'Deep Learning'에 해당되는 글 593건

  1. 2020.05.01 This week's AI Paper Club topic is Deepfakes. We'll cover the technical, philoso
  2. 2020.05.01 From CVPR: Reconstruct photorealistic 3D faces from a single "in-the-wild" imag
  3. 2020.05.01 From CVPR '20: Robust 3D Self-portraits in Seconds https://www.catalyzex.com/pa
  4. 2020.04.28 semantic segmentation에서는 resize를 하지 않고 원본 이미지 그대로 사용하는건가요?
  5. 2020.04.27 #의료인공지능 #Pathology #대회솔루션코드공개 안녕하세요 TFKR! 서울아산병원이 주최한 의료인공지능대회인 HeLP2019 Chal
  6. 2020.04.25 코세라에서 가장 인기있는 인공지능 및 데이터 사이언스 강의들을 정리했습니다.
  7. 2020.04.24 Made With ML Topics A collection of the best ML tutorials, toolkits and researc
  8. 2020.04.24 9 Best AI & Machine Learning Books To Read In 2020
  9. 2020.04.20 Handong university machine learning camp (Korean) https://www.youtube.com/watch
  10. 2020.04.17 Its the time of the week ... new #PyTorch libraries: FSGAN - Official PyTorch Im
  11. 2020.04.14 안녕하세요, 학습을 끝낸 모델을 저장했다가 다시 불러오면 accuracy가 현저히 떨어지는 문제가 발생하는데 도무지 원인을 알 수가 없어 질문
  12. 2020.04.09 안녕하세요, 캐글 마스터, 캐글 중독자 이유한입니다. 캐글 대회에서 메달따는 여러 팁들을 공유하고자 합니다. 한글버젼은 제 유투브에, 영어
  13. 2020.04.09 얀 르쿤 교수님의 NYU 딥러닝 강의 번역 프로젝트 완료되었습니다!
  14. 2020.04.08 **object detection - rcnn- fast rcnn- faster rcnn** 안녕하세요 딥러닝 논문읽기 모임입니다! 오늘 소개
  15. 2020.04.08 #공지 안녕하세요 RLKorea 여러분! 🤩 RLKorea에서 운영진 중 한명으로 활동하고 있는 민규식입니다. 오랜만에 올리는 운영진 공지
  16. 2020.04.07 PyTorch 기초 https://github.com/vahidk/EffectivePyTorch
  17. 2020.04.04 안녕하세요, 캐글 마스터, 캐글 중독자 이유한입니다. 앞으로 제가 여지껏 메달을 획득했던 대회에서 썼던 여러 팁들을 계속 공유하려고 합니다.
  18. 2020.03.27 We decided to make most of our Deep Learning Teaching Materials freely available
  19. 2020.03.18 Get started with PyTorch, Cloud TPUs, and Colab Joe Spisak : https://medium.com/
  20. 2020.03.18 Softmax Splatting for Video Frame Interpolation (AI Short Paper Summary) Paper:
  21. 2020.03.18 역시 #TFDevSummitKR 키노트에 소개될 만큼 TensorFlow KR 그룹의 저력을 느낄 수 있었습니다. 이 자리를 빌어 하루만에 조회
  22. 2020.03.18 안녕하세요! 어제 부로 캐글 Bengaliai 대회가 마무리되었습니다. 총 2,059 팀의 참여한 대회였고, 정말 다양한 딥러닝 기반 컴퓨
  23. 2020.03.18 [GAN] GAN — GAN Series (from the beginning to the end) GAN zoo 등은 GAN이 너무 많아 어떤
  24. 2020.03.17 손과 얼굴 트래킹은 이제 웹에서 아주 쉽게 할 수 있는 것 같습니다. MediaPipe와 TensorFlow.js 를 이용해서 하는 방법을 잘
  25. 2020.03.17 11 Making the most of Colab (TF Dev Summit '20) - 코랩 소개(주피터 노트북) - 2012년부터 시작
  26. 2020.03.16 안녕하세요! 캐글의 중요성은, 캐글러들의 커리어를 추적하면 바로 알 수 있습니다. 최근 제가 소개드린 albumentations 의 개발자
  27. 2020.03.13 Handwritten word generation with GANs! https://www.profillic.com/paper/arxiv:20
  28. 2020.03.13 안녕하세요, Cognex Deep Learning Lab KR(수아랩) Research Engineer 이호성입니다. 오늘 커뮤니티를 뜨겁게
  29. 2020.03.09 안녕하세요 PyTorch를 시작한지 얼마 안되는 뉴비입니다. PyTorch로 대표적인 논문 모델들을 구현하며 처음 겪었던 어려웠던 점은 '레
  30. 2020.03.08 [Pytorch] 초보가 초보에게 : 어떻게 파일을 나눠야할까? Kaggle로 ML과 시각화를 하던 저에게 Pytorch는 조금 큰 장벽이었습

https://www.facebook.com/111227746026144/posts/850062715475973/?sfnsn=mo

This week's AI Paper Club topic is Deepfakes. We'll cover the technical, philosophical, legal, political, and social perspectives on it. Tutorial and video out in a few days. Discussion on Discord is Sun, 2-4pm ET. All are welcome to listen in or join the discussion. Join us: https://discord.gg/lex-ai

Specific paper in focus is: Siarohin et al. First Order Motion Model for Image Animation. 2019.
Link: https://aliaksandrsiarohin.github.io/first-order-model-website/

Posted by uniqueone
,

From CVPR: Reconstruct photorealistic 3D faces from a single "in-the-wild" image with an increasing level of detail https://www.catalyzex.com/paper/arxiv:2003.13845

AvatarMe outperforms the existing arts by a significant margin and reconstructs authentic, 4K by 6K-resolution 3D faces from a single low-resolution image that, for the first time, bridges the uncanny valley.

