오늘 날 GPU 기반 딥 러닝 기술은 인공 지능, 자율주행 자동차 등 4차 산업 혁명의 중심에 서 있습니다. 국내 딥 러닝 기술 연구는 보다 활발해지고 있으며 더욱 더 많은 기업들이 인공지능 기반의 제품과 서비스를 준비하고 있습니다.
이러한 흐름에 발맞춰 NVIDIA가 매년 개최하고 있는 Deep Learning Day 2017은 오전에 진행되는 키노트 발표 세션과 오후에 진행되는 딥러닝 인스티튜트로 나뉘어 진행되며 최신 딥 러닝 트렌드와 사례, 그리고 트레이닝 랩에 이르기까지 많은 것들을 배워 가실 수 있습니다.
이번 Deep Learning Day 2017은 5월 25일 서울, 5월 30일 대전에서 각각 진행되며, 원하는 프로그램을 자유롭게 선택하여 들으실 수 있습니다. 한정된 좌석으로 조기 마감될 수 있으니 등록을 서둘러 주시기 바랍니다.
To reach super-human accuracy, new AI applications based on deep learning require tremendous amounts of computing power that simply isn’t achievable with CPU advancements driven by Moore’s law. This session will describe the latest NVIDIA GPU hardware and software advancements for accelerating deep learning applications.
딥 러닝에 기반을 둔 새로운 인공지능(AI) 애플리케이션은 초인적인 정확성에 도달하기 위해 무어의 법칙에 의한 기존의 CPU 발전으로는 도저히 불가능한 엄청난 양의 연산력을 요구합니다. 이 세션은 딥 러닝 애플리케이션의 가속을 지원하는 최신 NVIDIA GPU 하드웨어 및 소프트웨어 발전에 관한 정보를 제공합니다.
HPE’s Future Aspect on How Deep Learning will Advance Society
Suk Won, Chung HPE
Deep learning is a big change that will nurture a new way of thinking, living, and cultural behaviour to our society; it is not limited to just the span of IT trend. Through this session, HPE will cover their views on this mega trend, along with their innovations and future roadmap in the area of deep learning.
딥 러닝은 단순히 IT 비즈니스의 트랜드를 넘어 새로운 문화를 우리 사회에 불러올 큰 변화이며, 그 어느 때보다도 이러한 변화는 실제로 체감되고 있습니다. 이러한 시점에서 현 산업의 흐름에 대비하기 위해 HPE가 준비하고 있는 딥 러닝의 미래를 소개해 드립니다.
Power AI - Journey to Cognitive era (Integrated Platform for Deep Learning)
Wook, Huh IBM
Introducing Deep learning total solution stack for fast and effective process which will accelerate rom cognitive to deep learning, latest big data analysis.
인공지능에서부터 딥 러닝, 첨단 빅데이터 분석 그리고 연산 집약적인 작업을 더욱 빠르고 효율적으로 처리하기 위해 개발된 딥 러닝용 토털 솔루션 스택을 소개 합니다.
Deep Reinforcement Learning: Algorithms and Brains
Sang Wan, Lee KAIST
Recent advances in artificial intelligence research have paved the way for developing human-level intelligent systems. However, this begs the question of how the human brain efficiently handles a wide variety of learning tasks, whereas conventional AI wisdoms still require task-specific implementation. Another question remains as to how the human brain learns from few observation, which is still a monumental challenge for the state-of-the-art machine learning algorithms.
This talk discusses modern reinforcement learning (RL) algorithms. The algorithm of RL is juxtaposed with the neuroscience of RL. A deeper insight into this contrast not only permits further advances in reinforcement learning theory, but also helps us understand human reinforcement learning on the deepest level.
