2020년 가장 해 볼만한 인공지능 및 머신러닝 프로젝트 20선

자료실
기타
작성자
인사이트캠퍼스
작성일
2020-04-20 11:16
조회
371




Top 20 Best Artificial Intelligence and Machine Learning Projects in 2020

2020년 가장 해 볼만한 인공지능 및 기계학습 프로젝트 20선










*이 글은 UBUNTUPIT에 작성된 Mehedi Hasan의 글을 번역하였습니다.

현재의 기술 주도 세계에서 기계 학습은 우리의 기계나 전자 장치를 지능적으로 만드는 중요한 영역이다. 이 분야의 목적은 단순한 기계를 사고를 가진 기계로 변형시키는 것이다. 이 글에서는 당신의 흥미를 위해 기계학습과 인공지능 프로젝트를 살펴볼 것이다. 이것은 AI 프로젝트가 매우 경쟁적이고, 까다롭고, 개발하기에 흥미롭기 때문이다. 이 프로젝트들에 당신의 시간과 기술을 투자하기에 아깝지 않을 것이다.

최고의 인공지능 & 기계학습 프로젝트들










1. Sentiment Analyzer of Social Media (소셜 미디어의 심리 분석기)










이것은 흥미롭고 혁신적인 기계 학습 프로젝트들 중 하나이다. 페이스북, 트위터, 유튜브와 같은 소셜 미디어는 빅데이터의 바다다. 따라서 이러한 데이터를 채굴하는 것은 사용자 정서와 의견을 이해하는 데에 있어 여러 면에서 유익할 수 있다.

또한 이 프로젝트는 고객의 제품이나 서비스에 대한 의견이나 반응을 이해하기 위한 디지털 마케팅과 브랜딩에 효과적일 수 있다.

프로젝트의 주요 내용

이것은 파이썬 초보자를 위한 기계학습과 인공지능 프로젝트 중 하나이다.

이 시스템을 훈련시키기 위해 프로젝트 개발자는 시스템 요구 사항에 근거하여 소셜 미디어 게시, 짧은 메시지 트윗 또는 고객의 리뷰를 도울 수 있다.

초보자의 경우 트윗에 해시태그, 위치 등이 포함되어 있음에 따라 분석하기 쉬운 트위터 데이터가 도움이 될 수 있다.

트위터 데이터세트를 이용하면 31,962개의 트윗으로 구성돼 있어 데이터를 충분히 얻을 수 있다.

초보자도 모델을 만들어 데이터를 긍정적이거나 부정적으로 분류할 수 있다.

2. Classification of Iris Flowers (아이리스 꽃 분류)










기계학습의 초보자라면 이 쉬운 초보자용 파이썬 프로젝트가 적합하다. 이 프로젝트는 기계학습 프로젝트의 "헬로 월드"로도 알려져 있다. 이 프로젝트는 R로도 개발할 수 있다.

이 프로젝트는 기계학습의 지원 벡터 방식과 같은 감독된 방법을 사용하여 개발될 수 있다. 아일랜드 꽃의 데이터세트는 꽃받침과 꽃잎의 길이나 폭 같은 숫자의 속성 가지고 있다. 초보자는 데이터를 어떻게 활용해야 할 지에 대해 알아내야 한다.

프로젝트의 주요 내용

아이리스 꽃 데이터세트는 작고, 사전 처리를 할 필요가 없다.

꽃들을 질경이, 세토사, 벌시컬러 등 3종류로 분류하는 것이 이 AI 프로젝트의 과제다.

3. Identifying Product Bundles from Sales Data (판매 데이터에서 제품 번들 식별)










‘판매 데이터에서 제품 번들 식별'이라는 제목의 이 프로젝트는 R로 된 흥미로운 기계 학습 프로젝트 중 하나이다. 이 프로젝트를 R로 개발하려면 주관적인 세분화인 클러스터링 기법을 사용하여 판매 데이터에서 제품 번들을 알아내야 한다.

