Python으로 나만의 딥러닝 API 만들기 (Feat. AutoAI) - 맹개발TV, 맹윤호

#Python #딥러닝 #API
오래간만입니다. 맹윤호입니다. IBM Developer Day에서 발표한 자료입니다.
청중들의 요청이 많아 영상과 발표자료를 공개합니다.

00:00 시작
00:10 목차
01:05 발표자 맹윤호 소개
01:29 발표 목적 - 데이터 분석 및 파이썬으로 API 만들기
02:40 소스코드 Github 경로
02:42 모든 기업들이 AI를 외치고 있는데, 현재 가장 큰 문제는 제품으로 이어지는 것이다.
03:15 AI 논문 vs AI 특허 vs AI 제품
03:52 머신러닝(Machine Learning)의 구분 - 지도학습 vs 비지도 학습 (Supervised Learning vs Unsupervised Learning)
05:10 머신러닝(Machine Learning)과 딥러닝(Deep Learning)의 차이
05:25 딥러닝이 더 좋으면 왜 머신러닝을 배워요?
06:15 데이터가 불균형한 상태일 때, 혼동행렬(Confusion Matrix)과 F1-Measure
07:25 K-폴드 테스트(K-fold Test)와 과적합(Overfitting)
09:00 F1-Measure code
09:05 K-fold Validation code
09:25 머신러닝(Machine Learning) 시작
10:19 분류 Classification
10:54 선형회귀 Linear Regression
11:21 개발자가 데이터 분석을 할 때 가장 흔히 하는 실수
11:55 양적 변수의 잘못된 사용 예시: 데이터의 성격을 알아야 한다.
13:31 클러스터링 Clustering - 군집탐지 알고리즘
13:32 소프트 클러스터링 (Soft Clustering) vs 하드 클러스터링 (Hard Clustering)
13:47 K 평균 클러스터링 알고리즘 K-Means Clustering Algorithm
14:12 탐색적 데이터 분석으로 데이터 분포를 보아야 하는 이유
14:29 K 평균 클러스터링 알고리즘 코드 K-Means Clustering Algorithm Code
14:58 딥러닝 (Deep Learning) 시작
15:05 ANN(Artificial Neural Network, 인공신경망) 개념 설명
15:42 인공신경망의 수학적 이해
16:15 텐서플로우 이름의 유래
16:27 인공신경망의 수학적 이해 (이어서)
17:55 엑셀로 실행해보고 이해하는 딥러닝
19:03 심층신경망(Deep Neural Network, DNN) & 딥러닝(Deep Learning) 설명
19:15 텐서플로우 (Tensorflow) 와 케라스 (Keras)
19:44 ANN(Artificial Neural Network, 인공신경망) with MNIST - 딥러닝으로 손글씨 인식 예제
20:18 인공지능 개발자가 하루 종일 하는 일 - 인공신경망 성능 향상 (하이퍼 파라미터 튜닝 Hyper Parameter Tuning)
21:15 CNN(Convolutional Neural Network, 합성곱 신경망)
22:32 영상으로 살펴보는 딥러닝의 원리
23:07 엔비디아 Nvidia의 General-Purpose Graphics Processing Unit (GPGPU) 기술
24:44 강화학습 (Reinforcement Learning) 시작
25:34 멀티암드 밴딧 모델 (The Multi-armed Bandit Model)
26:23 맥락 밴딧 모델 (The Contextual Bandits Model)
26:48 플라스크를 활용한 딥러닝 API 만들기 (Flask API with Deep Learning Model)
27:01 API 란?
27:24 플라스크를 활용한 딥러닝 API 만들기 코드 (Flask API with Deep Learning Model Code)
28:55 딥러닝 모델 파일 열어보기
29:35 보스턴 딥러닝 아파트 값 예측 모형 (Flask API with Keras & Tensorflow) 코드 설명
30:51 보스턴 딥러닝 아파트 값 예측 모형 (Flask API with Keras & Tensorflow Demo) 데모 시연
31:50 딥러닝 모델 서빙 (Deep Learning Model Serving) - 케라스(Keras) vs 사이킥런(sklearn)
32:11 딥러닝 모델 서빙 (Deep Learning Model Serving) - 도커(Docker)를 활용한 텐서플로우 모델 서빙
32:28 IBM AutoAI 시작
33:18 AutoAI vs AutoML
34:26 데이터만 잘 넣어주면 동작하는 AutoAI
35:28 AutoAI 결과 해석
36:13 AutoAI API로 모델 서빙하기
37:51 AI도 대체하지 못하는 사람의 영역 1, 데이터 - Garbage in, Garbage out
38:09 AI도 대체하지 못하는 사람의 영역 2, 인과관계와 상관관계의 차이
38:36 AI도 대체하지 못하는 사람의 영역 3, Survivorship Bias (생존자 편향의 오류)

Github https://github.com/yunho0130/devday_python_api
발표자료 https://www.slideshare.net/YunhoMaeng/python-api-feat-autoai

====

* Disclaimer: 모든 의견은 전적으로 개인적인 것으로 저의 소속과 무관합니다. 또한 본 채널에 올라오는 내용은 개인적인 의견이므로 투자 등의 최종 판단의 책임은 각 개인에게 있습니다.