페이스북 그룹과 오픈 채팅방에서 다른 연구자 및 개발자 분들과 교류하고 있습니다. 지난 KCD2019에서는 케라스 코리아 세션에서 “이상한 폰트 나라로 뛰어들기” 를 발표했습니다.

    • 홈페이지: https://nuxlear.github.io/
    • 깃헙: https://github.com/nuxlear
    • 페이스북: https://www.facebook.com/nuxlearHwang

    발표자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 강당
    • 시간: 7월 4일 오후 2시
    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
    맞기세요
    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


  • [2nd DLCAT] 딥러닝 모델 엑기스 추출(Knowlege Distillation) - 김유민


    여러 딥러닝 모델 압축 방법들 중 Knowledge Distillation분야의 연구 흐름을 관련 논문 리뷰를 통해 소개해드리려고 합니다.

    img

    연사소개

    현재 경희대학교 컴퓨터공학과 머신러닝&비주얼컴퓨팅 연구실에서 석사과정 재학중이고, 딥러닝 모델 압축 알고리즘을 연구하고 있습니다.

    • 이메일: rladbals0733@gmail.com

    발표자료

    참고자료

    • 논문
      • Han et al. Learning both Weights and Connections for Efficient Neural Networks. In NIPS, 2015.
      • Han et al. Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding. In ICLR, 2016.
      • G. Howard et al. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. In arXiv, 2017.
      • Chen et al. Big-Little Net: an Efficient Multi-Scale Feature Representation for visual and speech recognition. In ICLR, 2019.
      • Szegedy et al. Going Deeper with Convolutions. In CVPR, 2015.
      • Ba et al. Do Deep Nets Really Need to be Deep?. In NIPS, 2014.
      • Hinton et al. Distilling the Knowledge in a Neural Network. In NIPS workshop, 2014.
      • Romero et al. FitNets: Hints for Thin Deep Nets. In ICLR, 2015.
      • Yim et al. A Gift from Knowledge Distillation: Fast Optimization, Network Minimization and Transfer Learning. In CVPR, 2017.
      • Zagoruyko et al. Paying More Attention to Attention: Improving the Performance of Convolutional Neural Networks via Attention Transfer. In ICLR, 2017.
      • Kim et al. Paraphrasing Complex Network: Network Compression via Factor Transfer. In NIPS, 2018.
      • Furlanello et al. Born-Again Neural Networks. In ICML, 2018.
      • Yu et al. Network Recasting: A Universal Method for Network Architecture Transformation. In AAAI, 2019.
      • Park et al. Relational Knowledge Distillation. In CVPR, 2019.

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 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


  • [2nd DLCAT] (이론)딥러닝으로 오디오 만나보기 - 남기현


    지금까지 해왔던 연구와는 완전히 달랐던 음원 분야를 연구하게 되어 이를 위해 공부했던 필수 지식들을 이번 시간에 여러분들과 공유하고자 합니다. 이 발표는 audio 분야는 처음인데 아무것도 아는 것이 없어 혼란스러운 분들과 딥러닝을 통한 audio 연구는 어떤 것이 있고 어떻게 하면 되는지 궁금하신 분들을 위한 발표입니다. 최대한 비전문가도 이해할 수 있도록 자료를 구성했으니 audio 분야에 도전하고자 하시는 분에게 도움이 되었으면 합니다.

    img

    연사소개

    한국외국어대학교 의료영상연구실에서 학부연구생으로 활동하고 있습니다. [NAVER TechTalk]에서 ‘딥러닝 Super Resolution, 어디까지 왔니?’를 발표한 적이 있으며, 현재는 음원 분리를 연구하고 있습니다.

    • 홈페이지: https://devkihyun.github.io/
    • 깃헙: https://github.com/DevKiHyun/
    • 이메일: devkihyun@naver.com

    발표자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 강당
    • 시간: 7월 4일 오후 1시
    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
    맞기세요
    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


  • [2nd DLCAT] 실습)MS Azure ML Service와 함께하는 AutoML 사용하기 - 전미정


    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 ServiceAutoML에 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


  • [2nd DLCAT] I'm Kaggler - Why need kaggle? - 이유한


    전세계 데이터를 사랑하는 사람들에게 데이터를 제공하고, 함께 즐길 수 있도록 해주는 캐글을 소개하려고 합니다. 작년 1st DL cat 에서 캐글 발표 이후 지난 1년간의 캐글 경험 및 후기를 들려드릴 것입니다. 제 발표를 들으시면, 왜 캐글이 ML, DL, DS 를 위한Project-based learnin(PBL) 을 할 수 있는 최적의 플랫폼인지 알게 되실 겁니다.

    img

    연사소개

    현재 KAIST 생명화학공학과에서 박사과정 재학중이며, 전공은 분자 시뮬레이션입니다. 데이터 사이언스, AI를 어디서 배울지 고민하다가 캐글을 알게 된 후, 캐글이 취미가 된 대학원생입니다. 캐글에서 공부한 여러 ML, DL 스킬을 화공분야에 접목하고자 노력하고 있습니다. 저에게 큰 도움을 준 캐글을 다른 사람들과 함께 하고 싶어 발표자로 참여하게 되었습니다.

    • 캐글 프로필: https://www.kaggle.com/youhanlee

    발표자료

    참고자료

    • 캐글 코리아 페이스북: https://www.facebook.com/groups/KaggleKoreaOpenGroup/
    • 캐글 코리아 블로그: https://kaggle-kr.tistory.com/

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 ETRI 융합기술연구생산센터 212호 대회의실
    • 시간: 7월 4일 오전 11시
    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


  • [2nd DLCAT] The Newbie Guide to Blogging & Visualization - 안수빈


    지난 6개월간 인공지능으로 블로그와 페이지를 운영하며, 느낀점을 여러분과 공유하고자 합니다. 추가적으로 최근 블로그의 메인 주제인 (딥러닝 및 데이터사이언스에서) 시각화를 이야기해보고자 합니다.

    • 글을 쓰는 이유와 장점
    • 블로그, 어떻게 꾸준하게 할 수 있을까
    • Visualization 가이드

    img

    연사소개

    “모두를 위한 인공지능”을 꿈꾸는 인공지능 꿈나무 안수빈입니다. 현재 페이스북 페이지 A.I.Lookbook(구 어썸너드 수비니움)을 운영하고 있으며, 캐글 코리아에서 한글화프로젝트 및 블로그를 담당하고 있습니다. 코딩보다는 글쓰기를 좋아합니다.

    • 블로그: https://subinium.github.io
    • 페이스북 페이지: https://facebook.com/AI.Lookbook
    • 깃헙: https://github.com/subinium
    • 이메일: me@ansubin.com

      발표자료

    • 다운로드

    참고자료

    TBD

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 강당
    • 시간: 7월 4일 오전 11시
    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
    맞기세요
    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


  • [2nd DLCAT] 나도 너도 모르는 Graph Neural Network의 힘 - 김준태


    “나도 너도 모르는 GNN의 힘” 발표는 Graph Neural Network 공부를 시작한 지 1주일 된 초보자가 초보자에게 Graph Neural Network의 기본적인 개념을 알려주는 발표이니 부담감 없이 들으시면 됩니다. 발표는 2019 ICLR에서 발표한 “How Powerful are Graph Neural Networks?”를 기반으로 진행됩니다.

    img

    연사소개

    안녕하세요 현재 고려대학교에서 석사과정 중이고 작년에 1st DLCAT에서 “GTA5로 자율주행 자동차 만들기” 발표를 진행한 김준태라고 합니다. 관심분야로는 주로 Time Series, 강화학습, 딥러닝이고, 새로운 Research Area로 GNN을 이용한 VQA에서의 relation 연구를 시작했습니다.

    • CV: https://sites.google.com/s/1o2nR2sFY7c4VUrosW1Fivbt_4mhKiQAX/p/1h52r1XhKqPvElCInPU717DjCwFNsrr7r/edit
    • 깃헙: https://github.com/OPAYA
    • 이메일: kjt7889@naver.com

    발표자료

    참고자료

    • 논문
      • K.Xu,W.Hu,J.Leskovec,and S.Jegelka,”How powerful are graph neural networks”

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 시간: 7월 4일 11시
    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


  • [2nd DLCAT] 실습)MS Azure ML Service와 함께하는 AutoML 사용하기 - 정연준


    많은 사람들이 어려움을 겪고있는 “띄어쓰기”를 딥러닝으로 해결해보고자 하는 과정을 소개합니다. 이를 위해 필요한 이론과 기본적인 케라스 사용법을 다루며, 최종적으로 각자의 모델을 테스트 해보는 시간을 가질 예정입니다.

    img

    연사소개

    케라스 코리아 운영진 및 셀바스AI 컴퓨터 비전 연구원. 취미로 오픈소스를 하는 사람입니다.

    • CV: https://fuzzythecat.github.io
    • 깃헙: https://github.com/fuzzythecat
    • 이메일: fuzzy0427@gmail.com

    발표자료

    참고자료

    TBD

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 ETRI 융합기술연구생산센터 219호 중회의실3
    • 시간: 7월 4일 10시
    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


  • [2nd DLCAT] (실습)한페이지 논문잡기:찾고+읽고+쓰고+정리하기 - 홍원의


    연구란 무엇이고 어떤 절차로 수행하는지, 매일같이 쏟아지는 머신러닝 분야의 논문을 어떻게 읽고 정리하며 공부할지 함께 고민하는 시간을 마련했습니다. 국내 및 해외 연구실 생활에 대한 주관적인 경험도 공유합니다. 대학원 초년생이나 진학 예정자를 비롯해 연구에 대해 궁금한 분을 대상으로 발표합니다.

    img

    오른쪽 그림 설명: 논문을 작성하는 절차와 방법에 대해서 발표합니다. 수영장 그림의 타일 하나하나가 논문입니다. 옛날에 깔린 타일은 교과서(textbook)가 되어 고등학생들이 배웁니다. 아직 타일이 깔리지 않은 바닥은 인류의 지식이 아직 닿지 않은 영역입니다. 그 경계에 대학원생이 타일깔기 연습을 하는 중이고 지도교수는 그것을 봐주고 있습니다. 논문작성에 대한 기본개념이 대체 머신러닝과 무슨 관련이 있는가 하실 수 있는데, 이것은 중요합니다. 머신러닝 분야만큼 하루가 멀다하고 논문이 수백편씩 쏟아지는 판이 없기 때문입니다. 논문 세상이 어떤 식으로 작동하는지를 이해하고, 우리는 이 위에서 어떻게 공부해야 할지를 나눠보는 시간을 갖습니다. 머신러닝은 많은 일반인들이 논문읽기를 하면서 공부하는 토픽인데 (일반적으로 재료과학 논문을 읽기모임하지는 않으니까요), 논문이 작성되고 출판되어 읽히는 과정에 대한 이해 없이 그저 논문읽기만 한다면 이 판의 빠른 흐름을 다 놓치게 되는 수가 있습니다. 이 발표는 (머신러닝)논문공부는 하고 싶은데 가이드가 없는 일반인 분들을 대상으로 논문판에 대한 큰그림을 그려보는 시간입니다.

    연사소개

    카이스트 지식서비스공학 대학원을 석사 졸업하고 디플러스에서 데이터분석 강사로 활동하다 현재는 홍콩 과학기술대학교 (HKUST)에서 머신러닝을 전공하는 박사과정 학생입니다. 여름방학중 잠시 귀국해서 강의합니다.

    • 홈페이지 : https://sites.google.com/view/woneuihong
    • 깃헙 : https://github.com/laftworld
    • 이메일 : wehong@cse.ust.hk

    발표자료

    참고자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 시간: 7월 4일 오전 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


  • [2nd DLCAT] AI시대의 예술작품 - AI Atelier를 이용하여 - 이수진


    인공지능연구원에서 개발한 A.I. Atelier는 인공지능(AI) 기술로 탄생한 새로운 시각예술 도구이다. 예술가의 창의성은 표현이라는 행위를 통해 비로 소 의미를 획득한다. 따라서 표현 도구를 다루지 못한다면 그 의미는 온전히 구현할 수 없다. A.I. Atelier는 끊임없이 의미의 실현을 모색하는 예술가적 창의성에 새로운 가능성을 제공한다. 발터 벤야민은 「기술 복제 시대의 예술작품」이라는 소논문에서 사진이나 영화와 같이 복제 가능한 기술로 탄생한 작품들도 고유의 예술성을 획득한다고 주장했다. 기존 표현 수단의 물리적 한계를 뛰어넘어 독창적인 이미지를 포착 하고 기록할 수 있기 때문이다. 그가 죽은 지 78년이 지난 지금, 그 때의 기술과는 차원이 다른 인공지능 시대가 도래 했다. 인공지능 기술은 지금까지 인류가 창조한 이미지를 재료로 삼아 누구도 체험하지 못한 예술의 영역을 개척하고 있다. 그 결과의 하나가 A.I. Atelier이다. 지금까지 인공지능 기술로 탄생한 화풍 변환 기술(Style Transfer)은 하나 의 이미지에 고흐나 피카소 등 특정한 화가의 화풍 하나를 선택해 입혀주는 수준이었다. A.I. Atelier는 한 발 더 나가 새로운 방식으로 작품을 생산할 수 있는 가능성을 제공한다. 이미지를 픽셀 단위로 쪼개 다양한 화풍을 동시에 적용 할 수 있다. 원 이미지에 없는 오브젝트를 새로 만드는 데도 한계가 없다. 인터넷이라는 바다에 잠자고 있는 무수히 많 은 예비 오브젝트를 실시간으로 찾아 추가하면 된다. 이런 과정으로 창작할 수 있는 이미지의 범위는 사실상 무제한에 가깝다. 결국, 필요한 건 상상력뿐이다.마음만 먹으면 누구나 예술가가 될 수 있는 길에 대해 이야기 해 본다.

    img

    연사소개

    미술과 거리가 있는 삶을 살아오다 광학현미경으로 들여다 본 이미지 세계에 탐닉하기 시작한 이후, 카메라 렌즈를 통해 세상을 보고 컴퓨팅 기술을 이용한 새로운 이미지 창출에 힘쓰고 있다. 비가시적인 세계를 가시의 세계로 끌어내는 연구를 거시 주제로 잡고 컴퓨터 비전과 머신 러닝 기술로 표현할 수 있는 알고리듬을 연구해 왔다. 실제 세계의 3차원 이미지 데이터를 2차원 평면에 비정형성으로 표현하는 것을 연구하고 최근에는 딥러닝 기술을 이용한 인공지능 도구(A.I. Atelier)로 사진과 그림을 재료로 하는 시각작품을 생산하고 있다. 인공지능연구원(AIRI) 협력 작가이며 생계와 삶의 활력을 불어 넣기 위해 대학교에서 학생들을 가르치고 있고 한국연구재단 후원을 받아 연구에 몰두하고 있다.

    발표자료

    참고자료

    TBD

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 시간: 7월 4일 10시
    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


  • [2nd DLCAT] 3분 강화학습 순한맛 SAC(Soft Actor Critic) feat. AC(Actor Critic) - 조수현


    RL(Reinforcement Learning) 알고리즘은 최적화 문제에 쓰일 수 있고 앞으로 미래 먹거리가 될 수 있습니다. 특히나 로보틱스나 제어에서 많이 쓰이구요. 하지만 RL은 어렵습니다. 특히나 수식의 향연이 더욱 부추깁니다. 그래서 각 알고리즘의 아이디어에 대한 직관적인 이해가 특히 더 요구됩니다. 본 시간은 2018년 ICML 논문인 SAC(Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor) 알고리즘에 대해서 기본에 충실한 핵심 내용을 최대한 알기 쉽게 빠르게 공유 및 전달 하는 시간입니다. SAC알고리즘은 SAC알고리즘은 RL의 기본 가정인 tabular MDP를 Soft-MDP로 재정의(확장)하여 확률적으로 문제를 학습, 처리 하는 아이디어입니다. 이를 실현하기 위해 특별한(specific) 가정 추가 없이 기존 문제영역(high variance)을 해결하여 비교적 좋은 성능을 가진 알고리즘입니다. 금과옥조 (金科玉條)처럼 모든 task에 사용되는 알고리즘은 없습니다. 하지만 대개의 문제에 비교적 높은 성능과 학습 안정성을 나타내어 Google 내부적으로 직원들 사이에서 제일 인기가 있는 베이스라인 알고리즘이 바로 SAC 입니다. 함께 지식을 쌓아나갑시다. 실력자 분들 께서는 본 강연이 평이 할 수 있으니 컨퍼런스 당일 이 점 참고 하시어 즐기시면 됩니다.

    img

    연사소개

    현재 디아이티에서 딥러닝 엔지니어로 현실문제를 어떻게 해결 할 수 있나 즐겁게 준비하고 고민하고 일하고 있습니다. 이전 회사들에서는 B2B, B2C 애플리케이션 기반 서비스들의 백엔드개발을 다양한 아키텍쳐에서 주로 경험 하였습니다. 프론트엔드 개발도 주로 하였구요. 현재는 최고의 실력자들이 계신 디아이티에서 딥러닝 엔지니어로 현실문제를 어떻게 해결 할 수 있나 고민하고 많이 배우며 즐겁게 일하고 있습니다. 인공지능의 한 분야로서 딥러닝과 또 다른 맥락인 강화학습에 대해 초보 연구자로써 틈틈히 반 취미로 공부하고 배우고 있습니다. 또한 Real Lab 강화학습 스터디의 운영진으로 있습니다. 하고 싶은 건 많고 몸은 하나인 평범한 엔지니어입니다. 가치 추구 실현과 시간적 자유를 추구합니다.

    • 깃헙: https://github.com/humblem2
    • 이메일: seanbrowncho@gmail.com

    발표자료

    참고자료

    • 논문: Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 강당
    • 시간: 7월 4일 오전 10시
    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
    맞기세요
    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


  • [2nd DLCAT] 빽 투 더 Representation Learning: Visual Self-supervision을 중심으로 - 서정훈


    00년 후반에 제안된 RBM/DBN의 중요성이 줄어든 이후 사전학습(Pre-training)을 위한 표현 학습(Representation Learning)은 꽤 오랜 시간 동안 사장된 개념이었습니다. 하지만 최근 페이스북, OpenAI, 딥마인드 등의 연구 그룹을 중심으로 표현학습을 다루는 연구가 다시금 쏟아져나오고 있습니다. Visual Self-supervision을 중심으로, 본 발표에서는 다음과 같은 내용을 다루고자 합니다.

    • 왜 표현 학습이 다시 연구의 화두로 대두되었지
    • 다시 부활한 표현 학습, 연구자들은 어떻게 접근하고 있는지
    • 중요 표현 학습 연구들에 관한 초스피드 간단 리뷰

    주요 키워드: Visual Representation Learning, Self-supervised Learning, Data-efficiency

    img

    연사소개

    위성항공 전문기업 쎄트렉아이에서 머신러닝 연구원으로 재직 중입니다. Profile

    발표자료

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 218 ETRI 융합기술연구생산센터 212호 대회의실
    • 시간: 7월 4일 오후 3시
    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
    맞기세요
    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


  • [2nd DLCAT] (실습)유니티 기반 드론 강화학습 - 이현호


    항공우주분야에 강화학습을 적용하기 위해 만든 시뮬레이션 환경들을 소개하고자 합니다. 특히 드론 환경에 대해서 자세히 살펴보고 실습을 통해 직접 드론을 제작해보는 시간도 가져보겠습니다. 추가적으로 딥러닝, 강화학습 그리고 Unity ML-Agetns에 대해 간략하게 살펴보도록하겠습니다. 원활한 실습을 위해 참고자료의 Unity ML-Agents Tutorial을 한 번 진행해보시는것을 권장드립니다.

    img

    연사소개

    응용수학과 컴퓨터공학을 복수전공하고 이를 활용하기 위해 인공지능 공부를 시작하였습니다. 현재 (주)인스페이스 인공지능 연구실에서 AI 연구원으로서 실생활 문제들을 인공지능을 통해 해결하고자 노력하고 있습니다. 특히 강화학습 시뮬레이션 환경 제작에 흥미가 있어 Unity ML-Agents 를 통해 발사체, 로켓, 드론, 당구 등 여러 강화학습 환경 제작을 진행하고 있습니다.

    • 이메일: hyunho1027@khu.ac.kr
    • 깃헙: https://github.com/hyunho1027
    • 유튜브: https://www.youtube.com/channel/UCZx739AbunG2bGD5t0sNAhw

    발표자료

    실습 준비물

    • Unity 2019 이상
    • Visual Studio 2017 이상
    • Python 3.6

    참고자료

    • Unity ML-Agents Tutorial github : https://github.com/hyunho1027/Unity_ML_Agents_Tutorial
    • Unity based Drone environments github : https://github.com/InSpaceAI/RL-InDrone
    • Unity based RL environments youtube : https://www.youtube.com/channel/UCZx739AbunG2bGD5t0sNAhw

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 218 ETRI 융합기술연구생산센터 224호 중회의실
    • 시간: 7월 4일 오전 10시
    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
    맞기세요
    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


  • [2nd DLCAT] 설명가능한 AI for AI 윤리 - 안종훈


    AI윤리관련 안전과 프라이버시 문제로 최근 부각되기 시작한 ‘설명가능한 AI(XAI)’를 인공지능 윤리와 연결시켜 발표합니다. 특히, 딥러닝에서 AI의 윤리적 의식과 도덕성 구현방법 에 관한 내용과 심을 가지고 있습니다. 개괄적인 주요 발표내용은 다음과 같습니다.

    1. What is Xai?, Why Xai? and Challenges
      1. Tay, Google, Uber Car Driving
      2. Social Effects and Business Effects
      3. Challenges
    2. Humanistic Background
      1. Human (Un)Consciousness and AI Consciousness
      2. Explainability vs. Interpretability
    3. Xai Case Studies
      1. DARPA and AI Fairness 360
    4. K-Xai Engine(V.1): L-TTEC Architecture
    5. AI Ethics and Governance System
      1. Machine Learning Algorithm and Data Ethics
      2. Toward AI Governance System
    6. What’s Next?

    img

    연사소개

    저는 대학에 교수로 재직하다가 퇴직을 하고 인공지능콘텐츠LAB 이란 연구소를 만들고 현재 홈페이지 등 관련 작업을 진행하고 있습니다. 박사학위를 받은 후 2000년 초반 국내에 e러닝 이 처음 도입되던 시기에 향후 우리 교육에 IT기술 접목이 중요하겠다 싶어 교육공학 석사과 정에 등록, e러닝 교수학습 콘텐츠 제작 및 교수설계, 컨설팅 등 관련 공부를 하였습니다. 2011년, 디지털인문학 도입관련 논문발표를 하면서 자연스럽게 디지털기술로 그리고 인공지능 쪽으로 계속 연구를 하게 되었고, 현재는 인공지능산업컨설턴트(한국인공지능협회)로서 인공지 능 윤리와 안전 그리고 가버넌스 중심으로 강연 및 세미나를 진행하고 있습니다.

    최근 인공지능 관련 논문발표

    • 한국지능정보시스템학회 2018 춘계학술발표회(2018년 6월 1일): 인공지능스피커의 ‘윤리병합설계(Ethically Aligned Design)’ 전략
    • 한국지능정보시스템학회 2019 춘계학술발표회(2019년 6월 1일): ADDIE모델 기반 데이터파이프라인 개발 및 데이터윤리 구현전략 - 설명가능하고 책임있는 AI 시스템 개발을 위해 -

    2018년 제1회 DLCAT 발표자료들을 읽어보고는 우리나라 인공지능 딥러닝의 미래 전문가들을 보게 되었습니다. 올해 제2회 에서도 딥러닝 관련 좋은 발표 주제들이 많은데, 저는 그 중에 설명가능한 AI 주제로 발표하고자 합니다. 그리고 한국인공지능협회 윤리분과 위원장으로서 다음달 7월 17일(수)-19일(금) 서울 코엑스 에서 열리는 대한민국인공대전 엑스포 기간 중 19일(금) 오후 1시부터 열리는 제 1회 대한민국 인공지능 윤리포럼을 준비하고 있습니다.

