쵸코쿠키의 연습장

프로젝트를 깃을 활용하는 경우, git push.default에 대해 고군분투하였습니다. 그러나 push.default "matching"과 "simple"의 차이가 무엇인지 확실하지 않아 조사를 해보았습니다. git push - 구성에 따라 모든 브랜치 또는 단일 브랜치를 푸시합니다 : 구성 1 – 모든 브랜치 푸시git config --global push.default matching이것은 모든 브랜치들을 remote 브랜치에 push하고 병합할 것을 나타냅니다. 모든 브랜치를 푸시하지 않으려면 현재의 브랜치만 푸시하면 됩니다. 구성 2: 현재 브랜치만 푸시git config --global push.default simple브랜치를 하나씩 푸시합니다. 이것은 대부분 현재의 지점과 연결되어 있습니다..

지식 기반 인공지능(Knowledge based AI)기존의 지식 기반 시스템은 AI의 발전에 대한 접근 방식이 다릅니다. 철학자이자 인지과학자인 대니얼 데넷은 '상향 조직적이고 관료적으로 효율적인 노하우를 갖춘 시스템'에서 빅데이터를 활용한 시스템, 데이터 마이닝·딥러닝 등 '통계 패턴 찾기 기법'을 전환 전략으로 꼽았습니다. 지식 기반 AI의 예로는 신호 처리와 안면 인식 등 패턴 인식 문제에 집중하는 딥러닝 기술의 일종인 신경망 시스템 등이 있습니다. 데이터 기반 AI(Data based AI)데이터 기반 방법은 많은 질문/응답 쌍의 예를 "교육"하여 올바른 답을 얻을 수 있는 시스템을 구축하는 데 초점을 맞춥니다. 이 작업을 하는 방법은 매우 다양합니다. 아마도 가장 인기 있는 방법은 다양한 형태..

많은 사람들에게 인공 지능은 공상 과학 영화의 이미지와 미래를 상상하게 합니다. 그들은 그것을 자신의 직업에 때로는 위협으로 간주하지만 AI는 개인용 컴퓨터 이후로 업무 생산성 측면에서 가장 큰 도약을 의미하며 다른 일부 산업은 정부만큼 AI 혜택을 누릴 수 없습니다. AI를 통해 정부의 업무 방식을 바꿀 수 있으며 직원들이 업무를 효율적으로 수행 할 수 있습니다. AI는 이미 수많은 클라우드 플랫폼에 통합되어 있으며 새로운 정보를 찾고 즉시 결과를 제공하는 데 사용할 수 있습니다. 이것을 "본질적인 인공 지능"이라고 부릅니다. AI는 의사 결정을 가속화하고 평범하고 반복적인 작업을 자동화함으로써 직원의 능률을 향상시킬 수있는 잠재력이 있습니다. 일상 업무에 기계 학습을 가져 오면 정부 기관 및 부서는 ..

침입. 인수인계.이것들은 지난 몇 년 동안 로봇과 인공 지능에 관한 뉴스 헤드 라인에서 자주 나오는 단어들입니다. 이 보도는 일자리에 대한 위협에 중점을 두고 인적 구성 요소를 압박하면서 거의 부정적이었습니다. 로봇과 인공 지능이 위협이 된다면 사회 자체의 위협이 될 수 있습니다. 로봇 및 자율 시스템의 시장은 2025 년까지 매년 9.8 ~ 19.3 조 달러로 추산되지만 최근 보고서에 따르면 이것이 2 계층 사회로 이어질 수 있다는 우려가 제기되었습니다. 엘리트 고 숙련 집단이 사회의 고등부와 저숙련, 저소득층을 지배하며 그에 따른 상향 이동 가능성이 제한되어 사회적 사다리가 망가지는 것입니다. 기술 혁신은 항상 현상에 영향을 미치고 변화가 가져올 두려움을 자극했습니다. 현재 두려움은 생산 수단의 소유..

