Kim Jeong Ju haje01

## rl_roboschool_ray_distributed_simple.ipynb

      
              1 file
            
          
              0 forks
            
          
              0 comments
            
          
              0 stars
            
          
                haje01
                / rl_roboschool_ray_distributed_simple.ipynb
            
            
              Last active
              May 11, 2019 11:47
            
              
                SageMaker RL에서 Ray로 Roboschool Reacher 풀이
              
          
      Sorry, something went wrong. Reload?
      Sorry, we cannot display this file.
      Sorry, this file is invalid so it cannot be displayed.
      
          Viewer requires iframe.
      
    
## 도커와 AWS를 활용한 클라우드 딥러닝 환경 구축.md

      
              1 file
            
          
              7 forks
            
          
              4 comments
            
          
              31 stars
            
          
                haje01
                / 도커와 AWS를 활용한 클라우드 딥러닝 환경 구축.md
            
            
              Last active
              December 20, 2020 08:56
            
              
                도커와 AWS를 활용한 클라우드 딥러닝 환경 구축
              
          
    도커와 AWS를 활용한 클라우드 딥러닝 환경 구축

글쓴이: 김정주(haje01@gmail.com)
최근 딥러닝 관련 패키지들은 대부분 CPU와 GPU를 함께 지원하고 있습니다. GPU를 사용하면 보다 빠르게 학습 결과를 낼 수 있지만, GPU를 활용하기 위해서는 NVIDIA계열의 그래픽 카드, 드라이버 S/W 그리고 CUDA의 설치를 필요로 합니다.
이 글에서는 AWS의 GPU 인스턴스와 도커를 활용해 딥러닝 패키지(Caffe)를 편리하게 사용하는 방법을 소개합니다.


## 소프트웨어 2.0.md

      
              1 file
            
          
              1 fork
            
          
              3 comments
            
          
              23 stars
            
          
                haje01
                / 소프트웨어 2.0.md
            
            
              Last active
              November 8, 2021 02:44
            
          
    이 글은 안드레이 카패시의 글 소프트웨어 2.0
을 번역한 것입니다. 의/오역이 있을 수 있습니다.

소프트웨어 2.0

나는 때때로 사람들이 뉴럴넷을 "기계학습 도구 상자의 또 다른 도구"로 언급하는 것을 본다.  뉴럴넷은 장단점이 있다. 여기 저기에서 동작하고, 때로는 캐글 경쟁에서 승리하는데 사용할 수도 있다. 그러나 이 해석은 완전히 나무만 보고 숲을 보지 못하는 것이다. 뉴럴넷은 단지 또 다른 종류의 분류기가 아니다. 그것은 우리가 소프트웨어를 작성하는데 있어 근본적인 변화의 시작을 나타낸다. 그것은 소프트웨어 2.0이다.
소프트웨어 1.0의 "고전적인 스택"은 우리가 익숙한 것이다. 그것은 Python, C++ 등의 언어로 작성이 되어 있고, 프로그래머가 작성한 구체적 명령으로 구성되어 있다. 프로그래머는 코드의 각 라인을 작성하는 것으로 프로그램 공간의 특정 포인트를 어떤 원하는 행동으로 확정짓고 있다.

  
## 대화형 챗봇 설계의 과제.md

      
              1 file
            
          
              17 forks
            
          
              7 comments
            
          
              42 stars
            
          
                haje01
                / 대화형 챗봇 설계의 과제.md
            
            
              Last active
              June 15, 2022 09:33
            
              
                대화형 챗봇 설계의 과제
              
          
    최근 인공지능을 활용한 챗봇에 대한 관심이 높아지고 있습니다. 챗봇 설계에 관한 좋은 글이 있어 번역을 해보았습니다. 이 글은 IBM DeveloperWorks에 기재된 Michael Yuan의 글을 번역한 것으로 의역이 있습니다.  - 김정주(haje01@gmail.com)