    • 이메일: hamletahn@gmail.com

    현재 진행하고 있는 개인적인 프로젝트로 조지아 공대 마크 리들과 브렌트 해리슨의 ‘이야기 를 이용해 인공 행위자에게 인간 가치를 가르치기’라는 논문에서 처럼 ‘키호테 (Quixote)’라는 이야기를 이용한 가치 학습 방법을 딥러닝으로 구현하는 기술개발을 해보려고 애를 쓰고 있습 니다.

    발표자료

    참고자료

    • Alex Graves, Marc G. Bellemare, Jacob Menick, R”Lemi Munos, and Koray Kavukcuoglu, Automated Curriculum Learning for Neural Networks, Proceedings of the 34 th International Conference on Machine Learning, Sydney, Australia, PMLR 70. (2017)
    • Carl Miller, The Death of Gods(2018)
    • CIO Korea, “eAI의 블랙박스화’ 막겠다”c 오픈소스로 알고리즘 공개 선언한 IBM.
    • CIO Korea, “g설명할 수 없는 AI라면 퇴출되어야 한다” IBM 지니 로메티
    • DARPA, Explainable AI Update(2017). https://www.darpa.mil/attachments/XAIProgramUpdate.pdf.
    • F. Doshi-Velez and Been Kim, Towards A Rigorous Science of Interpretable Machine Learning(2017)
    • IBM, AI FAIRNESS 360: AN EXTENSIBLE TOOLKIT FOR DETECTING, UNDERSTANDING, AND MITIGATING UNWANTED ALGORITHMIC BIAS(2018)IDG TechReport,”g인공지능의 세대교체 “설명가능한 AI”, Explainable AI. Info World, Explainable AI: Peering inside the deep learning black box.
    • Katharine Jarmul, Towards Interpretable Reliable Models, 19 October 2017. https://blog.kjamistan.com/towards-interpretable-reliable-models.
    • Movie, Rashomon(1950). Pierre Fournier, Mohamed Chetouani, Pierre-Yves Oudeyer, and Olivier Sigaud, Accuracy-based Curriculum Learning in Deep Reinforcement Learning(2018)
    • Y. Benkler, “From consumers to users: Shifting the deeper structure of regulations toward sustainable commons and user access”(2000)

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 대회의실
    • 시간: 7월 4일 오전 11시
    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


  • [2nd DLCAT] 케라스 in 텐서플로우2.0 - 박해선


    텐서플로 2.0에서 변화된 내용을 소개하고 텐서플로 2.0에서 케라스가 어떤 역할을 담당하게 되었는지 소개합니다. 기본적인 케라스 사용법외에 텐서플로에서 케라스를 이용한 사용자 정의 모델을 어떻게 구현하는지도 알아보겠습니다.

    img

    연사소개

    ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 코드를 읽고 쓰는 일을 했습니다. 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다. “머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로”, “케라스 창시자에게 배우는 딥러닝”(이상 길벗), “(개정판)파이썬 라이브러리를 활용한 머신러닝”, “핸즈온 머신러닝”, “텐서플로 첫걸음”(이상 한빛미디어)을 번역했습니다.

    • 블로그: https://tensorflow.blog
    • 깃헙: https://github.com/rickiepark
    • 이메일: haesunrpark@gmail.com

    발표자료

    참고자료

    • https://www.tensorflow.org/

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교 대회의실
    • 시간: 7월 4일 오전 10시
    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


  • [2nd DLCAT] (실습)파이토치로 갈아타기 - 신경인


    딥러닝으로 빠른 시간에 성과를 내려면 어느 프레임워크를 이용해야 할까요? 딥러닝을 하기 위한 도구를 제공하는 프레임워크는 정말 다양합니다 - Caffe(2), CNTK, Keras, PyTorch, TensorFlow, Theano 등. 각자가 더 많이 쓰이는 딥러닝 분야도 다르고 장단점도 다릅니다. 그럼에도 불구하고 저는 주변 사람들에게 얘기합니다. 적어도 처음 시작했던 저에게 가장 쉽고 직관적으로 다가왔던 프레임워크는 PyTorch였다고 말이죠. Keras를 이용해 코드를 짜다보면 TensorFlow에 대한 이해가 필요한 경우가 종종 있었습니다. 그렇다고 TensorFlow를 하려니 배워야 할 게 너무 많았죠. 그렇다면 PyTorch는? Python 클래스에 대한 기본적인 이해면 충분합니다. 그렇기 때문에 직관적이고 빠르게 적응할 수 있다는 큰 장점이 있습니다. 얼른 자신의 분야에 딥러닝을 적용하고 성과를 내고 싶으신가요? PyTorch로 오세요. 이번 발표에서는 오시는 분들의 선호에 따라 간단한 분류 모델 혹은 GAN(Generative Adversarial Networks) PyTorch 코드를 짜면서 실습을 진행할 예정입니다. 제 발표를 들으면 유익하실 분들과 그렇지 않을 분들을 아래에 정리해놓았습니다.

    • 발표가 유익하실 분들.
      • 빨리 딥러닝을 자신의 분야에 적용하고 싶으신 분들
      • 딥러닝을 시작한지 오래 되지 않아서 (혹은 아직 시작하지 않아서) 어떤 프레임워크를 쓰면 좋을지 모르겠는 분들
      • 기존에 쓰시던 프레임워크가 복잡하다고 느껴져서 친숙하지 않은 분들
      • PyTorch에 사용법에 대해 알고 싶으신 분들
    • 발표가 유익하지 않으실 분들.
      • 이미 애용하는 프레임워크가 있으신 분들
      • 전문적인 딥러닝 개념을 듣고 싶으신 분들

    img

    연사소개

    경희대학교 우주탐사학과에 2018년부터 재학 중인 석사 과정 학생입니다. 과를 보시면 아시겠지만 저는 딥러닝을 하게 될 거라고 생각한 사람은 아니었습니다. 솔직하게 말씀드리면, 저는 학부 졸업 때까지 컴퓨터 언어라고 하면 손사래부터 치는 사람이었죠. 그만큼 컴퓨터 언어에 자신도 없었고 잘하지도 못했습니다. 하지만 딥러닝으로 우주 분야 영상을 처리하는 연구를 맡았다가 세상을 바꾸는 딥러닝에 푹 빠졌죠. 딥러닝에 대한 열정이 생기니 기본적인 컴퓨터 언어 하나도 제대로 못했던 제가 Keras, TensorFlow를 거쳐 PyTorch까지 즐겁게 하게 되었습니다. 특히 PyTorch는 올해 3월부터 매주 토요일에 경희대에서 학부, 대학원생들을 대상으로 수업을 진행하고 있습니다. 현재는 내년에 컴퓨터공학 박사 과정 진학을 위해 동대학원 컴퓨터공학과 교수님의 공동지도를 받고 있습니다.

    현재 진행하고 있는 연구는 두 개로 하나는 서로 다른 두 필터로 찍은 태양 영상 간의 변환(우주탐사학과 관련)이고 다른 하나는 분류 과업을 위한 attention module 개발(컴퓨터공학 관련)입니다. 비록 제 발표에서는 다루지 않겠지만 관심 있으신 분들과 소통할 수 있기를 바랍니다.

    • 이메일: gishin@khu.ac.kr

    발표자료

    참고자료

    • 파이토치 튜토리얼 사이트: https://tutorials.pytorch.kr/

    장소 및 시간

    • 장소: 대전광역시 유성구 가정로 217 UST 과학기술연합대학원대학교, UST 강당
    • 시간: 7월 4일 오전 15시
    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


  • 2nd 함께하는 딥러닝 컨퍼런스(2nd DLCAT)


    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

    신청은 아래 링크에서 해주세요~

    » 신청하기 «

    • 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, NIPA(정보통신산업진흥원)
    • 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.
    • 도서증정
      • 길벗
        • 모두의 딥러닝 3권
        • 케라스 창시자에게 배우는 딥러닝 3권
        • 머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로우 3권
      • 디지털북스
        • 블록과 함께하는 딥러닝 파이쎤 케라스 5권
        • 대소니 딥러닝 5권
    • 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

    프로그램


    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.

    신청은 아래 링크에서 해주세요~

    » 신청하기 «

    10시


    조수현 - 3분 강화학습 순한맛 SAC(Soft Actor Critic) feat. AC(Actor Critic)

    연사소개

    현재 디아이티에서 딥러닝 엔지니어로 현실문제를 어떻게 해결 할 수 있나 즐겁게 준비하고 고민하고 일하고 있습니다. 이전 회사들에서는 B2B, B2C 애플리케이션 기반 서비스들의 백엔드개발을 다양한 아키텍쳐에서 주로 경험 하였습니다. 프론트엔드 개발도 주로 하였구요. 현재는 최고의 실력자들이 계신 디아이티에서 딥러닝 엔지니어로 현실문제를 어떻게 해결 할 수 있나 고민하고 많이 배우며 즐겁게 일하고 있습니다. 인공지능의 한 분야로서 딥러닝과 또 다른 맥락인 강화학습에 대해 초보 연구자로써 틈틈히 반 취미로 공부하고 배우고 있습니다. 또한 Real Lab 강화학습 스터디의 운영진으로 있습니다. 하고 싶은 건 많고 몸은 하나인 평범한 엔지니어입니다. 가치 추구 실현과 시간적 자유를 추구합니다.

    • 깃헙: https://github.com/humblem2
    • 이메일: seanbrowncho@gmail.com

    발표소개

    RL(Reinforcement Learning) 알고리즘은 최적화 문제에 쓰일 수 있고 앞으로 미래 먹거리가 될 수 있습니다. 특히나 로보틱스나 제어에서 많이 쓰이구요. 하지만 RL은 어렵습니다. 특히나 수식의 향연이 더욱 부추깁니다. 그래서 각 알고리즘의 아이디어에 대한 직관적인 이해가 특히 더 요구됩니다. 본 시간은 2018년 ICML 논문인 SAC(Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor) 알고리즘에 대해서 기본에 충실한 핵심 내용을 최대한 알기 쉽게 빠르게 공유 및 전달 하는 시간입니다. SAC알고리즘은 SAC알고리즘은 RL의 기본 가정인 tabular MDP를 Soft-MDP로 재정의(확장)하여 확률적으로 문제를 학습, 처리 하는 아이디어입니다. 이를 실현하기 위해 특별한(specific) 가정 추가 없이 기존 문제영역(high variance)을 해결하여 비교적 좋은 성능을 가진 알고리즘입니다. 금과옥조 (金科玉條)처럼 모든 task에 사용되는 알고리즘은 없습니다. 하지만 대개의 문제에 비교적 높은 성능과 학습 안정성을 나타내어 Google 내부적으로 직원들 사이에서 제일 인기가 있는 베이스라인 알고리즘이 바로 SAC 입니다. 함께 지식을 쌓아나갑시다. 실력자 분들 께서는 본 강연이 평이 할 수 있으니 컨퍼런스 당일 이 점 참고 하시어 즐기시면 됩니다.

    발표자료

    img

    참고자료

    *논문: Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor


    이수진 - AI시대의 예술작품 - AI Atelier를 이용하여

    연사소개

    미술과 거리가 있는 삶을 살아오다 광학현미경으로 들여다 본 이미지 세계에 탐닉하기 시작한 이후, 카메라 렌즈를 통해 세상을 보고 컴퓨팅 기술을 이용한 새로운 이미지 창출에 힘쓰고 있다. 비가시적인 세계를 가시의 세계로 끌어내는 연구를 거시 주제로 잡고 컴퓨터 비전과 머신 러닝 기술로 표현할 수 있는 알고리듬을 연구해 왔다. 실제 세계의 3차원 이미지 데이터를 2차원 평면에 비정형성으로 표현하는 것을 연구하고 최근에는 딥러닝 기술을 이용한 인공지능 도구(A.I. Atelier)로 사진과 그림을 재료로 하는 시각작품을 생산하고 있다. 인공지능연구원(AIRI) 협력 작가이며 생계와 삶의 활력을 불어 넣기 위해 대학교에서 학생들을 가르치고 있고 한국연구재단 후원을 받아 연구에 몰두하고 있다.

    발표소개

    인공지능연구원에서 개발한 A.I. Atelier는 인공지능(AI) 기술로 탄생한 새로운 시각예술 도구이다. 예술가의 창의성은 표현이라는 행위를 통해 비로 소 의미를 획득한다. 따라서 표현 도구를 다루지 못한다면 그 의미는 온전히 구현할 수 없다. A.I. Atelier는 끊임없이 의미의 실현을 모색하는 예술가적 창의성에 새로운 가능성을 제공한다. 발터 벤야민은 「기술 복제 시대의 예술작품」이라는 소논문에서 사진이나 영화와 같이 복제 가능한 기술로 탄생한 작품들도 고유의 예술성을 획득한다고 주장했다. 기존 표현 수단의 물리적 한계를 뛰어넘어 독창적인 이미지를 포착 하고 기록할 수 있기 때문이다. 그가 죽은 지 78년이 지난 지금, 그 때의 기술과는 차원이 다른 인공지능 시대가 도래 했다. 인공지능 기술은 지금까지 인류가 창조한 이미지를 재료로 삼아 누구도 체험하지 못한 예술의 영역을 개척하고 있다. 그 결과의 하나가 A.I. Atelier이다. 지금까지 인공지능 기술로 탄생한 화풍 변환 기술(Style Transfer)은 하나 의 이미지에 고흐나 피카소 등 특정한 화가의 화풍 하나를 선택해 입혀주는 수준이었다. A.I. Atelier는 한 발 더 나가 새로운 방식으로 작품을 생산할 수 있는 가능성을 제공한다. 이미지를 픽셀 단위로 쪼개 다양한 화풍을 동시에 적용 할 수 있다. 원 이미지에 없는 오브젝트를 새로 만드는 데도 한계가 없다. 인터넷이라는 바다에 잠자고 있는 무수히 많 은 예비 오브젝트를 실시간으로 찾아 추가하면 된다. 이런 과정으로 창작할 수 있는 이미지의 범위는 사실상 무제한에 가깝다. 결국, 필요한 건 상상력뿐이다.마음만 먹으면 누구나 예술가가 될 수 있는 길에 대해 이야기 해 본다.

    발표자료

    img

    참고자료

    TBD


    박해선 - 케라스 in 텐서플로우2.0

    연사소개

    ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 코드를 읽고 쓰는 일을 했습니다. 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다. “머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로”, “케라스 창시자에게 배우는 딥러닝”(이상 길벗), “(개정판)파이썬 라이브러리를 활용한 머신러닝”, “핸즈온 머신러닝”, “텐서플로 첫걸음”(이상 한빛미디어)을 번역했습니다.

    • 블로그: https://tensorflow.blog
    • 깃헙: https://github.com/rickiepark
    • 이메일: haesunrpark@gmail.com

    발표소개

    텐서플로 2.0에서 변화된 내용을 소개하고 텐서플로 2.0에서 케라스가 어떤 역할을 담당하게 되었는지 소개합니다. 기본적인 케라스 사용법외에 텐서플로에서 케라스를 이용한 사용자 정의 모델을 어떻게 구현하는지도 알아보겠습니다.

    발표자료

    img

    참고자료

    • https://www.tensorflow.org/

    유용균 - 딥러닝과 최적설계

    연사소개

    원자력연구원에서 인공지능 덕질을 해오다가 최근 덕업일치를 이루려고 연구원내 새로운 조직을 준비중입니다. 최적설계 분야와 원자력의 다양한 안전관련 기술에 인공지능 기술을 접목하기 위해 노력하고 있습니다.

    발표소개

    인공지능 기술을 활용한 최적설계 분야의 응용사례에 대해서 소개합니다.

    발표자료

    TBD

    참고자료

    TBD


    이현호 - (실습)유니티 기반 드론 강화학습

    연사소개

    응용수학과 컴퓨터공학을 복수전공하고 이를 활용하기 위해 인공지능 공부를 시작하였습니다. 현재 (주)인스페이스 인공지능 연구실에서 AI 연구원으로서 실생활 문제들을 인공지능을 통해 해결하고자 노력하고 있습니다. 특히 강화학습 시뮬레이션 환경 제작에 흥미가 있어 Unity ML-Agents 를 통해 발사체, 로켓, 드론, 당구 등 여러 강화학습 환경 제작을 진행하고 있습니다.

    • 이메일: hyunho1027@khu.ac.kr
    • 깃헙: https://github.com/hyunho1027
    • 유튜브: https://www.youtube.com/channel/UCZx739AbunG2bGD5t0sNAhw

    발표소개

    항공우주분야에 강화학습을 적용하기 위해 만든 시뮬레이션 환경들을 소개하고자 합니다. 특히 드론 환경에 대해서 자세히 살펴보고 실습을 통해 직접 드론을 제작해보는 시간도 가져보겠습니다. 추가적으로 딥러닝, 강화학습 그리고 Unity ML-Agetns에 대해 간략하게 살펴보도록하겠습니다. 원활한 실습을 위해 참고자료의 Unity ML-Agents Tutorial을 한 번 진행해보시는것을 권장드립니다.

    발표자료

    img

    참고자료

    • Unity ML-Agents Tutorial github : https://github.com/hyunho1027/Unity_ML_Agents_Tutorial
    • Unity based Drone environments github : https://github.com/InSpaceAI/RL-InDrone
    • Unity based RL environments youtube : https://www.youtube.com/channel/UCZx739AbunG2bGD5t0sNAhw

    정연준 - (실습)아기다리고기다리던딥러닝 - 케라스로 띄어쓰기 정복하기

    연사소개

    케라스 코리아 운영진 및 셀바스AI 컴퓨터 비전 연구원. 취미로 오픈소스를 하는 사람입니다.

    • CV: https://fuzzythecat.github.io
    • 깃헙: https://github.com/fuzzythecat
    • 이메일: fuzzy0427@gmail.com

    발표소개

    많은 사람들이 어려움을 겪고있는 “띄어쓰기”를 딥러닝으로 해결해보고자 하는 과정을 소개합니다. 이를 위해 필요한 이론과 기본적인 케라스 사용법을 다루며, 최종적으로 각자의 모델을 테스트 해보는 시간을 가질 예정입니다.

    발표자료

    img

    참고자료

    TBD

    11시


    안수빈 - The Newbie Guide to Blogging & Visualization

    연사소개

    “모두를 위한 인공지능”을 꿈꾸는 인공지능 꿈나무 안수빈입니다. 현재 페이스북 페이지 A.I.Lookbook(구 어썸너드 수비니움)을 운영하고 있으며, 캐글 코리아에서 한글화프로젝트 및 블로그를 담당하고 있습니다. 코딩보다는 글쓰기를 좋아합니다.

    • 블로그: https://subinium.github.io
    • 페이스북 페이지: https://facebook.com/AI.Lookbook
    • 깃헙: https://github.com/subinium
    • 이메일: me@ansubin.com

    발표소개

    지난 6개월간 인공지능으로 블로그와 페이지를 운영하며, 느낀점을 여러분과 공유하고자 합니다. 추가적으로 최근 블로그의 메인 주제인 (딥러닝 및 데이터사이언스에서) 시각화를 이야기해보고자 합니다.

    • 글을 쓰는 이유와 장점
    • 블로그, 어떻게 꾸준하게 할 수 있을까
    • Visualization 가이드

    발표자료

    img

    참고자료

    TBD


    김준태 - 나도 너도 모르는 Graph Neural Network의 힘

    연사소개

    안녕하세요 현재 고려대학교에서 석사과정 중이고 작년에 1st DLCAT에서 “GTA5로 자율주행 자동차 만들기” 발표를 진행한 김준태라고 합니다. 관심분야로는 주로 Time Series, 강화학습, 딥러닝이고, 새로운 Research Area로 GNN을 이용한 VQA에서의 relation 연구를 시작했습니다.

    • CV: https://sites.google.com/s/1o2nR2sFY7c4VUrosW1Fivbt_4mhKiQAX/p/1h52r1XhKqPvElCInPU717DjCwFNsrr7r/edit
    • 깃헙: https://github.com/OPAYA
    • 이메일: kjt7889@naver.com

    발표소개

    “나도 너도 모르는 GNN의 힘” 발표는 Graph Neural Network 공부를 시작한 지 1주일 된 초보자가 초보자에게 Graph Neural Network의 기본적인 개념을 알려주는 발표이니 부담감 없이 들으시면 됩니다. 발표는 2019 ICLR에서 발표한 “How Powerful are Graph Neural Networks?”를 기반으로 진행됩니다.

    발표자료

    img

    참고자료

    • 논문
      • K.Xu,W.Hu,J.Leskovec,and S.Jegelka,”How powerful are graph neural networks”

    안종훈 - 설명가능한 AI for AI 윤리

    연사소개

    저는 대학에 교수로 재직하다가 퇴직을 하고 인공지능콘텐츠LAB 이란 연구소를 만들고 현재 홈페이지 등 관련 작업을 진행하고 있습니다. 박사학위를 받은 후 2000년 초반 국내에 e러닝 이 처음 도입되던 시기에 향후 우리 교육에 IT기술 접목이 중요하겠다 싶어 교육공학 석사과 정에 등록, e러닝 교수학습 콘텐츠 제작 및 교수설계, 컨설팅 등 관련 공부를 하였습니다. 2011년, 디지털인문학 도입관련 논문발표를 하면서 자연스럽게 디지털기술로 그리고 인공지능 쪽으로 계속 연구를 하게 되었고, 현재는 인공지능산업컨설턴트(한국인공지능협회)로서 인공지 능 윤리와 안전 그리고 가버넌스 중심으로 강연 및 세미나를 진행하고 있습니다.

    최근 인공지능 관련 논문발표

    • 한국지능정보시스템학회 2018 춘계학술발표회(2018년 6월 1일): 인공지능스피커의 ‘윤리병합설계(Ethically Aligned Design)’ 전략
    • 한국지능정보시스템학회 2019 춘계학술발표회(2019년 6월 1일): ADDIE모델 기반 데이터파이프라인 개발 및 데이터윤리 구현전략 - 설명가능하고 책임있는 AI 시스템 개발을 위해 -

    그리고 한국인공지능협회 윤리분과 위원장으로서 다음달 7월 17일(수)-19일(금) 서울 코엑스 에서 열리는 대한민국인공대전 엑스포 기간 중 19일(금) 오후 1시부터 열리는 제 1회 대한민국 인공지능 윤리포럼을 준비하고 있습니다.

    • 이메일: hamletahn@gmail.com

    발표소개

    2018년 제1회 DLCAT 발표자료들을 읽어보고는 우리나라 인공지능 딥러닝의 미래 전문가들 을 보게 되었습니다. 올해 제 2회 에서도 딥러닝 관련 좋은 발표 주제들이 많은데, 저는 그 중에 AI윤리관련 안전과 프라이버시 문제로 최근 부각되기 시작한 ‘설명가능한 AI(XAI)’를 인공지능 윤리와 연결시켜 발표합니다. 특히, 딥러닝에서 AI의 윤리적 의식과 도덕성 구현방법 에 관한 내용과 심을 가지고 있습니다. 개괄적인 주요 발표내용은 다음과 같습니다.

    1. What is Xai?, Why Xai? and Challenges
      1. Tay, Google, Uber Car Driving
      2. Social Effects and Business Effects
      3. Challenges
    2. Humanistic Background
      1. Human (Un)Consciousness and AI Consciousness
      2. Explainability vs. Interpretability
    3. Xai Case Studies
      1. DARPA and AI Fairness 360
    4. K-Xai Engine(V.1): L-TTEC Architecture
    5. AI Ethics and Governance System
      1. Machine Learning Algorithm and Data Ethics
      2. Toward AI Governance System
    6. What’s Next?