프로젝트의 주요 내용

이 프로젝트를 개발하려면 데이터 과학에 대해 알아야 한다.

사용되는 언어: R

또한 클러스터링을 위한 감독되지 않은 방법같은 기계학습 접근법들을 알아야 한다.

번들을 식별하기 위해서는 마켓 바스켓 분석을 사용해야 한다.

4. A Music Recommendation System (음악 추천 시스템)










음악을 사랑하고, 늘 좋아하는 노래를 듣는 것을 선호한다면, 이 기계학습 프로젝트는 매우 흥미로운 주제가 될 것이다. 이것은 또한 혁신적인 프로젝트가 될 수 있다. 이 프로젝트의 목표는 사용자 듣기 이력을 바탕으로 음악을 추천하는 것이다.

프로젝트의 주요 내용

이 인공지능 시작은 파이썬과 R 등 두 언어를 모두 사용해 개발될 수 있다.

교육 및 테스트 데이터세트를 만들려면 사용자 듣기 기록에서 주어진 기간 동안의 데이터를 수집해야 한다.

교육 및 시험 데이터세트는 시간에 따라 나뉜다.

5. A Machine Learning Gladiator (기계학습 글래디에이터)

만약 초보자라면 이것은 매우 쉬운 기계학습과 인공지능 프로젝트이다. 이 프로젝트를 통해 모델 구축의 워크플로우에 대한 당신의 지식을 증가시킬 수 있을 것이다. 이 프로젝트를 개발함으로써 데이터 가져오기 방법, 데이터 정리 방법, 사전 처리 및 변환, 교차 검증, 피쳐 엔지니어링에 대한 실습이 가능하다.

프로젝트의 주요 내용

회귀 분석, 분류 및 클러스터링 알고리즘에 대한 지식이 있어야 한다.

데이터셋은 UCI 기계학습 리포지토리 또는 캐글에서 찾을 수 있다.

당신은 파이썬과 R언어를 모두 사용하여 이 프로젝트를 개발할 수 있다.

이 프로젝트를 개발함으로써 시제품 모델에 대해 빨리 배울 수 있을 것이다.

6. TensorFlow (텐서플로우)












당신의 기계 학습 스킬을 향상시키기 위해, 당신은 이 다재다능한 인공지능, 기계학습 소프트웨어, 프레임워크로 연습할 수 있다. 텐서플로우는 가장 최고의, 그리고 가장 인기있는 기계학습 오픈 소스 프로젝트 중 하나이다. 무엇보다도 이것은 구글의 머신 인텔리전스 리서치 조직의 구글 브레인 팀의 일부다.

프로젝트의 주요 내용

이것은 오픈 소스 소프트웨어 라이브러리입니다.

데이터 흐름 그래프를 이용한 수치 계산에 사용된다.

다양한 범위의 애플리케이션에 빠르고 유연하다.

이것은 파이썬 인터페이스를 쉽게 사용할 수 있다.

또한, 자바용 API를 포함하고 있다.

7. Sales Prediction of BigMart (BigMart의 매출 예측)










당신이 만약 초보자이고, 기계 학습 모델을 구축하는 방법에 관심이 있다면 빅마트의 매출 예측이 좋은 시작점일 수 있다. 빅마트의 매출 예측은 파이썬 초보자들에게 가장 쉬운 기계학습과 인공지능 프로젝트 중 하나이다. 이것은 또한 데이터 과학 프로젝트이기도 하다. 이 프로젝트의 목적은 예측 모델을 개발하고 주어진 빅마트 매장에서 각 제품의 매출을 알아보는 것이다.

프로젝트의 주요 내용

이 데이터 집합은 10개의 다른 점포에 걸쳐 1559개 제품의 2013년 판매 데이터로 구성된다.

1559개 각 제품의 판매를 예측하기 위해서는 회귀 모델을 구축해야 한다.