The talk is organized as follows:
Optimal control
Reinforcement learning
Deep reinforcement learning: algorithms
Deep reinforcement learning: brains
최근에는 인공 지능 연구를 통해 인간 수준의 지능형 시스템 개발이 가능해졌습니다. 하지만, 인공 지능은 여전히 특정 작업에서만 구현이 가능한 반면에, 인간의 뇌는 다양한 범위의 학습 작업을 어떻게 효율적으로 수행하는지에 관한 질문이 남아있습니다. 또한, 인간의 뇌는 어떻게 적은 양의 관찰로도 학습할 수 있는지에 관한 질문도 남아있는데, 이는 최첨단 머신 러닝 알고리즘에게 있어 여전히 엄청난 도전입니다.
이 세션에서는 현대 강화학습 알고리즘을 다룹니다. 강화학습의 알고리즘은 강화학습의 신경과학과 병치됩니다. 차이점에 관한 더 깊은 통찰은 강화학습 이론의 발전뿐만 아니라 인간의 강화학습 방식에 대한 심도 깊은 이해를 가능하게 합니다.
세션의 구성은 다음과 같습니다.
최적제어
강화학습
딥 강화학습: 알고리즘
딥 강화학습: 뇌
Accelerating Deep Learning Applications
Donald Chen NVIDIA
To reach super-human accuracy, new AI applications based on deep learning require tremendous amounts of computing power that simply isn’t achievable with CPU advancements driven by Moore’s law. This session will describe the latest NVIDIA GPU hardware and software advancements for accelerating deep learning applications.
딥 러닝에 기반을 둔 새로운 인공지능(AI) 애플리케이션은 초인적인 정확성에 도달하기 위해 무어의 법칙에 의한 기존의 CPU 발전으로는 도저히 불가능한 엄청난 양의 연산력을 요구합니다. 이 세션은 딥 러닝 애플리케이션의 가속을 지원하는 최신 NVIDIA GPU 하드웨어 및 소프트웨어 발전에 관한 정보를 제공합니다.
HPE’s Future Aspect on How Deep Learning will Advance Society
Suk Won, Chung HPE
Deep learning is a big change that will nurture a new way of thinking, living, and cultural behaviour to our society; it is not limited to just the span of IT trend. Through this session, HPE will cover their views on this mega trend, along with their innovations and future roadmap in the area of deep learning.
딥 러닝은 단순히 IT 비즈니스의 트랜드를 넘어 새로운 문화를 우리 사회에 불러올 큰 변화이며, 그 어느 때보다도 이러한 변화는 실제로 체감되고 있습니다. 이러한 시점에서 현 산업의 흐름에 대비하기 위해 HPE가 준비하고 있는 딥 러닝의 미래를 소개해 드립니다.
Artificial Intelligence for Transportation Operation and Planning
Kee Min, Sohn Chungang Univ.
Recently, artificial intelligences have been spotlighted in many industry fields, but a success story can rarely be heard in the real world. If an artificial intelligence is applied to solving problems with a vital aspect such as safety, security, or human lives, the perfect integrity is required without a failure. On the other hand, artificial intelligences could have a great advantage when applied in the macro-level transportation operation and planning wherein no vital aspect is involved. The conventional rule-based models have a big challenge in finding an optimal solution for complex transportation problems. Artificial intelligences are a robust alternative for rigorously solving them. This talk introduces several practical cases of utilizing an artificial intelligence to find solutions for macro-level transportation problems. Implementing these applications within a practical computing time would be impossible without utilizing NVIDIA GPUs.
최근 산업 각분야에서 인공지능의 적용이 활발히 연구되고는 있으나, 현실적으로 구현된 실제 사례는 찾아 보기 힘든 실정입니다. 자율자동차 제어, 의료 진단과 같이 인간의 생명과 직결되는 분야에서의 인공지능 적용시에는 실수를 용납하지 않는 완결성을 요하므로 실용화가 쉽지 않는 반면에 거시적 차원의 교통운영 및 계획 문제에 적용하는 인공지능은 이러한 무결성이 요구되지 않으며, 현재의 기술수준에서도 충분한 응용가능성이 있습니다. 전통적으로 교통운영 및 계획문제의 최적 해법은 찾기 어려운 것으로 알려져 있는 바, 이에 대한 인공지능의 적용성은 매우 높습니다. 본 발표에서는 교통 수요예측, 교통 신호 운영등 실제 교통 운영 및 계획 문제의 풀이에 적용된 인공 지능 사례를 소개합니다. 더불어 NVIDIA GPU의 도움 없이는 이러한 응용 사례들의 실행이 불가능하다는 점에 주목하며 상세히 설명드릴 예정입니다.