    현재 진행하고 있는 개인적인 프로젝트로 조지아 공대 마크 리들과 브렌트 해리슨의 ‘이야기 를 이용해 인공 행위자에게 인간 가치를 가르치기’라는 논문에서 처럼 ‘키호테 (Quixote)’라는 이야기를 이용한 가치 학습 방법을 딥러닝으로 구현하는 기술개발을 해보려고 애를 쓰고 있습 니다.

    발표자료

    img

    참고자료

    • Alex Graves, Marc G. Bellemare, Jacob Menick, R”Lemi Munos, and Koray Kavukcuoglu, Automated Curriculum Learning for Neural Networks, Proceedings of the 34 th International Conference on Machine Learning, Sydney, Australia, PMLR 70. (2017)
    • Carl Miller, The Death of Gods(2018)
    • CIO Korea, “eAI의 블랙박스화’ 막겠다”c 오픈소스로 알고리즘 공개 선언한 IBM.
    • CIO Korea, “g설명할 수 없는 AI라면 퇴출되어야 한다” IBM 지니 로메티
    • DARPA, Explainable AI Update(2017). https://www.darpa.mil/attachments/XAIProgramUpdate.pdf.
    • F. Doshi-Velez and Been Kim, Towards A Rigorous Science of Interpretable Machine Learning(2017)
    • IBM, AI FAIRNESS 360: AN EXTENSIBLE TOOLKIT FOR DETECTING, UNDERSTANDING, AND MITIGATING UNWANTED ALGORITHMIC BIAS(2018)IDG TechReport,”g인공지능의 세대교체 “설명가능한 AI”, Explainable AI. Info World, Explainable AI: Peering inside the deep learning black box.
    • Katharine Jarmul, Towards Interpretable Reliable Models, 19 October 2017. https://blog.kjamistan.com/towards-interpretable-reliable-models.
    • Movie, Rashomon(1950). Pierre Fournier, Mohamed Chetouani, Pierre-Yves Oudeyer, and Olivier Sigaud, Accuracy-based Curriculum Learning in Deep Reinforcement Learning(2018)
    • Y. Benkler, “From consumers to users: Shifting the deeper structure of regulations toward sustainable commons and user access”(2000)

    이유한 - I’m Kaggler - Why need kaggle?

    연사소개

    현재 KAIST 생명화학공학과에서 박사과정 재학중이며, 전공은 분자 시뮬레이션입니다. 데이터 사이언스, AI를 어디서 배울지 고민하다가 캐글을 알게 된 후, 캐글이 취미가 된 대학원생입니다. 캐글에서 공부한 여러 ML, DL 스킬을 화공분야에 접목하고자 노력하고 있습니다. 저에게 큰 도움을 준 캐글을 다른 사람들과 함께 하고 싶어 발표자로 참여하게 되었습니다.

    • 캐글 프로필: https://www.kaggle.com/youhanlee

    발표소개

    전세계 데이터를 사랑하는 사람들에게 데이터를 제공하고, 함께 즐길 수 있도록 해주는 캐글을 소개하려고 합니다. 작년 1st DL cat 에서 캐글 발표 이후 지난 1년간의 캐글 경험 및 후기를 들려드릴 것입니다. 제 발표를 들으시면, 왜 캐글이 ML, DL, DS 를 위한Project-based learnin(PBL) 을 할 수 있는 최적의 플랫폼인지 알게 되실 겁니다.

    발표자료

    img

    참고자료

    • 캐글 코리아 페이스북: https://www.facebook.com/groups/KaggleKoreaOpenGroup/
    • 캐글 코리아 블로그: https://kaggle-kr.tistory.com/

    13시


    남기현 - (이론)딥러닝으로 오디오 만나보기

    연사소개

    한국외국어대학교 의료영상연구실에서 학부연구생으로 활동하고 있습니다. [NAVER TechTalk]에서 ‘딥러닝 Super Resolution, 어디까지 왔니?’를 발표한 적이 있으며, 현재는 음원 분리를 연구하고 있습니다.

    • 홈페이지: https://devkihyun.github.io/
    • 깃헙: https://github.com/DevKiHyun/
    • 이메일: devkihyun@naver.com

    발표소개

    지금까지 해왔던 연구와는 완전히 달랐던 음원 분야를 연구하게 되어 이를 위해 공부했던 필수 지식들을 이번 시간에 여러분들과 공유하고자 합니다. 이 발표는 audio 분야는 처음인데 아무것도 아는 것이 없어 혼란스러운 분들과 딥러닝을 통한 audio 연구는 어떤 것이 있고 어떻게 하면 되는지 궁금하신 분들을 위한 발표입니다. 최대한 비전문가도 이해할 수 있도록 자료를 구성했으니 audio 분야에 도전하고자 하시는 분에게 도움이 되었으면 합니다.

    발표자료

    img

    참고자료

    TBD


    김유민 - 딥러닝 모델 엑기스 추출(Knowlege Distillation)

    연사소개

    현재 경희대학교 컴퓨터공학과 머신러닝&비주얼컴퓨팅 연구실에서 석사과정 재학중이고, 딥러닝 모델 압축 알고리즘을 연구하고 있습니다.

    • 이메일: rladbals0733@gmail.com

    발표소개

    여러 딥러닝 모델 압축 방법들 중 Knowledge Distillation분야의 연구 흐름을 관련 논문 리뷰를 통해 소개해드리려고 합니다.

    발표자료

    img

    참고자료

    • 논문
      • Han et al. Learning both Weights and Connections for Efficient Neural Networks. In NIPS, 2015.
      • Han et al. Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding. In ICLR, 2016.
      • G. Howard et al. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. In arXiv, 2017.
      • Chen et al. Big-Little Net: an Efficient Multi-Scale Feature Representation for visual and speech recognition. In ICLR, 2019.
      • Szegedy et al. Going Deeper with Convolutions. In CVPR, 2015.
      • Ba et al. Do Deep Nets Really Need to be Deep?. In NIPS, 2014.
      • Hinton et al. Distilling the Knowledge in a Neural Network. In NIPS workshop, 2014.
      • Romero et al. FitNets: Hints for Thin Deep Nets. In ICLR, 2015.
      • Yim et al. A Gift from Knowledge Distillation: Fast Optimization, Network Minimization and Transfer Learning. In CVPR, 2017.
      • Zagoruyko et al. Paying More Attention to Attention: Improving the Performance of Convolutional Neural Networks via Attention Transfer. In ICLR, 2017.
      • Kim et al. Paraphrasing Complex Network: Network Compression via Factor Transfer. In NIPS, 2018.
      • Furlanello et al. Born-Again Neural Networks. In ICML, 2018.
      • Yu et al. Network Recasting: A Universal Method for Network Architecture Transformation. In AAAI, 2019.
      • Park et al. Relational Knowledge Distillation. In CVPR, 2019.

    홍원의 - (실습)한페이지 논문잡기:찾고+읽고+쓰고+정리하기

    연사소개

    카이스트 지식서비스공학 대학원을 석사 졸업하고 디플러스에서 데이터분석 강사로 활동하다 현재는 홍콩 과학기술대학교 (HKUST)에서 머신러닝을 전공하는 박사과정 학생입니다. 여름방학중 잠시 귀국해서 강의합니다.

    • 홈페이지 : https://sites.google.com/view/woneuihong
    • 깃헙 : https://github.com/laftworld
    • 이메일 : wehong@cse.ust.hk

    발표소개

    연구란 무엇이고 어떤 절차로 수행하는지, 매일같이 쏟아지는 머신러닝 분야의 논문을 어떻게 읽고 정리하며 공부할지 함께 고민하는 시간을 마련했습니다. 국내 및 해외 연구실 생활에 대한 주관적인 경험도 공유합니다. 대학원 초년생이나 진학 예정자를 비롯해 연구에 대해 궁금한 분을 대상으로 발표합니다.

    발표자료

    img

    오른쪽 그림 설명: 논문을 작성하는 절차와 방법에 대해서 발표합니다. 수영장 그림의 타일 하나하나가 논문입니다. 옛날에 깔린 타일은 교과서(textbook)가 되어 고등학생들이 배웁니다. 아직 타일이 깔리지 않은 바닥은 인류의 지식이 아직 닿지 않은 영역입니다. 그 경계에 대학원생이 타일깔기 연습을 하는 중이고 지도교수는 그것을 봐주고 있습니다. 논문작성에 대한 기본개념이 대체 머신러닝과 무슨 관련이 있는가 하실 수 있는데, 이것은 중요합니다. 머신러닝 분야만큼 하루가 멀다하고 논문이 수백편씩 쏟아지는 판이 없기 때문입니다. 논문 세상이 어떤 식으로 작동하는지를 이해하고, 우리는 이 위에서 어떻게 공부해야 할지를 나눠보는 시간을 갖습니다. 머신러닝은 많은 일반인들이 논문읽기를 하면서 공부하는 토픽인데 (일반적으로 재료과학 논문을 읽기모임하지는 않으니까요), 논문이 작성되고 출판되어 읽히는 과정에 대한 이해 없이 그저 논문읽기만 한다면 이 판의 빠른 흐름을 다 놓치게 되는 수가 있습니다. 이 발표는 (머신러닝)논문공부는 하고 싶은데 가이드가 없는 일반인 분들을 대상으로 논문판에 대한 큰그림을 그려보는 시간입니다.

    참고자료


    신경인 - (실습)파이토치로 갈아타기

    연사소개

    경희대학교 우주탐사학과에 2018년부터 재학 중인 석사 과정 학생입니다. 과를 보시면 아시겠지만 저는 딥러닝을 하게 될 거라고 생각한 사람은 아니었습니다. 솔직하게 말씀드리면, 저는 학부 졸업 때까지 컴퓨터 언어라고 하면 손사래부터 치는 사람이었죠. 그만큼 컴퓨터 언어에 자신도 없었고 잘하지도 못했습니다. 하지만 딥러닝으로 우주 분야 영상을 처리하는 연구를 맡았다가 세상을 바꾸는 딥러닝에 푹 빠졌죠. 딥러닝에 대한 열정이 생기니 기본적인 컴퓨터 언어 하나도 제대로 못했던 제가 Keras, TensorFlow를 거쳐 PyTorch까지 즐겁게 하게 되었습니다. 특히 PyTorch는 올해 3월부터 매주 토요일에 경희대에서 학부, 대학원생들을 대상으로 수업을 진행하고 있습니다. 현재는 내년에 컴퓨터공학 박사 과정 진학을 위해 동대학원 컴퓨터공학과 교수님의 공동지도를 받고 있습니다.

    현재 진행하고 있는 연구는 두 개로 하나는 서로 다른 두 필터로 찍은 태양 영상 간의 변환(우주탐사학과 관련)이고 다른 하나는 분류 과업을 위한 attention module 개발(컴퓨터공학 관련)입니다. 비록 제 발표에서는 다루지 않겠지만 관심 있으신 분들과 소통할 수 있기를 바랍니다.

    • 이메일: gishin@khu.ac.kr

    발표소개

    딥러닝으로 빠른 시간에 성과를 내려면 어느 프레임워크를 이용해야 할까요? 딥러닝을 하기 위한 도구를 제공하는 프레임워크는 정말 다양합니다 - Caffe(2), CNTK, Keras, PyTorch, TensorFlow, Theano 등. 각자가 더 많이 쓰이는 딥러닝 분야도 다르고 장단점도 다릅니다. 그럼에도 불구하고 저는 주변 사람들에게 얘기합니다. 적어도 처음 시작했던 저에게 가장 쉽고 직관적으로 다가왔던 프레임워크는 PyTorch였다고 말이죠. Keras를 이용해 코드를 짜다보면 TensorFlow에 대한 이해가 필요한 경우가 종종 있었습니다. 그렇다고 TensorFlow를 하려니 배워야 할 게 너무 많았죠. 그렇다면 PyTorch는? Python 클래스에 대한 기본적인 이해면 충분합니다. 그렇기 때문에 직관적이고 빠르게 적응할 수 있다는 큰 장점이 있습니다. 얼른 자신의 분야에 딥러닝을 적용하고 성과를 내고 싶으신가요? PyTorch로 오세요. 이번 발표에서는 오시는 분들의 선호에 따라 간단한 분류 모델 혹은 GAN(Generative Adversarial Networks) PyTorch 코드를 짜면서 실습을 진행할 예정입니다. 제 발표를 들으면 유익하실 분들과 그렇지 않을 분들을 아래에 정리해놓았습니다.

    • 발표가 유익하실 분들.
      • 빨리 딥러닝을 자신의 분야에 적용하고 싶으신 분들
      • 딥러닝을 시작한지 오래 되지 않아서 (혹은 아직 시작하지 않아서) 어떤 프레임워크를 쓰면 좋을지 모르겠는 분들
      • 기존에 쓰시던 프레임워크가 복잡하다고 느껴져서 친숙하지 않은 분들
      • PyTorch에 사용법에 대해 알고 싶으신 분들
    • 발표가 유익하지 않으실 분들.
      • 이미 애용하는 프레임워크가 있으신 분들
      • 전문적인 딥러닝 개념을 듣고 싶으신 분들

    발표자료

    img

    참고자료

    • 파이토치 튜토리얼 사이트: https://tutorials.pytorch.kr/

    전미정 - 실습)MS Azure ML Service와 함께하는 AutoML 사용하기

    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

    발표소개

    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 ServiceAutoML에 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).

    발표자료

    img

    참고자료

    AutoML


    서정훈 - 빽 투 더 Representation Learning: Visual Self-supervision을 중심으로

    연사소개

    위성항공 전문기업 쎄트렉아이에서 머신러닝 연구원으로 재직 중입니다. Profile

    발표소개

    00년 후반에 제안된 RBM/DBN의 중요성이 줄어든 이후 사전학습(Pre-training)을 위한 표현 학습(Representation Learning)은 꽤 오랜 시간 동안 사장된 개념이었습니다. 하지만 최근 페이스북, OpenAI, 딥마인드 등의 연구 그룹을 중심으로 표현학습을 다루는 연구가 다시금 쏟아져나오고 있습니다. Visual Self-supervision을 중심으로, 본 발표에서는 다음과 같은 내용을 다루고자 합니다.

    • 왜 표현 학습이 다시 연구의 화두로 대두되었지
    • 다시 부활한 표현 학습, 연구자들은 어떻게 접근하고 있는지
    • 중요 표현 학습 연구들에 관한 초스피드 간단 리뷰

    주요 키워드: Visual Representation Learning, Self-supervised Learning, Data-efficiency

    발표자료

    img

    참고자료

    TBA

    14시


    황준원 - (실전)딥러닝으로 오디오 만나보기

    연사소개

    성균관대학교 소프트웨어학과에 재학중인 학부생이고, 다양한 딥러닝 분야를 골고루 배우며 연구부터 개발까지 두루 갖추고자 합니다. 현재 케라스 코리아 운영진 및 케라스 코리아 오픈채팅 방장을 맡고 있으며, 페이스북 그룹과 오픈 채팅방에서 다른 연구자 및 개발자 분들과 교류하고 있습니다. 지난 KCD2019에서는 케라스 코리아 세션에서 “이상한 폰트 나라로 뛰어들기” 를 발표했습니다.

    • 홈페이지: https://nuxlear.github.io/
    • 깃헙: https://github.com/nuxlear
    • 페이스북: https://www.facebook.com/nuxlearHwang

    발표소개

    최근 프로젝트를 통해 음성 데이터를 처음 다뤄보면서 음성 데이터를 전처리하고 모델 학습에 사용하는 여러 방법을 접해보았습니다. 음성은 데이터 차원의 수가 이미지보다 적지만 그 특성이 꽤 달라 사전 지식과 테크닉들이 필요했습니다. 이에 처음 음성 데이터를 다루면서 겪을 만한 어려움과 새로이 배운 노하우들을 공유하기 위해 발표를 준비했습니다. 바로 전 시간에 준비되어 있는 남기현 님의 이론편에 이어, 실제로 audio를 불러오고 다양한 feature를 추출하는 전처리와 augmentation, 그리고 연산 속도를 높이기 위한 GPU 연산 사용법을 간단한 예시 코드와 함께 소개해 드리려 합니다. audio 데이터를 활용한 딥러닝 연구를 처음 시작하시는 분들께 도움이 되었으면 합니다.

    발표자료

    img

    참고자료

    TBD


    김영하 - AutomatedML 동향

    연사소개

    TBD

    발표소개

    TBD

    발표자료

    img

    참고자료

    TBD


    송규예 - Deeplema, 딥러닝 서비스상용화의 딜레마

    연사소개

    ML GDE(Machine Learning Google Developer Expert)입니다. 기계공학을 전공했지만 졸업 후엔 코드를 읽고 쓰는 일을 했습니다. 텐서플로 문서 번역에 기여하면서 소프트웨어와 과학의 경계를 흥미롭게 탐험하고 있습니다. “머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로”, “케라스 창시자에게 배우는 딥러닝”(이상 길벗), “(개정판)파이썬 라이브러리를 활용한 머신러닝”, “핸즈온 머신러닝”, “텐서플로 첫걸음”(이상 한빛미디어)을 번역했습니다.

    발표소개

    비즈니스 관점에서의 딥러닝에 대한 톡입니다. 실제 비즈니스 상에서 기술에 대한 오해나 상용화에 대해 접근방법이 아쉬운적이 많았고 여기에 대한 의견을 나누고자 합니다.

    발표자료

    img

    참고자료

    TBD

    15시


    민규식 - 강화학습 환경 제작, Unity ML-agents와 함께하세요

    연사소개

    현재 한양대학교 미래자동차공학과 기계감지 및 제어연구실 (MML Lab.)에서 석박사 통합과정 중에 있습니다. 자율주행차량 및 운전자 보조 시스템에 대한 연구를 수행하고 있으며 딥러닝, 강화학습, 유니티에 대해 공부하고 있습니다. 페이스북 페이지 Reinforcement Learning Korea의 운영진 중 한명으로 활동하고 있으며 유니티 코리아에서 공인한 유니티 전문가 그룹인 유니티 마스터즈 3기에 선정되었습니다.

    발표소개

    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.

    발표자료

    img

    참고자료


    김태진 - 구글 코랩 TPU 알아보기

    연사소개

    부산대 정보컴퓨터공학부 졸업하고 캐글이 너무 재미있어서 취직도 마다하고 캐글에 뛰어들고 있는 직업이 백수고 업무가 캐글인 김태진입니다. 저는 학과 공부의 완성은 학교 밖에 있다고 생각해서 학부때는 공모전을 정말 많이 나갔었고 창업동아리 활동도 했었습니다. 정말 공부 외적인 것만 좋아해서 문제입니다만, 다양한 경험은 항상 저를 성장하게 만드는거 같아요! 현재는 캐글코리아 그룹의 운영진을 맡고 있습니다. 관심분야는 캐글, NLP, 딥러닝 등등 입니다.

    발표소개

    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.

    발표자료

    img

    참고자료

    TBD


    김보섭 - Structuring your first NLP project

    연사소개

    현재 LG전자 인공지능연구소에서 Researcher로 일하고 있습니다. 모두의 연구소에서 NLP 관련 스터디 모임(NLP Bootcamp)에서 faciliator로 활동하고 있으며, 모두를 위한 딥러닝 시즌 2 (TensorFlow)에 Contributor로 참여하였습니다. 현재는 Bayesian NN, Novelty Detection기반으로 Uncertainty를 NLP의 여러분야에 적용하는 연구를 하고 있습니다.

    • 홈페이지: https://aisolab.github.io/
    • 깃헙: https://github.com/aisolab
    • 이메일: bsk0130@gmail.com

    발표소개

    NLP 논문을 구현할 때, 항상 수반하는 전처리(Vocabulary, Tokenizer, Embedding 등)들을 반영하는 project template (project structure)을 구성하고, 구현 시 modulization을 어떻게 효율적으로 해야하는 가에 관하여 소개합니다. 소개한 project template을 토대로 PyTorch로 구현한 “Convolutional Neural Networks for Sentence Classification”을 네이버 영화평점 데이터에 적용해봅니다. (논문의 상세한 내용에 대해서는 소개하지 않습니다. 발표자료를 참고해주세요)

    • 발표가 유익하실 분들
      • 논문 구현을 project template 토대로 구현한 경험이 없으신 분들
      • 논문 구현에 관심있으신 분들
      • 자기자신만의 project template 구성에 관심있으신 분들
      • NLP 논문 구현에 관심있으신 분들
    • 발표가 유익하지 않으신 분들
      • 이미 사용하고 계신 project template이 있으신 분들
      • 전문적인 딥러닝 개념을 듣고 싶으신 분들

    발표자료

    img

    참고자료

    • 논문: https://arxiv.org/abs/1408.5882
    • 깃헙: https://github.com/aisolab/nlp_implementation/tree/master/Convolutional_Neural_Networks_for_Sentence_Classification

    이진원 - Efficient CNN 톺아보기

    연사소개

    현재 삼성전자에서 Staff Engineer로 일하고 있습니다. Deep Learning Hardware Accelerator와 모델 경량화를 연구하였습니다. PR12 논문 읽기 모임을 3년째 참여하고 있고, Facebook TensroFlow Korea group에서 운영진으로도 활동하고 있습니다.

    • 깃헙 : https://github.com/jwlee-ml
    • 이메일: jwlee.ml25@gmail.com

    발표소개

    ImageNet에서 ResNet이 human performance를 뛰어넘은 이후 efficiency를 중요시하는 CNN들이 계속 연구되어 왔는데 최근까지의 흐름을 쭉 정리해보고자 합니다.

    발표자료

    img

    참고자료


    김경환,박진우 - (실습)강화학습 해부학 교실: Rainbow, 이론부터 구현까지

    연사소개

    현재 Medipixel에서 research engineer로 재직중이며, 강화학습을 통해 심혈관 중재시술(PCI) 일부 과정을 자동화하는 연구를 진행하고 있습니다. 심혈관 중재시술의 핵심은 혈관 내에서 병변부위까지 무사히 도달할 수 있도록 wire를 제어하는 기술입니다. 특히 wire 제어는 굉장히 풀기 어려운 non-linear system으로 악명이 높은데, 저희는 그 동안의 성과물을 통해 강화학습에 의한 wire 제어의 가능성을 조금씩 세상에 보여주고 있습니다.

    • 블로그: https://mrsyee.github.io / https://curt-park.github.io/
    • 깃헙: https://github.com/MrSyee / https://github.com/Curt-Park
    • 이메일: khsyee@gmail.com / www.jwpark.co.kr@gmail.com

    발표소개

    Atari 환경에서 아주 좋은 성능을 보여주는 강화학습 알고리즘인 Rainbow를 공부해 봅니다. Rainbow를 구성하는 DQN, PER, Double-Q, Dueling Network, NoisyNet, C51, N-Step TD의 이론적 배경을 함께 살펴보고, Rainbow의 파이토치 구현을 line-by-line으로 뜯어봅시다. (노하우 대방출)

    발표자료

    img

    참고자료

    • 논문
      • V. Mnih et al., “Human-level control through deep reinforcement learning.” Nature, 518 (7540):529–533, 2015.
      • T. Schaul et al., “Prioritized Experience Replay.” arXiv preprint arXiv:1511.05952, 2015.
      • van Hasselt et al., “Deep Reinforcement Learning with Double Q-learning.” arXiv preprint arXiv:1509.06461, 2015.
      • Z. Wang et al., “Dueling Network Architectures for Deep Reinforcement Learning.” arXiv preprint arXiv:1511.06581, 2015.
      • M. G. Bellemare et al., “A Distributional Perspective on Reinforcement Learning.” arXiv preprint arXiv:1707.06887, 2017.
      • M. Fortunato et al., “Noisy Networks for Exploration.” arXiv preprint arXiv:1706.10295, 2017.
      • M. Hessel et al., “Rainbow: Combining Improvements in Deep Reinforcement Learning.” arXiv preprint arXiv:1710.02298, 2017.
    • 깃헙
      • https://github.com/medipixel/rl_algorithms
      • https://github.com/Kaixhin/Rainbow
      • https://github.com/higgsfield/RL-Adventure
      • https://github.com/openai/spinningup

    16시


    김태영 - 이제 하이퍼파라미터 튜닝은 케라스 튜너에게 맡기세요

    연사소개

    현재 (주)인스페이스에서는 기술이사로서 “태양에서 세포까지 딥러닝”, “게임에서 우주까지 강화학습”의 모토로 여러분야 인공지능을 적용하고자 활발히 연구개발하고 있습니다. 경희대학교 우주탐사학과 박사과정 중에 있으며 대딥사, 케라스 코리아, 캐글 코리아 등 오픈 커뮤니티 운영진으로써 즐거운 인공지능 생태계 조성에 조금이라도 보탬이 되고자 합니다.

