AI&ML_Eng : 개념 공부.

[ AI&ML_Eng : [AI + ML + DL] + [DA+DS] ] 기초,기본 개념 목차. ▽ [ AI&ML_Eng : [AI + ML + DL] + [DA+DS] ] 기초,기본 개념 목차. Phase 1: Python 기본 문법 + 자료구조 + 심화개념

폐렴 X-ray 분류, 작물 질병 판별CNN, Transfer Learning, Grad-CAM이미지 전처리, 데이터 증강, 모델 시각화PubMed 논문 주제 분류BERT/Transformer 기반 텍스트 분류토큰화, 불용어 제거, Fine-tuning작물 수확량 예측

LLM(Large Language Model)은 자연어 처리(NLP) 기술의 발전으로 인해 가능해진 AI 모델로, 텍스트를 입력받아 이해하고 다시 텍스트로 답변하는 능력을 갖추고 있습니다. LLM은 인간과 유사한 수준의 언어 이해와 생성 능력을 제공하며, 다양한 응용

[ ML/DL & AI ] ML & AI 엔지니어링 공부 02 : AI(인공지능), ML(머신러닝), DL(딥러닝) 구분/차이. ▽ AI(인공지능), ML(머신러닝), DL(딥러닝) 구분/차이. ☆ AI, ML, DL의 관계. ※ 인공지능(AI) > 머신러닝(M

정의: 파이썬 기반의 오픈소스 딥러닝 프레임워크출처: 메타(Meta, 구 Facebook) AI 연구팀 → 현재는 PyTorch 재단에서 관리주요 사용처: 연구(논문 구현)부터 산업 실무(추천 시스템, 이미지/음성 인식 등)까지 폭넓게 활용경쟁 프레임워크: Tensor

머신러닝(Machine Learning)은 인공지능(AI)의 한 분야로,컴퓨터가 명시적으로 프로그래밍되지 않아도 데이터를 통해 학습하고,그 결과를 바탕으로 예측(Prediction)과 의사결정(Decision Making)을 수행할 수 있게 하는 기술.인공지능의 하위

딥러닝(Deep Learning)은 인공신경망(Artificial Neural Networks, ANN)을 기반으로 하는 머신러닝의 한 분야입니다.딥러닝 모델은 여러 층(Layer)의 뉴런(Neuron)으로 구성되어 있으며,이 층들이 입력 데이터를 단계적으로 변환해가며

현대 산업에서는 ERP, MES, CRM 등 다양한 시스템에서 대량의 이벤트 로그(Event Log)가 쌓입니다.그런데 단순한 데이터 집계나 BI 시각화만으로는 실제 프로세스에서 문제가 어디서 발생하는지,업무 흐름이 계획대로 진행되는지를 파악하기 어렵습니다.Event

LLM은 Large Language Model의 약자로, 자연어 처리(NLP)에서 사용되는 인공지능 기술의 한 종류입니다.이 모델들은 "대규모의 텍스트 데이터"를 학습하여 언어의 구조와 의미를 이해하고, 그 학습을 바탕으로 {텍스트 생성,번역,요약,질문}에 대한 답변

AI&ML_Eng : [AI + ML + DL] + [DA+DS] : 빅데이터(Big Data) – 빅데이터, 정의, 특징, 활용 사례. ▽ AI&ML_Eng : [AI + ML + DL] + [DA+DS] : 빅데이터(Big Data) – 빅데이터, 정의, 특징,