Posted by uniqueone
,

https://www.facebook.com/groups/1738168866424224/permalink/2601094500131652/?sfnsn=mo

From CVPR '20: Robust 3D Self-portraits in Seconds

https://www.catalyzex.com/paper/arxiv:2004.02460

The results and experiments show that the proposed method achieves more robust and efficient 3D self-portraits compared with state-of-the-art methods.

Posted by uniqueone
,

https://www.facebook.com/groups/PyTorchKR/permalink/1694564484016559/

안녕하세요, semantic segmentation을 사용해보려는데 입력 이미지 크기에 대해 생긴 궁금증이 있어 글을 남기게 되었습니다.

보통 VGG나 ResNet과 같은 전이학습을 통해 모델을 사용하는 예시코드들을 보면 입력 이미지 사이즈를 pre-processing을 통해 224x224로 조정하던데, 그럼 semantic segmentation에서는 resize를 하지 않고 원본 이미지 그대로 사용하는건가요?

다시 말해서, semantic segmentation을 시도한 FCN 모델을 보면 fully-connectied layer 없이 (1x1 convolution 으로 대체) covolutional networks로만 구성되었기에 입력 이미지 크기와 무관하게 사용할 수 있는건가요?

추가로 생긴 질문은, 그럼 기존의 classification이나 prediction 용으로 VGG나 ResNet을 사용하는 경우에도 fully-connected layer로 넘어가는 input variable 값만 조정해주면 입력 이미지와 무관하게 돌려볼 수 있는게 맞나요?

입력 사이즈에 무관하게 돌리고 싶으시면 global pooling으로 H,W디멘전을 1x1으로 만들어 사용하는 방법도 자주 씁니다.
다만 classification할 때는 연산량 문제도 있고해서 보통 입력을 고정사이즈로 resize해서 사용한다고 알고 있습니다.

'Deep Learning > image_segmentation' 카테고리의 다른 글

YOLACT (YOLO with masks) 로 image segmentation  (2) 2020.01.10
Posted by uniqueone
,

#의료인공지능 #Pathology #대회솔루션코드공개
안녕하세요 TFKR! 서울아산병원이 주최한 의료인공지능대회인 HeLP2019 Challenge의 'Breast cancer classification on frozen pathology’ 주제에서 1위를 달성한 GoldenPass팀(김대영, 최종현, 김태우)의 솔루션 코드를 공유드리고자합니다!!!

🐱 솔루션 코드 github : https://github.com/cyc1am3n/HeLP2019_Breast_Cancer_1st_solution


4월 9일 성과발표회를 끝으로 지난해 12월 말부터 진행되었던 HeLP 2019 Challenge가 종료되었습니다. 그리고 UNIST, 서울대학교병원, 고려대학교가 공동 주관한 PAIP2020 challenge, Kaggle의 PANDA Challenge 등 최근 pathology에 관련된 대회가 많이 열리고 있는데요. 저희 팀의 솔루션이 해당 분야를 공부하시는 분들께 도움이 될 것 같아 코드를 정리해보았습니다. 전체 로직이 궁금하신 분은 아래 youtube 영상 링크를 참고해주세요~!

🎬 GoldenPass팀 성과발표회 영상 : https://youtu.be/T7PmaWMCN2w


또 저희 팀이 참가한 '임파절 병리 조직 슬라이드를 이용한 유방암 전이 판별' 주제 말고도 '응급 상황 전신CT 검사 결과 외상 부위 검출', '호흡수, 맥박수 등 생체신호로 신생아중환자실 응급상황 예측', '심장 CT 검사 결과 바탕 심장판막질환자 구별' 등 총 4가지 주제가 있었는데요. 각 주제의 1위, 2위 팀들의 성과 발표 영상이 Youtube, AI HeLP Challenge AMC 채널에 올라와 있습니다! 이번 HeLP2019 대회의 다양한 주제에 대한 솔루션도 함께 보시면 더 좋을 것 같아 해당 링크도 함께 공유드립니다~!

👩‍⚕️👨‍⚕️ AI HeLP Challenge AMC 채널 링크 : http://bitly.kr/b6Aua1ViO

Posted by uniqueone
,

https://brunch.co.kr/@synabreu/68

안녕하세요? 서진호입니다.

지난 텐서플로우 서밋 후기는 도움이 많이 되셨지요? 이번에는 코세라에서 가장 인기있는 인공지능 및 데이터 사이언스 강의들을 정리했습니다.

이전에 네이버의 김성훈 교수님이 소개 한 적이 있는 데, 좀더 상세하게 한글 자막 유무와 무료/유료 강의 그리고 그 외 몇가지 컨텐츠 인사이트를 볼 수 있는 코세라 컨텐츠 통계 데이터 들을 추가했습니다.

또한 다양한 코세라 강의를 보시고 직접 도전해 볼 수 있는 국내 AIHUB에서 개최하는 포스트 코로나 AI 챌런지에서도 소개했습니다. 인공지능 및 머신러닝, 딥러닝에 대해 스터디 하실 분들에게 도움이 되었으면 합니다.