인공 지능은 사람들이 운전하는 방식에 광범위한 영향을 미칩니다. 그러나 이것은 운전자가 택시 서비스에 정말로 필요한지 여부와 AI가 실제적으로 휠을 돌릴만큼 충분히 앞선 경우 보안에 관한 질문을 제기해야 합니다. 인공 지능지난 몇 년 동안 인공 지능이 도약과 진전을 보인 반면에, 문제의 큰 부분은 도로의 모든 차량이 서로 연결되어 데이터를 교환해야한다는 것입니다. 고려사항드론들은 거의 벗어나고, 사진을 찍거나, 지역을 지도하고, 모두 스스로 착륙하도록 프로그래밍 할 수있는 시점에 있습니다. 현재, 무인 항공기 AI의 발전으로 자율 기계의 비즈니스가 변화하고 있습니다. 무인 항공기의 경우 조종사가 비행 경로를 설정할 수 있고 무인 항공기가 날아 들고 데이터를 수집하고 사진을 찍고 지도를 만들 수 있음을 의..

최소한 전체 교육 시스템을 철저히 조사하고 사람들이 재숙련 할 수있는 방법을 제공해야 합니다. 첫 번째 산업 혁명 기간 동안 미국 인구 농가의 90%에서 2%로 전환하기 위해 일하는 데 필요한 기술을 갖춘 초등 교육을 도입했습니다. 문제는 여전히 산업 시대에 맞는 교육 시스템을 사용하고 있다는 것입니다. 세 가지 R(읽기, 쓰기, 산술)은 한때 노동 인구에서 성공하는 법을 배우는 중요한 기술이었습니다. 이제 이들은 AI에 의해 신속하게 추월되는 기술입니다. 우리는 전체 교육 시스템을 변화시키는 것 외에도 학습이 정규 교육으로 끝나지 않는다는 것을 받아 들여야합니다. 디지털 변환의 기하 급수적인 가속화는 학습이 끊임없이 변화하는 세상을 맞이하기 위해 끊임없이 다시 스킬을 요구하는 평생 추구해야 함을 의미합..

앞서 살펴본 바와 같이 인공 지능과 자동화의 영향에 대한 두려움과 우려에 대한 일반적인 대응은 과거를 돌아보는 것입니다. 그러나 이 접근법은 미래가 유사하게 작동하는 경우에만 유효합니다. 과거와는 다른 많은 것들이 있습니다. 이러한 요소들은 미래가 다르게 나타날 것이라고 믿을만한 충분한 이유를 제공합니다. 과거에는 한 산업의 기술적 붕괴가 반드시 다른 산업의 붕괴를 의미하지는 않았습니다. 자동차 제조를 예로 들어 봅시다. 자동차 제조의 로봇은 생산성과 효율성 면에서 큰 이득을 얻을 수 있지만 같은 로봇은 자동차가 아닌 다른 것을 제조하려고 할 때 쓸모가 없습니다. 로봇의 기본 기술이 적용될 수는 있지만 여전히 제조에만 초점을 맞추고 있습니다. AI는 사실상 모든 산업에 적용될 수 있기 때문에 다릅니다. ..

기술이 우리의 삶에 조용히 찾아가는 것이 사실이며, 이제는 기업이 사람들과 일하는 방식에 미치는 영향을 보여주기 시작했습니다. 아직도 많은 기업들이 기술이 어떻게 직장에서 완전히 사용될 수 있는지에 대해 알지 못합니다. 사람들은 인공 지능 기술이 위협적이라고 생각하는 것과는 달리 사람들의 삶에 혁명을 가져 왔으며 아직 초기 단계에 있습니다. 인도의 신뢰할 수 있는 인공 지능 개발 회사와 함께 사업을 성장시키려는 경우, 비즈니스를 거꾸로 움직이고 운영을 최적화하며 비효율을 줄이고, 많은 돈을 절약 할 수 있는 기회를 얻게됩니다. 차세대 기술 혁명으로서 인공 지능을 부를 수 있습니다. 데이터 또는 정보를 수집하고 저장 한 다음 사용하는 방식을 완전히 바 꾸었습니다. 비즈니스 인텔리전스 붐사람들의 개인적인 삶..

