|
로 특히 딥러닝에서 사용된다. 경사하강법과 역전파는 상호보완적 관계로 볼 수 있는데, 즉, 역전파를 통해 각 가중치에 대한 기울기를 구한 후 경사하강법을 통해 그 기울기를 사용하여 가중치를 업데이트한다.
따라서 역전파는 기울기를 계
|
|
|
러닝에 대한 관심도 증가하였다.
Ⅲ. 서론
우리나라 원격교육의 발달과정을 요약해보면 1950대에 국내 원격교육이 처음 도입되었으며 1970년대에는 제도권 차원의 원격교육 본격화(방송통신대학교)되었고 2000년대에는 사이버 대학이 설립되었
|
|
|
인공지능의 역사
3. LLM(Large Language Model; 대규모 언어 모형)
4. LMM(Large Multimodal Model; 대규모 멀티모달 모형)
5. Deep Learning과의 관계
1) 딥러닝과 LLM의 관계
2) 딥러닝과 LMM의 관계
3) 결론
6. 본인의 의견
7. 참고문헌(APA 양식에 맞추어서 작성)
|
|
|
대 주요국의 인재양성 정책 동향. 소프트웨어정책연구소 정책연구보고서.
김경훈, AI 국가 경쟁력 확보를 위한 중장기 로드맵 구축 연구, 정보통신정책연구원, (2021).
김의중, 알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝 입문. 위키북스,
|
|
|
대하여 조사하여 서술하였다.
II. 본 론
1. 인공지능의 개념
인공지능의 개념은 1940년대부터 등장하였지만, 2000년대에 들어서 본격적으로 인공지능이 실생활에 적용되기 시작하였다. 특히 ‘머신러닝(Machine learning)’과 패턴인식 기술, ‘딥
|
|
|
통신 프로토콜은 단순히 빠른 속도와 넓은 대역폭을 제공하는 것을 넘어서 더욱 지능적이고 자율적인 네트워크 관리 능력을 갖출 것입니다. 인공지능과 머신러닝의 통합을 통해 네트워크는 자체적으로 최적의 통신 경로를 선택하고 장애를
|
|
|
대규모 데이터를 활용한 저널리즘인 데이터 저널리즘을 지원합니다. 머신러닝 알고리즘과 AI 기반 분석 도구를 통해 기자들은 방대한 데이터를 더 빠르고 정확하게 처리할 수 있습니다. 이는 정부 통계, 과학적 데이터, 비즈니스 보고서 등 복
|
|
|
대규모 멀티모달 모델(Large Multimodal Model, LMM)이 주목받고 있습니다. 본 자료에서는 LLM과 LMM의 특징과 구현 로직을 살펴보고, 두 모델의 차이점을 비교한 후, 이들과 딥러닝(Deep Learning)의 관계에 대해 논의하고자 합니다.
II. 본론
1. 대규모
|
|
|
대기·곽종민. 『최신 관리회계』. 도서출판 하린. (2015)
(12p ~ 51p)
- 시사상식사전. pmg지식연구소. 박문각
(http://www.pmg.co.kr/user/pmg/main.asp)
- IT용어사전. 한국정보통신기술협회
(http://www.tta.or.kr/)
- <BBC 보도, 정리 : 강정수, ‘인공지능과 공유경
|
|
|
리의 삶의 일부가 될 것임을 시사한다. 최근 메타버스 시대가 부상하면서 새로운 직업들도 나타나고 있다. “ROBLOX 내에는 700만 명의 Creator가 STUDIO를 활용하여 전업 혹은 부업으로 게임을 개발하고 있으며, 제페토에도 6만 명의 Creator가 메타버
|
|
메뉴펼치기
