Your browser is out of date

Update your browser to view this website correctly. Update my browser now

×

서브스크립션 없이도 이용 가능한 Fast Forward Labs 연구

앞으로 모든 신규 Report는 공개적으로 이용 가능하며 무료로 다운로드할 수 있습니다. 또한 기존 Report가 업데이트될 경우 신규 버전에 대한 액세스도 제공할 예정이니 무료로 이용 가능한 연구에 대해 자주 확인해 주세요.

무료로 제공되는 연구 Report

누구나 무료로 이용할 수 있는 최신 연구 Report와 프로토타입을 확인하세요. 

퓨샷 텍스트 분류

텍스트 분류는 감정 분석, 주제 지정, 문서 식별, 기사 추천 등에 사용할 수 있습니다. 현재 이와 같은 기본 작업 수행에 수십 가지 기술이 존재하지만 이 중 다수는 대량의 라벨링 된 데이터가 있어야만 사용할 수 있습니다. 사용 사례에 대한 주석 수집은 일반적으로 머신 러닝 애플리케이션에서 가장 많은 비용이 드는 부분 중 하나입니다. 본 Report에서는 잠재적 텍스트 임베딩이 학습 예제가 거의 없거나 아예 없는 상태에서 어떻게 사용될 수 있는지 그리고 이러한 방법을 구현하기 위해 모범 사례에 대한 통찰력을 어떻게 제공할 수 있는지 알아봅니다.

보고서 보기

코드 알아보기

Few-Shot Text Classification

구조적인 시계열

시계열 데이터는 어디에나 존재합니다. 본 Report는 일반화된 추가 모델을 검토하며, 이를 통해 시계열을 구조적인 구성 요소로 분해하여 모델링하는 간단하고 유연하며 해석 가능한 수단을 제공합니다. 시계열에 대한 곡선 맞춤 접근 방식이 가진 이점과 장단점을 살펴보고 수요 예측 문제에 대해 Facebook Prophet 라이브러리를 통해 사용 방법을 보여줍니다.

보고서 보기

코드 알아보기

메타 학습

인간의 학습 방식과 달리 딥 러닝 알고리즘은 방대한 양의 데이터와 컴퓨팅이 필요하지만 이를 일반화하는 데는 아직 어려움을 겪을 수도 있습니다. 인간은 새로운 문제에 직면했을 때 이전 경험에서 얻은 지식을 활용하기 때문에 빠른 적응력을 보여줍니다. 본 Report에서는 메타 학습이 데이터에서 습득한 이전 지식을 활용하여 테스트 시간 동안 새로운 문제를 신속하고 효율적으로 해결하는 방법을 설명합니다.

보고서 보기

코드 알아보기

자동 질문 응답

자동 질문 응답은 자연어를 사용하여 데이터에서 정보를 추출하는 사용자 친화적인 방법입니다. 최근 자연어 처리가 발전하면서 비정형 텍스트 데이터로부터의 질문 응답 기능이 빠르게 발전하였습니다. 본 블로그 시리즈에서는 엔드 투 엔드 질문 응답 시스템 구축의 기술적이고 실용적인 측면을 자세히 설명합니다.

인터랙티브 블로그 시리즈 읽어보기

프로토타입 살펴보기

머신 러닝의 인과 관계

인과 추론과 머신 러닝이 만나는 지점에 대한 연구가 활발히 진행되고 있으며 이를 통해 보다 강력하고 신뢰성 있으며 공정한 머신 러닝 시스템 구축이 가능해지고 있습니다. 본 Report에서는 인과 그래프, 불변 예측 등 인과 추론을 소개하고 다양한 사용 사례에 적용된 고전적인 머신 러닝 기술을 바탕으로 인과 추론 도구 적용 방법을 안내합니다.

프로토타입 살펴보기

Report 지금 읽기

Interpretability: 2020년 판

시스템이 결정을 내리는 이유와 방법을 설명하는 능력인 해석력을 통해 모델을 개선하고 규정을 지키며 더 나은 제품을 구축할 수 있습니다. 딥 러닝과 같은 블랙박스 기술은 해석력을 희생하여 혁신적인 기능을 제공해 왔습니다. SHAP와 같은 기술이 최근 추가된 이번 Report를 통해 기능이나 정확성을 그대로 유지하면서도 모델을 어떻게 해석하는지 그 방법을 확인할 수 있습니다.

프로토타입 살펴보기

Report 지금 읽기

이상 감지를 위한 딥 러닝

무수히 많은 애플리케이션이 사기 행위 감지에서부터 이미지 데이터 이상 플래깅에 이르기까지 비정상 데이터를 자동으로 식별합니다. 이러한 식별 프로세스는 복잡한 대규모 데이터로 작업할 때 특히 까다로울 수 있습니다. 본 Report를 통해 이상 감지, 성능 벤치마크, 제품 가능성 등에 대한 딥 러닝 접근법(시퀀스 모델, VAE, GAN)을 확인할 수 있습니다.