대화형 챗봇 설계의 과제

사용자는 챗봇이 매우 간단하고 최소한의 요구만 하기에 좋아합니다. 그것은 대화식 문자 메시지처럼 간단해질 수 있습니다. 또한, 사용자는 자신이 선호하는 메시지 앱에 계속 머물기를 선호합니다. 앱, 웹 URL, 메뉴, 버튼, 광고, 크롬 및 기타 요소를 탐색하지 않고 바로 목표를 달성하고자 합니다. 그러나 이 단순성은 큰 설계 과제도 제시합니다. 챗봇은 사용자의 말을 정확하게 이해하고 적절히 행동해야 합니다. 이것은 오늘날 최고의 자연어 AI (인공 지능)에게도 매우 어려운 과제입니다.
현재 상태의 AI에서는, 대화식 문자 메시지 또는 대화식(Conversational) UI, 즉 CUI는 (안타깝게도) 거의 항상 잘 설계된 그래픽 UI(GUI)보다 열등합니다. GUI와 비교하여 CUI는 초기 단계에 있습니다. 커뮤니티로서 우리는 여전히 CUI의 디자인 패턴과 우수 사례를 모색하고 있습니다. 이 튜토리얼에서는 챗봇이 왜 실패하고 성공할 수 있는지 설명합니다.

  
## Snakefile
## 다수 서버의 타임존 한 번에 갱신 하기
#
#   # Asia/Seoul 존의 경우 ($ 에 주의)
#   $ snakemake -F temp/Asia/Seoul$ -j
#
#   # America/Argentina/Cordoba 의 경우
#   $ snakemake -F temp/America/Argentina/Cordoba$ -j
#

# 업데이트 대상 호스트 주소

## input_data.py
"""Functions for downloading and reading MNIST data."""
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import gzip
import os
import numpy
from six.moves import urllib
from six.moves import xrange  # pylint: disable=redefined-builtin
SOURCE_URL = 'http://yann.lecun.com/exdb/mnist/'

## TensorFlow 시작하기.md

      
              1 file
            
          
              85 forks
            
          
              36 comments
            
          
              337 stars
            
          
                haje01
                / TensorFlow 시작하기.md
            
            
              Last active
              September 4, 2023 06:58
            
              
                TensorFlow 시작하기
              
          
    텐서플로우 시작하기

글쓴이: 김정주(haje01@gmail.com)
이 문서는 텐서플로우 공식 페이지 내용을 바탕으로 만들어졌습니다.

소개

텐서플로우(TensorFlow)는 기계 학습과 딥러닝을 위해 구글에서 만든 오픈소스 라이브러리입니다. 데이터 플로우 그래프(Data Flow Graph) 방식을 사용하였습니다.

  
## Kinesis로 App 로그 다루기.md

      
              1 file
            
          
              5 forks
            
          
              6 comments
            
          
              24 stars
            
          
                haje01
                / Kinesis로 App 로그 다루기.md
            
            
              Last active
              December 17, 2023 03:52
            
          
    Kinesis로 App 로그 다루기

글쓴이: 김정주(haje01@gmail.com)
이 글은 AWS 블로그를 참고하고 추가/보완하여 작성되었습니다.

Kinesis는 아마존 웹서비스(AWS)에서 제공하는 실시간 데이터 처리기이다.
	## 다수 서버의 타임존 한 번에 갱신 하기
	#
	# # Asia/Seoul 존의 경우 ($ 에 주의)
	# $ snakemake -F temp/Asia/Seoul$ -j
	#
	# # America/Argentina/Cordoba 의 경우
	# $ snakemake -F temp/America/Argentina/Cordoba$ -j
	#

	# 업데이트 대상 호스트 주소
	"""Functions for downloading and reading MNIST data."""
	from __future__ import absolute_import
	from __future__ import division
	from __future__ import print_function
	import gzip
	import os
	import numpy
	from six.moves import urllib
	from six.moves import xrange # pylint: disable=redefined-builtin
	SOURCE_URL = 'http://yann.lecun.com/exdb/mnist/'