이 프로젝트를 개발함으로써 당신은 판매 데이터의 시각화를 이해할 수 있다.

당신은 파이썬의 판매 예측에 기계학습의 기술을 적용하는 방법에 대해 알게 될 것이다.

8. Predict Wine Quality (와인 품질 예측)










만약 혁신적인 동시에 흥미로운 기계 학습 시작을 발전시키고 싶다면, 와인 품질 예측 프로젝트는 좋은 선택지이다. 와인 품질 데이터 세트를 사용하여 이 프로젝트를 개발할 수 있다. 이 프로젝트의 목적은 와인의 화학적 성질을 바탕으로 품질을 예측하는 것이다. 이것은 R의 초보자들을 위한 간단한 기계학습 프로젝트 중 하나이다.

프로젝트의 주요 내용

이 프로젝트를 개발함으로써 데이터 검색에 대해 배울 것이다.

이 프로젝트를 개발하려면 회귀 모델에 대해 알아야 한다.

데이터 시각화에 대해 배우게 될 것이다.

R과 기초 통계에 대해서도 알게 될 것이다.

9. Scikit-learn (사이킷런)










또 다른 오픈소스 인공지능 시작은 사이킷런이다. 이것을 개발하기는 꽤 쉽다. 이 툴은 기계 학습 프로젝트를 위한 파이썬 모듈이다. 이것은 효과적으로 접근 가능하고 다양한 도메인에서 재사용 가능성이 높다.

프로젝트의 주요 내용

데이터 마이닝 및 데이터 분석을 위한 효율적인 툴.

NumPy와 pandas라는 이름의 파이썬 라이브러리를 몇 개 설치해야 한다.

이 툴은 무료로 제공된다.

기계학습 세계에 입문하는 것에 있어서, 인공지능 프로젝트를 개발하는 데 유용한 툴이 될 수 있다.

10. Walmart Sales Forecasting (월마트 판매 예측)










데이터세트에 액세스하는 방법과, 이것을 어떻게 불러와서 적재하는지에 대해 알고 싶다면 월마트 판매 예측 데이터세트 프로젝트는 흥미로운 기계학습 프로젝트가 될 것이다. 이 프로젝트의 과제는 모든 아웃렛의 모든 부서의 매출을 예측하여 채널 개선 및 재고 설계를 위한 더 높은 지식 중심의 선택을 만드는 데 도움을 주는 것이다.

프로젝트의 주요 내용

월마트 데이터세트는 45개 점포에 걸쳐 98개 제품에 대한 데이터를 포함하고 있다.

PC에 R-studio를 설치해야 한다.

이 프로젝트의 개발 과정 동안, 당신은 R로 데이터를 다루는 방법과 R 패키지를 재조정하는 방법을 배울 것이다.

또한, 당신은 R로 조건문과 루프에 대해 배울 것이다.

11. MNIST Handwritten Digit Classification (MNIST 수기 숫자 분류)










기계학습의 전문가가 되고 싶다면 다양한 영역에서 많은 연습을 해야 한다. 딥러닝과 신경망은 초보자가 시간과 기술을 투자할 수 있는 기회다. 이미지 인식의 적용에 중요한 역할을 하기 때문이다. 이 인공지능 프로젝트의 임무는 손으로 쓴 한 자리 숫자의 이미지를 찍어 그 숫자가 무엇인지 알아내는 것이다.

프로젝트의 주요 내용

MNIST 데이터 세트는 간단하고 쉽게 액세스할 수 있다.

MNIST 데이터 세트는 사전 준비되고, 포맷된 28×28 픽셀의 손으로 쓴 숫자 이미지 6만여개로 구성된다.

당신은 이 프로젝트의 개발 동안 딥러닝과 로지스틱 회귀에 대한 당신의 기술을 강화할 것이다.

픽셀 데이터를 이미지로 변환하는 방법을 배우게 될 것이다.