    발표소개

    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.

    발표자료

    img

    참고자료


    김형섭 - GAN 동향

    연사소개

    TBD

    발표소개

    TBD

    발표자료

    TBD

    참고자료

    TBD


    차금강 - 설명가능한 강화학습(Explainable Reinforcement Learning)

    연사소개

    안녕하세요 현재 너드팩토리에서 자연어처리를 이용한 여러가지 문제를 풀고 있는 강입니다. 챗봇 시스템, 언어처리를 이용한 추천시스템 등을 연구/개발하고 있으며 진정한 의미의 인공지능으로써 강화학습을 연구하고 있습니다.

    • 깃헙: http://github.com/chagmgang
    • cv: https://github.com/chagmgang/cv
    • 이메일: chagmgang@gmail.com

    발표소개

    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.

    발표자료

    img

    참고자료

    • Attention Is All You Need
    • Proximal Policy Optimization Algorithms
    • A simple neural network module for relational reasoning
    • Relational Deep Reinforcement Learning

    17시


    옥찬호 - 카드게임 강화학습 환경 개발기 - 하스스톤

    연사소개

    현재 넥슨 코리아에서 게임 클라이언트 개발을 담당하고 있습니다. C++와 게임 개발, 컴퓨터 그래픽스, 강화학습, 오픈 소스에 관심이 많습니다. 페이스북 C++ Korea 그룹을 운영하며 스터디 활동과 함께 다양한 책을 번역/집필 중이며, 남는 시간엔 학생들과 함께 다양한 오픈 소스 프로젝트를 진행하며 보다 나은 미래를 만들기 위해 노력하고 있습니다. 옮긴 책으로는 『게임샐러드로 코드 한 줄 없이 게임 만들기』 (에이콘출판사, 2013), 『유니티 Shader와 Effect 제작』 (에이콘출판사, 2014), 『2D 게임 프로그래밍』 (에이콘출판사, 2014), 『러스트 핵심 노트』 (한빛미디어, 2017), 『모던 C++ 입문』 (길벗, 2017), 『C++ 최적화』 (한빛미디어, 2019)이 있습니다.

    • 블로그: https://utilforever.github.io
    • Github: https://github.com/utilforever
    • 이메일: utilForever@gmail.com

    발표소개

    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.

    발표자료

    img

    참고자료

    TBD

    대전 AI 거버넌스

    연사소개

    안창욱 - 광주과학기술원(GIST) - e-mail: cwan@gist.ac.kr 이준 - 산업연구원(KIET) - e-mail: jlee@kiet.re.kr 이순석 - 한국전자통신연구원(ETRI) - e-mail: sslee@etri.re.kr 유용균 - 원자력연구원(KAERI) - e-mail: ygyu@kaeri.re.kr 이홍석 - 한국과학기술정보연구원(KISTI) - e-mail: hsyi@kisti.re.kr 안효정 - 한국항공우주연구원(KARI) - e-mail: hjahn@kari.re.kr

    발표소개

    대전 산업 AI 생태계 활성화 및 거버넌스 구성 방안

    발표자료

    img

    참고자료

    TBD


    질답과 이모저모

    신청 시에 올려주셨던 질문에 답변드립니다.

    • Q: 대전역이나 터미널에서 셔틀버스 운행이나, 교통편 안내 부탁드립니다.
      • 사시는 지역이 터미널과 가깝다면 터미널 이용을 추천드립니다. 유성고속버스터미널, 유성시외버스터미널, 대전청사고속버스터미널, 대전청사시외버스터미널이 가깝습니다. 가장 가까운 터미널은 도룡고속시외버스터미널이 있는데, 해당 터미널에 정차하는 지는 사전에 확인 필요합니다. 터미널에서 오실 때는 마을버스/일반버스나 택시를 타고 오시면 됩니다.
      • 행사 지역이 대전역이랑 꽤 거리가 되기 때문에, 역에서 오실 때는 택시가 가장 편합니다. 시간적인 여유가 있다면, 대전역 > 지하철 > 대전정부청사역 하차 > 버스 탑승으로 와야하는데, 거의 한시간은 잡아야합니다.
    • Q: 홍보가 제대로 되지 않아 아쉽습니다.
      • 오픈 커뮤니티 위주로 진행되다보니 대대적인 홍보가 되지는 않는 것 같습니다.
      • 하지만 좋은 행사라고 각 기관이나 회사 사내 사이트에 무단으로 홍보하시는 분들이 간혹 계시는 데, 너무나 감사합니다. 이런 분들이 많이 계셨으면 좋겠습니다.
    • Q: 왜 서울에서 하면 참여율이 높은 것 같은데 왜 대전에서 하는지요?
      • 서울에서 하면 더 많은 분들이 오실 수 있겠지만, 서울과 거리가 먼 지방에서는 오시기가 쉽지 않기 때문에 “모두가 함께하는” 딥러닝 컨퍼런스가 되기 위해 대한민국 중앙인 대전으로 선정하였습니다.
    • Q: 중간 중간에 트랙을 옮길 수 있나요?
      • 물론입니다. 세션 당 한시간인데, 40분발표, 5분 질의응답, 나머지 15분을 더 남아서 토의를 하거나 이동을 위한 시간입니다.
      • UST과 ETRI 건물을 도보로 10분이면 충분히 이동할 수 있습니다. 다만 날씨가 더워서 조금 걱정입니다.
    • Q: 실습 세션은 노트북을 챙겨야하나요? 콘센트가 충분한지요?
      • 실습 세션을 들으시는 분은 노트북을 지참해주세요~
      • 콘센트가 충분하지 않습니다. 충분히 전원을 충전을 해오세요~ 행사장에서 충전을 할 수 있도록 별도 장소 혹은 안내를 할 예정입니다.
    • Q: 오후 늦게 가도 (중간에 참석해도) 되는지요?
      • 물론입니다! 편하게 일이 있으시다면, 먼저 가시거나 나중에 오셔도 됩니다.
      • 다만 오시기만 한다면, 함께한 시간에 대한 뿌듯함과 함께하지 못한 시간에 대한 아쉬움을 가지고 가실껍니다~
    • Q: 참가비도 없는데 굳이 신청을 한 후 참석해야 하나요?
      • 원활한 행사를 위해서 가장 신경써야 할 것이 바로 참가 인원이더라구요. 참가비를 받으면 사전이 인원을 알수 있어서 준비도 그에 맞게 하면 되지만, 참가비를 받지 않으면 현장에서 신청하시는 분들도 많고, 노쇼도 있을 수 있습니다(다행이 저희 행사에는 노쇼가 잘 없습니다). 그래서 많은 부분을 예측을 하면서 준비해야 하는데, 그렇다하더라도 참가 신청하신 분들의 수가 기준이 되기에 중요합니다.
    • Q: 동영상 녹화나 라이브 방송을 하실 계획인가요?
      • 본 모임에서 지식교류가 많이 일어날 것이지만 그보다 더 중요하게 생각한 건 “함께하는 즐거움”입니다. 연사분들도 참석자분들이랑 소통하는 즐거움에 신명나게 발표하고 참석자분들도 격식없이 자유롭게 평소 궁금하던 것을 물어보면서 정말 딥러닝을 공부하면서 “즐거운 순간”이다라는 것을 담고 가시길 희망합니다. 그걸 방해하는 요소 중 하나 바로 “동영상 촬영”이라 생각하기에 녹화나 라이브 방송은 없을 예정입니다. 그 순간에 집중해서 맘 것 즐겨주십시요~
    • Q: 예전엔 사람이 많아서 서서 들었는 데, 좌석이 충분했으면 좋겠습니다.
      • 아쉽게도 이 부분은 어쩔 수 없을 것 같습니다. 다양한 분야에서 각기 다른 관심으로 오시기에 어디에 몰릴 지 예측하기도 힘들고, 연사분들의 즐거움을 나눌 수 있도록 연사분들에게 세션을 선택하시겠금 하였기에 불가피한 상황이 발생할 수 있습니다. 이점 양해부탁드립니다!
    • Q: 잘 모르는 주제가 많아서 기대됩니다.
      • 저도 그렇습니다. 강화학습에선 “탐험”과 “탐색”이란 개념이 나오는데, 이번 기회에서 새로운 분야, 새로운 내용에 “탐험”을 할 수 잇는 좋은 기회라고 생각합니다. 잘 모르는 내용일수록 한 번 참석해보는 것은 어떨까요?
    • Q: 실습 시에 준비해야될 것이 무엇인가요?
      • 현재 연사별로 별도 페이지를 작성하고 있습니다. 거기에 안내사항을 상세히 기재할 예정입니다. 또한 질문이 있으시면 해당 페이지에 질문을 올려주시면 감사하겠습니다.
    • Q: 커피 한 잔은 어느분께 언제 어떻게 사드리면 되나요?
      • 질문 의도 파악이 되진 않지만, 지금 연사분들은 인터넷에서도 많이 활동하시는 분들이기에 평소 도움을 받으신 분들도 계실 겁니다. 그 연사분께 발표 전에 시원한 아메리카노 똭~ 올려놓으면 어떨까요?
    • Q: 독일에서 한국에 귀국하자마자 다음날 대전으로 달려갑니다.
      • 여독으로 힘드실텐데도 불구하고 그 열정에 감사함을 보내드립니다. 참석해주셔서 감사드립니다. 무사 귀국 하십시요!
    • Q: 결석 및 휴가를 내서라도 꼭 가겠습니다.
      • 좋은 행사에 마음 편하게 오실 수 있도록 최대한 노력하겠습니다. 그 노력에는 참가확인증 발급이라던지 담당선생님, 교수님, 상사 등에 주최측에서 초청 메일을 보낸다던지 입니다. “모두가 함께하는 딥러닝 컨퍼런스”가 되었으면 합니다.
    • Q: 점심은 어디서 어떻게 먹나요?
      • 차가 없는 상태에서 이동이 불편하기 때문에 현재 인근 식당, 푸드트럭, 배달 등 여러가지 가능성을 열어놓고 알아보고 있습니다. 다음 공지때 안내드리겠습니다.

    같이 보기

    img


  • NASA FDL 2019 부트캠프 초청발표


    NASA FDL 2019 부트캠프에 초청받아 6월말 NVIDIA 본사에서 발표하게 되었습니다. NASA FDL 프로그램은 우주생물학, 행성과학, 천문학, 뇌물리학, 컴퓨터과학 등 과학분야에 대한 전문지식을 갖춘 세계 각국의 모범적인 학자와 연구자를 대상으로 설립되었고, 이 프로그램의 목표는 우주 과학에 인공지능 기술을 적용하기 위한 학문 간 팀 환경에서 협력할 수 있는 기회를 제공할 뿐만 아니라, 현재와 미래의 중대한 과제들을 해결하기 위해 연구의 경계를 넘나드는 것입니다.

    img

    발표주제는 “Deep Reinforcement Learning Application in Aerospace field with Unity ML Agent”으로 항공우주분야에서 유니티 ML Agent 기반으로 강화학습 적용에 관련된 내용입니다. 본 연구는 (주)인스페이스의 이현호 연구원이 주도로 수행되었고 NASA FDL 프로그램에서의 향후 방향에서 귀감이 되는 연구로 인정받아 참여하게 되었습니다. 해당 내용으로 7월 4일 대전에서 이현호님이 발표하십니다. 아래 이미지를 클릭해서 신청하세요~

    img


    같이 보기


  • 신진 여성인재와 함께하는 케라스


    한국정보통신학회 여성 ICT 위원회가 주최하는 신진 여성인재 발굴 및 교육 사업의 일환으로 파이썬 딥러닝 케라스 워크샵을 하게 되었습니다.

    img


    프로그램

    img


    강사 소개

    img


    등록 안내

    img


    연사 초청권 이벤트 신청

    학회로부터 연사 초청권 1매를 받았습니다. 워크샵 특성 상 “여성”만 가능합니다. 댓글로 2018년 11월 15일 목요일 오전까지 이벤트 응모해주시면 추첨해서 드리겠습니다. 신청은 다음과 같이 해주세요. 추첨 시 확인 가능한 이메일로 등록해주세요~

    이름(혹은 닉네임), 이메일


    같이 보기


  • 케라스 창시자에게 배우는 딥러닝 - 도서


    작년에 케라스를 만든 프랑소와 숄레님이 ‘Deep Learning with Python’이란 책을 집필하였고 한 문장 한 문장 통찰력이 담겨 있어 상당히 감동 받았던 기억이 납니다. 그 책이 이번에 번역되어서 ‘케라스 창시자에게 배우는 딥러닝’이란 이름으로 출간되었습니다. 번역은 IT 및 머신러닝 분야에 전문 번역가이신 박해선님께서 해주셨습니다. 사실 이 책은 제가 번역을 하고 싶어서 숄레님께 연락을 드려봤을 정도로 의미가 있는 책이라 번역 후기를 부탁하여 들어봤습니다. 출판사는 IT 전문서를 발간하는 길벗입니다.

    img


    번역 후기

    어찌하다 보니 벌써 네 권이나 번역서를 냈습니다. 두 권은 대기중에 있구요. 블로그에 올린 공개 번역을 보고 출판사에서 ‘텐서플로 첫걸음’을 냈을 때는 일이 이렇게 될 줄은 몰랐습니다. 세상 일이 계획대로 되지는 않네요. :) 오랫동안 서점에 가는 일이 없었는데 ‘텐서플로 첫걸음’ 때문에 첫걸음(!)을 하게 되었고 개인적으로 아쉬움 또는 안타까움 같은 걸 느꼈습니다. 출판 시장에 관심있다면 아시겠지만 IT 서적의 많은 부분은 수험서나 오피스, 기초서입니다. 흔히 말하는 전문서는 글을 쓰는 사람에게나 출판하는 곳에나 큰 도움이 되지 않는 것 같습니다. 적어도 글을 쓰는 사람에게는 별 도움이 안되는게 확실합니다! :)

    ‘파이썬 라이브러리를 활용한 머신러닝’부터 머신러닝이나 딥러닝 책들이 나오면 주제넘게 여기 저기 출판사에 추천하기 시작했습니다. ‘핸즈온 머신러닝’도 그렇게 번역하게 된 책 중에 하나입니다. 책을 추천한다고 다 번역할 수 있는 것은 아닙니다. 출판사가 에이전시를 통해 원서 라이센싱을 해야 하는데 약간의 경쟁도 있고 운도 따라야 하거든요. 프랑소와의 책은 거꾸로 출판사로부터 연락이 와서 진행을 하게 되었습니다. 아마도 제가 블로그에 올린 이 원서의 소개글을 보셨던 것 같습니다.

    작업은 4월 중순께 부터 시작해서 8월말에 끝났습니다. 원서는 사전에 사파리 온라인으로 대략 읽어 보았던 것이 전부입니다. 초벌 번역을 할 때는 전자 문서의 내용을 구글 독스로 복사해서 한줄 한줄 번역합니다. 핸드폰으로 버스에서도 지하철에서도 병원에서 대기할 때도 몇 줄 씩 작업하면 도움이 되더라구요. 다행히(!) 별 취미가 없는 덕에 주말에도 작업할 수 있습니다. 한 장이 끝나면 문서를 출력하고 원서 종이 책을 옆에 두고 제 기준으로 교정을 봅니다. 어색한 문장을 손보고 부가 설명이 필요하면 역주를 답니다. 원서에 에러타가 있으면 표시를 하고 원서 포럼이나 에러타 사이트에 등록합니다. 의미가 애매한 문장이 있다면 저자의 트윗이나 스택 익스체인지를 뒤져서 관련 내용을 확인합니다.

    이 전에 번역했던 책들은 에러타에 대한 저자의 피드백이 꽤 빠릅니다. 간간히 고맙다는 인사도 받습니다. :) 프랑소와 숄레가 평소 조금 시니컬한 면이 있다고 느꼈는데 그래서 일까요. 매닝의 원서 포럼에는 초반에 에러타를 조금 챙기더니 이제는 에디터도 저자도 감감 무소식입니다. 사소한 오타 정도는 괜찮은데 LSTM 공식 같이 굵직한 문제는 오히려 무슨 특별한 의도가 있는게 아닐까하는 생각까지 들었습니다. 원서 포럼에 올라온 사용자들의 의견과 다른 자료를 참고하면서 에러타를 반영했습니다.

    초벌 번역을 하고 이렇게 교정을 할 때가 제일 재미있습니다. 케라스 레파지토리를 클론해서 클래스에서 메서드로, 메서드에서 함수로 널뛰기 하다보면 시간 도둑이 따로 없습니다. 교정이 끝난 장이 하나 둘 쌓이면 적당한 묶음으로 편집자에게 보냅니다. 1차 번역이 끝나면 편집자가 검토하는 사이에 예제 노트북을 포크해서 로컬 컴퓨터에서 실행을 해봅니다. 라이브러리를 최신으로 갱신하고 책과 결과가 맞지 않는 부분을 수정합니다. 그 이후에는 편집자와 교정자가 보내온 작업을 확인하면서 처음부터 다시 읽어 나갑니다. 마지막 교정을 위해 책을 읽고 난 후에는 며칠간 멘탈을 추스립니다. :)

    프랑소와의 책이기에 얻을 수 있는 것은 1장과 9장입니다. 여기에서 저자가 하고 싶은 말을 확실하게 전달하고 있습니다. “제발 딥러닝과 뇌과학을 연결하지 말아 주세요.” “딥러닝이 사람을 뛰어 넘으려면 아주 멀었어요. 얼마나 먼지도 잘 몰라요.” “왜냐하면 딥러닝은 그냥 벡터 변환이 전부 거든요.” “수학은 필수가 아닙니다. 딥러닝은 엔지니어링에 가까워요.” “아직은 딥러닝이 대단한 일을 하지 못해요.” “하지만 뒤쳐지지 마세요. 그러다 엄청난 흐름을 놓칠 수 있어요. 인터넷이 딱 그런 셈이에요.” 서점에 가셔서 1장과 9장만이라도 꼭 읽어 보세요! :)

    이런 작업을 통해서 저도 많이 배웁니다. 배워서 어디에 써먹으려 한다기 보다는 배우는 것 자체가 즐거움인 것 같습니다. (저희 어른신도 무얼 그리 배우러 다니시는지..)


    이벤트 신청

    원서도 그렇고 번역서도 그렇고 추천을 할 수 있는 책이라 관계자분께 부탁하여 이벤트 도서를 할당받았습니다. 본 도서 증정 이벤트는 총 3군데에서 각 2권씩 증정이 이뤄집니다. 이벤트 신청은 해당 페이스 그룹에 댓글로 남겨주세요. 해당 기간에 댓글을 다셔야 정상적으로 등록됩니다.


    같이 보기

    ‘케라스 창시자에게 배우는 딥러닝’ 도서의 구매 좌표는 여기입니다.


  • 오후 내내 간보는 날(GAN)


    레고사람 비유를 시작으로 GAN 개념과 기초적인 GAN 모델을 알아봅니다. 그 다음 의료영상 합성 분야의 흥미로운 논문을 간략히 설명드립니다. 마지막에는 vid2vid논문을 리뷰합니다. vid2vid는 2018.08 최근에 발표된 만큼 다양한 GAN 논문들의 개념이 적용되어 복잡하고 설명이 친절한 논문도 아니라서 단번에 이해가 쉽지 않습니다. 그럼에도 불구하고 GAN을 잘 모르는 분들도 충분히 이해할 수 있게 최대한 기본 개념을 챙기려고 노력했습니다.

    ISS란 Intelligence Space Seminar의 약자로 인공지능 기술과 관련된 인스페이스의 사내 세미나를 말합니다. 어렵게 모신 전문가분들의 주옥같은 내용을 공유하고자 오픈 세미나로 진행하고 있습니다.
    

    img


    연사소개

    김형섭

    책 읽다가 3개월 뒤에 죽는다면 뭘하겠냐는 말도 안되는 자기물음에 딥러닝을 해야겠다고 생각해서 모두의연구소 1분 거리에 고시원 잡고 딥러닝 공부를 시작

    • 모두의연구소 이안 굿 펠로우 저 딥러닝북 풀잎스쿨 퍼실이(학습독려자)
    • 모두의연구소 GTA(Generative and transfer) 연구실 소속
    • 의료영상 회사 팀엘리시움 딥러닝 GAN 연구원
    • 페이스북 Generative Adversarial Networks KR 운영자

    김태영

    (주)인스페이스 기술이사, 케라스 코리아, 캐글 코리아, 대딥사 운영자이며, 경희대학교 우주탐사학과 박사과정에 진학 중입니다. 다양한 분야에 딥러닝 모델을 심을 수 있도록 대중화에 힘쓰고 있습니다.

    • 김태영의 케라스 블로그 운영 : 케라스와 딥러닝에 관련된 강좌 및 세미나 자료가 정리되어 있습니다. 딥러닝 입문에 추천드립니다.
    • ‘블록과 함께하는 파이썬 딥러닝 케라스’ 집필 : 케라스 사용에 필요한 딥러닝 개념 설명과 실습 가능한 파이썬 소스코드를 담고 있으며 직관적으로 딥러닝 모델 구성을 이해할 수 있도록 블록쌓기 예제가 포함되어 있습니다.
    • RL Korea 알파오목팀 : 알파제로 알고리즘이 탑재된 알파오목 개발 참여

    프로그램

    1. 일시 : 2018년 9월 18일 오후 1시 30분
    2. 장소 : 대전광역시 유성구 가정로 217 과학기술연합대학원대학교
    3. 주최 : (주)인스페이스, 케라스 코리아, 대딥사, Generative Adversarial Networks KR
    4. 후원 : 과학기술연합대학원대학교(UST)
    5. 발표내용

      • 1:30 ~ 1:40 인사
      • 1:40 ~ 2:10 딥러닝 몰라도 간부터 보기 - 김태영
      • 2:10 ~ 2:20 휴식
      • 2:20 ~ 3:20 간들보기 - 김형섭
      • 3:20 ~ 3:30 휴식
      • 3:30 ~ 4:30 의료영상 응용사례 - 김형섭
      • 4:30 ~ 5:30 Vid2vid 논문리뷰 - deeppaper.slack.com #vid2vid 스터디 참가자
    6. 대상 : GAN에 관심이 있으신 분들

    참고자료

    1. vid2vid github https://github.com/NVIDIA/vid2vid
    2. vid2vid youtube https://youtu.be/GrP_aOSXt5U

    참가신청

    댓글로 참가신청을 받습니다. 댓글 양식은 아래와 같습니다. 양식에 맞지 않으면 제대로 등록이 안될 수 있으니 양식 맞추어 주세요.