인공 지능 (AI) 및 자동화의 발전은 우리의 세계를 변화시킬 것입니다. 현재의 논쟁은 이러한 변화가 일어날 지 여부가 아니라 인공 지능의 영향이 언제 어떻게 그리고 언제 어디서 가장 치열한 지에 달려 있습니다. 이 정도의 문화적 변화는 항상 우려와 두려움을 야기합니다. 연구에 따르면 2030 년까지는 지능형 에이전트와 로봇이 세계 인류 노동의 30 %를 제거 할 수 있다고 합니다. 규모면에서 자동화 혁명이 미국과 유럽의 1900 년대 농업 노동에서 벗어나고 최근 중국 노동 ​​경제의 폭발과 경쟁 할 수 있다고 제안했습니다. 다양한 채용 시나리오에 따라 2030년까지 자동화가 4억 ~ 8억 개의 일자리로 대체되며, 직업 범주를 완전히 전환하는 데 3억 7,500만 명이 필요하다고 생각합니다. 한 연구소는..

진화 연산은 찰스 다윈의 자연 진화 원리에 바탕을 두고 있습니다. 일반적으로 적자생존이라고 알려져 있습니다. 즉, 한 종의 가장 약한 구성원들은 죽고 가장 강한 구성원들은 살아남습니다. 여러 세대에 걸쳐, 이 종들은 환경에 더 잘 적응하기 위해 진화할 것입니다. 진화 연산에서, 컴퓨터는 문제에 대한 잠재적인 해결책의 집단을 만듭니다. 이러한 솔루션은 종종 랜덤한 솔루션이므로, 문제를 해결하거나, 문제를 해결하지 못할 수 있습니다. 하지만 어떤 솔루션들은 다른 솔루션들보다 약간 더 나을 것입니다. 컴퓨터는 최악의 솔루션을 폐기하고, 더 나은 솔루션을 보존하고, 더 많은 잠재적 솔루션을 배양합니다. 다양한 솔루션의 일부가 결합되어 테스트할 수 있는 새로운 세대의 솔루션을 만들고 프로세스가 다시 시작됩니다. ..

컴퓨터 과학자들은 인간 프로그래머들이 점점 더 많은 문서화되지 않은 API를 탐색하는 데 도움을 줄 수 있는 깊이 있는 소프트웨어 코딩 애플리케이션을 만들었습니다. 컴퓨터를 프로그래밍할 수 있는 응용프로그램을 설계하는 것은 인공지능(AI)이라고 불리는 컴퓨터과학 분야의 오랜 숙고입니다. Bayou라고 불리는 새로운 애플리케이션은 GitHub와 같은 온라인 소스 코드 저장소에서 지식을 추출하기 위한 모티브에서 나왔습니다. 사람들은 코드를 쓸 수 있는 시스템을 만들기 위해 60년 동안 노력해 왔지만, 문제는 이러한 방법들이 애매모호하게 잘 만들어지지 않는다는 것입니다. 대개, 대상 프로그램이 하는 일에 대해 많은 세부사항을 알려줘야 하고, 이런 세부사항을 적어놓는 것은 단순히 코드를 작성하는 것만큼 효과가 ..

그리 멀지 않은 과거에, 프로그래밍은 오늘날보다 더 즐거운 작업이었습니다. 이전에는 엔지니어가 앉아서 컴퓨터가 따라야 할 단계별 지침을 작성할 수 있었습니다. 이제 여러 계층의 테스트, 통합 및 복잡한 배포 규칙이 적용되면서, 하나의 간단한 프로세스가 너무 복잡하며 번거로워졌습니다. 거시적 차원의 복잡성이 왜 본질적으로 위험을 수반하는지 알기 위해서 2008년을 기억해야 합니다. 세계 은행 시장이 거의 붕괴된 이유 중 하나는 업계가 진정으로 이해하는 것이 거의 없는 매우 복잡한 제품을 가지고 있었다는 사실입니다. 이것은 소프트웨어 엔지니어링 산업이 비슷한 운명에 직면했다는 것을 의미하는 것은 아닙니다. 하지만, 가능한 프로세스를 단순화하기 위해 노력해야 합니다. 개발자들이 싫어하는 프로세스 중 하나는 테..

