매스웍스(MathWorks)는 실생활이나 산업 프로세스를 혁신적으로 개선할 아이디어를 모델로 구현하는 ‘매트랩 AI 모델 챌린지’를 개최한다고 20일 밝혔다. 매스웍스의 엔지니어팀으로 구성된 대회 심사위원들은 이번 챌린지에서 ▲주제에 대한 아이디어와 AI모델링의 적절성 ▲출품작의 기술 역량 ▲매트랩 및 매스웍스 툴 활용의 창의성 ▲프로모션 기간 동안 다운로드 수 및 별점 ▲제출한 모델의 개수 등을 기준으로 출품작을 평가할 예정이다. 텐서플로우(TensorFlow), 파이토치(PyTorch) 등 다른 프레임워크 모델도 제출 가능하지만, 이 경우 매트랩(MATLAB)에서 구동 및 호스팅이 가능해야 한다. 수상자는 내년 2월 발표될 예정이며 수상 부문은 매스웍스상(100만 원), 인기상(50만 원), 평점상(50만 원), 다작상(50만 원)으로 1명(팀)씩 선정 및 시상한다. 두 명 이상의 개인 또는 팀의 출품작이 동점인 경우, 심사 기준의 중요도 순으로 재심사해 선정한다. 이종민 매스웍스코리아 대표는 “많은 개발자가 매트랩 커뮤니티에 발표된 다양한 코드들을 활용해 효율적으로 인공지능 시스템을 개발하고 있다”며 “이번 경진대회를 통해 참가자들이 세상을 변화시킬 수
마우저 일렉트로닉스는 인텔의 새로운 독립 FPGA(field-programmable gate array) 기업인 알테라(AlteraTM)의 제품을 공급한다고 29일 밝혔다. 마우저는 인텔 제품의 글로벌 공인 유통기업이다. FPGA 비전 웹캐스트에서 샌드라 리베라 알테라 CEO와 섀넌 폴린 COO(chief operating officer)는 패브릭에 인공지능(AI)을 내장한 유일한 FPGA를 포함한 기업의 포트폴리오를 확장하고 증가하는 고객의 도전과제를 해결하기 위한 지원 전략을 공개했다. 또한 알테라를 새로운 기업 브랜드로 공식 발표했다. 알테라는 확장된 포트폴리오와 로드맵을 통해 클라우드, 네트워크 및 엣지 전반에 걸쳐 FPGA 시장의 성장에 효과적으로 대응하는 동시에 동급 최상의 쿼터스 프라임(Quartus Prime) 소프트웨어와 통합이 용이한 AI 기능을 향상함으로써 빠르게 성장하는 애플리케이션 분야를 공략할 방침이다. AI가 급부상함에 따라 모든 산업 분야 전반에 걸쳐 새로운 복잡성이 대두되는 가운데 기회 또한 창출되고 있다. 알테라는 텐서플로(TensorFlow), 파이토치(PyTorch) 등의 표준 프레임워크를 기반으로 최적화된 IP(intel
헬로티 전자기술 기자 | 아마존웹서비스(이하 AWS)는 메타가 AWS를 전략적 클라우드 공급자로 선정, 양사간의 협력관계를 강화했다고 발표했다. 메타는 AWS의 검증된 인프라와 포괄적 기능으로 기존 온프레미스 인프라를 보완하고 AWS 컴퓨팅, 스토리지, 데이터베이스, 보안 서비스 사용을 확대해 클라우드에서 개인 정보 보호, 안정성, 확장성을 제공하겠다는 방침이다. 메타는 AWS에서 서드파티 협업을 실행하고 클라우드로 기존 AWS를 활용 중인 기업의 인수를 지원하는 동시에 AWS의 컴퓨팅 서비스를 기반으로 메타 AI 그룹의 AI 연구 개발을 가속화할 계획이라고 밝혔다. 메타와 AWS는 AWS에서 파이토치를 실행하는 고객을 위해 성능을 개선하고 개발자가 AI/ML 모델을 구축, 학습, 배포, 운영하는 방법을 가속화하는 작업을 공동으로 진행할 계획이다. AWS와 메타는 파이토치 성능과 파이토치와 아마존 EC2, 아마존 세이지메이커 등 AWS 핵심 관리 서비스의 통합을 최적화해 ML 연구진과 개발자들이 대규모 AI 모델을 구축, 학습, 배포하도록 지원할 계획이다. 개발자들이 자연어 처리(NLP)와 컴퓨터 비전을 위한 대규모 딥러닝 모델을 쉽게 구축하도록 하기 위해
헬로티 이동재 기자 | KAIST 전산학부 이재길 교수 연구팀이 적은 양의 훈련 데이터가 존재할 때도 높은 예측 정확도를 달성할 수 있는 새로운 딥러닝 모델 훈련 기술을 개발했다고 27일 밝혔다. 기술이 적용되면 기존에 수작업으로 진행돼 많은 노동력과 시간이 소모되던 레이블링(Labeling) 과정을 보다 효과적으로 수행할 수 있다. 이번에 개발된 기술은 심층 학습 모델의 훈련에서 바람직하지 않은 특성을 억제해 충분하지 않은 훈련 데이터를 가지고도 높은 예측 정확도를 달성할 수 있게 해주는 기술이다. 연구팀은 바람직하지 않은 특성을 억제하기 위해서 분포 외(out of distribution) 데이터를 활용했다. 다량의 분포 외 데이터를 추가로 활용해 추출된 특성이 영(0) 벡터가 되도록 심층 학습 모델의 훈련 과정을 규제해, 바람직하지 않은 특성의 효과를 억제하는 원리다. 기존에 딥러닝 과정에서 분포 외 데이터는 쓸모없는 것이라 여겨지고 있었으나, 이번 연구에선 오히려 훈련 데이터 부족을 해소할 수 있는 유용한 보완재로 탈바꿈됐다. 연구팀은 이 정규화 방법론을 ‘비선호 특성 억제’라고 이름 붙이고 이미지 데이터 분석의 세 가지 주요 문제에 적용했다. 그 결
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 01월 13일 15시 17분