    • ‘한 줄’로 작성 부탁드리겠습니다.
    • 5가지 항목을 기입해주세요. 이름/기관/이메일/분야/참석계기
    • 항목 간 구분은 ‘/’ (슬래쉬)로 해주세요.

    • 예) 김태영/인스페이스/tykim@inspace.re.kr/우주/위성 운영 효율화를 위해 강화학습을 적용해보고자 합니다.

    댓글을 달아도 스팸처리되어서 바로 표시 안될 수도 있습니다. 제가 다 스팸아님으로 처리하고 있으니, 크게 신경 안 쓰셔도 됩니다. 그리고 혹시 참석신청하셨으나 부득이한 이유로 참석이 힘드신 분은 미리 알려주세요~ 다른 분들에게 참석 기회를 드리고자 합니다.


    (온라인) vid2vid 논문 및 코드 리뷰 스터디 참가방법

    슬랙(Slack)을 통해 논문 리뷰 스터디가 이루어집니다. deeppaper.slack.com의 #vid2vid 채널입니다. 논문 리뷰는 구글 문서와 코드 리뷰는 구글 colab에서 수행됩니다. 스터디 참가를 원하시는 분은 아래 게시물 답글 달아주세요~

    https://www.facebook.com/groups/KerasKorea/permalink/2331535413529077/


    같이 보기


  • 니NN어데까지해봤노? GNN함가자


    인공지능 구현에 기반이 되는 신경망 기술은 산업과 학계를 불문하고 엄청난 관심을 받고 있으며, 이미지 인식/기계번역/자율주행과 같은 응용으로 이어지고 있습니다. 하지만 많은 연구들이 이미지, 자연어를 대상으로 이루어지고 있으며, 이 연구들에 사용되는 신경망은 합성곱 신경망(Convolutional Neural Network; CNN), 재귀 신경망(Recurrent Neural Network; RNN) 등이 사용되고 있습니다. 하지만 위 데이터와 같은 정규적 데이터들이 아닌 비정규적 데이터들이 존재하고 또 다루어져야할 필요성이 있습니다. 이번 세미나에서는 KAIST 화학과 석박사통합과정인 류성옥님을 모시고, 이런 그래프로 표현되는 비정규적 데이터들(예) 네트워크, 분자, 물리 시스템)을 다루는데 가장 적합한 그래프 신경망에 대해 다루고자 합니다. 류성옥님은 양자역학을 연구하다가, AI가 세상을 바꿀 기술이라 생각되어 딥러닝을 공부하는 대학원생입니다. AI를 활용하여 Smart Drug Discovery를 연구 중에 있습니다. 1st DLCAT에서도 발표하셨습니다~

    ISS란 Intelligence Space Seminar의 약자로 인공지능 기술과 관련된 인스페이스의 사내 세미나를 말합니다. 어렵게 모신 전문가분들의 주옥같은 내용을 공유하고자 오픈 세미나로 진행하고 있습니다.
    

    img


    프로그램

    1. 일시 : 2018년 9월 11일 오후 1시 40분
    2. 장소 : 대전 유성구 대학로291 KAIST 나노종합기술원 9F 대전창조경제혁신센터 E19
    3. 주최 : (주)인스페이스, 케라스 코리아, 대딥사
    4. 후원 : 대전창조경제혁신센터
    5. 발표내용

      • 그래프 신경망의 필요성
      • 그래프 신경망의 이론 및 실용적인 구현에 필요한 지식
      • 그래프 신경망의 응용사례
        1. 네트워크 분석
        2. 분자과학
        3. 상호작용하는 물리시스템
      • 실습 : 그래프 신경망의 구현
        1. Graph Convolutional Network
        2. Graph Attention Network
        3. Gated Graph Neural Network
        4. Graph Autoencoder
    6. 대상 : 인공지능 및 딥러닝에 관심있거나 관련 연구를 수행하시는 분들

    참고자료

    1. 실습 깃허브 : https://github.com/SeongokRyu/Graph-neural-networks/tree/master/tutorials
    2. 블로그 : https://seongokryu.github.io/

    참가신청

    댓글로 참가신청을 받습니다. 댓글 양식은 아래와 같으며 ‘한 줄’로 작성 부탁드리겠습니다.

    • 이름, 기관, 이메일, 분야, 참석계기
    • 예) 김태영, 인스페이스, tykim@inspace.re.kr, 우주, 위성 운영 효율화를 위해 강화학습을 적용해보고자 합니다.

    댓글을 달아도 스팸처리되어서 바로 표시 안될 수도 있습니다. 제가 다 스팸아님으로 처리하고 있으니, 크게 신경 안 쓰셔도 됩니다. 그리고 혹시 참석신청하셨으나 부득이한 이유로 참석이 힘드신 분은 미리 알려주세요~ 다른 분들에게 참석 기회를 드리고자 합니다.


    xNN

    xNN 시리즈는 계속 됩니다.

    • ANN
    • BNN
      • Bayesian Neural Network
    • CNN
    • DNN
    • ENN
    • FNN
    • GNN
      • Graph Neural Network
    • HNN
    • INN
    • JNN
    • KNN
    • LNN
    • MNN
    • ONN
    • PNN
    • QNN
    • RNN
    • SNN
    • TNN
    • UNN
    • VNN
    • WNN
    • XNN
    • YNN
    • ZNN

    같이 보기


  • 1st 함께하는 딥러닝 컨퍼런스


    이제 딥러닝 기술은 무서운 속도로 각 분야에 퍼져가고 있습니다. 그에 따라 활용 사례도 늘어나고 있고, 실전 적용에 막히는 여러가지 문제도 해결하고자 많은 연구가 활발히 이루어지고 있습니다. 딥러닝을 공부하시는 분이라면 딥러닝 코어 및 알고리즘은 물론 타 분야의 활용사례, 최근에 유행하고 있는 GAN과 강화학습까지 관심을 가지고 계실겁니다. 다양한 주제로 즐겁게 소통하고자 첫번째 ‘함께하는 딥러닝 컨퍼런스’를 대전에서 개최합니다. 대전은 정부출연연구원 및 정부청사, 우수한 대학교, 최첨단 기술 중심의 벤처회사들이 밀집된 지역인 만큼 다른 지역과는 또 다른 느낌의 소통이 이뤄질 것 같아 기대되네요~

    img

    1. 일시 : 2018년 6월 28일 (10시~18시)
    2. 장소 : (우)34113 대전광역시 유성구 가정로 217 과학기술연합대학원대학교
      • 세션 A: 강당 300명
      • 세션 B: 사이언스홀 60명
      • 세션 C: 대회의실 30명
    3. 주최 : (주)인스페이스, 케라스 코리아, 대딥사, 한국원자력연구원
    4. 후원 : UST 과학기술연합대학원대학교, NIPA 정보통신산업진흥원
    5. 대상 : 인공지능 및 딥러닝에 관심있거나 관련 연구를 수행하시는 분들 (약 500명)

    img


    발표는 아래 세가지 방식으로 진행됩니다.

    • 세미나(50분) : 어떤 주제에 대해 깊이 있는 지식이나 전반적인 내용을 다룹니다.
    • 라이트닝톡(20분) : 자신의 연구 및 기관에 대한 소개, 자유로운 토론 위주로 합니다.
    • 핸즈온랩 : 직접 따라하면서 실습을 할 수 있는 시간을 가집니다.

    딥러닝 몰라도 간(GAN)부터 보기, 김태영 - 입문 (세미나)


    img

    연사소개

    (주)인스페이스 기술이사, 케라스 코리아, 대딥사 운영자이며, 경희대학교 우주탐사학과 박사과정에 진학 중입니다. 다양한 분야에 딥러닝 모델을 심을 수 있도록 대중화에 힘쓰고 있습니다.

    발표소개

    요즘은 인공지능이 그림도 그리고, 진짜같은 사람 목소리도 만들어내는 세상입니다. 이러한 것들을 생성모델이라고 하고, 그 근간에는 GAN이라는 것이 있습니다. 딥러닝을 잘 모르시는 분들이라도 레고 사람을 조립해보면서 기본적은 GAN의 개념을 익혀보겠습니다. CGAN, LSGAN, InfoGAN뿐만아니라 Pix2Pix, CycleGAN 등도 레고 사람으로 조립해보면서 확실히 간(GAN) 보도록 하겠습니다.

    img

    딥러닝 모델은 네트워크, 목표함수(objective function), 최적화기(optimizer)으로 구성되고, 레고 사람으로 비유하면 머리, 상반신, 하반신으로 나눌 수 있습니다. GAN에 관심을 가지신 분들은 Generator (생성자)와 Discriminator(판별자)가 있다는 것을 아실겁니다. 그럼 GAN에서는 두 개의 모델이 있는 데, 이걸 어떻게 조립해야할까요? 그림에 있는 화살표처럼 조립하면 될까요? 그렇지 않습니다. 조금은 잔인한 방법으로 조립됩니다. 좀 더 확장된 GAN들은 좀 더 잔인합니다. 노약자나 심신이 약하신 분들은 주의하시길 바랍니다.
    

    참고자료

    발표자료

    블로그 및 깃헙

    • 김태영의 케라스 블로그 : 케라스와 딥러닝에 관련된 강좌 및 세미나 자료가 정리되어 있습니다. 딥러닝 입문에 추천드립니다.

    저서

    • 블록과 함께하는 파이썬 딥러닝 케라스 : 케라스 사용에 필요한 딥러닝 개념 설명과 실습 가능한 파이썬 소스코드를 담고 있으며 직관적으로 딥러닝 모델 구성을 이해할 수 있도록 블록쌓기 예제가 포함되어 있습니다. 교보문고 바로가기

    연락처

    img

    딥러닝 보물상자 ‘캐글’ 알아보기 , 이유한 - 입문 (세미나)


    img

    연사소개

    현재 KAIST 생명화학공학과에서 박사과정 재학중이며, 전공은 분자 시뮬레이션입니다. 데이터 사이언스, AI를 어디서 배울지 고민하다가 캐글을 알게 된 후, 캐글에 푹 빠져버린 대학원생입니다. 저에게 큰 도움을 준 캐글을 다른 사람들과 함께 하고 싶어 발표자로 참여하게 되었습니다. 현재 캐글 코리아을 운영 중에 있습니다.

    발표소개

    전세계 데이터를 사랑하는 사람들에게 데이터를 제공하고, 함께 즐길 수 있도록 해주는 캐글을 소개하려고 합니다. 캐글 내 유능한 데이터분석가들의 귀하디 귀한 노하우를 거저!!! 얻을 수 있는 방법을 소개해드릴 겁니다. 또한 자신의 노하우도 거저!!! 나눠주는 방법도 소개해드릴 겁니다. 제 세션에 참석하시는 모든 분들이 캐글러가 되는 게 제 발표 목표입니다!

    발표자료

    블로그 및 깃헙

    연락처

    img

    타이타닉 생존자 예측을 해보자, 이유한 - 입문 (핸즈온랩)


    핸즈온랩소개

    핸즈온랩에서는 타이타닉 생존자 예측하는 문제를 머신러닝으로 풀어보는 시간을 가질 예정입니다. 실무에 인공지능을 접목하실려는 분들께서는 생생한 꿀팁들을 가지고 가질 수가 있습니다. 실제 가입 및 실습을 진행합니다.

    준비물

    1. 노트북

    Graph Neural Network, 류성옥 - 알고리즘 (세미나)


    img

    연사소개

    석박사통합과정 5년차이며 KAIST 화학과 전공입니다. 양자역학을 연구하다가, AI가 세상을 바꿀 기술이라 생각되어 딥러닝을 공부하는 대학원생입니다. AI를 활용하여 Smart Drug Discovery를 연구중이며, Graph Neural Network 을 이용한 네트워크 분석에 관심이 많습니다.

    발표소개

    격화된 공간에서 표현되는 이미지와 다르게, 네트워크/물리/화학 등 시스템을 구성하는 객체들띠리 복잡한 관계를 형성하는 문제들은 Graph로 문제가 정의되곤 합니다. 이러한 문제를 data-driven으로 해결하기 위한 Graph Neural Network에 대해서 소개하고, 실제로 분자들의 구조-물성 관계(Quantitative Structure Activity Relationship; QSAR)을 딥러닝 모델을 개발하여 연구한 사례를 소개합니다. 뱀다리) 당일 4주훈련을 마치고 퇴소하여 까까머리로 발표할 예정입니다^.

    발표자료

    참고자료

    블로그 및 깃헙

    연락처

    img

    Deep convolutional framelets: application to diffuse optical tomography, 유재준 - 알고리즘 (세미나)


    img

    연사소개

    올해 2월 KAIST 바이오및뇌공학과 박사 졸업 후 네이버 클로바에서 일하고 있습니다. GANs, VAE, Autoregressive model 등 generative model과 interpretable model에 대한 연구에 관심이 있습니다.

    발표소개

    Super-resolution, image denoising, reconstruction, segmentation 등의 다양한 inverse problem에서 deep learning이 매우 좋은 결과를 보여주고 있습니다. 이미 기존 방식들이 어느 정도 잘 하고 있던 분야에서 성능을 더 잘 내고 있는 것은 분명한데, 그렇다면 더 복잡한 물리적 현상도 deep learning을 이용하여 학습하는 것이 가능할까요? 이번 발표에서는 Inverse scattering problem이라는 좀 더 어려운 문제를 deep learning으로 풀어보고자 노력한 제 박사학위 연구(밑바닥부터 졸업까지 삽질기)를 소개하고자 합니다. 덧붙여서 시간이 허락한다면, deep learning에서 특정 구조가 잘 동작하는 이유를 분석하고, 어떤 식으로 구조를 디자인해야 할 지에 대해 신호처리 관점에서 풀어낸 deep convolutional framelets 이론을 같이 소개하겠습니다.

    발표자료

    참고자료

    블로그 및 깃헙

    연락처

    img

    TensorFlow Eager Execution, 전태균 - 코어 (라이트닝톡)


    img

    연사소개

    (주)쎄트렉아이 : TensorFlow KR 운영자, ML Google Developer Experts

    발표소개

    구글이 올해 3월 정식으로 공개한 Eager Execution에 대해서 소개합니다. Eager Execution은 TensorFlow를 대화형 명령 스타일기로 프로그래밍 할 수 있도록 해주는 것입니다. MNIST, linear regression, GAN, RNN, CNN(ResNet) 의 예제를 활용법을 소개합니다. 코어 및 알고리즘

    발표자료

    • 구글 프리젠테이션 : 보기

    참고자료

    블로그 및 깃헙

    깃헙 : gitHub.com/tgjeon

    연락처

    우리는 왜 강화학습을 해야하는가, 차금강 - 강화학습 (세미나)


    img

    발표소개

    비전문가들에게 강화학습은 알파고로 대변되고 있습니다. 강화학습이란 무엇인가, 일반 딥러닝과 무엇이 다른것인가, 강화학습을 하기 위해서는 어떤 것들이 필요한가를 짚은 후 여러 적용사례들을 소개드리겠습니다.(적용사례: 벽돌피하기, CartPole(장대세우기), 스타크래프트2)

    img

    강화학습이라는 것이 주로 공학에서는 로봇에 많이 사용되고 있고 주로 손로봇에서는 pick and place가 가장 기본적인 문제로 거론되는데 그에 대한 문제를 강화학습으로 충분히 풀 수 있다 라는 것을 의미하고 있습니다
    

    발표자료

    블로그 및 깃헙

    연락처

    달려라! 인공지능, 정원석 - 강화학습 (세미나)


    img

    연사소개

    프리랜서 연구원으로 스마트팩토리에 딥러닝과 강화학습을 적용하는 프로젝트에 참여하고 있으며, 특히 강화학습 연구에 몰두하고 있습니다. 지식과 경험을 나누는 것이 가장 큰 가치라고 생각하여 발표자로 참여하게 되었습니다.

    발표소개

    현재 강화학습은 큰 환경에 적용할때 한계를 보이고 있습니다. 이 한계는 강화학습을 게임에서 적용할때 뿐만 아니라, 미래에 “보편적인 인공지능”을 만들기 위해 우리가 풀어야할 숙제입니다. 이 한계를 해결하기 위해 Atari, Super Mario, Sonic의 환경에 강화학습을 적용하여, 목표를 달성하는 에이전트를 만들기 위해 시도한 과정들을 다음의 순서로 공유하고자 합니다.

    1. 강화학습의 탄생
    2. 큰 환경에서의 한계점
    3. To the Rainbow
    4. 보편적 인공지능의 시작

    img

    2013년 인공지능회사 Deepmind가 강화학습에 딥러닝을 적용하여, Atari 게임에서 사람보다 게임을 잘하는 인공지능 에이전트를 만들었습니다. 하지만 화면이 계속 변화며 에이전트가 선택할수 있는 행동의 수가 많아지는 환경에서, 이 학습법의 성능은 매우 좋지 않습니다. 우리가 살고 있는 실제 환경은, 선택할수 있는 행동의 조합이 Atari 게임과 비교할수 없을정도로 많으며, 화면 또한 끊임없이 변하고 있습니다. 또한, 인류는 사물, 사람, 동물 들과 커뮤니케이션하며 공유하며 살기에 서로 밀접한 관계를 맺고 있습니다. 강화학습을 실제 환경에 적용하기 위해 Atari, Super mario, Sonic, Unity ml agent 환경으로 연구한 The Rise of Reinforcement Learning by Wonseok Jung에 대해 공유하고자 합니다.
    

    강화학습으로 슈퍼마리오 에이전트를 만들수 있는 튜토리얼 또한 제공됩니다.

    발표자료

    블로그 및 깃헙

    연락처

    밑바닥부터 만들어보는 핸드메이드 인공지능, 정원석 - 강화학습 (핸즈온랩)


    핸드온랩소개

    강화학습이 처음이신분들을 위한 시간입니다. Atari 환경에서 DQN 알고리즘을 적용하여 똑똑한 강화학습 에이전트를 만듭니다.

    준비물

    1. 노트북
    2. Python 3.5 : https://www.python.org/downloads/
    3. Pytorch : https://pytorch.org/
    4. OpenAI gym : https://github.com/openai/gym
    5. Jupyter notebook : http://jupyter.org/
    6. Numpy
    7. Matplotlib : https://matplotlib.org/

    알파오목이랑 게임하기, 김정대 - 강화학습 (세미나)


    img

    연사소개

    알파고를 사랑한 수학강사. 셀프 플레이 강화학습을 실제 삶에 적용하는 사람. 퇴근 후에 두뇌가 풀가동되는 신인류.

    발표소개

    알파고 제로에 대한 기본적인 원리에 대해서 알아보고, 이 알고리즘을 이용하여 알파오목을 구현한 경험을 공유합니다. 사람과 알파오목 대전을 보실 수도(?) 있습니다.

    발표자료

    연락처

    안.전.제.일. 강화학습!, 이동민 - 강화학습 (세미나)


    img

    연사소개

    강화학습을 사랑하고 공부하고 있는 학부생입니다. 강화학습은 저의 연구분야이며, 취미이며, 일상입니다.

    발표소개

    본격적인 내용에 앞서 우리가 왜 강화학습을 공부해야 하는지, 강화학습이란 무엇인지에 대해서 알아보겠습니다. 그리고 ‘어떻게 하면 강화학습을 더 안전하고 빠르게 학습할 수 있을까?’에 대해서 소개하고자 합니다.

    1. What is Reinforcement Learning?
    2. Artificial General Intelligence
    3. Planning & Learning
    4. Safe Reinforcement Learning

    img

    발표자료

    참고자료

    블로그 및 깃헙

    연락처

    GTA로 자율주행, 김준태 - 강화학습 (세미나)


    img

    연사소개

    대전대학교 전자정보통신공학과 학부생이고 대학원 진학 예정입니다.

    발표소개

    GTA란 게임을 이용하여 어떻게 주행 데이터를 모으고 학습을 한 후 자율주행을 하는지 알아보고, GTA를 강화학습을 하기 위해 밑바닥부터 환경 구축을 하고 있는 제 이야기를 듣고 같이 이야기 해봐요!!

    발표자료

    블로그 및 깃헙

    연락처

    Introduction to GAN, 이지민 - 의료 (세미나)


    img

    연사소개

    서울대학교 방사선의학물리연구실 / TensorFlowKR 운영진 : 늘 행복하고 싶은 대학원생이며, 딥러닝을 이용하여 의료영상을 분석하는 연구를 하고 있습니다. :)

    발표소개

    생성 모델(Generative Model) 인 Auto-Regressive model, Variational Auto-Encoder, GAN (Generative Adversarial Networks)에 대해 간단히 소개하고, 그 중 가장 주목받고 있는 GAN 의 심화 개념과 응용 사례도 함께 다루어보고자 합니다.

    발표자료

    연락처

    TensorFlow Object Detection API를 활용한 대장 종양 검출, 김영하 - 의료 (라이트닝톡)


    img

    연사소개

    데이터를 사랑하는 사람들과 디플러스에서 즐겁게 연구하는 연구원. 재미있는 주제를 찾아 연구하고 같이 재미있는 것을 만들어보고자 합니다.

    발표소개

    TensorFlow에서 Object Detection API를 제공하고 있으며, COCO, Kitti, Open Images 데이터셋으로 학습이 된 모델들도 제공하고 있습니다. 이 모델에서 제공하는 클래스이외에 의학영상 및 동영상 (대장 내시경)에서 종양을 검출할 수 있는지에 대한 연구를 하고 있습니다.

    img

    자신만의 Object Detection을 하기 위한 데이터셋 준비 > 종양을 검출하기 위해 데이터셋으로 기존 모델에 학습 > 학습된 결과로 종양 검출 확인
    

    참고자료

    블로그 및 깃헙

    연락처

    MRI 를 이용한 치매 질환 예측, 박세진 - 의료 (세미나)


    img

    연사소개

    컴퓨터 비전을 좋아하는 아들바보입니다. 관심분야는 의료영상, 자율주행.

    발표소개

    객체인식 기법과 머신러닝을 사용하여 MRI 영상에서 관심 뇌영역을 분할하고 뇌위축을 인식하여 치매(알츠하이머) 위험도를 예측하는 기법을 소개합니다.

    발표자료

    연락처

    나의 감성을 알아주는 너, 송규예 - 감성 (세미나)


    img

    연사소개

    감성기술로 행복한 세상을 만들어가고 있는 orbis.ai(오르비스에이아이) 기업의 공동창업자이자, 데이터과학자인 송규예 입니다. 감성인식과 감성표현을 위한 딥러닝 모델개발을 하고 있습니다. 개인적으로는 사람의 세포부터 무의식까지, 사람에 대한 모든 것을 파헤치고 있으며 사람, 자연 구조와 닮은 기술구현에 관심이 많습니다.

    발표소개

    “딥러닝 X 심리” . 어울릴 듯, 어울리지않는 두 분야의 콜라보레이션 ☆사람의 감정인식을 위한 딥러닝 기술과 감정표현 측면에서 활용할 수 있는 딥러닝 기술에는 무엇이 있을지 다뤄보며, 저희 회사, 오르비스에이아이에서 진행하고 있는 감정인식 기술에 대해서 설명합니다.

    1. intro : 딥러닝과 심리의 운명적 만남 (부제 : 나는 네가 필요해)
    2. 감정인식 및 감정표현 딥러닝 기술 소개
    3. 오르비스에이아이에서 진행하는 감정인식 기술 소개

    img

    따뜻한 "공감"과  행동유도의 핵심 "동기부여"를 통해 잠재되어 있던 무의식을 의식상태로 끌어올려 행복을 도모합니다. 이 과정에서 딥러닝 기술이 어떻게 적용되는지 집중탐구합니다.
    