12. Theano (테아노)

테아노는 또 하나의 오픈 소스 기계 학습 시작점 또는 프로젝트이다. 이 툴은 기계학습 개발자가 수학적 표현을 정의 및 최적화하고, 이를 평가할 수 있도록 하는 파이선 라이브러리로서 다차원 배열을 효율적으로 포함한다.

테아노는 컴퓨터 대수 시스템(CAS)과 최적화 컴파일러를 통합한다. 이 툴은 학문적 연구에도 활용할 수 있다. 만약 교육적인 연구 목적으로 사용하려 한다면 인용은 필수이다.

프로젝트의 주요 내용

이 툴은 NumPy와 통합되어 있다.

표현을 효율적으로 평가한다.

이 오픈 소스 프로젝트는 많은 유형의 오류를 감지할 수 있다.

13. Solving Multiple Classification Use Cases using H2O (H2O를 이용한 다중분류 이용 사례 해결)

만약 당신이 기계 학습 전문가이면서 H2O, 데이터 과학, 기계 학습 알고리즘과 같은 여러 도메인에 대한 아이디어가 있다면 이것은 당신의 기술을 활용할 수 있는 프로젝트이다. 이것은 R로 된 기계학습과 인공지능 프로젝트 중 하나이다. 이 프로젝트에서는 기계 학습 모델을 개발하는 측면에서 H2O와 기능성을 이용해야 한다.

프로젝트의 주요 내용

Hadoop 환경에서 H2O를 사용하여 모델 확장성에 대해 배우게 될 것이다.

H20은 선형 회귀, 로지스틱 회귀, 나이브 베이즈, K-평균 군집화, 워드투벡터와 같은 많은 기계 학습 알고리즘의 통합이다.

R-studio, R, H2O를 사용해야 한다.

H2O에는 Stacked Ensembles 기법을 포함한다

14. Keras (케라스)










중견 개발자이면서 실제의 기계학습 과제를 위해 스킬 향상을 바란다면 기계학습 오픈소스 프로젝트에 대해 알아야 한다. 케라스는 최고의 오픈소스 기계학습 프로젝트 중 하나이다. 이 툴은 손쉬운 확장성, 사용자 친화성과 같은 몇 가지 두드러진 특징을 가지고 있으며 파이썬으로 활용될 수 있다.

프로젝트의 주요 내용

파이썬으로 작성된 고도의 신경망 API이다.

이 오픈소스 툴은 쉽고 빠른 시제품 제작이 가능하다.

이 툴은 Python 2.7-3.6과 호환된다.

이 플랫폼은 콘볼루션 네트워크와 리커런트 네트워크, 그리고 또한 이 두 네트워크의 복합을 모두 지원한다.

15. PyTorch (파이토치)










NLP-자연어 처리에 대해 알고 있고, 이 유망한 분야에 관심이 있다면 파이토치 오픈 소스 프로젝트 혹은 플랫폼은 당신을 위한 것이다. 말 그대로, PyTorch는 Torch를 기반으로 한 파이썬을 위한 오픈소스 기계학습 라이브러리이다. 이 툴은 자연어 처리와 같은 기계학습 응용에 사용된다.

프로젝트의 주요 내용

이것은 두 가지 높은 수준의 특징을 가지고 있다. 즉, 강력한 GPU 가속을 가진 NumPy와 심층 신경망은 테이프 기반의 자동 미분 시스템에서 구축된다.

파이토치는 자동 미분 기법을 사용한다.

이 툴의 하이브리드 프런트 엔드는 유연성과 속도를 제공한다.

16. Disease Prediction (질병 예측)










만약 여러분이 의학에 기계 학습을 적용하고 싶다면, 질병 예측에 관한 이 기계 학습은 흥미로운 시작점일 수 있다. 이 AI 프로젝트의 과제는 다른 질병들을 예측하는 것이다. R Studio를 이용하여 R로 기계학습 모델을 구축해야 한다.

프로젝트의 주요 내용

이 프로젝트에서 Breast Cancer Wisconsin (진단용) 데이터 세트를 사용할 수 있다.