Posted by uniqueone
,

Made With ML Topics

A collection of the best ML tutorials, toolkits and research organized by topic: https://madewithml.com/topics/

H / T : Goku Mohandas

#DeepLearning #MachineLearning #Tutorials

Posted by uniqueone
,

Nextotech

Discover The Next In Technology

Category

About Us

Contact Us

Privacy Policy

9 Best AI & Machine Learning Books To Read In 2020

Editorial Team

January 22, 2020 / 3

AI and Machine Learning have become one of the hottest and most popular domains in the computer science and Future tech industry.
Every other company around the world is trying to implement Machine learning for better efficiency and transformation, or they are taking up machine learning projects for solving other company’s issues and developmental goals.
If you are that one person who is looking to explore this domain and make take up a new challenge, then we have listed out a few crucial books to start with your journey into Machine Learning. 

Here is The List-

1. Introduction To Machine Learning With Python

It is an introductory book to machine learning, which is targeted for people who don’t have much knowledge or experience in Python.
It will teach you how to build your own machine learning solutions through various methods complemented by multiple sets of examples.
This can be called as the best book for beginner machine learning engineers or practitioners.
 

2. Artificial Intelligence: A Modern Approach

This book provides basic theoretical concepts of artificial intelligence. Beginners can consider this book as a complete reference. It is beneficial for students studying undergraduate or graduate-level courses in Artificial Intelligence.
The latest edition gives you in-depth information about the changes that have taken place in the domain of artificial intelligence from its last edition.
The tremendous practical implications of AI like actual speech recognition, machine translation, general robotics are all well explained in this book.
 

3. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems

Python Machine Learning is an excellent practical book that includes multiple examples of code. This book helps you in the natural understanding of the concepts and tools for developing and building intelligent/advanced systems.
You will learn several techniques and ways to start with basic linear regression and progressing towards deep neural networks.
With the help of practical exercises within each chapter to apply your learnings. It would be best if you had a basic understanding of programming.
 

4. Machine Learning With R

This comprehensive and conceptual book on the language ‘R’ will help you get insights from complex datasets and apply the correct algorithms for solving specific problems.
You will learn how to apply Machine Learning methods to deal with main tasks like forecasting, image categorization, prediction, and clustering.
Machine Learning with R will help you to acquire a brief understanding of a broad scope of subjects but can be possibly less suitable for those who want more in-depth insights in a particular field.
 

5. The Hundred Page Machine Learning Book

This book is a gem. It is a classic practical guide to get started and execute on Machine Learning within a few days without compulsorily knowing much about ML priorly. Linkedin superstar Andriy Burkov authors it
The first five chapters will get you started, and the next few sections provide you the confidence to pursue more advanced topics. ” rA wonderful book for engineers who want to learn ML in very less time without making efforts of learning through the professional degree program.
 

6. Deep Learning With Python

This book was written by a creator of Keras- François Chollet. Keras is one of the most well-known machine learning libraries in Python.
This book starts gently and then goes deep into the practical mode, gives multiple pieces of code you can use straight away, and has many tips in general that can help you in your quest for deep learning. A significant must-read book for people who have knowledge in deep learning.
 

7. Deep Learning (Adaptive Computation and Machine Learning series)

This deep learning book offers a mathematical background and relevant concepts in linear algebra, probability, and deep learning techniques.
The book describes many important deep learning techniques mostly used in the industry, which include deep feedforward networks, convolutional networks, optimization algorithms, sequence modeling, and practical methodology.
This book also offers details on research-related information like linear factor models, structured probabilistic models, autoencoders, partition function, etc.
 

8. Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning Series)

This book is specially dedicated to practitioners who already have a good understanding of machine learning and trying to become an expert in this field.
If you are more mathematical oriented, it is the best book you will read with more machine learning methods which are most advanced in nature.
It is difficult to complete the book at once, but It has been proven to be the best and most comprehensive reference for Machine learners.  
 

9. Make Your Own Neural Network

This popular book has been authored by Tariq Rashid. It’s a gradual journey towards the mathematics of neural networks. Through Python programming language, you can create your own neural network with the help of this book.
In Part 1, different mathematical concepts of neural networks are discussed. Part 2 is thoroughly practical, which helps you to learn the Python language and helps you to create your own neural network recognizing human handwritten numbers and networks made by professionals.
Part 3 has extended the ideas further.
 

Conclusion

While there are tons of free e-learning Artificial intelligence and machine learning courses on the internet, books are still relevant even in these days.
 
 
 
 
 
 
 
 

TechnologyAI & machine Learning Book AI and Machine learning

3 Replies to “9 Best AI & Machine Learning Books To Read In 2020”

SEO Reseller says:

January 24, 2020 at 4:35 am

Awesome post! Keep up the great work! 

Reply

Editorial Team says:

January 28, 2020 at 2:54 pm

Thank You.

Reply

AffiliateLabz says:

February 16, 2020 at 7:26 am

Great content! Super high-quality! Keep it up! 

