Are you over 18 and want to see adult content?
More Annotations
A complete backup of udaanvehicles.com
Are you over 18 and want to see adult content?
A complete backup of taraftarium8.com
Are you over 18 and want to see adult content?
A complete backup of almohajira.blogspot.com
Are you over 18 and want to see adult content?
A complete backup of defrankcenter.org
Are you over 18 and want to see adult content?
A complete backup of thestatenislandfamily.com
Are you over 18 and want to see adult content?
Favourite Annotations
A complete backup of cameranonaniwa.jp
Are you over 18 and want to see adult content?
A complete backup of serdechki-love.moy.su
Are you over 18 and want to see adult content?
A complete backup of zoetermeersdagblad.nl
Are you over 18 and want to see adult content?
A complete backup of etnasher.blogspot.com
Are you over 18 and want to see adult content?
A complete backup of moosaniserver.com
Are you over 18 and want to see adult content?
Text
LANGUAGE MODEL
숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델 (language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를 수행합니다. 이 언어모델은 세부 태스크의 성능을 좌우하는데요. 요즘 들어서는 MFCCS - RATSGO'S SPEECHBOOKTRANSLATE THIS PAGE Raw Wave Signal 그럼 이제부터 MFCC 피처를 만드는 과정을 차례대로 살펴보겠습니다. 이 글에 소개된 MFCC 관련 파이썬 코드는 Speech Processing for Machine Learning: Filter banks, Mel-Frequency Cepstral Coefficients (MFCCs) and What’s In-Between에서 그대로 인용한 것임을 미리 밝혀둡니다. 동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 한국어의 피동 표현 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
행렬식(DETERMINANT) · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
의사결정나무(DECISION TREE) · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO WORD2VEC으로 문장 분류하기 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 형태소란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
한국어의 문장유형과 종결어미 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO OPEN-DOMAIN QUESTION ANSWERING Open-Domain Question Answering. 오픈도메인 질의응답(Open Domain Question Answering)이란 특정 분야에 국한되지 않 다양한 질문에 대한 답을 하는 과제입니다.LANGUAGE MODEL
숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델 (language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를 수행합니다. 이 언어모델은 세부 태스크의 성능을 좌우하는데요. 요즘 들어서는 MFCCS - RATSGO'S SPEECHBOOKTRANSLATE THIS PAGE Raw Wave Signal 그럼 이제부터 MFCC 피처를 만드는 과정을 차례대로 살펴보겠습니다. 이 글에 소개된 MFCC 관련 파이썬 코드는 Speech Processing for Machine Learning: Filter banks, Mel-Frequency Cepstral Coefficients (MFCCs) and What’s In-Between에서 그대로 인용한 것임을 미리 밝혀둡니다. 동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 한국어의 피동 표현 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
행렬식(DETERMINANT) · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
의사결정나무(DECISION TREE) · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO WORD2VEC으로 문장 분류하기 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 형태소란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
한국어의 문장유형과 종결어미 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO OPEN-DOMAIN QUESTION ANSWERING Open-Domain Question Answering. 오픈도메인 질의응답(Open Domain Question Answering)이란 특정 분야에 국한되지 않 다양한 질문에 대한 답을 하는 과제입니다. VARIATIONAL AUTOENCODER · RATSGO'S BLOGTRANSLATE THIS PAGE Variational AutoEncoder 27 Jan 2018 | VAE. 이번 글에서는 Variational AutoEncoder(VAE)에 대해 살펴보도록 하겠습니다.이 글은 전인수 서울대 박사과정이 2017년 12월에 진행한 패스트캠퍼스 강의와 위키피디아, 그리고 이곳 등을 정리했음을 먼저 밝힙니다. PyTorch 코드는 이곳을 참고하였습니다. 한국어 임베딩 · RATSGO'S BLOGTRANSLATE THIS PAGE 한국어 임베딩 12 Sep 2019 | embedding. 임베딩(embedding)은 자연어를 숫자의 나열인 벡터로 바꾼 결과 혹은 그 일련의 과정 전체를 가리키는 용어입니다.단어나 문장 각각을 벡터로 변환해 벡터 공간에 ‘끼워 넣는다(embed)’는 취지에서 임베딩이라는 이름이붙었습니다.