더 많은 고객 중심으로AI를 사용하여 시간 경과에 따른 설문 조사 및 활동에 대한 고객의 반응을 더 잘 분석합니다. 이를 통해 그들이 제공한 피드백뿐만 아니라 응답 속도 및 관련 가능성에 상관되는 특정 특성 및 특성의 존재 여부를 이해할 수 있습니다. 이 정보를 통해 고객은 자신의 고객 설문 조사 전략을 변경할 수 있습니다. 시장 예측개인화, 직관적인 워크 플로우, 향상된 검색 및 제품 권장과 같은 많은 전통적인 장소에서 인공 지능을 사용하고 있습니다. 보다 최근에, AI를 시장 진입 사업에 내놓기 시작하여 미래를 예견함으로써 시장에 첫 선을 보였습니다. 가속 읽기AI는 서면 텍스트에 대한 이해를 가속화하고 있습니다. 간단히 말해서, 인간은 충분히 빨리 읽을 수 없고, 사용할 수 있는 방대한 양의 데이터..

인공 지능(AI)과 머신 러닝(ML)이 비즈니스에 어떻게 도움이되는지 이해하는 것은 어려운 일처럼 보일 수 있습니다. 그러나 삶을 편하게하기 위해 구현할 수 있는 이러한 기술에 대한 수 많은 응용 프로그램이 있습니다. AI 및 ML을 통해 비즈니스는 운영 효율성이 향상되고 업무 속도가 느려지는 평범한 작업을 제거함으로써 이익을 얻게됩니다. 또한 AI 기반 도구와 자동화 된 시스템은 귀사의 자원 사용을 향상시키고 수익에 가시적인 효과를 제공합니다. 인프라, 솔루션 및 서비스 강화협업 솔루션, 보안, 서비스 및 네트워크 인프라에서 AI / ML을 활용하고 있습니다. 예를 들어, 차세대 채팅 및 음성 보조자를 위한 대화식 인터페이스를 구축하기 위해 최근 AI 플랫폼을 인수합니다. AI / ML을 새로운 IT ..

인공 지능 솔루션 : 운영 준비가 되었습니까?인공 지능 (AI)은 확실히 인기있는 전문 용어가 되었습니다. 너무 많은 기업이 이미 사용법을 잘 모르는 중요한 신기술입니다. 현재와 ​​미래에 예측 가능한 미래를 위해 많은 산업체와 기업들이 AI를 운영에 통합하는 방법을 고심하고 있습니다. 그러나 이러한 솔루션을 회사에 구현하려면 타당성에 대한 몇 가지 검증하는 것이 필수적입니다. AI가 해결할 수 있는 문제 이해하기회사에서 인공 지능을 사용할 준비가되었는지 이해하려면 먼저이 기술을 사용해야하는 이유를 묻어야합니다. 어떤 문제를 해결하려고합니까? 좀 더 복잡한 것에 접근하기 전에 간단한 해결책이 있습니까? 해결해야 할 명확한 문제를 확인하지 않고 회사는 기계 학습을 이용할 때 원하는 이익을 얻지 못합니다. ..

AlphaGo의 작동 방식Google DeepMind는 전문 선수의 힘에 필적하는 AlphaGo 용 신경망 AI를 발표했습니다. David Silver 등의 논문은 AlphaGo에 대해 자세히 설명합니다. 그들의 기술은 놀라울 정도로 단순하지만 매우 강력합니다. 이 논문에서 사용 된 기술적 전문 용어에 익숙하지 않은 독자를 위해 시스템 작동 방식을 설명합니다. 딥 러닝"심화 학습"은 다층 인공 신경망과 이를 훈련시키는 방법을 말합니다. 뉴럴 네트워크 계층은 수의 집합을 입력으로 취하고 비선형 활성화 함수를 통해 가중치를 계산하며 다른 수의 집합을 출력으로 생성하는 숫자의 큰 행렬입니다. 이것은 생물학적 뇌에서 뉴런의 기능을 모방하기 위한 것입니다. 행렬에 올바른 숫자가 있고 이 레이어 중 몇 개가 체인에..