Reply

Leave a Reply

Your email address will not be published. Required fields are marked *
Comment 
Name * 
Email * 
Website 

Related

25 Best Artificial Intelligence Blogs To Follow In 2020

Top 50 Artificial Intelligence Influencers To Follow On Twitter

9 Best Artificial Intelligence Movies To Watch Out

Best Top 10 ‘CHIPS’ For Artificial Intelligence

Post navigation

 Top 50 Artificial Intelligence Influencers To Follow On Twitter

25 Best Artificial Intelligence Blogs To Follow In 2020 

Archives

February 2020

January 2020

December 2019

November 2019

October 2019

September 2019

August 2019

Ads


Powered by WordPress | Theme: Latest by uXL Themes


Posted by uniqueone
,

Handong university machine learning camp (Korean)

https://www.youtube.com/watch?v=xKhYmlgC7j8&list=PLhicYQInZBfXlD1EsUb53pKD5p9jMWLeZ

Posted by uniqueone
,

Its the time of the week ... new #PyTorch libraries:
FSGAN - Official PyTorch Implementation:
https://github.com/YuvalNirkin/fsgan

ARMORY Adversarial Robustness Evaluation Test Bed:
https://github.com/twosixlabs/armory

PyTorch framework for Deep Learning research and development:
https://github.com/catalyst-team/catalyst

A PyTorch impl of EfficientDet faithful to the original Google impl w/ ported weights:
https://github.com/rwightman/efficientdet-pytorch

Unofficial PyTorch Implementation of EvoNorm https://arxiv.org/pdf/2004.02967.pdf:
https://github.com/digantamisra98/EvoNorm

#datascientist #datascience #machinelearning #dl #deeplearning #ai #artificialintelligence

Posted by uniqueone
,

https://www.facebook.com/groups/PyTorchKR/permalink/1681245292015145/

안녕하세요,

학습을 끝낸 모델을 저장했다가 다시 불러오면 accuracy가 현저히 떨어지는 문제가 발생하는데 도무지 원인을 알 수가 없어 질문드립니다.

현재 pre-trained model을 불러와 own train dataset과 validation dataset으로 학습(fine-tuning)을 끝낸 후, test dataset에 대해 classification을 시도하고 있습니다.

vgg16과 resnet152에 대해서는 validation dataset에서만큼 test dataset에서도 문제없이 accuracy를 얻어냈는데, inception-v3를 사용하면 validation에서는 97-98%를 보이던 모델의 accuracy가 test에서 20% 정도밖에 나오질 않습니다.

혹시나해서 학습이 끝나고 메모리 날리지 않은 상태에서 trained model에 direct로 test dataset을 넣어봤을 때는 accuracy가 잘나오고 있습니다.. 그래서 아마 저장이나 불러오는 과정에서의 문제가 있는 것 같은데, 혹시 inception-v3에서는 따로 저장해줘야 하는 요소가 더 있는건가요?

* 학습이 끝난 model과 optimizer 모두 state_dict로 저장했고, 나중에 불러올 때는 처음에 학습할 때 세팅한 model frame을 만들고 FC layer에서 최종 출력되는 class도 변경하고서 load_state_dict를 적용했습니다.

Posted by uniqueone
,

안녕하세요,

캐글 마스터, 캐글 중독자 이유한입니다.

캐글 대회에서 메달따는 여러 팁들을 공유하고자 합니다.

한글버젼은 제 유투브에, 영어 버젼은 kaggler.tv 에 공유됩니다.

딥러닝 대회에서 주로 써왔던 swa 에 대해서 설명합니다.

링크 입니다. https://youtu.be/C0vnmsGIOEo

SWA 는 tensorflow, pytorch 두개 프레임워크에서 쓰기가 쉽습니다.

그리고, 지도학습 뿐만 아니라, 강화학습에도 잘된다는 군요.ㅎ

논문제목: Averaging Weights Leads to Wider Optima and Better Generalization

https://arxiv.org/abs/1803.05407

좋은 연구해주신 저자분들께 (삼성 AI center도 있군요!) 진심으로 감사드립니다. :)

그리고, 현재 Uber Sr. Data Scientist II Tech Lead Manager 이신 Jeong-Yoon Lee 님께서 운영하고 계시는

Kaggler.TV 에 본 영상의 영어버젼을 업로드 합니다.

swa 영어버젼은 아래와 같으니, 많은 응원 부탁드립니다 :)

https://youtu.be/oXV61WtgELo

## 그리고 어제 저녁 7시에 AI 프렌즈에서 캐글 꿀팁을 방출했습니다. 확인해보세요!

https://youtu.be/EI0BuViZovs

## 많은 피드백 부탁드려요

Posted by uniqueone
,

안녕하세요. TFKR!

전에 공유드렸던 얀 르쿤 교수님의 NYU 딥러닝 강의 번역 프로젝트의 진행상황을 공유합니다!

TFKR을 비롯한 다양한 그룹에서 모인 10여명의 봉사자분들과 함께, 20개에 달하는 5주차까지의 강의 웹페이지 번역이 완료되었습니다! 지금 아래 링크에서 읽어보실 수 있습니다!

 

https://atcold.github.io/pytorch-Deep-Learning/ko/

 

특히 CNN의 창시자라고 할 수 있는 얀 르쿤 교수님의 강의라 그런지, 합성곱과 심층 신경망에 대한 설명이 매우 상세하고 뛰어나서 저도 번역하면서 많이 배울 수 있었던 것 같습니다.

 

딥러닝을 조금 더 공부해보시고 싶으시거나, 복습해보시고 싶으신 분들은 한 번 읽어보시면 좋을 것 같습니다.

또한, 문서에서 오역이나 오류, 오탈자 등을 찾아 아래 깃헙에 PR 해주시면 여러분도 번역에 기여하실 수 있습니다!

 

https://github.com/Atcold/pytorch-Deep-Learning

 

다들 좋은 하루 보내세요!