    발표자료

    • 구글 드라이브 : 보기

    블로그 및 깃헙

    연락처

    근전도 생체신호 데이터로 손 모양 생성하기, 박상민 - 임베디드 (세미나)


    img

    연사소개

    개발자를 꿈꾸는 한국의 어느 평범한(?) 고3 입니다. 대덕SW마이스터고등학교 임베디드과를 재학중이며, 임베디드SW와 딥러닝에 관심이 많아 주로 공부하고 있습니다. 이론적으로, 전문적으로 한 분야를 깊게 알지는 못하지만, 능력있는 개발자가 되기위해 열심히 달려가고 있습니다. 전문가분들의, 개발자분들의 따끔한 충고와 조언은 언제든지 환영입니다~

    발표소개

    사람의 팔에는 EMG라는 ‘근전도 생체 신호’가 나옵니다. 이를 이용하여 손 모양을 생성해 내고자 합니다. 근전도 생체신호와 딥러닝의 이미지 생성모델(GAN)로 손의 모양을 생성해내는 프로젝트를 소개해드리겠습니다. 처음에는 혼자 시작했지만 현재는 능력있고, 멋진 팀원들과 함께 팀을이루어 프로젝트를 진행하고 있습니다. 프로젝트를 진행하면서 어떤 문제들이 있었고, 어떻게 해결하려고 했는지, 또 어떤 삽질들을 했는지 ‘고등학생의 딥러닝 프로젝트 삽질기’를 소개해 드리고자 합니다.

    img

    MYO의 센서값과 실제 손 모양 이미지를 이용해 GAN모델을 학습시킨다면 이 모델은 MYO의 센서값만으로도 손 모양 이미지를 생성해 낼 수 있을 것 입니다. 이를 이용한다면 많은 분야에 적용하여 사용할 수 있지 않을까요?
    

    발표자료

    • 구글 드라이브 : 보기

    블로그 및 깃헙

    • 깃헙 : https://github.com/jigeria

    연락처

    딥러닝과 함께하는 최적설계와 시뮬레이션, 원자력분야의 적용사례, 유용균 - 공학 (세미나)


    img

    연사소개

    원자력연구원 선임연구원. 딥러닝 덕질 중 연구원내 인공지능 연구 전담조직을 목표로 삽질 중.

    발표소개

    본 세미나에서는 전문적인 딥러닝 지식보다 그 동안 알려지지 않았던 원자력 및 기계공학 분야의 응용사례에 대해서 소개

    1. 계산과학 분야의 머신러닝 적용
    2. 최적설계와 딥러닝의 융합
    3. 딥러닝과 최적설계를 융합한 뼈 CT 사진 고해상화
    4. 원자력 분야의 머신러닝 적용 사례

    img

    기존 최적설계방법론은 반복적인 해석이 필요하기 때문에 결과를 얻기위하여 많은 시간이 요구됩니다. 합니다. 고전적인 최적설계 방법론 대신 인공신경망을 이용하면 최적의 구조를 빠르게 찾을 수 있지 않을까요?
    

    발표자료

    연락처

    항공우주분야에서의 머신러닝기술, 김홍배 - 공학 (라이트닝톡)


    img

    연사소개

    한국항공우주연구원 인공지능연구실: 구조진동 전공. 시험평가 전문가. 우주 광학 전문가. 컴퓨터 비젼과 머신 러닝분야에 관심이 많고 현재는 머신러닝기술의 항공우주분야 응용에 집중하고 있습니다.

    발표소개

    머신러닝기술이 항공우주분야에 어떻게 적용되고 있는지 간단하게 소개하고 참가자들과 토론하고자 합니다.

    img

    Autonomous Exploration for Gathering Increased Science(AEGIS) 화성이나 달 탐사용 Rover의 자율탐사시스템으로 데이터의 전송 지연등에 의한 탐사지연을 최소화 하기 위하여 NASA에서 개발 중인 인공지능 기술. 미리 지정된 목표인지, 처음 탐지된 대상인지 등을 인공지능 기술을 이용하여 결정하고 추가적인 탐사 여부와 지구로의 데이터 전송등을 효율적으로 관리합니다.
    

    발표자료

    연락처

    딥러닝을 활용한 테스트 자동화 연구, 곽병권 - 품질 (라이트닝톡)


    img

    연사소개

    NGLE이라는 QA 전문 회사에서 QA-Test 자동화에 인공지능 적용을 연구

    발표소개

    모바일 게임 환경에서의 블랙박스 테스트 상황에서의 딥러닝 적용 방안 연구, Imitation Learning, Behavioral-Cloning등의 적용등을 소개합니다.

    img

    저희 회사에서 주로 하는 게임 품질관리와 테스팅을 설명 한 책입니다. 게임 테스팅이 예상처럼 쉽지 않고 효율적인 테스팅을 위해서는 지치지 않고 누락없는 반복 테스팅이 필요한데, 이를 위해 인공지능을 활용하는 방법을 연구하고 있습니다.
    

    발표자료

    블로그 및 깃헙

    연락처

    우주과학 이미지 자료 변환하기, 신경인, 박은수, 이하림 - 태양 분야 적용 사례 (세미나)


    img

    연사소개

    경희대학교 우주탐사학과 태양 & 우주기상 연구실 박은수, 이하림, 신경인 연구원. 딥러닝 모델을 설계하고 우주기상분야에 적용하면서 과학기술 분야와 딥러닝 사이의 연결고리가 되고 싶은 대학원생들입니다.

    발표소개

    우주기상 분야에서의 딥러닝 적용 사례 (박은수)

    img

    많은 관측 위성이 다양한 파장대에서 태양 영상을 관측하고 있습니다. 태양 영상을 다른 종류의 영상으로 바꾸어 보았으며, 이를 이용하여 데이터 결손을 복원하거나, 두 데이터간의 물리적 연관성을 찾고자 하는 시도를 하고 있습니다.
    

    태양 흑점 스케치로 자기장 지도 생성, 400년전 기록을 복원! (이하림)

    img

    갈릴레오는 1600년대 초 최초로 태양 흑점을 관측하였습니다. 이 자료와 딥러닝을 사용하여 최초의 태양 자기장 지도를 생성한 결과에 대하여 발표하겠습니다.
    

    갓 pix2pix 변신은 무죄 (신경인)

    img

    Pix2Pix를 개선한 모델로 생성한 이미지와 실제 이미지의 비교입니다. 왼쪽 이미지가 모델이 생성한 이미지, 오른쪽 이미지가 실제 이미지입니다. 확대된 부분을 비교해보았을 때, 세밀한 구조까지 복원할 수 있음을 알 수 있습니다.
    

    발표자료

    • 박은수 발표자료 : 다운
    • 이하림 발표자료 : 다운

    블로그 및 깃헙

    연락처

    • 박은수 이메일 : espark@khu.ac.kr
    • 이하림 이메일 : zmzmdg@naver.com
    • 신경인 이메일 : gishin@khu.ac.kr

    내 손 위의 딥러닝(모바일에 딥러닝 심기), 전미정 - 모바일 (세미나)


    img

    연사소개

    안녕하세요, iOS 개발자 미정입니다. ☕️를 마시며 하루를 시작하는 걸 좋아합니다. 가끔📱개발을 하며 주로 🐈와 놀거나 잡니다. 최근에는 딥러닝에 관심이 생겨 모바일에 딥러닝을 심기 위한 다양한 방법을 공부하고있습니다 🙂

    발표소개

    딥러닝이 컴퓨터를 떠나 모바일에 들어오기 시작했습니다. 서버 통신을 하지 않고 모바일에서 구동되는 딥러닝이 어떤 의미가 있으며, 어떻게 구현할 수 있는지, 어떤 모델들을 심을 수 있는지 개발자 입장에서 정리하고 직접 구현해봤습니다. 실제로 내 손위에서 어떻게 딥러닝이 작동하는지 소개해드리겠습니다.

    img

    외부에서 훈련된 딥러닝 모델을 모바일 기기에 심어 모바일 딥러닝을 구현해보았습니다. (쉿, 이건 비밀인데 모바일 자체에서도 훈련이 되기 시작했습니다.)
    

    발표자료

    • 슬라이드 쉐어 : 보기

    참고자료

    블로그 및 깃헙

    • 블로그 : https://mijeongjeon.github.io
    • 깃헙 : https://github.com/mijeongjeon

    연락처

    TensorFlow Object Detection API를 활용한 대장 종양 검출, 김영하 - 의료 (세미나)


    img

    연사소개

    데이터를 사랑하는 사람들과 디플러스에서 즐겁게 연구하는 연구원. 재미있는 주제를 찾아 연구하고 같이 재미있는 것을 만들어보고자 합니다.

    발표소개

    Tensorflow에서 Object Detection API를 제공하고 있으며, COCO, Kitti, Open Images 데이터셋으로 학습이 된 모델들도 제공하고 있습니다. 이 모델에서 제공하는 클래스이외에 의학영상 및 동영상 (대장 내시경)에서 종양을 검출할 수 있는지에 대한 연구를 하고 있습니다.

    img

    자신만의 Object Detection을 하기 위한 데이터셋 준비 > 종양을 검출하기 위해 데이터셋으로 기존 모델에 학습 > 학습된 결과로 종양 검출 확인
    

    참고자료

    블로그 및 깃헙

    번역서 및 저서

    • Splunk 앱 제작과 대시보드 개발(에이콘출판사) : 빅데이터 플랫폼 Splunk 플랫폼의 앱 개발 설명 바로가기
    • 파이썬 웹 스크래핑(에이콘출판사) : scrapy, beautifulsoup를 활용한 웹 스크래핑 바로가기
    • 뷰티플 자바스크립트(비제이퍼블릭) : 자바스크립트 중급서 바로가기
    • 누구나 쉽게 배우는 스몰베이직(비제이퍼블릭) : 스몰베이직 초급서 바로가기
    • 머신러닝을 이용한 이미지 분석(비제이퍼블릭) : 텐서플로를 이용해서 자신만의 데이터셋 제작 및 이미지 학습 및 분석 (집필중)

    연락처

    서포터즈 - 이상훈


    img

    삼성생명 DA Lab 근무중, 케라스 코리아, 스파크 사용자 모임 운영자입니다. 현재 이미지 인식과 텍스트 처리 관련된 업무를 하고 있고 분산환경에서의 hyperparameter 튜닝에 관심이 많습니다.

    저서, 역서

    • 빅데이터 실무 기술 가이드 공동 저자
    • 실시간 분석의 모든것 역자

    연락처

    서포터즈 - 황준오


    img

    부경대학교 컴퓨터공학과에 재학중인 4학년 학생입니다. 원활한 컨퍼런스 진행을 위해 열심히 서포트 하겠습니다!

    프로필

    서포터즈 - 홍정훈


    img

    미시간 대학교에서 데이터사이언스를 공부하고 있습니다.

    프로필

    • 이메일 : datahong@umich.edu

    서포터즈 - 조수현


    img

    숭실대학교에서 하이브리드 기계학습 기반 예측문제에 관한 연구를 주로 했습니다. 현재 오스템임플란트 e-commerce 연구실에서 서버개발자로 일하고 있습니다. RL과 GANs에 관심이 많습니다. 다양한 방식으로 지식과 도움을 나누는 사람이 되고자 합니다. 고기, 회 그리고 커피를 좋아합니다. 소박한 영역에서 역할을 다하여 원활한 컨퍼런스가 되도록 하겠습니다.

    프로필

    • 이메일 : seanbrowncho@gmail.com

    서포터즈 - 신채원


    img

    한밭대학교 산업경영공학과 4학년입니다.

    프로필

    • 이메일 : scw1544@naver.com

    서포터즈 - 이병호


    img

    카이스트와 퍼듀에서 기하학을 전공하였습니다. 주로 자연어처리와 음악 생성, 그리고 딥러닝의 수학적 측면에 관심을 갖고 있습니다.

    프로필

    서포터즈 - 강천성


    img

    충남대학교 컴퓨터공학과 4학년 재학중, 캐글을 시작으로 데이터 사이언스 분야에 발을 들여놓았습니다. 현재 음성 변조 관련 졸업 프로젝트를 진행중이며, 머신러닝 및 딥러닝 관련 기술에 관심이 많습니다.

    프로필

    서포터즈 - 김은희


    img

    KAIST에서 기계학습 기반 사용자 이용내역 데이터 기반 토픽모델링 확장 추천알고리즘으로 박사학위를 수여했으며, 딥러닝 기반의 운전자 프로파이링 알고리즘, ECG이용 졸음 운전 감지등의 프로젝트를 수행해 왔습니다. 다양한 데이터로 재미있는 결과물들을 얻어내는 프로젝트들에 관심이 있고, 또 이를 잘 하시는 기업과 연사들에게 관심이 있습니다. 현재 충남대학교 SW중심대학의 사업의 하나로 학생들의 프로젝트를 완성도있게 도와주실 수 있는 기업체들과 다양한 산업 주제들을 제안해주고 싶으신 함께하실 연사 분들을 멘토로 모시고자 딥러닝 컨퍼런스 서포터즈로 활동하려고 합니다. 좋은 인연 많이 만들게 되길 기대합니다~

    프로필

    • 이메일 : kim.eunhui@gmail.com

    상세 프로그램

    아래 스케줄표는 변동될 수 있습니다.

    구분 강당 사이언스홀 대회의실
    09:50~10:10(20분) 발표자소개 발표자소개 발표자소개
    10:10~10:55(45분) 박은수,이하림,신경인
    우주과학 이미지 자료 변환하기
    이지민
    Introduction to GAN
    이유한
    타이타닉 생존자 예측을 해보자
    10:55~11:15(20분) 전태균
    TensorFlow Eager Execution
    김홍배
    항공우주분야에서의 머신러닝기술
    이유한
    타이타닉 생존자 예측을 해보자
    11:15~12:00(45분) 유재준
    Deep convolutional framelets: application to diffuse optical tomography
    이유한
    딥러닝 보물상자 ‘캐글’ 알아보기
    -
    12:00~13:00(60분) 점심 점심 점심
    13:00~13:45(45분) 차금강
    우리는 왜 강화학습을 해야하는가
    송규예
    나의 감성을 알아주는 너
    -
    13:45~14:30(45분) 이동민
    안.전.제.일. 강화학습!
    박세진
    MRI 를 이용한 치매 질환 예측
    -
    14:30~15:15(45분) 박상민
    근전도 생체신호 데이터로 손 모양 생성하기
    정원석
    달려라! 인공지능
    -
    15:15~15:30(15분) 휴식 휴식 휴식
    15:30~16:15(45분) 유용균
    딥러닝과 함께하는 최적설계와 시뮬레이션
    김준태
    GTA로 자율주행
    정원석
    밑바닥부터 만들어보는 핸드메이드 인공지능
    16:15~16:35(20분) 곽병권
    딥러닝을 활용한 테스트 자동화 연구
    김영하
    TensorFlow Object Detection API를 활용한 대장 종양 검출
    정원석
    밑바닥부터 만들어보는 핸드메이드 인공지능
    16:35~17:05(30분) 김태영
    딥러닝 몰라도 간(GAN)부터 보기
    전미정
    내 손 위의 딥러닝(모바일에 딥러닝 심기)
    -
    17:05~17:50(45분) 류성옥
    Graph Neural Network
    김정대
    알파오목이랑 게임하기
    -

    참가신청 - 마감되었습니다!

    댓글로 참가신청을 받습니다. 댓글 양식은 아래와 같으며 ‘한 줄’로 작성 부탁드리겠습니다.

    • 이름, 기관, 이메일, 분야, 참석계기
    • 예) 김태영, 인스페이스, tykim@inspace.re.kr, 우주, 위성 운영 효율화를 위해 강화학습을 적용해보고자 합니다.

    댓글을 달아도 스팸처리되어서 바로 표시 안될 수도 있습니다. 제가 다 스팸아님으로 처리하고 있으니, 크게 신경 안 쓰셔도 됩니다. 그리고 혹시 참석신청하셨으나 부득이한 이유로 참석이 힘드신 분은 미리 알려주세요~ 다른 분들에게 참석 기회를 드리고자 합니다.

    후기

    연사분들 및 서포터즈분들입니다. 고생많으셨습니다! 내년에도 또 뵈어요~

    img


    같이 보기


  • [ISS 세미나] 세종국책연구단지에 딥러닝 모델 심기


    이번 ISS에서는 “(주)인스페이스”와 “국토연구원 국토정보연구본부 국토정보분석센터” 공동 주최로 “세종국책연구단지에 딥러닝 모델 심기”란 주제를 가지고 세미나를 개최하고자 합니다. 딥러닝 기본 개념을 익히고 딥러닝 기반 모델을 쉽게 만들어볼 수 있는 ‘케라스’라는 딥러닝 라이브러리에 대해서 알아봅니다. 케라스 코드를 ‘블록’ 개념과 매칭하여 직관적으로 모델을 이해할 수 있는 방법에 대해 연습한 후 다양한 기초 문제를 살펴봅니다. 자율주행 분야에 딥러닝 모델이 어떻게 적용되는 지 알아보고, 다양한 분야에서 문제를 해결하는 데 있어 도움이 되는 캐글에 대해서도 알아봅니다.

    ISS란 Intelligence Space Seminar의 약자로 인공지능 기술과 관련된 인스페이스의 사내 세미나를 말합니다. 어렵게 모신 전문가분들의 주옥같은 내용을 공유하고자 오픈 세미나로 진행하고 있습니다.
    

    img


    발표자

    구분 소개
    img 김태영, (주)인스페이스 (기초 강좌)

    [블록과 함께하는 파이썬 딥러닝 케라스]

    비전공자분들이 쉽게 딥러닝 모델을 개발할 수 있도록 케라스 라이브러리 소개와 블록 비유를 통해 다양한 모델을 살펴보겠습니다.
    img 이유한 박사과정, 카이스트

    [딥러닝심기 캐글소개]

    캐글은 다양한 분야의 문제 및 데이터셋을 제공하고 해당 문제를 풀기 위한 알고리즘 온라인 경연 대회를 운영하는 곳입니다. 유사 문제를 확인하고, 도움을 얻을 수 있는 방법에 대해서 살펴봅니다.
    img 김준태, 대전대학교 전자정보통신공학과 4학년 재학중

    [GTA5로 자율주행하기]

    MNIST까지는 해봤다!! 이제 무엇을 해봐야 할까? 그런데 나만의 데이터를 어떻게 만들지? 나만의 데이터를 만들어보고 GTA5로 자율주행을 해보자!!
    img 곽병권 이사, NGLE

    [Keras 시계열 모델 튜토리얼]

    NGLE이라는 QA 전문회사에서 QA-Test 자동화에 인공지능 적용을 연구 중 이며, Keras로 구현해보는 시계열 데이터 예측 구현, 지역 기상정보를 이용한 기온, 풍량, 기압 예측하는 방법에 대해서 살펴봅니다.

    프로그램

    • 일시: 2018년 5월 16일 오후 2시 ~ 오후 6시
    • 장소: 국토연구원 2층 강당 (세종특별자치시 국책연구원로 5/반곡동 771-125)
    • 참석인원: 최대 200명 수용
    • 1부 딥러닝 기본
      • 14:00~14:10 [딥러닝 이야기] ‘딥러닝’에서 왜 ‘딥’이고, 무엇을 ‘러닝(학습)’하는 지에 대한 이야기를 합니다.
      • 14:10~14:20 [케라스 이야기] ‘케라스’에 대한 의미와 케라스의 특징 및 장단점에 대해서 알아봅니다.
      • 14:20~14:30 [케라스 개념잡기] 가장 기초적인 케라스 샘플 코드를 살펴보고 학습 방법에 대해서 살펴봅니다.
      • 14:30~14:40 [레이어 개념잡기] 가장 기초적인 뉴런부터 다층퍼셉트론 신경망, 컨볼루션 신경망, 순환 신경망을 구성하고 있는 레이어에 대한 개념을 알아봅니다.
    • 2부 딥러닝 활용
      • 14:40~15:00 [생성모델(GAN) 살펴보기] 딥러닝 모델의 네트워크, 학습목표, 최적화기에 대한 기본 개념을 익힙니다.
      • 15:00~15:20 [태양에서 세포까지 극한알바] 여러 분야에서 케라스 기반 딥러닝 모델 사례를 살펴봅니다.
    • 3부 딥러닝 적용
      • 15:50~16:30 [딥러닝심기 캐글소개] 캐글은 다양한 분야의 문제 및 데이터셋을 제공하고 해당 문제를 풀기 위한 알고리즘 온라인 경연 대회를 운영하는 곳입니다. 유사 문제를 확인하고, 도움을 얻을 수 있는 방법에 대해서 살펴봅니다.
      • 16:30~17:00 [GTA5로 자율주행하기] MNIST까지는 해봤다!! 이제 무엇을 해봐야 할까? 그런데 나만의 데이터를 어떻게 만들지? 나만의 데이터를 만들어보고 GTA5로 자율주행을 해보자!!
      • 17:00~17:30 [Keras 시계열 모델 튜토리얼] NGLE이라는 QA 전문회사에서 QA-Test 자동화에 인공지능 적용을 연구 중 이며, Keras로 구현해보는 시계열 데이터 예측 구현, 지역 기상정보를 이용한 기온, 풍량, 기압 예측하는 방법에 대해서 살펴봅니다.

    발표자료


    사전준비

    없습니다.


    참가신청

    대관 장소 수용인원이 최대 200명이라 선착순 200분까지만 받겠습니다. 여러 경로로 참가신청을 받기 때문에 등록하시면 제가 순번을 알려드리도록 하겠습니다. 댓글 양식은 아래와 같으며 ‘한 줄’로 작성 부탁드리겠습니다.

    • 이름, 기관, 이메일, 분야, 참석계기
    • 예) 김태영, 인스페이스, tykim@inspace.re.kr, 우주, 위성 운영 효율화를 위해 강화학습을 적용해보고자 합니다.

    댓글을 달아도 스팸처리되어서 바로 표시 안될 수도 있습니다. 제가 다 스팸아님으로 처리하고 있으니, 크게 신경 안 쓰셔도 됩니다. 그리고 혹시 참석신청하셨으나 부득이한 이유로 참석이 힘드신 분은 미리 알려주세요~ 다른 분들에게 참석 기회를 드리고자 합니다.


    후기

    도움이 되셨다면 댓글 부탁드려요~


    같이 보기


  • [대딥사] 첫 밋업


    “대전에서, 딥러닝을 사랑하는 사람들의 모임”인 대딥사 밋업을 했습니다. 짧은 시간이었지만 이 모임이 만들어진 것이 당연한 듯 자기 소개에서 홀로 공부하는 외로움과 가까운 이들과 소통하고자 하는 간절함이 묻어났습니다. 이 모임하려고 서울에서 오신 분, 고객처와 접대를 뒤로하고 오신 분, 해외출장에서 막 귀국해서 아직 여독이 안 풀리신 분, 바쁜 학업이나 본업을 잠시 뒤로하고 모였습니다. 일단 만났으니, 이제 스터디도 시작하고 재미난 것을 계획해봐야 겠죠? 대전에 계신다고요? 조인조인, 대전에 안 사신다구요? 상관없습니다. 행사만 대전에서 할 뿐입니다.

    img


    같이 보기


  • [ISS 세미나] 김태영님, 블록과 함께하는 파이썬 딥러닝 케라스


    이번 ISS에서는 “블록과 함께하는 파이썬 딥러닝 케라스”란 주제로 발표합니다. 딥러닝 기본 개념을 익히고 딥러닝 기반 모델을 쉽게 만들어볼 수 있는 ‘케라스’라는 딥러닝 라이브러리에 대해서 알아봅니다. 케라스 코드를 ‘블록’ 개념과 매칭하여 직관적으로 모델을 이해할 수 있는 방법에 대해 연습한 후 다양한 기초 문제를 살펴봅니다. 생성모델과 딥강화학습에 대해서도 어떤 것인지 대충 알아보겠습니다. 그리고 분야별 라이트닝 톡을 40분간 진행할 예정입니다. 많은 관심 부탁드리겠습니다.

