머신러닝 - DEEPLINK CORE Lab

데이터 보강(Data Augmentation), 트레이닝 데이터가 부족할 때

데이터 보강(Data Augmentation) 이란? 기존 데이터 세트를 변형하여 새로운 데이터를 생성하는 기술로 실질적인 데이터 세트의 규모를 키울 수 있는 방법이다.이를

스테이블 디퓨전(Stable Diffusion)은 직접 개인 PC에서 이미지를 생성해 볼 수 있고, 새로이 떠오르는 텍스트-이미지 생성형 인공지능 모델이다. 이번에는 스테이블 디퓨전을

산업 현장에서는 다양한 생산설비와 제어시스템을 통해 대량의 데이터를 생성하고 관리한다. 이러한 데이터는 최적화된 생산 과정, 품질 향상, 예측 정비 등

정형 데이터 적재 정형 데이터란 구조화된 데이터로, 일정한 형식을 갖추고 있는 데이터를 말하며, 이러한 데이터를 적재(Loading)하기 위해서는 여러가지 방법들이 있지만,

이미지 생성모델(Text-To-Image 모델)은 텍스트를 기반으로 이미지를 만들어주는 생성형 인공지능(Generative AI)으로 가장 유명한 모델은 미드저니(MidJourney)와 달리(Dall.E2)가 있다.이번에는 인지도가 위 두 모델보다

Hacker News는 2007년에 개설된 온라인 포럼으로, 기술, 스타트업, 비즈니스, 프로그래밍, 보안 등과 같은 주제에 대한 소셜 뉴스 웹사이트 이다. Hacker

Mixed Data Learning은 다양한 유형의 데이터를 사용하여 학습하는 기술이다. 이러한 데이터는 텍스트, 이미지, 오디오, 비디오 등 여러 형식일 수 있다.

데이터세트 분할은 머신 러닝 모델을 학습시키기 위한 중요한 단계 중 하나이다. 머신러닝 모델 학습에 있어서 데이터세트를 학습용(train), 검증용(validation), 테스트용(test)으로 나누는

이 글은 통합되어 [머신러닝 데이터세트 분할 방법(How to split your dataset?, train_test_split, KFold, StratifiedKFold)] 글에서 확인할 수 있습니다.

Source: Paper