Posted by uniqueone
,

**object detection - rcnn- fast rcnn- faster rcnn**
안녕하세요 딥러닝 논문읽기 모임입니다!
오늘 소개 시켜 드릴 논문은 faster rcnn 입니다! 오늘날 기준 더 뛰어난 성능을 보이는 object detection 모델은 분명 존재하지만,
Object detection을 처음 접하시는분의 눈높이에 맞춰서 , 자세하고 디테일하게 이미지 처리팀의 권태완 님이 리뷰를 도와주셨습니다!

R-CNN을 개선시긴, Fast R-CNN으로 Object Detection의 수행 속도가 많이 빨라졌지만,
Region Proposal 을 생성하는 방식이 비효율적으로 작동하여 아직도 만족할만큼 좋은 성능을 나타내지는 못했습니다.
R-CNN과 Fast R-CNN은 Region Proposal을 생성하기 위해서 Selective Search라는 알고리즘을 사용했습니다. 이 방법으로 약 2,000개에 가까운 Region Proposal을 생성하는 것 자체가 성능에 아주 큰 병목이었습니다.
그래서 그것을 뉴럴 네트워크로 해결한 Faster R-CNN 이 등장하게 되었습니다. Faster R-CNN은, Region Proposal을 생성하는 방법 자체를 CNN 내부에 네트워크 구조로 넣어놓은 모델입니다. 이 네트워크를 RPN(Region Proposal Network) 이라고 합니다. RPN을 통해서, RoI Pooling을 수행하는 레이어와 Bounding Box를 추출하는 레이어가 같은 특징 맵을 공유할 수 있습니다.

더 디테일한 논문 리뷰는 다음 링크를 참고해주세요!


Posted by uniqueone
,

#공지
안녕하세요 RLKorea 여러분! 🤩
RLKorea에서 운영진 중 한명으로 활동하고 있는 민규식입니다.
오랜만에 올리는 운영진 공지입니다!

우선 RLKorea의 운영진으로 새로운 분을 영입했습니다. 그분은 바로바로… 강화학습 쪽에서는 이미 엄청난 실력자로 유명하신 차금강님입니다!! 앞으로 RLKorea에서 보여줄 금강님의 활약을 기대해주세요!! :)
새로 들어오신 금강님을 포함하여 현재 RLKorea 운영진 인원은 다음과 같습니다.
이웅원, 민규식, 여자유지원, Dongmin Lee, 이의령, 차금강

RLKorea에서는 지금까지 다양한 프로젝트와 세미나 등을 진행해왔는데요. 새로 RLKorea에 가입하신 분들을 위해서 지금까지의 내용들을 다시 한번 정리해보려고 합니다. 내용들이 잘 정리되어 있으니 관심있는 내용은 참고해보시면 좋을 것 같습니다! (y)
프로젝트
1. How to study RL: 강화학습을 처음 접하시는 분들을 위해서 강화학습을 공부하는 과정, 자료 등을 정리했습니다!
Github: https://github.com/reinforcement-learning-kr/how_to_study_rl

2. PG여행: 다양한 Policy Gradient 알고리즘들을 설명하고 구현하는 프로젝트를 진행했습니다. (REINFORCE, DPG, DDPG, NPG, TRPO, PPO)
Github: https://github.com/reinforcement-learning-kr/pg_travel
Blog: https://reinforcement-learning-kr.github.io/2018/06/29/0_pg-travel-guide/

3. 알파오목: 알파고 제로 알고리즘을 9x9 오목에 적용해보는 프로젝트를 진행했습니다.
Github: https://github.com/reinforcement-learning-kr/alpha_omok
2018 ICT 기기산업 페스티벌: https://www.facebook.com/groups/ReinforcementLearningKR/permalink/2084722211767008/

4. 각잡고 로봇팔: 강화학습을 로봇 컨트롤에 적용하는 프로젝트를 진행했습니다.
Github: https://github.com/reinforcement-learning-kr/RL-RobotArm

5. Distributional RL: 다양한 Distributional RL 알고리즘들을 설명하고 구현하는 프로젝트를 진행했습니다. (C51, QR-DQN, IQN)
Github: https://github.com/reinforcement-learning-kr/distributional_rl
Blog: https://reinforcement-learning-kr.github.io/2018/09/27/Distributional_intro/

6. Gail하자!: 다양한 Inverse RL 알고리즘들을 설명하고 구현하는 프로젝트를 진행했습니다. (Linear IRL, APP, MMP, MaxEnt, GAIL, VAIL)
Github: https://github.com/reinforcement-learning-kr/lets-do-irl
Blog: https://reinforcement-learning-kr.github.io/2019/01/22/0_lets-do-irl-guide/

7. Unity ML-Agents Tutorial: 강화학습 환경 제작 툴인 Unity ML-Agents을 이용하여 환경을 직접 제작하고 강화학습 알고리즘을 적용해보는 프로젝트를 진행하였습니다. 해당 프로젝트의 결과물을 정리하여 책으로 출간하였습니다.
Github: https://github.com/reinforcement-learning-kr/Unity_ML_Agents
책: https://wikibook.co.kr/tensorflow-mlagents/

8. Home Navigation: 강화학습을 이용하여 실내 navigation을 수행하는 알고리즘들에 대한 스터디를 진행하였습니다.
SlideShare: https://www.slideshare.net/RLKorea/3d-environment-homenavi