    ISS란 Intelligence Space Seminar의 약자로 인공지능 기술과 관련된 인스페이스의 사내 세미나를 말합니다. 어렵게 모신 전문가분들의 주옥같은 내용을 공유하고자 오픈 세미나로 진행하고 있습니다.
    

    img


    발표자 및 발표자료

    구분 소개
    img 김태영, (주)인스페이스 (기초 강좌)

    [블록과 함께하는 파이썬 딥러닝 케라스]

    비전공자분들이 쉽게 딥러닝 모델을 개발할 수 있도록 케라스 라이브러리 소개와 블록 비유를 통해 다양한 모델을 살펴보겠습니다.

    발표자료보기
    img 유용균, 한국원자력연구원 (라이트닝 톡)

    [딥러닝을 이용한 최적설계 및 시뮬레이션 소개]

    딥러닝 기술은 물리 화학 기계 등 광범위한 과학 분야에 적용되고 있습니다. 전산 시물레이션 및 최적설계 분야에 대한 적용 사례와 진행 중인 연구를 간단하게 소개드리겠습니다.

    발표자료보기
    img 송규예, OrbisAI (라이트닝 톡)

    [딥러닝을 활용한 IHCI 측면에서의 감성분석]

    딥러닝도 결국 인간을 위한 기술이므로, 딥러닝이 적용된 기계와 인간과의 상호작용 측면에 있어 화두가 되는 것이 ‘감성’ 부분입니다. 딥러닝을 활용한 인간의 감성분석 연구사례와 이와 관련한 일을 하고 있는 저희 회사를 소개합니다.

    발표자료보기
    img 박상민, 대덕소프트웨어마이스터고등학교 (라이트닝 톡)

    [근전도 생체신호 데이터로 손 모양 생성하기]

    인공지능 개발자를 꿈꾸는 한국의 어느 평범한(?) 고등학교 3학년입니다. 임베디드 SW와 딥러닝을 주로 공부하고 있습니다. 근전도 생체신호, 자이로 등의 데이터와 딥러닝의 생성모델(GAN)로 손의 모양을 생성해내는 프로젝트에 대해서 소개드리겠습니다.

    발표자료보기
    img 전미정, iOS 개발자 (라이트닝 톡)

    [케라스와 함께하는 모바일 딥러닝]

    딥러닝을 모바일에서 어떻게 활용하는지에 대해 소개하고 케라스를 이용해 실제 모바일에서 구동하는 애플리케이션 제작을 공유합니다.

    발표자료보기
    img 박은수, 경희대학교 우주탐사학과 (라이트닝 톡)

    [우주기상 소개 및 딥러닝 적용 사례]

    우주기상은 천문학 분야에서 우리 일상 생활과 가장 밀접한 분야 중 하나입니다. 우주기상이란 무엇인지, 이 분야에서 수십년간 축적되어온 방대한 양의 데이터, 그리고 최근 딥러닝을 적용하여 수행하고 있는 연구에 대하여 소개합니다.

    발표자료보기

    프로그램

    • 일시: 2018년 3월 19일 오후 2시 ~ 오후 6시
    • 장소: 대전 유성구 대학로291 KAIST 나노종합기술원 9F 대전창조경제혁신센터 E19
    • 인사나누기 (13:40~14:00)
    • 1부 (14:00~14:50)
      • [딥러닝 이야기] ‘딥러닝’에서 왜 ‘딥’이고, 무엇을 ‘러닝(학습)’하는 지에 대한 이야기를 합니다.
      • [케라스 이야기] ‘케라스’에 대한 의미와 케라스의 특징 및 장단점에 대해서 알아봅니다.
      • [케라스 개념잡기] 가장 기초적인 케라스 샘플 코드를 살펴보고 학습 방법에 대해서 살펴봅니다.
      • [태양에서 세포까지 극한알바] 여러 분야에서 케라스 기반 딥러닝 모델 사례를 살펴봅니다.
      • [케라스 코리아] 모두의 손에 딥러닝 툴을 쥐어지게 하자라는 케라스 비전을 공유하기 위한 그룹에 대해서 알아봅니다. 여러 분야에서 적용하고자 하는 노력에 대해서 알아봅니다.
    • 분야별 라이트닝 톡 (15:00~15:30)
      • [딥러닝을 이용한 최적설계 및 시뮬레이션 소개] 유용균님, 한국원자력연구원
      • [딥러닝을 활용한 IHCI 측면에서의 감성분석] 송규예님, OrbisAI
    • 2부 (15:30~16:20)
      • [레이어 개념잡기] 가장 기초적인 뉴런부터 다층퍼셉트론 신경망, 컨볼루션 신경망, 순환 신경망을 구성하고 있는 레이어에 대한 개념을 알아봅니다.
      • [딥브릭 이야기] 딥러닝 레이어 개념을 손에 잡히는 실체로 단순화 시킨 ‘블록’에 비유한 딥브릭에 대해서 알아봅니다.
      • [딥브릭 레시피 살펴보기] 문제에 따른 딥브릭 레시피를 살펴보면서 문제와 모델을 매칭시키는 연습을 해봅니다.
    • 분야별 라이트닝 톡 (16:30~17:15)
      • [근전도 생체신호 데이터로 손 모양 생성하기] 박상민님, 대덕소프트웨어마이스터고등학교
      • [케라스와 함께하는 모바일 딥러닝] 전미정님, iOS 개발자
      • [우주기상 소개 및 딥러닝 적용 사례] 박은수님, 경희대학교 우주탐사학과
    • 3부 (17:15~17:50)
      • [생성모델(GAN) 살펴보기] 딥러닝 모델의 네트워크, 학습목표, 최적화기에 대한 기본 개념을 익힙니다.
      • [딥강화학습 살펴보기] 딥강화학습이 무엇인지만 간략히 살펴봅니다.

    분야별 라이트닝 톡 신청

    아래와 같은 주제로 간단하게 발표하실 분을 세미나에 모시고자 합니다. 라이트닝 톡을 하실 분은 저에게 이메일(tykim@inspace.re.kr) 보내주세요.

    • 해당 분야에서 딥러닝 모델을 적용하신 사례 소개
    • 아직 딥러닝 모델을 적용하지는 못했으나 보유하고 있는 데이터셋 소개
    • 기관 내에 전문 인공지능 팀이 있을 경우 팀 소개

    참가신청

    스팀잇 가입자분들은 https://steemit.com/deeplearning/@tykimos/iss에서 신청하시고 그렇지 않으신 분은 아래 댓글로 달아주세요. 이메일만 있으면 비회원으로 쉽게 댓글을 달 수 있습니다. 대관 장소 수용인원이 최대 200명이라 선착순 200분까지만 받겠습니다. 여러 경로로 참가신청을 받기 때문에 등록하시면 제가 순번을 알려드리도록 하겠습니다. 댓글 양식은 아래와 같으며 ‘한 줄’로 작성 부탁드리겠습니다.

    • 이름, 기관, 이메일, 분야, 참석계기
    • 예) 김태영, 인스페이스, tykim@inspace.re.kr, 우주, 위성 운영 효율화를 위해 강화학습을 적용해보고자 합니다.

    댓글을 달아도 스팸처리되어서 바로 표시 안될 수도 있습니다. 제가 다 스팸아님으로 처리하고 있으니, 크게 신경 안 쓰셔도 됩니다. 그리고 혹시 참석신청하셨으나 부득이한 이유로 참석이 힘드신 분은 미리 알려주세요~ 다른 분들에게 참석 기회를 드리고자 합니다.


    후기

    시간내기 힘든 월요일 오후에 비까지 오는데도 불구하고 백여명이 넘는 많은 분들이 함께해주셨습니다. 참석해주시면 분들 너무 감사드립니다. 그리고 라이트닝 톡을 준비해주시고 발표해주신 분들도 너무 감사드립니다. 분야별 톡이 점점 활성화가 되었으면 좋겠습니다.

    img


    같이 보기


  • [한국 커뮤니티 데이] 김태영님, 전미정님, 모두의 손에 딥러닝 툴을...


    이번 제7회 KCD행사에서 케라스 코리아(Keras Korea)는 ‘모두의 손에 딥러닝 툴을…‘이라는 주제로 케라스 코리아의 운영진인 김태영님과 전미정님이 함께 발표를 진행하였습니다.

    KCD란 Koera Community Day의 약자로 ‘커뮤니티란 무엇인가’, ‘커뮤니티가 왜 중요한가’와 같은 커뮤니티 본질에 대하여 알고 그 속에서 앞으로 배움의 방향과 기술을 습득할 수 있는 노하우를 공유하고 즐기며 직접 참가하여 커뮤니티 발전에 기여하고 활동할 수 있는 계기를 주는 커뮤니티 만의 행사입니다. 
    

    img


    프로그램

    • 일시 : 2018년 2월 24일 오후 1시 ~ 오후 1시 40분
    • 장소 : 한국 마이크로소프트 11층
    • 내용 :
    • 목차 :
      • 케라스 이야기 : 케라스는 파이썬으로 구현된 쉽고 간결한 딥러닝 라이브러리입니다. 딥러닝 비전문가라도 각자 분야에서 손쉽게 딥러닝 모델을 개발하고 활용할 수 있도록 케라스는 직관적인 API를 제공하고 있습니다. 내부적으로는 텐서플로우(TensorFlow), 티아노(Theano), CNTK 등의 딥러닝 전용 엔진이 구동되지만 케라스 사용자는 복잡한 내부 엔진을 알 필요는 없습니다. 이러한 케라스에 대해서 간단한 소개를 할 예정입니다.
      • 케라스 코리아 그룹 : 케라스 코리아 그룹은 각 분야의 전문가분들이 딥러닝 기술을 쉽게 접목하거나 딥러닝 기술에 대해 입문하시고 싶은 분들에게 도움을 드리고 소통하는 것에 목표를 두고 있으며 또한 분야별로 어떤 문제에 어떻게 딥러닝을 접목하려는 지 또는 해본 경험을 토론하고자 분야별 모임(#케코x분야)을 가지고 있습니다. 어떤 모임들이 있는 지 살펴볼 예정입니다.
      • 케라스 활용 사례 : 태양에서 세포까지라는 주제로 케라스 기반의 딥러닝 모델을 여러 분야에 실제 접목한 사례에 대해서 소개합니다.
      • 모바일 활용 사례 : 딥러닝 모델을 모바일 앱에 탑재하여 인공지능 기반의 서비스를 구축한 사례를 살펴봅니다.

    발표자 프로필

    김태영

    • 케라스 코리아 운영진
    • (주)인스페이스 기술이사
    • ‘블록과 함께하는 파이썬 딥러닝 케라스 도서’ 저자

    전미정

    • 케라스 코리아 운영진
    • Swift Korea Meetup 발표
    • iOS 개발자

    발표자료

    김태영님 발표 : 구글프리젠테이션

    전미정님 발표 : PDF


    같이 보기


  • [세미나] 김태영님, 딥러닝 소개 (제7회 태양/우주환경을 연구하는 젊은 과학자 워크숍)


    제7회 태양/우주환경을 연구하는 젊은 과학자 워크숍(http://sun2us.net/)은 태양 및 우주환경을 연구하는 젊은 과학자들이 연구 역량 강화 및 연구 교류를 목적으로 자발적으로 준비하고 참여하는 행사입니다. 이 행사의 둘째날 딥러닝 소개 세미나 내용을 공유하고자 합니다.

    img


    발표자료

    발표자료는 아래 링크에서 확인할 수 있습니다.

    https://docs.google.com/presentation/d/1-U2z48MEGh5772WLR7M_HcHMEQSKf6b7K7WKlTDk3y4/edit?usp=sharing


    같이 보기


  • [ISS 세미나] 이웅원님, 가깝고도 먼 딥강화학습(DeepRL)


    ‘딥러닝’은 익숙하시죠? 이제 ‘딥러닝+강화학습’인 딥강화학습에 대해서 알아볼 시간입니다. 이번 ISS에서는 ‘파이썬과 케라스로 배우는 강화학습’ 저자이신 이웅원님(DCULab 리더, 제이마플 선임연구원, RLCode 리더)을 모시고 ‘가깝고도 먼 딥강화학습(DeepRL)’이란 주제로 세미나를 진행하고자 합니다. 강화학습은 오래 전부터 연구되던 분야이나 딥러닝 기술과 접목되면서 많은 발전을 이루고 있습니다. 한국을 떠들석하게 했던 알파고의 핵심 기술이기도 하구요. 강화학습과 딥러닝이 합쳐진 이 기술을 ‘Deep Reinforcement Learning (DeepRL)’이라고 불립니다.

    이웅원님이 “가깝고도 먼 딥러닝 강화학습”이란 세미나 제목을 알려주셨을 때, 그 제목이 담긴 메시지가 무엇을 말하는 지 바로 느낌이 왔었습니다. 딥강화학습은 알파고를 통해서 그 성능이 증명되었지만, 현실 문제에 접목하기에는 아직 해결해야 할 문제가 많이 있습니다. 하지만 그만큼 많은 기회가 있다고 생각합니다. 각 분야에서 주어진 환경을 분석하고 해결해야 할 문제 정의를 잘 도출하는 것, 그리고 딥강화학습 공부가 그 시작일 듯 합니다.

    이번 세미나에서는 강화학습이 무엇이고, 딥러닝 기술과 어떻게 결합되었는 지를 살펴보고 또한 최신 DeepRL 연구 소개 및 문제점, 도전과제에 대해서 알아보겠습니다.

    ISS란 Intelligence Space Seminar의 약자로 인공지능 기술과 관련된 인스페이스의 사내 세미나를 말합니다. 어렵게 모신 전문가분들의 주옥같은 내용을 공유하고자 오픈 세미나로 진행하고 있습니다.
    

    img


    프로그램

    • 일시 : 2018년 2월 7일 오후 1시 40분
    • 장소 : 대전 유성구 대학로291 KAIST 나노종합기술원 9F 대전창조경제혁신센터 E19
    • 발표내용
    시간 주제 발표자
    13:40~14:00 인스페이스 연구 소개 김태영
    14:00~16:45 강화학습이란
    강화학습 기초와 Q-Learning
    DeepRL의 시작, DQN
    최신 DeepRL
    이웅원

    사전준비

    아무 준비 오셔도 됩니다. 하지만 아는 만큼 보인다고, 미리 관련된 내용을 공부하시고 오시면 더 많이 얻어가실 것 같습니다.


    주요 내용

    인스페이스 연구 소개 (김태영님)

    발표 영상 (발표자료엔 이미지 뿐이라 이해를 돕기위해 네이버 D2 발표영상으로 대체하겠습니다.)

    • 블록과 함께하는 케라스와 태양에서 세포까지 활용사례

    가깝고도 먼 딥강화학습 (이웅원님)

    발표자료 다운

    • 강화학습이란
    • 강화학습 기초와 Q-Learning
    • DeepRL의 시작, DQN

    참가신청 (완료)

    본 세미나 참석을 희망하시는 분은 아래 내용으로 댓글 달아주세요. 이메일만 있으면 비회원으로 쉽게 댓글을 달 수 있습니다. 대관 장소 수용인원이 최대 200명이라 선착순 200분까지만 받겠습니다.

    • 순번: 예)1 (첫 댓글이신 경우)
    • 기관: XXX 연구원 (보안일 경우에는 기재안하셔도 됩니다.)
    • 이름: 예)홍길동
    • 이메일: 예)inspace@keras.korea
    • 분야: 예)공장관리
    • 참석계기: 예)에너지 효율화를 위해서 강화학습을 적용해보고자 합니다.

    댓글을 달아도 스팸처리되어서 바로 표시 안될 수도 있습니다. 제가 다 스팸아님으로 처리하고 있으니, 크게 신경 안 쓰셔도 됩니다. 그리고 혹시 참석신청하셨으나 부득이한 이유로 참석이 힘드신 분은 미리 알려주세요~ 다른 분들에게 참석 기회를 드리고자 합니다.


    후기

    진입장벽이 높은 강화학습 분야를 쉽고 열정적으로 강의해주신 이웅원님 감사합니다. 그리고 장시간 동안 긴장감이 돌 정도로 집중해서 들어신 참석자 분들께도 감사합니다.

    img

    시간이 너무 빨리지나가는 바람에 ‘가깝고도 먼 딥강화학습’이란 주제에서 ‘가깝운 딥강화학습’만 말씀드렸다는 이웅원님의 쿠기멘트가 있었습니다. 저도 ‘먼 딥강화학습’이 더욱더 궁금해집니다.

    혹시 찍으신 사진이나 질문, 자유로운 의견, 후기를 댓글로 남겨주시면 다음 세미나 준비에 힘을 받을 것 같습니다~ 개인적으로는 국내에 몇 안되는 케라스 저자와 함께 사진을 남길 수 있어서 영광이었습니다. 포토타임을 함께해주신 분들도 감사합니다.

    img


    같이 보기


  • [ISS 세미나] 최성준님, 딥러닝 최신동향


    딥러닝 기술은 하루가 멀다하고 발전하고 있습니다. 이번 ISS에서는 Google Developer Expert이시고 서울대학교 사이버물리시스템 연구실 박사과정에 계신 최성준님이 ‘딥러닝 최신 동향’이란 주제로 발표하셨습니다. 열정적으로 강의해주신 최성준님께 감사드리고, 장시간 동안 끝까지 관심있게 들어주시고 좋은 질문 많이해주신 참석자분들에게 감사드립니다.

    ISS란 Intelligence Space Semiar의 약자로 인공지능 기술과 관련된 인스페이스의 사내 세미나를 말합니다. 어렵게 모신 전문가분들의 주옥같은 내용을 공유하고자 오픈 세미나로 진행하고 있습니다.
    

    img


    개요

    딥러닝 분야에서 다루고 있는 연구 주제에 대해서 간략히 살펴보고, 본 세미나에서 다룰 네 가지 주제(Generative Model, Domain Adaptation, Meta Learning, Uncertainty in Deep Learning)를 소개합니다.

    intro.pdf


    Generative Model

    VAE와 GAN의 기본과 여러가지 GAN에 대해서 살펴봅니다. GAN의 발전속도와 활용성을 보니 신기할 따름이네요. 발표에서 다룬 논문들은 다음과 같습니다.

    • Generative Adversarial Network (GAN), Goodfellow et al. (2014)
    • Variational Autoencoder (VAE), Kingma (2017)
    • DCGAN, Radford et al. (2016)
    • Info GAN, Chen et al. (2016)
    • Text2Image, Reed et al. (2016)
    • Pix2pix, Isola et al. (2017)
    • PatchGAN, Li and Wand (2016)
    • Generative Adversarial What-Where Networks (GAWWN), Reed et al. (2016)
    • Puzzle-GAN, Lee et al. (2017)
    • Domain Transfer Network, Taigman et al. (2016)
    • DiscoGAN, Kim et al. (2017)
    • CycleGAN, Zhu et al. (2017)
    • StarGAN, Choi et al. (2017)
    • Progressive GAN, Karras et al. (2017)

    generative-model.pdf


    Domain Adaptation

    데이터를 비교적 얻기 쉬운 도메인에서 학습한 모델을 어떻게 우리가 적용하고자 하는 도메인에서 활용해볼 수 있을까에 대한 연구 소개 입니다. 위닝일레븐 잘 하시는 분이 진짜 축구를 잘 할 수 있다는… 발표에서 다룬 논문들은 다음과 같습니다.

    • Analysis for domain adaptation, Ben-David et al. (2006)
    • Domain Adversarial Neural Network (DANN), Ganin et al. (2016)
    • Domain Separation Network (DSN), Bousmalis et al. (2016)
    • Coupled Generative Adversarial Network (CoGAN), Liu & Tuzel (2016)
    • Adversarial Discriminative Domain Adaption, Tzeng et al. (2017)
    • Addressing Appearance Change in Outdoor Robotics with Adversarial Domain Adaption, Wulfmeier et al. (2017)
    • Unsupervised Pixel-Level Domain Adaptation with Generative Adversarial Networks, Bousmalis et al. (2017)
    • Associative Domain Adaptation, Haeusser et al. (2017)

    domain-adaptation.pdf


    Meta Learning

    배우는 방법을 배우는 모델인데, 다소 생소할 수 있지만, 우리도 어떤 과목을 공부하지만 공부 잘하는 법 자체도 공부하기도 했었죠? 바로 그것입니다. 자동화된 딥러닝 모델로 보시면 될 듯 합니다. 이게 발전되면 더이상 딥러닝 모델을 만들 필요가 없습니다. 딥러닝 모델이 문제를 보고 적당한 딥러닝 모델을 만들테니깐요.

    • Learning to Learn without Gradient Descent by Gradient Descent, Chen (2017)
    • Siamese Neural Networks for One-shot Image Recognition, Koch et al. (2015)
    • Deep Metric Learning using Triplet Network, Hoffer & Ailon (2015)
    • Meta-Learning with Memory-Augmented Neural Networks, Santoro et al. (2016)
    • Metching Networks for One Shot Learning, Vinyals et al. (2017)
    • Prototypical Networks for Few-shot Learning, Snell et al. (2017)
    • Low-shot Visual Recognition by Shrinking and Hallucinating Features, Hariharan & Girshick (2017)
    • Model-Agnostic Meta-Learning, Finn et al. (2017)

    meta-learning.pdf


    Uncertainty in Deep Learning

    딥러닝 모델은 4지선다문제에서 찍기만 할 뿐입니다. 모르겠다고 고개를 흔드는 법은 없죠. 하지만 실무에서는 딥러닝에서 불확실하다는 것은 불확실하다고 알리고 사람에게 넘기길 원할 때가 많습니다. 하지만 딥러닝 모델에서 불확실성을 알기란 쉽지 않습니다. 이 불확실성에 대한 연구를 소개합니다. 발표에서 다룬 논문들은 다음과 같습니다.

    • Uncertainty in Deep Learning, Gal (2016)
    • Representing Inferential Uncertainty in Deep Neural Networks Through Sampling, McClure & Kriegeskorte (2017)
    • Uncertainty-Aware Reinforcement Learning from Collision Avoidance, Khan et al. (2016)
    • Simple and Scalable Predictive Uncertainty Estimation using Deep Ensembles, Lakshminarayanan et al. (2017)
    • What Uncertainties Do We Need in Bayesian Deep Learning for Computer Vision?, Kendal & Gal (2017)
    • Uncertainty-Aware Learning from Demonstration Using Mixture Density Networks with Sampling-Free Variance Modeling, Choi et al. (2017)
    • Bayesian Uncertainty Estimation for Batch Normalized Deep Networks, Anonymous (2018)

    uncertainty-in-deep-learning.pdf


    Interpretable Deep Learning

    딥러닝 모델이 높은 성능을 보이고 있지만 그 속은 블랙박스라고 여겨져왔습니다. 딥러닝 분야 연구자들인 딥러닝 모델을 해석하고자 하는 노력을 해왔고, 조금씩 사람이 이해할 수 있는 방안에 대해서 결과나 나오기 시작했습니다. 이번 발표에서는 다루지 않았지만 발표자로를 추가로 공유해주셨고 다음 논문들이 포함되어 있습니다.

    • Visualizing and Understanding Convolutional Networks, Zeiler & Fergus (2013)
    • Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps, Simonyan et al. (2014)
    • Learning Deep Features for Discriminative Localization, Zhou et al. (2016)
    • Grad-CAM, Selvaraju et al. (2017)
    • Interpretable Explanations of Black Boxes by Meaningful Perturbation, Fong & Vedaldi (2017)
    • Learning Important Features Through Propagating Activation Difference, Shrikumar et al. (2017)

    interpretable-deep-learning.pdf

    같이 보기


  • [ISS 세미나] 이지민님, 의료영상 세그멘테이션


    이번 ISS에서는 SNU TF 이지민님(서울대학교 방사선의학물리연구실)을 모시고, ‘의료영상에서의 세그멘테이션”이란 주제로 세미나를 진행하였습니다. 딥러닝 모델이 분류나 객체검출 문제를 많이 다루긴 하지만 영상처리의 꽃은 역시 세그멘테이션 같습니다. 세그멘테이션에 대한 기본 개념부터 최근 연구되고 있는 딥러닝 모델을 소개합니다.