NLP – Research Trends, Services and the Future
Ji Hyun, Kim Busan Univ.
NLP (Natural Language Processing) using deep learning has various applications. We are going to study the types of services using NLP such as machine translation, speech recognition, opinion mining. And the core algorithms of them will be introduced. Finally, we will look into the future of NLP applications.
자연어 처리는 인공지능의 꽃이라고 불릴 만큼 그 응용분야가 다양합니다. 기계번역, 음성인식, 오피니언 마이닝 등 자연어 처리를 활용한 서비스의 종류에 대해서 알아보고, 해당 서비스 분야에서 주로 활용된 인공지능 알고리즘에 대해 알아봅니다. 마지막으로 향후 자연어처리 응용 분야의 미래에 대해서 살펴봅니다.
Getting Started with Deep Learning
Deep learning is giving machines near human levels of visual recognition capabilities and disrupting many applications by replacing hand-coded software with predictive models learned directly from data. This lab introduces the machine learning workflow and provides hands-on experience with using deep neural networks (DNN) to solve a real-world image classification problem. You will walk through the process of data preparation, model definition, model training and troubleshooting, validation testing and strategies for improving model performance. You will also see the benefits of GPU acceleration in the model training process. On completion of this lab you will have the knowledge to use NVIDIA DIGITS to train a DNN on your own image classification dataset.
딥 러닝은 일반 코딩 소프트웨어를 데이터 기반으로 학습하는 예측 모델로 대체하여 기계에 인간 수준의 시각 인식 능력을 부여하고 기존 수많은 애플리케이션을 혼란에 빠지게 하고 있습니다. 이 실습에서는 머신 러닝 워크플로우를 소개하고 심층신경망(DNN)을 사용하여 실생활 이미지들을 분류하는 것을 직접 실습할 수 있습니다. 데이터 준비, 모델 정의, 모델 훈련 및 장애 처리, 유효 시험 및 모델 성능 개설을 위한 전략 등의 절차를 단계별로 경험할 수 있습니다. 또한 모델 훈련 절차에서 GPU 가속의 이점을 보실 수 있습니다. 이 실습을 완료하면 NVIDIA DIGITS를 사용하여 자신만의 이미지 분류 데이터 세트에 DNN을 훈련시킬 수 있습니다.
Introduction to Deep Learning
In this interactive class we will introduce the rapidly developing technology of Deep Learning accelerated by GPUs. Recent advances in Deep Learning have led to a step change in performance in a number of machine perception tasks including visual perception, speech recognition, and natural language understanding after decades of slow progress in these areas. The catalyst for this progress is the advent of big data via the internet, algorithmic advances and dense computation via GPUs. We will tour the most popular software frameworks for Deep Learning with the goal of helping you decide which framework best suits your application needs as a researcher or developer. No prior knowledge of Deep Learning is required.
최근 딥 러닝 분야의 발전으로 시 지각(Visual Perception), 음성 인식(Speech Recognition), 및 자연어 이해(Natural Language)와 같은 기계 인지(Machine Perception) 기술 분야에 새로운 전환기가 도래했습니다. 이런 발전의 촉매제는 빅 데이터의 출현, 알고리즘의 발전, 그리고 GPU를 통한 고밀도 연산을 들 수 있습니다. 연구자 또는 개발자에게 애플리케이션 요구사항에 가장 적합한 프레임 워크를 찾을 수 있도록 가장 실무적인 딥 러닝 소프트웨어 프레임워크를 살펴봅니다.