세미나
1. 프로젝트 세미나(1, 2기): 위의 프로젝트들을 진행한 후 해당 내용들을 정리하여 발표하는 세미나를 진행했습니다.
1회 프로젝트 세미나: https://www.facebook.com/groups/ReinforcementLearningKR/permalink/2043333149239248/
2회 프로젝트 세미나: https://www.facebook.com/groups/ReinforcementLearningKR/permalink/2143200905919138/
2회 초청연사 (김예찬님): 강화학습과 LV&A(Look, Listen & Action) 그리고 Navigation Agent: https://www.slideshare.net/ssuserbd7730/lva-navigation-agent

2. 이쯤되면 RL도 Real World로 나가봐야지!: 강화학습을 실제적인 문제 해결에 적용하신 분들을 연사로 모시고 해당 내용에 대한 내용을 공유하는 세미나를 진행하였습니다.
관련 링크: https://www.facebook.com/groups/ReinforcementLearningKR/permalink/2255660448006516/

3. RLKorea Bootcamp: 강화학습의 기초적인 개념부터 다양한 강화학습 알고리즘의 내용과 코드를 살펴보는 Bootcamp 행사를 진행했습니다.
관련 링크: https://www.facebook.com/groups/ReinforcementLearningKR/permalink/2328590640713496/

RLKorea 운영진은 앞으로도 RLKorea 여러분들께 도움이 될 수 있는 다양한 행사를 준비하려고 합니다. 자세한 사항에 대해서는 추후 공지할 예정이니 앞으로도 RLKorea에 대한 많은 관심과 사랑과 성원 부탁드립니다!
RLKorea 여러분 모두 건강하고 행복하세요!! 🥰

Posted by uniqueone
,

PyTorch 기초

https://github.com/vahidk/EffectivePyTorch

Posted by uniqueone
,

안녕하세요,

캐글 마스터, 캐글 중독자 이유한입니다.

앞으로 제가 여지껏 메달을 획득했던 대회에서 썼던 여러 팁들을 계속 공유하려고 합니다.

가장 처음으로, 최근에 bengaliai 대회에서 금메달을 따는 데 큰 도움이된 cutmix 소개 영상을 찍었습니다.

https://youtu.be/Haj-SRL72LY

좋은 연구해주신 Naver clova ai 팀에게 진심으로 감사드립니다 :)

논문은 여기 링크입니다.

https://arxiv.org/abs/1905.04899

그리고, 현재 Uber Sr. Data Scientist II Tech Lead Manager 이신 Jeong-Yoon Lee 님께서 운영하고 계시는

Kaggler.TV 에 본 영상의 영어버젼을 업로드 합니다.

cutmix 영어버젼은 아래와 같으니, 많은 응원 부탁드립니다 :)

https://youtu.be/NYPjruSyD9I

## 많은 피드백 부탁드려요

Posted by uniqueone
,

We decided to make most of our Deep Learning Teaching Materials freely available online:
https://lme.tf.fau.de/teaching/free-deep-learning-resources/
I hope this is useful for some of you. Most of it is CC 4.0 BY, so it might also be useful to everybody who teaches her- or himself.

Posted by uniqueone
,

Get started with PyTorch, Cloud TPUs, and Colab
Joe Spisak : https://medium.com/pytorch/get-started-with-pytorch-cloud-tpus-and-colab-a24757b8f7fc
#PyTorch #Colab #DeepLearning

Posted by uniqueone
,

Softmax Splatting for Video Frame Interpolation (AI Short Paper Summary)
Paper: https://arxiv.org/pdf/2003.05534.pdf
Github: https://github.com/sniklaus/softmax-splatting
Short Summary: https://www.marktechpost.com/2020/03/14/softmax-splatting-for-video-frame-interpolation/

Posted by uniqueone
,

역시 #TFDevSummitKR 키노트에 소개될 만큼 TensorFlow KR 그룹의 저력을 느낄 수 있었습니다. 이 자리를 빌어 하루만에 조회수가 1천회가 넘고, 1백회 이상 공유가 된 것에 대해 감사드립니다. 아울러 여러분들이 스터디 혹은 연구 하는데 도움이 되었으면 합니다.

어제 1부에 이어서 2부에서는 구글의 책임성 있는(Responsible) AI와 텐서플로우 교육 및 새로운 텐서플로우 개발자 인증, 개발자 커뮤니티 활동, 특히 박해선님과 같은 한국 분들이 키노트에 소개되어 "주모!"를 부르지 않을 수 없었습니다. 그외에도 유투브 플레이리스트에 올라와 있는 테크 세션들에 대해 어떤 내용이 발표 되는지 요약했습니다.

그럼 재택근무(WFH) 하시는 분들이 많으실텐데 맛있는 점심들 하시고 COVID19 예방 잘 하세요!