    ISS란 Intelligence Space Semiar의 약자로 인공지능 기술과 관련된 인스페이스의 사내 세미나를 말합니다. 어렵게 모신 전문가분들의 주옥같은 내용을 공유하고자 오픈 세미나로 진행하고 있습니다.
    

    img


    프로그램

    • 일시 : 2017년 10월 30일 오후 4시~5시
    • 장소 : 온라인, 페북 라이브

    주요 내용

    발표자료

    • Semantic Segmentation 소개
    • H-DenseUNet: Hybrid Densely Connected UNet for Liver and Liver Tumor Segmentation from CT Volumes 소개 (https://arxiv.org/abs/1709.07330)
    • Spinal cord gray matter segmentation using deep dilated convolutions 소개 (https://arxiv.org/abs/1710.01269)

    img img

    라이브 동영상 (안타깝게도 세그멘테이션 개론부분(12분부터 22분까지)는 녹음이 되지 않았습니다.)

    img


    요약

    의료분야는 용어부터가 어렵고 리뷰하신 딥러닝 모델도 최신 모델이라 쉽지 않을 것이라 생각했었는데, 비전공자도 알 수 있도록 맞춤형 설명과 주요한 포인트 위주로 설명을 너무 잘해주셔서 큰 도움 되었습니다! 요즘 기본으로 쓰이는 U-Net, DenseNet, Dilated Convolution 설명도 감사합니다.


    같이 보기


  • [ISS 세미나] 김태영님, 블록과 함께하는 딥러닝 실습, 케라스 이야기


    이번 ISS에서는 블록과 함께하는 딥러닝 실습, “케라스 이야기”란 주제로 제가 발표하였습니다. 1)다양한 분야의 전문가분들과 함께 2)대전에서 3)자기 노트북가지고 실습까지 해보는 의미있는 자리였던 것 같습니다. 100명 넘는 인원에서의 실습은 쉽지 않은 선택이었지만 사전에 모두 설치를 해주신 참석하신 분들과 자발적으로 나선 (주)인스페이스 스태프분들 덕분에 무사히 마쳤습니다. 어떤분들이 참석하셨는 지, 어떤 연구에 딥러닝에 접목하려고 하시는 지, 세미나에 대해 이모저모에 대해 알아보겠습니다.

    ISS란 Intelligence Space Semiar의 약자로 인공지능 기술과 관련된 인스페이스의 사내 세미나를 말합니다. 어렵게 모신 전문가분들의 주옥같은 내용을 공유하고자 오픈 세미나로 진행하고 있습니다.
    

    함께 하신 분들의 분야

    정말 다양한 분야에 계신 분들이 오셨습니다. 각 분야에 대한 얘기를 나누고 싶었는데, 4시간 동안 제가 일방적으로 떠드는 바람에 그런 시간을 전혀 가지지 못했네요. 대전이다보니 과학 및 국방 분야에 계신 분들이 많이 오셨고, 의학, 심리학, 건축, 경제, 문화, 산업계에서도 오셨습니다.

    분야 분야 분야 분야 분야
    건축 경영과학 경제산업정책 과학데이터분석 국방
    데이터마이닝 마케팅 모바일 문화기술학 반도체
    산업공학 소셜 스마트사이니지 우주과학 원격탐사
    위성영상분석 위성체 의료정보학 인지심리학 정신건강
    초소형위성 컴퓨터그래픽스 컴퓨터공학 통신 한의학
    항공기형상설계 항공우주공학 항공전자 항법 GPS

    조만간 한국에서 각 분야에 딥러닝을 접목할 주역이 되실 분들이 아닐까 합니다.

    img


    딥러닝 접목하려는 문제

    여러 분야에서 오신 만큼 풀려고 하는 문제 또한 다양합니다. 대량의 데이터셋만 있으면 쉽게 해결할 수 있는 문제도 보이지만 모델 자체가 연구단계에 있거나 문제를 정의하는 것 조차 쉽지 않아보이는 것도 보입니다.

    문제 문제 문제 문제 문제
    객체검출 기업성장예측 소비자행태예측 한열예측 사상체질예측
    모바일환경 이미지 검색 의료자동진단 의료시그널분석 제조 생산계획 최적화 공장 운영계획 수립
    타겟추적 영상기반 항법 사기감지 한글인식 품질평가
    우주파편 인식 도구 자동화 복합상황인지 분석 해양부유생물 밀도 분석 자연어처리
    시스템 이상징후 예측 태양양성자 예측 검색명칭 보완 텍스트 분류 챗봇
    농작물 생산량 추정 지표열 추정 도시화 추정 스피치 애니메이션 생성 감성분석
    정밀항법 항공기 형상 최적화 의학영상진단 목소리 기반 배란일 분석 동물행동 예측
    정신장애 예측분석 위치기반 공간분석      

    다음 세미나에서는 각 문제를 어떻게 해결할 것인가에 대한 토론하는 시간을 꼭 만들어봐야 겠네요. 혹시 이 글을 읽으시는 분들 중 유사 문제에 대해 코멘트를 주실 분은 댓글 부탁드립니다. 큰 도움이 될 것 같습니다.

    img


    오신 지역

    대전에서 개최됨에도 불구하고, 서울, 대구 등 멀리서 오신 분도 계시군요. 멀리오셔서 좋은 시간을 담고 가지고 가셨기를 바랍니다. 앞으로 대전에 이런 모임이나 세미나가 많이 개최었으면 합니다. 참고로 대전창조경제혁신센터에서는 정기적으로 대전 AI 포럼이 개최되니 많은 관심 부탁드립니다. 관련 링크

    img


    기억에 남거나 좋았던 점

    좋은 말씀 너무 너무 감사합니다. 주요 키워드를 요약하면 ‘쉬움, 레고, 강사 열정, 청중 열정, 양말, 프라모델, 나비야, 대전, 신화, 실습, 풍부한 도너츠와 커피, 사업 소개’가 되겠네요. 1회 대전 AI 포럼에서는 ‘태양에서 세포까지’라는 주제로 발표했었는 데 모두 ‘양말’만 기억하시더라구요. 이번 세미나에서 제가 제일 기억에 남는 것은 100명의 중저음 나비야 합창이었습니다.

    • AI가 생각보다 간단하며, 쉬운 설명
    • 인스페이스의 사업 현황
    • 레고 그림을 통해 딥러닝의 구조를 이해할 수 있었던 점
    • 열정적인 강의가 좋았습니다.
    • 실제 데이터를 이용해 직접 결과를 보고, 그 과정에 대한 설명을 듣는 실습이 좋았습니다.
    • “저는 InSpace에서 진행하고 있는 프로젝트와 그리고 실무에 대해 이야기 해주시는 것이 좋았습니다. 특히 염색체 검출 전에 양말로 테스트를 하는 것, 프라모델을 통해서 탱크 Object Detection하는 것 등. 진짜 실무에서는 이렇게 창의적으로 혹은 다양한 방법으로 할 수 있다는 것을 알게 되었습니다. 특히 모델이 중요한 것이 아니라, 어떻게 좋은 데이터를 만들어 낼 것인지 알려 주실 때 좋았습니다. 그리고 LSTM을 이용한 ‘나비야’ 노래 예측도 흥미로웠습니다. 마냥 MNIST만 분석하는 경우가 많았는데, 실제 어떻게 사용되는지 알게 되어서 좋았습니다. 실제 배운 것을 가지고 적용한 사례를 알려주시니 정말 좋았습니다.”
    • 장소가 쾌적하고 강의자료가 한눈에 좋았습니다!
    • 일단 대전에서 해서 좋았구요 어려운 이론을 쉽게 설명들어 좋았습니다
    • “We are in intelligence space.
    • keras 신화 이야기^^”
    • 실습 위주 세미나, 블록을 이용한 딥러닝 알고리즘 정리, 사전 keras 설치 준비 안내 등
    • 그간 수행했던 과제 소개시간이 제일 기억에 남습니다. 다음에도 실제 적용과제에 대한 소개를 하나의 SECTION으로 잡아 진행하셨으면 합니다.
    • 단순 강의가 아니라 실습을 통한 교육이라 좋았고 특히 프로그래밍중에 발생하는 문제에 대한 피드백을 바로바로 들을수 있어 좋았습니다
    • 케라스의 간결함을 블럭으로 간결하게 설명한점.
    • 강사가 열정적이고 배우는 사람들도 열정적이었던 점
    • 캐라스에 대해서 알기 쉽게 설명해주시고, 특히 레고 블럭으로의 설명이 인상적이었습니다.
    • 강사님의 친절한 설명
    • 블록으로 쉽게 설명이 되어서 이해하기 쉬웠다
    • keras 코드의 간결성? 양말을 이용한 데이타셋 준비… 데이타셋 준비의 중요성을 알았습니다.
    • 적절한 비유, 실생활 응용
    • 풍부한 도너츠와 커피 / 블럭을 이용한 이론 설명 / 인스페이스에서 하는 일 소개
    • 케라스에 대한 현장감 넘치고 귀뚫어 주는 강연
    • 예시가 짧음에도 불구하고 아주 적절했고, 덕분에 공부가 잘 되었습니다.
    • 딥러닝 입문자였는데, 실습 전 딥러닝 기초, 케라스 기초 등 기초부터 설명해주어서 실습도 좋았지만 딥러닝에 관한 기초를 쌓을 수 있어서 좋았습니다. 또, 이론으로만 접했던 것들을 바로 실습에 적용하여 결과를 볼 수 있어서 특히나 더 와닿았던 것 같습니다!
    • 던킨도너츠
    • 직접 실습을하며 관련된 설명을 들었다
    • 케라스 이용법을 익힌 것!
    • 재미난강의
    • 블록으로 이해시켜주기.
    • 쉬운 설명
    • 딥러닝에 대해서 모르는 사람도 쉽게 이해할 수 있도록 개론을 설명해주시고, 필요한 부분은 암기할 될 수 있도록 반복학습하는 수업이 진행되었던 점이 좋았습니다.
    • 어렵게만 느껴졌던 딥러닝이 좀 더 쉽게 느껴져 좋았습니다.
    • 레고 블럭으로 간단한 설명
    • 쉽게 이해가는 예시 및 실습 내용
    • 딥러닝을 처음 시작하는 사람에게 쉽게 이해할수 있도록 강의해주는 것이 좋았습니다.
    • 처음 딥러닝을 접하는 입문자도 이해하기 쉬운 접근성

    발표자료의 80%가 레고 그림인 듯 합니다.

    img

    개념적인 설명은 하용호님의 ‘네 뇌에 딥러닝 설치’ 자료만큼 쉽고 좋은게 없죠! 흔쾌히 허락해주신 하용호님 감사합니다.

    img


    개선할 점

    • 너무 인원이 많음. 뒤에서는 잘 보이지 않음.
    • 인터넷
    • 시간이 짧은게 아쉽네요.
    • 와이파이 연결문제, 설치GPU사용에 대한 내용 추가
    • “4시간이 긴 줄 알았는데 너무 짧더라구요. 이렇게 하루에 진행하는 특강도 있으면 좋겠고, 한편으로는 2-3일에 걸쳐서 자세하게 다루는 집중 특강이 있으면 더 좋을 것 같아요. 개선점은 역시나.. 세미나 장소의 인터넷입니다..”
    • 네트워크 환경이 아쉬웠습니다~
    • 와이파이 미비, 시간이 조금 더 길고 설명이 조금 더 쉬웠으면 좋겠어요
    • 와이파이 접속이 원활하지 못했던점 정도 (큰 문제는 없었음^^)
    • WIFI, 세미나 시간 늘리기(4시간->8시간)
    • 전달하는 내용에 비해 시간이 짦음
    • 시간이 많이 부족했다고 생각들며 실습교육의 문제는 항상 교육장소의 인터넷이라 생각합니다
    • 후반부 시간부족
    • 한회 강좌의 인원수를 좀 조정하면 좋을듯 합니다.
    • 실습에 인터넷을 자주 접속해야 하는 부분 때문에 인터넷 환경이 잘 갖춰지는 곳으로 장소를 예약하셨으면 더 좋았을 것 같고, 참석인원이 많아 중간에 TV 등을 놓아 발표자료를 뒤에 있는 사람들도 함께 봤으면 좋았을 것 같습니다.
    • 공간. 뒤에서는 잘 안 보임
    • 인원이 많아서 빠른 피드백이 어려웠다
    • 인터넷 연결 때문에 시간이 부족해서… 뒷 부분을 좀 더 듣지 못해서 아쉬웠습니다
    • 인터넷 및 환경적 자원 부족
    • 제한된 시간대비 방대한 세미나 분량이더군요…ㅎㄷㄷ
    • 실습을 좀더 길게 했으면 합니다.
    • 딱히 없었던 것 같습니다.
    • 인스페이스 회사 소개를 조금 더 일찍 해주시면 좋을 것 같습니다. 컨볼루션 신경망과 LSTM 사이에 해주신 것으로 기억하는데, 딥러닝 알려주시기 전에 회사에 대해 소개해주시면 남은 시간 동안 회사에 대해서도 더 많이 기억해 갈 수 있고, 딥러닝도 흐름이 끊기지 않고 배울 수 있을 것 같습니다!
    • 와이파이
    • wifi!!
    • rnn 설명시간 부족.
    • 좀 더 수업이 길면 좋을 것 같습니다.
    • 개선해야할 점이라기 보다는 가능하다면 다음번에는 좀 적은 사람들이 모여 실습이나 토론 위주로 하면 재밌을 것 같습니다!
    • LSTM에 대한 강좌
    • 더 많은 알고리즘 다뤄졌으면 좋겠습니다.
    • 좀더 디테일한 설명이 추가 되었으면 좋겠습니다. 예를 들어 함수에 파라미터 값이 왜 그 숫자를 써야하느지 등..(뉴런네트워크에서 중간층에 출력값이 8, 10 이런식이었는데 왜 8인지에 대한 설명이 없었어요!!)
    • 4시간이라는 시간이 좀 짧았던 것 같습니다.
    • 빠른 진행

    개선할 점을 읽어보면서 무엇하나 포기할 수 없다는 생각에 많은 고민을 하게 되더군요. 일단 지금 생각이 드는 해결책은 아래와 같습니다.

    • 인터넷이 없이도 실습이 가능하도록 사전에 실습 패키지 배포
    • 세션을 확실히 나누어서 토론 시간을 가지기
    • 분기 1회 정도 정기적 세미나 개최

    열약한 환경에서도 열정적으로 실습해주신 참석자분들 너무 감사합니다.

    img


    다음에 다뤘으면 하는 주제

    • 실습 위주의 내용
    • 알파고는 어떻게 학습을 하는지 궁금해 졌습니다.
    • 비젼(세그멘테이션,개/고양이 분류 실험) 등 보다 실제적인 문제를 다루었으면
    • “실무에서 어떻게 문제를 해결할지 같이 토의해보고 같이 문제를 풀어가는 시간이 있었으면 좋겠습니다. 예를 들어 ““염색체 이 데이터를 어떻게 학습시키면 좋을까요?”“라고 하면 참가자들끼리 의견을 내고, 그 의견을 종합하여 강사분이 직접 코드 짜는 것을 보여주며, 같이 문제를 해결하는 방식도 좋을 것 같습니다.
    • 또 모델별로 다루는 것도 정말 좋지만, 해결해야 할 문제 별로 다루는 것도 좋은 것 같습니다. 예를 들어서 Image Detection, Signal Processing, 주식 예측 등. 분야 별로 나눠서 여기에 어떤 모델이 좋은지 등등 해서 같이 고민해보고, 알아가는 시간이 있으면 더 좋을 듯합니다.”
    • 모델 종류별 평가 방법에 대해 자세히 배우고 싶습니다.
    • 특별히 없고 지금처럼 하면 좋습니다
    • “구체적인 하나의 모델에 대한, 결과분석 및 모델 피드백 방법이 다루어 지면 좋겠습니다. 모델을 만드는 것보다 활용하고, 의미를 해석하는 방법에 대한것도 조금 다루면 좋을 것 같습니다.
    • 개인적으로 전체적인 개념을 리뷰하며 정리할수 있는 좋은 기회였습니다. 너무 감사합니다.”
    • Keras를 이용한 딥러닝의 발전방향(향후과제), 특정 어플리케이션에서 keras를 이용한 학습 모델링 전과정 심층 실습 등
    • 다양한 레시피의 내용(다양한 딥러닝 아키텍처: segmentation, Visual Q&A, GAN, Autoencoder 등) 소개
    • 조금 자유도를 높여서 관련내용을 소개하고 직접 프로그래밍을 할수있으면 좋겠습니다
    • 요즘은 강화학습에 관심이 있습니다.
    • 심화 학습으로 실습위주로 강좌를 한번 개설해 주시면 좋겠고 지방에도 강좌를 자주했으면 합니다.
    • 캐라스에서 GAN, 강화학습 등에 대한 내용도 가능하시면 다뤄주셨으면 좋겠습니다.
    • 실질적인 사례 적용
    • 자연어 처리
    • autoencoder를 이용해서 비정상 패턴을 예측하는 법을 알고 싶습니다.
    • 다양한 도메인 예제
    • 파라미터 튜닝을 통한 accuracy 향상 사레와 근거, 접근법 같은거 좋을듯요.
    • LSTM과 NLP
    • 만약 이러한 세미나에서 좀더 상세한 세미나로 이어진다면, 책으로 치면 파트 4 부분이 상세화된 예제와 함께 다뤄졌으면 좋겠습니다.
    • 이번 세미나에서는 연사님의 사이트에서 코드를 가져와서 실행시켜본 것이고, 또 그렇기 때문에 잘 돌아가는것을 바로 확인할 수 있어서 좋았습니다. 다음 세미나에서는 마지막에 답이 없는 상황에서 스스로 한번 문제를 풀 수 있는 시간이 들어간다면 좋을 것 같습니다.
    • GAN
    • GAN, 강화학습
    • 다중 물체를 탐지하는 방법!
    • 딥러닝 실습 더 많이요!!
    • 인간의 뇌와 딥러닝의 유사점? - 인간의 학습과 딥러닝 학습의 비교
    • 여러 주제에 대해서 토론을 나눠봤으면 좋을 것 같습니다. 예를들면 데이터 추출이라던지 현재 진행되고 있는 연구에 대해서요!
    • 뉴럴 스타일 트렌스퍼, GAN
    • 로컬 혹은 클라우드 인프라 구축에 대해서도 소개되면 좋겠습니다.
    • 딥러닝을 조금 더 공부해야 이 질문에 답할수 있을 것 같습니다.

    열심히 공부하겠습니다. GAN, 강화학습, 오토인코더, 자연어처리, 물체감지 등.. 다음에 좀 더 실무적인 내용으로 다가가겠습니다.

    img


    자유 의견

    • 강의 고맙습니다. 도서 추첨에 당첨되더라도 제외해 주세요. 책 구매할께요^^
    • 알려주신 설치방법이 GPU도 적용가능한 것인가요?
    • InSpace에서 진행하는 프로젝트(물론 공개 가능한 부분과 가능한 수준에서요.^^)나 실무적인 스킬도 페북이나 블로그 통해 더 나누어 주시면 좋을 것 같아요. 감사합니다. ^^
    • 이번 세미나 제겐 큰 도움이 되었습니다. 다음에도 세미나 있으면 꼭 알려주세요. ^^
    • 데이터생성관련 내용
    • Conv1D를 이용한 audio인식?
    • 강좌가 너무 유익했고 무료 강좌라 더더욱 좋았습니다.
    • 캐라스에서 CNN의 정확도를 높이기 위해 학습 데이터셋을 로테이트하거나, 시프트하는 이미지들을 생성한다고 하셨는데, 필터를 여러 개 하면 해결되지 않는 건지 궁금하네요.
    • “학습모델을 저장하고 다시 실행하는건 알려주셨습니다. 그런데… 기존 데이타로 학습한 모델을가지고… 현재 발생하고 있는 데이타를 적용하는 방법론을 알고싶습니다. Tensorflow 서빙이그런역할을 한다고는 읽었는데… 자세한 내용은 이해를 못했습니다. “
    • 궁금한거 생기면 메일드리겠습니다.. 저도 책 받고 싶어요…(쿨럭;;)
    • 수고하셨습니다. 그리고 음식 센싱관련하여 연락 부탁 드려요.
    • 그 날 많은 도움을 받아서 향후에 생기면 연락드리겠습니다. 감사합니다.
    • 좋은 강연 감사합니다!^^
    • 좋은 강의 듣게 해주셔서 감사합니다 ^^
    • 저는 지금 학교 연구 활동 외에도, 스타트업 활동으로 불면증 진단/치료 앱을 개발하고 있는데 10월에 앱 출시되고 데이터 수집되기 시작하면, 좋은 분석 방법론에 대해 김태영 이사님과 한 번 심도있는 논의를 해 볼 수 있었으면 좋겠습니다 :D 감사합니다!

    이후 토론, 코멘트 등은 케라스 코리아, 김태영의 케라스 블로그, 인스페이스 블로그 어디든 환영입니다. 저희 사장님께서 말씀하신 것 처럼 우리는 다같이 Intelligence Space에 있습니다.

    img


    이모저모

    너무 집중해주셔서… 눈 마주치기가 좀 무서웠습니다. 초반에는 발표 자료만 보고 설명한 듯 합니다.

    img

    확실히 뒤에서 잘 안보이네요. 중간 중간에 TV라도 있으면 좋겠네요.

    img

    역시나 레고 그림… 이 세미나에서 이 레고그림이 어떻게 그려졌는 지 처음으로 공개되었죠. ㅋ

    img

    아래 사진은 어느팀인가요? 알려주시면 설명글 넣겠습니다.

    img

    본 세미나를 위해서 고생해주신 인스페이스의 멤버들입니다. 회사랑 가까우니 공부할 겸 참석해라라고 해놓고 일만 시킨 듯 하네요. 자청해서 스태프해주셔서 너무 감사합니다~

    img


    추첨

    마지막으로 도서 증정 추첨 결과 알려드립니다. 마지막 두 분이 후기에서 당첨되신 분들입니다. 추석연휴 마치고 6분 일괄 배송 들어갑니다.

    • [현장] 이병*
    • [현장] 신*
    • [현장] 성선*
    • [현장] 손정*
    • [후기] 장광*
    • [후기] 강승*

    참고로 추첨 시에 사용했던 파이썬 코드입니다. random.choice() 함수 안에 여러 항목을 삽입하면 그 중 하나를 골라 반환합니다.

    import random
    
    book = random.choice(['A', 'B', 'C', 'D'])
    
    print(book)
    
    C
    

    마무리

    저는 이번 세미나를 통해 케라스 창시자인 프랑소와 숄레님의 “딥러닝 모델을 모든 이들의 손에…“라는 말씀에 한발짝 다가가지 않았나 합니다. 본 세미나에서 대해서 강민구 기자님이 정리해주신 기사도 링크합니다. 딥러닝에 쏠린 눈···실습 현장 성황 (기자님의 문장력은 클라스가 다르네요)

    다음 세미나는 ‘GDG DevFest Seoul 2017’의 발표자로 선정되어 11월 19일 서울대에서 할 예정입니다. 1000명 정도 참석한다고 하니, 이번에는 1000명과 함께 ‘나비야’를 불러볼 생각입니다. 응원주십시요~

    img


    같이 보기