이 데이터 세트에는 악성 또는 양성 유방 종양의 두 가지 예측 부류가 있다.

이 프로젝트를 개발하려면 랜덤 포레스트에 대해 알아야 한다.

17. Stock Price Prediction (주가 예측)










만약 금융 분야에 관심이 있다면 이것은 흥미로운 주제가 될 수 있다. 이 프로젝트의 목표나 과제는 향후 주가를 예측하는 것이다. 이 시스템은 회사의 과거 성과로부터 습득한다.

프로젝트의 주요 내용

주식시장 데이터세트는 Quandl.com 또는 Quantopian.com에서 다운로드할 수 있다.

이 프로젝트에서 해결해야 할 과제는 주가 데이터가 세분화되어 있고, 이러한 데이터는 변동성 지수, 가격, 기초 지표 등 서로 다른 유형이라는 점이다.

새로운 데이터로 시스템을 쉽게 검증할 수 있다.

초보자라면 프로젝트의 과제를 제한할 수 있다. 분기별 조직 보고서에 따라 6개월간의 가격 움직임만 예측할 수 있다.

18. A Recommended Systems using Movielens Dataset (무비렌즈 데이터세트를 이용하는 추천 시스템)










오늘날 사람들은 TV로 영화를 보는 것보다 온라인으로 영화를 보는 것에 관심이 많다. 만약 혁신적이고 흥미로운 프로젝트 아이디어를 가지고 일하는 것에 열정을 가지고 있다면, 이 아이디어가 당신에게 도움이 될 수도 있을 것이다. 이 시스템의 목표는 효율적인 추천 시스템을 개발하는 것이다.

프로젝트의 주요 내용

무비렌즈 데이터세트는 무비렌즈 사용자 6,040명이 만든 3,900편의 영화 평점 1,000,209개로 구성 되어있다.

이 시스템은 두가지 언어 R과 Python을 모두 사용하여 개발할 수 있다.

이 기계학습 프로젝트는 초보자에게 유용하다.

영화 제목에 대한 워드 클라우드 시각화를 구축하여 영화 추천 시스템을 개발할 수 있다.

19. Human Activity Recognition System (인간 활동 인식 시스템)










인간 활동 인식 시스템은 인간의 건강 활동을 식별할 수 있는 분류기 모델이다. 이 프로젝트를 개발하려면 스마트폰을 통해 포착된 30인의 체력단련 활동이 담긴 스마트폰 데이터세트를 이용해야 한다. 이 프로젝트는 다 분류 문제의 해결 절차를 이해하는 데 도움이 될 것이다. 만약 당신이 초보자라면, 이 프로젝트는 당신의 기계 학습 능력을 절대적으로 향상시켜줄 것이다.

프로젝트의 주요 내용

이 인공지능 프로젝트는 분류 문제이다. 이를 통해 초보 개발자는 문제 해결 능력을 높일 수 있다.

SVM (서라운드 뷰 모니터)과 Adaboost (에이다부스트)에 대해 배우게 될 것이다.

데이터세트는 교육 및 테스트 단계를 위해 랜덤하게 분할되었다. 교육 단계에서는 데이터의 70%, 테스트의 30%가 있다.

20. Neon (네온)












오픈소스 기계학습과 인공지능 프로젝트인 네온은 시니어나 전문 기계학습 개발자에게 가장 적합하다. 이 툴은 인텔 너바나의 파이썬 기반 딥러닝 라이브러리다. 이 툴은 사용 편의성과 확장성 기능으로 고성능을 제공한다.

프로젝트의 주요 내용

시각화를 위한 틀이다.

이것은 교체 가능한 하드웨어 백엔드를 가지고 있다.

코드를 한 번 쓰고 CPU, GPU 또는 Nervana 하드웨어에 배치할 수 있다.

이 툴은 ConvNets, autoencoders, LSTM 및 RNN을 포함하여 일반적으로 사용되는 모델들을 지원한다.