[#TFDevSummitKR](https://www.facebook.com/hashtag/tfdevsummitkr?source=feed_text&epa=HASHTAG&__xts__%5B0%5D=68.ARBejebBJFqAKlP15BF3BuJaqxNvi36oA2Xcwqbg_Cu5EYlpxCCLqpkjriTI-6oYkCmfpyTKFdneEbOZjtghMgw9w1hMfnQdlTjjI23nSI136Xf4cTA1DrXkAAaJX5UoFFMZJ3QialNjSgCwcwNHA8mAsdPW41vdnmDemqrUmIXvVyWAgCauLIObq0udnMnO-QCbo5qwISJ507HL3qfIxx-3jgFfnxBAE0BUTgULX2HTNaWsxjOijg6qgZ-6TfaF-QzI3aHKerbyHnMtgx2GSLRjUgr1k_cDx3cbgfIjR-2r8BZ8Nt6pHUbAlRUmIo-XTjl2XCE&__tn__=%2ANK-R-R)

[https://brunch.co.kr/@synabreu/54](https://l.facebook.com/l.php?u=https%3A%2F%2Fbrunch.co.kr%2F%40synabreu%2F54%3Ffbclid%3DIwAR3oP16PUIpRQV0s865wiy_NwawINHVcScSC4BxYsxl3n8JXBcHMeP18B84&h=AT2soJ-cH94a3l4MHALpnHX7n4z5C3RkNZqED4xhJ8UwvrkkS6npSXT_AkqOWTHqBrMOVGnlFLclwbUrMIpBjGRyCIZLOxG0gxWjqZMKw_s58uHU-TUHxETVAe-iljhWwZBzbkMiNEY2ge824k8Y3KSsxuhkKOJyGegaeo_WFPqp6lVD2XxxxDgDIvC4CtkvTvcdOFTSjIgwhrMz-yG_9JZftMtJW3JIZA6OxpvvXLU5egEQzrYoQJbricy6qrS66nW2bqYpL6Ne9GAfoQS39QYmmYP6dHe1zsSD9pXY6jJIKw2rQ6dbtm1H8fl4qg1pQc_gaTEbnY9PvRfQzp4a2DSTEOd9PqxGT07UhHi6ceFLPNL_CMuIcQkiZvUKqyvPFO8NhM5jQ5IrPM8OGGMI0Js1nSzfAk5Ux8CEIlkF4iEZm0P5OVk7gMbSNiLkaXa248IQj--EM8UsJCqlNjzx2iaFBXao_a-ed7Y4ulJfr02LwMuFygLgEzRF0JLQ_TlhbstzPlvOR_kNnYhkE4lpLbT2UWei8v06k0-8P1MUwB1h7J9xTUzTbNjJmLCLQlFewI7r25uD5rC6VSvBxYMN68xN7Ftm2hhuIvuEsxdoLoyWZFHcXg)

Posted by uniqueone
,

안녕하세요!

어제 부로 캐글 Bengaliai 대회가 마무리되었습니다.

총 2,059 팀의 참여한 대회였고,

정말 다양한 딥러닝 기반 컴퓨터 비젼 기술들이 소개되었습니다.

아래는 대략적인 정리입니다.

학습 기법: Multi label classification, auxiliary target, metric learning(arcface)

데이터 생성: data generation with cycleGAN, fonts

Metric trick: Postprocessing for recall metric

augmentation 기법: cutmix, mixup, augmix, autoaug, cutout, gridmask 등

벌써 상위 솔루션들이 소개되고 있네요

https://www.kaggle.com/c/bengaliai-cv19/discussion

1st. https://www.kaggle.com/c/bengaliai-cv19/discussion/135984

2nd. https://www.kaggle.com/c/bengaliai-cv19/discussion/135966

3rd. https://www.kaggle.com/c/bengaliai-cv19/discussion/135982

5th. https://www.kaggle.com/c/bengaliai-cv19/discussion/136129

6th. https://www.kaggle.com/c/bengaliai-cv19/discussion/136011

7th. https://www.kaggle.com/c/bengaliai-cv19/discussion/135960

8th. https://www.kaggle.com/c/bengaliai-cv19/discussion/135990

9th. https://www.kaggle.com/c/bengaliai-cv19/discussion/135985

14th. https://www.kaggle.com/c/bengaliai-cv19/discussion/136021

정말 DS, ML, DL 공부하는 데 캐글만한 게 없습니다.

최근들어 fast.ai 로 캐글에서 좋은 성적 내는 분들이 많더군요 ㅎ

fast.ai 좋아요!

Posted by uniqueone
,

[GAN] GAN — GAN Series (from the beginning to the end)

GAN zoo 등은 GAN이 너무 많아 어떤 내용부터 봐야할지 모르겠다면, 이 글을 추천합니다.

- GAN 개요
- GAN 프로젝트 예시
- GAN | Improving network design
- GAN | Improving cost function
- 그외 여러 GAN Issue

라는 큰 주제로 글을 잘 정리해두었습니다. 저도 이 순서와 Jaejun Yoo's Playground님의 자료(http://jaejunyoo.blogspot.com/search/label/GAN)를 바탕으로 Keynote를 만들고 있습니다.

매일 읽으면 해당 논문들을 2020상반기까지 읽을 수 있겠죠?? :)
함께 Keep Going 합시다!!

link : https://medium.com/@jonathan_hui/gan-gan-series-2d279f906e7b

Posted by uniqueone
,

손과 얼굴 트래킹은 이제 웹에서 아주 쉽게 할 수 있는 것 같습니다. MediaPipe와 TensorFlow.js 를 이용해서 하는 방법을 잘 소개하고 있네요. 이를 위해 facemesh / handpose 라는 패키지들이 공개되었습니다. 당장 적용해서 써먹어 볼 수 있는 앱들이 많을 것 같습니다.

[https://blog.tensorflow.org/2020/03/face-and-hand-tracking-in-browser-with-mediapipe-and-tensorflowjs.html?linkId=83996111](https://blog.tensorflow.org/2020/03/face-and-hand-tracking-in-browser-with-mediapipe-and-tensorflowjs.html?linkId=83996111)

Posted by uniqueone
,

11 Making the most of Colab (TF Dev Summit '20)

- 코랩 소개(주피터 노트북)

- 2012년부터 시작 : 와우~~ 이것은 몰랐네요. 2017년에 공개되었죠.