제품 매니저와 머신 러닝으로 무엇을 만들고 싶으면 마음에 두셔야 할 목록입니다. 데이터 과학보다 엔지니어링을 우선기계 학습 프로젝트는 무엇보다도 소프트웨어 프로젝트입니다. 많은 데이터 과학자가 제대로 설계되고, 안정적이며, 구축하기 쉬운 소프트웨어를 구축한 경험이 거의 없습니다. 생산 시스템을 구축하면 문제가 됩니다. 일반적으로 엔지니어는 데이터 과학자가 엔지니어링 경험을 습득하는 것보다 더 빨리 데이터 과학 기술을 습득할 수 있습니다. 데이터 과학 박사 학위가 비즈니스 애플리케이션 구축에 처음으로 착수하는 대신 5년 이상의 경험과 AI에 대한 열정을 가진 Python 엔지니어와 협력해야 합니다. 구조화위험을 초기에 줄이는 것이 중요합니다. 프로젝트를 구체적인 이정표로 구조화합니다. - 시제품 제작 완료..

인공지능(AI)은 소프트웨어를 통한 번역 언어를 이전보다 더 정확하게 만들고 있습니다. 구체적으로, 요즘 인공신경망은 자동번역된 언어를 읽고 듣는 사람들에게 더 많은 의미를 부여하고 있습니다. 자동 번역 또는 자동 번역이라고도 하는 기계 번역은 1950년대 이후 여러 해 동안 존재해 왔습니다. 하지만 문장을 기계로 번역하는 전통적인 방법은 문제가 될 수 있습니다. 문제 중 하나는 이러한 방법들이 문장의 문맥 대신 단어 또는 구를 중심으로 단어를 변환하는 것입니다. 그 결과 나온 문장은 앞뒤가 맞지 않거나 심지어 비논리적으로 들립니다. AI, 특히 기계학습은 이 문제를 해결하기 위해 번역에 적용되고 있습니다. AI 기계 번역의 작동 방식기계학습의 한 형태인 신경망은 번역의 정확성을 높일 수 있습니다. 이러..

장벽이 있나요?이미지 인식은 새로운 분야는 아니지만, AI 관측에서는 아직 초기 단계입니다. 그리고 발전하는 십대들처럼, 현실 세계에 적응할 때 문제를 가지고 있습니다. 앞서 "기업의 80%가 AI 애플리케이션을 운영 중이라고 보고한 것"을 기억하시나요? 같은 그룹의 AI 회사들 내에서, 약 33%의 가장 큰 걸림돌은 AI 기술의 정서, 즉 미성숙하고 검증되지 않은 것이라고 말했습니다. 34%는 재능 있는 엔지니어를 채용하는 데 어려움을 겪고 있으며, 40%는 IT 인프라가 발전을 저해하는 경우 회사의 재무적 강도에 큰 타격을 줄 수 있다고 답했습니다. 돈도 문제입니다. Microsoft CNTK 및 Accord와 같은 데이터 흐름 프로그래밍을 위한 오픈 소스 소프트웨어 라이브러리의 수가 증가했기 때문입..

왜 지금 이미지 학습에 투자해야 합니까?2012년, Qualcomm Connected Experience, Inc.는 이미지 인식을 활용하여 다양한 AR 및 VR 관련 기능을 제공하고 모바일 앱 개발자에게 시야를 넓힐 수 있는 자유를 제공하는 소프트웨어 플랫폼인 Vuforia를 처음 선보였습니다. Facebook은 2016년부터 시각장애인들이 사진과 이미지를 '보는 데' 도움을 주기 시작했습니다. Facebook IOS 앱은 이미지 인식을 사용하여 모든 사진에 대한 설명을 생성하고 사용자를 위해 크게 나레이팅합니다. 세계에서 가장 주목받는 AI 업체 중 하나인 구글은 비즈니스 운영에 AI 적용 과정을 단순화하기 위한 툴인 클라우드 오토ML을 선보였습니다. 클라우드 오토ML은 구글의 고객이 이미지를 드래그..