신호처리 응용프로그램을 위한 데이터 중심 AI (Data-Centric AI)
매스웍스코리아 송완빈
자율 주행, 음성 인식 또는 기계 번역과 같은 일부 분야의 경우 AI 적용은 대규모 데이터 세트와 풍부한 연구 결과에 의존할 수 있습니다. 보통 이러한 영역에서의 연구는 훨씬 더 복잡한 AI 모델의 설계를 통해 시스템 성능을 개선하는 데 가장 중점을 둡니다. 반면에 대부분의 산업용 신호 처리 응용프로그램은 데이터가 부족하고 노이즈가 많은 경향이 있으며 맞춤형 모델이 매우 드물어 AI를 적용하기란 쉽지 않습니다.
본 세션에서는 도메인별 전문 지식을 기반으로 데이터 중심 워크플로를 사용하여 모델 성능을 크게 개선하고 실제 응용프로그램에 AI를 적용할 수 있는 방법에 대하여 소개합니다. 데이터 및 라벨링 품질 개선, 분산 및 차원 감소, 최적화된 특징 공간 표현 및 신호 변환 방식 선택 등과 관련된 신호 데이터 준비 방법론과 더불어 데이터 합성 및 증강을 위한 기법, AI 프로젝트 시작점으로 활용할 최적의 AI 모델 선택까지에 이르는 데이터 중심의 신호처리 AI 응용프로그램 개발 워크플로에 대하여 자세히 설명합니다.
발행: 2022년 6월 14일
추천 제품
Deep Learning Toolbox
웹사이트 선택
번역된 콘텐츠를 보고 지역별 이벤트와 혜택을 살펴보려면 웹사이트를 선택하십시오. 현재 계신 지역에 따라 다음 웹사이트를 권장합니다:
또한 다음 목록에서 웹사이트를 선택하실 수도 있습니다.
사이트 성능 최적화 방법
최고의 사이트 성능을 위해 중국 사이트(중국어 또는 영어)를 선택하십시오. 현재 계신 지역에서는 다른 국가의 MathWorks 사이트 방문이 최적화되지 않았습니다.
미주
- América Latina (Español)
- Canada (English)
- United States (English)
유럽
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
아시아 태평양
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)