번역 - 핀인사이트 인턴연구원 이예지

원문 보러가기 > https://www.ubuntupit.com/top-20-best-machine-learning-projects-for-beginner-to-professional/




전체 0

전체 572
번호 썸네일 제목 작성자 작성일 추천 조회
공지사항 [공지사항] 코로나바이러스감영증-19 예방을 위한 강의장 방역 안내
[공지사항] 코로나바이러스감영증-19 예방을 위한 강의장 방역 안내
[공지사항] 코로나바이러스감영증-19 예방을 위한 강의장 방역 안내
인사이트캠퍼스 | 2020.03.05 | 추천 0 | 조회 758
인사이트캠퍼스 2020.03.05 0 758
공지사항
비밀글 파이썬으로 배우는 블록체인 구조와 이론 (위키북스)
finweb | 2019.07.05 | 추천 0 | 조회 14
finweb 2019.07.05 0 14
569 딥러닝을 활용한 금융 시계열 분석 - 2
딥러닝을 활용한 금융 시계열 분석 - 2
딥러닝을 활용한 금융 시계열 분석 - 2
인사이트캠퍼스 | 2020.05.25 | 추천 0 | 조회 36
인사이트캠퍼스 2020.05.25 0 36
568 퀀텀 컴퓨팅의 실용화 방안
퀀텀 컴퓨팅의 실용화 방안
퀀텀 컴퓨팅의 실용화 방안
인사이트캠퍼스 | 2020.05.18 | 추천 0 | 조회 92
인사이트캠퍼스 2020.05.18 0 92
567 딥러닝을 활용한 금융 시계열 분석 - 1
딥러닝을 활용한 금융 시계열 분석 - 1
딥러닝을 활용한 금융 시계열 분석 - 1
인사이트캠퍼스 | 2020.05.18 | 추천 0 | 조회 42
인사이트캠퍼스 2020.05.18 0 42
566 동적 자산 배분과 유니버셜 포트폴리오
동적 자산 배분과 유니버셜 포트폴리오
동적 자산 배분과 유니버셜 포트폴리오
인사이트캠퍼스 | 2020.05.14 | 추천 0 | 조회 124
인사이트캠퍼스 2020.05.14 0 124
565 2020년 최고의 인공지능 및 머신러닝 소프트웨어 및 프레임워크 Top 20
2020년 최고의 인공지능 및 머신러닝 소프트웨어 및 프레임워크 Top 20
2020년 최고의 인공지능 및 머신러닝 소프트웨어 및 프레임워크 Top 20
인사이트캠퍼스 | 2020.05.13 | 추천 0 | 조회 136
인사이트캠퍼스 2020.05.13 0 136
564 자주 묻는 머신러닝 인터뷰 질문 및 답변 50선
자주 묻는 머신러닝 인터뷰 질문 및 답변 50선
자주 묻는 머신러닝 인터뷰 질문 및 답변 50선
인사이트캠퍼스 | 2020.05.11 | 추천 0 | 조회 153
인사이트캠퍼스 2020.05.11 0 153
563 좋은 vs 나쁜 액티브 펀드 관리 : 3 가지 지표
좋은 vs 나쁜 액티브 펀드 관리 : 3 가지 지표
좋은 vs 나쁜 액티브 펀드 관리 : 3 가지 지표
인사이트캠퍼스 | 2020.05.06 | 추천 0 | 조회 133
인사이트캠퍼스 2020.05.06 0 133
562 그녀는 돈의 보스: 여성 온라인 투자의 4대 트렌드
그녀는 돈의 보스: 여성 온라인 투자의 4대 트렌드
그녀는 돈의 보스: 여성 온라인 투자의 4대 트렌드
인사이트캠퍼스 | 2020.05.06 | 추천 0 | 조회 113
인사이트캠퍼스 2020.05.06 0 113
561 변동성 측정의 이해
변동성 측정의 이해
변동성 측정의 이해
인사이트캠퍼스 | 2020.05.06 | 추천 0 | 조회 138
인사이트캠퍼스 2020.05.06 0 138
560 새로운 재료를 찾는 데 있어 최적화를 촉진하는 신경망
