Most Cited Deep Learning Papers (Link) Recent Trends in Deep Learning Based NLP (Link) 파이선 금융 분석 (Link) Deep Learning for recommandation systems (Link) Machine Learning Mind Maps (Link) Deep Architecture Genealogy (Link) Neural Dialog Papers (Link) Winner take all Autoencoder (Link) Deep Learning Stock Prediction (Link) Adaptive stock trading with dynamic asset allocation using […]
Deep Learning Research Group
장소 : KICT 빅데이터 센터 제목 : Machine learning for formal data 강사 : 백지현 Manger
제11회공개sw개발자대회 금상 TensorMSA(소개) 제11회공개sw개발자대회 금상 TensorMSA(소개) 제11회 공개sw개발자대회 일반부문 금상 수상작 TensorMSA 소개 (Tensorflow MicroServiceArchitecture) Source: www.slideshare.net/healess/11sw-tensormsa . 제11회 공개소프트웨어 개발자대회 제11회 공개소프트웨어 개발자대회 미래창조과학부 주최,공개SW 국제 공모전,공개소프트웨어개발자대회,행사일 Source: project.oss.kr/board/noticeView.do?board_seq=829
#install.packages(“drat”, repos=”https://cran.rstudio.com”) #drat:::addRepo(“dmlc”) #install.packages(“xgboost”, repos=”http://dmlc.ml/drat/”, type = “source”) #install.packages(“xgboost”) #install.packages(c(“dplyr”, “hflights”)) #install.packages(“dummies”) #install.packages(“MASS”) require(xgboost) library(dplyr) library(hflights) library(dummies) library(MASS) setwd(“C:/Users/POSCOUSER/Desktop/”) train = read.csv(“train.csv”) test = read.csv(“test.csv”) col_names = colnames(test) # 트레인 데이터 준비 train_x = subset(train, select=col_names[col_names != “TARGET”]) train_y = subset(train, select=col_names[col_names == “TARGET”]) cate_list_x = c(“CH_pass_fac_flag”, “SM_STEEL_GRD”, “CH_SEQ_IN_CAST”, “SAME_TUND_TR_CAST_SEQ”, “FAC_OP_CD”, “FCE_NUM”, “SM_LD_BLW_METH_TP”, “LD_FCE_AC_UBLW_PTRN_NUM”, “LD_FCE_LW_BW_PTRN_NUM”, […]
1. 강의 안내 : 토크ON세미나 일정 및 목차 ※ 발표 자료는 ‘17.10.25 이후 주최측과 협의하여 홈페이지 공지 여부 판단 예정 2. 강의 자료 : Sk t academy lecture note Sk t academy lecture note NLP and AI Chatbot for developer. Source: www.slideshare.net/healess/sk-t-academy-lecture-note 3. 사이트 참조 : T아카데미 캠퍼스강의 T아카데미 캠퍼스강의 스마트 ICT 분야 최신 트랜드 […]
How To Install Tensormsa Docker-compose version Tensormsa를 구성하기 위해선 Django, Postgres, Nginx, RabbitMQ등 여러 OpenSource 프로그램이 필요하다. 각각의 Official Docker를 Compose 하여 Tensormsa를 실행하는 방법을 안내한다. Prerequisite Tensormsa를 실행하기 위해서는 Docker-compose환경이 필요하다. 설치방법은 Docker Official site를 참고한다 OS : ubuntu 16.04 Docker ce lastest version(https://docs.docker.com/engine/installation/) Docker-comcopse 1.16+(https://docs.docker.com/compose/install/) Git clone Tensormsa를 실행하기 위해서 git을 clone한다. Docker구성을 […]
TensorMSA Easy to Use UI/UX 우리의 프레임웍은 크게 두가지 형태로 서비스를 제공하는데 기본적으로 대부분의 기능을 Rest API 형태로 구축하여 서버간의 연동을 통한 사용방법과 지금 설명하고자 하는 UI/UX 기반의 서비스 제공이다. 서버간의 데이터 수집 및 모델 갱신 과정을 연동을 통해 자동화 하고자 할때는 Rest API 를 통해 서비스를 구성하는 것이 효과적일 것이고, 사용자가 분석을 하려는 목적을 […]
Overroll Service Architecutre 시스템 구성 관점에서의 Architecture 로 “Master”, “AP”, “Train”, “DB”, ”Cluster” 크게 5가지 형태의 Docker Container 를 제공한다. Master 는 전체 서버를 컨트롤하는 기능 수행, Train 은 주로 GPU 서버로 모델의 훈련을 수행, AP 는 훈련된 모델을 서비스로 연결하는 역할을 수행하며, DB와 Cluster 는 각 구성요소들을 연결하기 위한 역할을 수행하게 됩니다. TensorMSA는 이러한 […]
Architecture FrameWork Stack 1.Front End : React(ES6), SVG, D3, Pure CSS, Mobile(for Chatbot FW) 2.Back End : Django(Python 3.5), Restful Service(Micro Service Architecture), Tensorflow(v1.2), PostgreSQL, Memcache, Celery, Spqrk QL, HDF5, Ngix, Gensim, Konlpy 3.Methology : Agile (CI, TDD, Pair programming and Cloud) 4.Infrastructure : Docker