Deep Learning

 

 Deep Neural Network + Machine Learning = Deep Learning

term :

딥 러닝 (Deep Learning)    텐서플로 (TensorFlow)     신경망 (Neural Network)     머신러닝 (Machine Learning)    인공지능 (Artificial Intelligence)    로봇 (Robot)

site :

Wikipedia : Deep learning    위키백과 : 딥 러닝

video :

딥 러닝을 위한 PyTorch 활용법 - 1강 : SKtechx Tacademy : 2018/03/15 ... 동영상 5개

 

딥 러닝을 활용한 자연어처리 기술 실습 - 1강 : SKtechx Tacademy : 2017/12/07 ... 동영상 4개

 

인공지능을 위한 머신러닝 알고리즘 15강 - Keras를 통한 딥러닝 구현 및 실습 : SKtechx Tacademy : 2017/09/14 ... 동영상 15개

 

딥 러닝 기반의 음성인식 기술 : SKtechx Tacademy : 2017/06/18

 

Deep Learning, Where are you going? - 조경현 :  naver d2 : 2017/08/22

 

딥 러닝 기반의 영상인식 기술 - 1강 : SKtechx Tacademy : 2017/06/06 ... 동영상 2개

 

딥러닝 기술의 이해와 TensorFlow를 활용한 실습 : SKtechx Tacademy : 2017/04/24 ... 동영상 4개

 

Machine/Deep Learning with TensorFlow (Python) : Sung Kim  홍콩과기대 김성훈  강의 : 2017/03/21 ... 동영상 50개

 

Deep learning at Oxford 2015 : Oxford - Computer Science : Nando de Freitas, 2015/01/22 ... Playlist 16

 

Geoffrey Hinton - Deep Learning : Univ. of Cambridge : Geoffrey Hinton, 2015/11/12

 

기계가 인간의 마음을 이해하다 : 세바시   548회 : 최영상 삼성전자 종합기술원 연구원, 2015/04/13

 

(전문가 토크 릴레이) 기계학습과 딥러닝의 NLP, 검색, 텍스트마이닝 응용 : 솔트룩스 : 이경일 대표이사  2015/11/11

 

Deep Learning : Intelligence from Big Data : VLAB : 2014/10/31

 

article :

안과 질환에서도 인공지능 이용한 진단 길 열려 : 의사신문 : 김기원 기자 : 2017/08/28 : 인공지능 (Artificial Intelligence) 을 활용한 암 진단이 국내 의료계에 확산되고 있는 가운데 안과에서도 AI를 활용, 진단이 까다로운 시신경질환을 100%에 가깝게 진단한 연구결과가 나와 주목받고 있다. 건양의대 김안과병원 김응수교수팀(신경안과)은 오늘(28일) “시신경병증에 대한 머신러닝(machine learning)의 유용성 연구를 진행한 결과, 100%에 가까운 진단성공률을 보였다”고 발표했다. 참고로 머신러닝 (Machine Learning) 은 인공지능의 한 분야로, 경험적 데이터를 기반으로 학습과 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘 (Algorithm) 을 연구하고 구축하는 기술이다. 특히 암 진단에 뛰어난 성과를 보여주고 있는데 국내 각 대학병원들이 도입한 IBM사의 왓슨 (Watson) 역시 머신러닝의 일종이다. 김교수팀은 머신러닝에 정상안 501건의 시신경 사진과 녹내장으로 진단된 눈 474건의 시신경 사진 데이터를 입력하여 학습을 시키면서 분석을 진행했는데 학습 및 분석기법은 회귀분석방법과 합성곱신경망(Convolution Neural Network) 방법 2가지를 이용했다. 분석 결과, 회귀분석 (Regression Analysis) 방법에서는 약 100회의 반복학습 시부터 훈련정확도가 100%에 가까워졌으며, 350회의 반복학습으로 훈련이 완료됐다. 다만 이 기법에서는 녹내장안의 진단정확도가 98.5%에 그쳤다. 합성곱신경망 기법에서는 500회를 넘어가면서 훈련정확도가 100%에 가까워지기 시작했으며 800회의 훈련으로 100%에 이르렀다. 또한 녹내장안의 진단정확도도 100%를 기록했다. 이와 관련 김 교수팀은 “이 결과는 합성곱 신경망 (Convolutional Neural Network, CNN) 기법으로 머신러닝을 훈련시키면 시신경사진만 가지고 녹내장 이환 여부를 거의 100% 진단할 수 있음을 의미한다. 다만 이번 연구에서 녹내장의 특징이 뚜렷하게 나타나는 시신경 사진만 사용, 녹내장인지 아닌지 감별진단하기 어려운 시신경 사진 진단에는 약간의 한계가 있을 수 있다”고 말했다. 인공지능 활용은 4차산업혁명의 소용돌이 속에서 의료계에도 빠르게 확산되고 있다. 현재 피부암 분야와 함께 안과영역에서도 당뇨망막병증의 진단 및 분류에 있어서 90%에 육박한 정확도를 보여 주고 있어 경험 많은 의사에 필적하는 진단능력이 확인되고 있다. 특히 이러한 결과는 미국의학협회지(JAMA), 네이처(NATURE) 등 세계 유수의 학술지에 발표되고 있다. 김응수 교수팀의 이번 연구는 피디젠(안광성박사, 조성훈), 숭실대 생명정보학과 (김상수 교수, 안진모) ETRI(전자통신연구원, 최완 부장, 우영춘 책임)와의 협력아래 진행됐다. 김 교수는 “이번 연구 결과는 비교적 간단한 검사로 얻을 수 있는 시신경 사진만으로도 녹내장을 비롯한 다양한 시신경병증의 감별진단과 조기발견이 가능할 수 있음을 시사한 것”이라며 “다양한 안과 검사 이미지를 활용, 머신러닝을 훈련시키면 각막, 망막질환 등 각종 안과질환의 진단에 활용할 수 있을 것으로 생각한다. 관련 연구를 계속 이어나갈 계획”이라고 밝혔다. 한편, 합성곱신경망은 신경망으로 구성된 딥 러닝 (Deep Learning) 유형으로 특히 이미지의 사물 인식 분야, 음성인식 (Speech Recognition) 분야에서 각광 받고 있다. 컬러 이미지와 같은 다차원 배열로 이루어진 데이터의 처리가 가능하다. 일반적인 신경망은 이미지 데이터 그대로 처리하지만, CNN은 이미지에서 특징을 추출해 처리한다.