새로운 재료를 찾는 데 있어 최적화를 촉진하는 신경망
새로운 재료를 찾는 데 있어 최적화를 촉진하는 신경망
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 117
인사이트캠퍼스 2020.04.29 0 117
559 2020년 멋진 오픈 소스 소프트웨어 5개
2020년 멋진 오픈 소스 소프트웨어 5개
2020년 멋진 오픈 소스 소프트웨어 5개
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 134
인사이트캠퍼스 2020.04.29 0 134
558 AI가 속아 넘어갈 수 있을까?
AI가 속아 넘어갈 수 있을까?
AI가 속아 넘어갈 수 있을까?
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 75
인사이트캠퍼스 2020.04.29 0 75
557 블록체인이 채택되면서 협업이 새로운 경쟁인가?
블록체인이 채택되면서 협업이 새로운 경쟁인가?
블록체인이 채택되면서 협업이 새로운 경쟁인가?
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 84
인사이트캠퍼스 2020.04.29 0 84
556 간단한 전자 상거래 웹사이트 스크래핑
간단한 전자 상거래 웹사이트 스크래핑
간단한 전자 상거래 웹사이트 스크래핑
인사이트캠퍼스 | 2020.04.29 | 추천 0 | 조회 118
인사이트캠퍼스 2020.04.29 0 118
555 디지털 화폐 – CBDC를 발행하는 데에 무엇이 필요한가?
디지털 화폐 – CBDC를 발행하는 데에 무엇이 필요한가?
디지털 화폐 – CBDC를 발행하는 데에 무엇이 필요한가?
인사이트캠퍼스 | 2020.04.27 | 추천 0 | 조회 153
인사이트캠퍼스 2020.04.27 0 153
554 2020년 가장 해 볼만한 인공지능 및 머신러닝 프로젝트 20선
2020년 가장 해 볼만한 인공지능 및 머신러닝 프로젝트 20선
2020년 가장 해 볼만한 인공지능 및 머신러닝 프로젝트 20선
인사이트캠퍼스 | 2020.04.20 | 추천 0 | 조회 371
인사이트캠퍼스 2020.04.20 0 371
553 Netflix가 Druid를 실시간 이해에 사용하여 고품질 체험을 보장하는 방법
Netflix가 Druid를 실시간 이해에 사용하여 고품질 체험을 보장하는 방법
Netflix가 Druid를 실시간 이해에 사용하여 고품질 체험을 보장하는 방법
인사이트캠퍼스 | 2020.04.13 | 추천 0 | 조회 86
인사이트캠퍼스 2020.04.13 0 86
552 미디어 파이프를 사용한 모바일 장치의 실시간 3D 객체 탐지
미디어 파이프를 사용한 모바일 장치의 실시간 3D 객체 탐지
미디어 파이프를 사용한 모바일 장치의 실시간 3D 객체 탐지
인사이트캠퍼스 | 2020.04.09 | 추천 0 | 조회 63
인사이트캠퍼스 2020.04.09 0 63
551 Open Images V6 - 현지화된 서술 특성 제공
Open Images V6 - 현지화된 서술 특성 제공
Open Images V6 - 현지화된 서술 특성 제공
인사이트캠퍼스 | 2020.04.09 | 추천 0 | 조회 60
인사이트캠퍼스 2020.04.09 0 60
550 외형 변경, 자유 로밍 소프트 로봇 제작
외형 변경, 자유 로밍 소프트 로봇 제작
외형 변경, 자유 로밍 소프트 로봇 제작
인사이트캠퍼스 | 2020.04.09 | 추천 0 | 조회 48
인사이트캠퍼스 2020.04.09 0 48