프로토타입 살펴보기

Report 지금 읽기

Fast Forward Labs Deep Learning for Image Analysis - 2019 Edition report preview

통합 학습

통합 학습을 사용하면 학습 데이터에 직접 액세스하지 않고도 머신 러닝 시스템을 구축할 수 있습니다. 데이터는 원래 위치에 남아있기 때문에 개인 정보를 보호하고 통신 비용을 절감할 수 있습니다. 통합 학습은 스마트폰 및 엣지 하드웨어, 의료 서비스 및 기타 개인 정보에 민감한 사용 사례, 예측 유지보수와 같은 산업 애플리케이션 등에 적합합니다.

프로토타입 살펴보기

Report 지금 읽기

Fast Forward Labs Deep Learning for Image Analysis - 2019 Edition report preview

서브스크립션 전용 Report

기존 Report의 업데이트 버전이 추후 무료로 제공될 예정이니 자주 확인해 주세요.

Fast Forward Labs Transfer Learning for NLP report preview

NLP를 위한 전이 학습

자연어 처리(NLP) 기술은 언어를 번역하고, 질문에 대답하고, 사람이 인지하는 텍스트를 생성할 수 있습니다. 하지만 기본적인 딥 러닝 기법을 이용하려면 높은 비용의 데이터세트, 인프라 및 전문 기술이 필요합니다. 이번 보고서에서는 전이 학습을 사용해 기존 모델을 NLP 애플리케이션에 적용함으로써 고성능 NLP 시스템을 더욱 쉽게 구축할 수 있는 방법에 대해서 알아보겠습니다.

Fast Forward Labs Deep Learning for Image Analysis - 2019 Edition report preview

이미지 분석을 위한 딥 러닝 - 2019 에디션

이미지에서 유의적인 특징과 개념을 학습하는 데 우수한 성능을 발휘한다는 점에서 컨볼루션 신경망(CNN 또는 ConvNets)은 의료 영상 처리부터 제조에 이르기까지 다양한 영역에서 문제를 해결하는 데 매우 중요합니다. 이번 보고서에서는 이미지 분석 작업에 적합한 딥 러닝 모델과 딥 러닝 모델의 디버깅 기법을 선택하는 방법에 대해서 알아보겠습니다.

Image of Multi-Task Learning Report and Prototype

멀티태스크 러닝

이번 보고서에서는 멀티태스크 러닝을 주제로 알고리즘을 활용해 다수의 작업을 동시에 완수하도록 하는 새로운 머신 러닝 접근법에 대한 내용을 다루었습니다.

시맨틱 추천

시맨틱 컨텐츠를 활용하여 콜드 스타트 문제와 같은 추천과 관련된 공통의 위험 요소를 해결하는 방법이 소개되어 있어 신제품 개발을 위한 새로운 가능성을 열어 드립니다.

해석 가능성

모델의 기능이나 정확성은 그대로 유지하면서도 쉽게 해석이 가능하도록 하는 방법을 보여 드립니다.

확률론적 프로그래밍

확률론적 프로그래밍과 베이지안 추론을 활용해 보다 효과적인 의사결정을 가능케 하는 예측 툴을 손쉽게 개발하는 방법을 알려 드립니다.

서머라이제이션

딥 러닝과 임베딩을 활용해 컴퓨팅 가능한 텍스트를 제작하여 다양한 비즈니스 분야와 제품에 적용하는 방법에 대해 알아보세요.

딥 러닝: 이미지 분석

딥 러닝의 역사와 현재 위치를 살펴보고 딥 러닝을 구현하는 방법에 대한 설명과 함께 미래 발전 방향을 예측해 봅니다.

실시간 스트림 처리를 위한 확률론적 방법

데이터 스트림으로부터 가치를 도출하는 효율성 높은 모델을 제공하는 확률론적 방법에 대해 알아봅니다.

자연 언어 생성

머신 시스템을 활용해 고도로 구조화된 데이터를 인간 언어 내러티브로 변환하는 방법에 대해 알아봅니다.

Fast Forward Labs 블로그 포스트 읽기

 

미래를 향한 변화에 발을 맞추세요

Cloudera의 월간 뉴스레터를 구독하고 최신 AI 활용 사례 뿐만 아니라 당사의 새로운 소식과 이벤트 정보를 받아보세요.

 

연구 구독 관련 연락처

Your form submission has failed.

This may have been caused by one of the following:

  • Your request timed out
  • A plugin/browser extension blocked the submission. If you have an ad blocking plugin please disable it and close this message to reload the page.