- 코랩 노트북에서 가상머신으로의 쉬운 연결, 최신 파이썬 버전 설치되어 있음, 수백개의 유명한 라이브러리 설치.

10가지 유용한 팁

(1) 텐서플로 2.x 버전대 지정하기(사용 가능)

(2) 텐서보드 사용

(3) TFLite? 사용가능 - 코랩에서 훈련하고, 모바일로 배포

(4) TPU - 무료 : 와우~, 런타임 변경 필요.

(5) 로컬 런타임 : 본인 GPU 사용 가능

(6) 코랩 scratchpad ??

(7) 데이터를 코랩 vm에 복사하기 - 속도 향상

(8) 메모리 관리

(9) 작업 종료후 탭 닫기

(10) 필요시에만 - GPU 사용(자원 관리)

코랩 프로 출시

그냥 아무 생각없이 코랩 사용하고 있었는데, 새로 알게된 기능들이 있네요. 코랩을 더 잘 사용할 수 있을 것 같아요. 개인적으로는 데이터를 가상머신에 복사하는 기능의 성능 향상이 궁금하네요. 기존 코랩 사용할 때, 데이터가 크면 로컬에서, 구글드라이브에서 불러올때 성능 차이가 좀 많이 났거든요.

[#TFDevSummitKR](https://www.facebook.com/hashtag/tfdevsummitkr?source=feed_text&epa=HASHTAG)

Posted by uniqueone
,

안녕하세요!

캐글의 중요성은,

캐글러들의 커리어를 추적하면 바로 알 수 있습니다.

최근 제가 소개드린 albumentations 의 개발자이며,

현재 lyft 의 시니어 비젼 엔지니어인 Vladimir Iglovikov 의

lyft3d 대회 후기입니다.

https://www.kaggle.com/c/3d-object-detection-for-autonomous-vehicles/discussion/133895

그랜드마스터가 되면 어떤 삶이 펼쳐지는 지에 대해서도

친절히 답변해주었네요

캐글로 정말 무언가 하고싶으시다면

꼭 읽어봅시다

https://towardsdatascience.com/ask-me-anything-session-with-a-kaggle-grandmaster-vladimir-i-iglovikov-942ad6a06acd

Posted by uniqueone
,

Handwritten word generation with GANs!

https://www.profillic.com/paper/arxiv:2003.02567

They are significantly advanced over prior art and demonstrate with qualitative, quantitative and human-based evaluations the realistic aspect of synthetically produced images.

Posted by uniqueone
,

안녕하세요, Cognex Deep Learning Lab KR(수아랩) Research Engineer 이호성입니다.

오늘 커뮤니티를 뜨겁게 달궜던 AutoML-Zero 논문은 3월 6일 아카이브에 올라온 논문인데요,

이 논문을 읽고 블로그에 리뷰글로 작성하여 공유드립니다. (Sung Kim 김성훈 교수님 재미있는 논문 소개해주셔서 감사합니다!!)

블로그 글: https://hoya012.github.io/blog/automl-zero-review/

내용이 너무 참신하면서도 신기한 부분이 많아서 오랜만에 논문을 재밌게 읽은 것 같습니다. 최대한 어려운 내용을 제외하고 정리를 하였으니 공부하시는데 도움이 되셨으면 좋겠습니다! 감사합니다!

Posted by uniqueone
,

안녕하세요

PyTorch를 시작한지 얼마 안되는 뉴비입니다.

PyTorch로 대표적인 논문 모델들을 구현하며 처음 겪었던 어려웠던 점은 '레포 구조 파악'이었습니다.

그래서 가볍게나마 저와 같은 뉴비들을 위해 가벼운 자료를 만들어봤습니다. PyTorch로 구현을 할 때, 파일 명과 그 용도를 가볍게 정리해봤습니다.

부족한만큼 틀린 내용은 호되게 댓글로 혼내주시면 감사하겠습니다. 제가 알면 더 좋을 내용들도 알려주시면 감사하겠습니다.

항상 커뮤니티에서 많이 배워갑니다. 감사합니다.

[https://web.facebook.com/AI.Lookbook/posts/492964571384277](https://web.facebook.com/AI.Lookbook/posts/492964571384277)

Posted by uniqueone
,

[Pytorch] 초보가 초보에게 : 어떻게 파일을 나눠야할까?

Kaggle로 ML과 시각화를 하던 저에게 Pytorch는 조금 큰 장벽이었습니다. Jupyter로 모든 파일을 작성하기는 어렵고, 그런데 오픈소스 깃헙 레포에는 파일이 너무 많고...

그래서 한 동안 일반적인 딥러닝 레포 구조 파악도 힘들었던 얼마전의 저를 떠올리며 새벽감성으로 가볍게 자료를 만들었습니다.

Simple하게 슥 읽어볼 수 있는 정도로 만들었습니다. Pytorch 초심자분들 모두 힘냅시다!!

slideshare : https://www.slideshare.net/SubinAn1/pytorch-implementation

---

무급으로 이렇게 심플템플릿+강의자료 만들다니...좀 더 실력을 키워 Pytorch 강의를 가야겠습니다. 아니면 조만간 유튜브 재시작은 어떨까요?? ㅎㅎ

#Pytorch #subinium #AI_Lookbook

Posted by uniqueone
,