동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGE 동사(Verb), 형용사(Adjective)란 무엇인가 09 May 2017 | word class. 이번 글에서는 동사(Verb)와 형용사(Adjective)와 관련된 여러 개념들을 살펴보도록 하겠습니다.이번 글은 경희대 이선웅 교수님 강의와 표준국어문법론을 정리하였음을 먼저 밝힙니다. WORD2VEC으로 문장 분류하기 · RATSGO'S BLOGTRANSLATE THIS PAGE 이번 포스팅에선 요즘 인기를 끌고 있는 단어 임베딩 방법론 가운데 하나인 Word2Vec을 활용해서 문장을 분류하는 방법에 대해 이야기해보려고 합니다. 우선은 뽐뿌, 클리앙, 세티즌 등 휴대폰 리뷰사이트에 있는 스마트폰 리뷰들을 분석해 보려고 하는데요. 어떤 벡터공간, 부분공간, 열공간, 영공간 · RATSGO'S BLOGTRANSLATE THIS PAGE 부분공간. 벡터공간 V 의 부분집합인 H 가 다음을 만족할 때 부분공간 (subspace) 이라고 합니다. (1) V 에 속하는 영벡터 (zero vector) 가 H 의 원소이다. 예를 들어 보겠습니다. v1 과 v2 를 n 차원 벡터, H=span { v1, v2 }라고 두겠습니다. 그러면 H 는 Rn 의 부분공간입니다 한국어 상대경어법 · RATSGO'S BLOGTRANSLATE THIS PAGE 상대경어법. 상대경어법은 말을 듣는 상대, 즉 청자를 높이거나 낮추는 것을 가리킵니다. 상대 높임은 종결어미로 실현되는데, 어떤 종결어미가 결합되었느냐에 따라 상대 높임의 등급이 결정됩니다. 상대경어법의 체계는 다음과 같습니다. 이를 크게 격식체와 형태소란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGE 형태소란 무엇인가 20 Mar 2017 | morpheme. 이번 포스팅에서는 언어학과 자연언어처리 분야 기본 중 하나인 형태소(形態素morpheme)에 대해 다뤄보려 합니다.형태소 정의와 분석방법 등에 한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGE 시제. 시제 (tense)란 절이나 문장이 나타내는 사태가 발생한 시간적 위치를 문법적 수단을 통해 나타난 것을 가리킵니다. 사태의 발생 시점을 나타내는 언어적 수단 가운데는 어휘적 수단도 있고 문법적 수단도 있을 수 있는데, 이 가운데 문법적 수단에의한
관형사란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGE 정의 및 핵심 기능. 학교문법에 따르면 관형사 (冠形詞) 란 체언 앞에서 그 체언의 뜻을 분명하게 제한하는 품사입니다. 국어 관형사 가운데는 (1)과 같은 고유어는 얼마되지 않고 (2)와 같은 한자어가 많은 부분을 차지하고 있다고 합니다. (1) 이 거리에는 새 집과LANGUAGE MODEL
숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델 (language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를 수행합니다. 이 언어모델은 세부 태스크의 성능을 좌우하는데요. 요즘 들어서는 MFCCS - RATSGO'S SPEECHBOOKTRANSLATE THIS PAGE Raw Wave Signal 그럼 이제부터 MFCC 피처를 만드는 과정을 차례대로 살펴보겠습니다. 이 글에 소개된 MFCC 관련 파이썬 코드는 Speech Processing for Machine Learning: Filter banks, Mel-Frequency Cepstral Coefficients (MFCCs) and What’s In-Between에서 그대로 인용한 것임을 미리 밝혀둡니다. BERT & GPT - RATSGO'S NLPBOOKTRANSLATE THIS PAGE BERT (Bidirectional Encoder Representations from Transformers)는 마스크 언어모델 (Masked Language Model)입니다. 문장 중간에 빈칸을 만들고 해당 빈칸에 어떤 단어가 적절할지 맞추는 과정에서 프리트레인합니다. 빈칸 앞뒤 문맥을 모두 살필 수 있다는 점에서 양방향(bidirectional
VARIATIONAL AUTOENCODER · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 한국어의 피동 표현 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
RNN과 BEAM SEARCH · RATSGO'S BLOGTRANSLATE THIS PAGE RNN과 Beam search 26 Jun 2017 | Recursive Neural Networks. 이번 글에서는 Recursive Neural Network(RNN)의 학습 과정에서 트리 탐색 기법으로 쓰이는 Beam seach에 대해 살펴보도록 하겠습니다. beam search는 RNN 말고도 자연언어처리 분야에서 자주 쓰인다고 하니 이 정렬 알고리즘 비교 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
LANGUAGE MODEL
숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델 (language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를 수행합니다. 이 언어모델은 세부 태스크의 성능을 좌우하는데요. 요즘 들어서는 MFCCS - RATSGO'S SPEECHBOOKTRANSLATE THIS PAGE Raw Wave Signal 그럼 이제부터 MFCC 피처를 만드는 과정을 차례대로 살펴보겠습니다. 이 글에 소개된 MFCC 관련 파이썬 코드는 Speech Processing for Machine Learning: Filter banks, Mel-Frequency Cepstral Coefficients (MFCCs) and What’s In-Between에서 그대로 인용한 것임을 미리 밝혀둡니다. BERT & GPT - RATSGO'S NLPBOOKTRANSLATE THIS PAGE BERT (Bidirectional Encoder Representations from Transformers)는 마스크 언어모델 (Masked Language Model)입니다. 문장 중간에 빈칸을 만들고 해당 빈칸에 어떤 단어가 적절할지 맞추는 과정에서 프리트레인합니다. 빈칸 앞뒤 문맥을 모두 살필 수 있다는 점에서 양방향(bidirectional
VARIATIONAL AUTOENCODER · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 한국어의 피동 표현 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
RNN과 BEAM SEARCH · RATSGO'S BLOGTRANSLATE THIS PAGE RNN과 Beam search 26 Jun 2017 | Recursive Neural Networks. 이번 글에서는 Recursive Neural Network(RNN)의 학습 과정에서 트리 탐색 기법으로 쓰이는 Beam seach에 대해 살펴보도록 하겠습니다. beam search는 RNN 말고도 자연언어처리 분야에서 자주 쓰인다고 하니 이 정렬 알고리즘 비교 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
CATEGORIES · RATSGO'S BLOGTRANSLATE THIS PAGE Categories. daily Natural Language Processing From frequency to semantics Linear Algebra Korean Linguistics Machine Learning Deep Learning Statistics Information Retrieval Data structure&Algorithm generative model Convex optimization. REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGE Representation Learning 25 Apr 2017 | Representation Learning. 이번 글에서는 representation learning 개념에 대해 살펴보도록 하겠습니다. 딥뉴럴네트워크가 높은 성능을 내는 배경에는 복잡한 데이터 공간을 선형 분류가 가능 정도로 단순화해 표현하기 때문이라는 이론인데요. 동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGE 동사(Verb), 형용사(Adjective)란 무엇인가 09 May 2017 | word class. 이번 글에서는 동사(Verb)와 형용사(Adjective)와 관련된 여러 개념들을 살펴보도록 하겠습니다.이번 글은 경희대 이선웅 교수님 강의와 표준국어문법론을 정리하였음을 먼저 밝힙니다. 한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGE 시제. 시제 (tense)란 절이나 문장이 나타내는 사태가 발생한 시간적 위치를 문법적 수단을 통해 나타난 것을 가리킵니다. 사태의 발생 시점을 나타내는 언어적 수단 가운데는 어휘적 수단도 있고 문법적 수단도 있을 수 있는데, 이 가운데 문법적 수단에의한
머신러닝 기법 간 비교 · RATSGO'S BLOGTRANSLATE THIS PAGE 선형회귀 vs K-NN. 선형회귀는 모수적 기법 (parametric method) 입니다. 1차 선형식 모델을 가정하기 때문이죠. 명시적인 함수 형태의 모델을 가정하지 않는 비모수적 기법 (non-parametric method)도 있습니다. 대표적인 것이 K-nearest Neighbors Regression 기법 (K-NN)이있습니다
CNN의 역전파(BACKPROPAGATION) · RATSGO'S BLOGTRANSLATE THIS PAGE CNN의 역전파(backpropagation) 05 Apr 2017 | Convolutional Neural Networks. 이번 포스팅에서는 Convolutional Neural Networks(CNN)의 역전파(backpropagation)를 살펴보도록 하겠습니다.많이 쓰는 아키텍처이지만 그 내부 작동에 대해서는 제대로 알지 못한다는 생각에 저 스스로도 정리해볼 생각으로 이번 글을 쓰게됐습니다.
변분추론(VARIATIONAL INFERENCE) · RATSGO'S BLOGTRANSLATE THISPAGE
변분추론(Variational Inference) 19 Dec 2017 | Variational Inference. 이번 글에서는 Variational Inference(변분추론, 이하 VI)에 대해 살펴보도록 하겠습니다.이 글은 전인수 서울대 박사과정이 2017년 12월에 진행한 패스트캠퍼스 강의와 위키피디아 등을 정리했음을 먼저 밝힙니다. WORD2VEC으로 문장 분류하기 · RATSGO'S BLOGTRANSLATE THIS PAGE 이번 포스팅에선 요즘 인기를 끌고 있는 단어 임베딩 방법론 가운데 하나인 Word2Vec을 활용해서 문장을 분류하는 방법에 대해 이야기해보려고 합니다. 우선은 뽐뿌, 클리앙, 세티즌 등 휴대폰 리뷰사이트에 있는 스마트폰 리뷰들을 분석해 보려고 하는데요. 어떤 한국어 명사절/관형사절 내포 · RATSGO'S BLOGTRANSLATE THISPAGE
내포 란 하나의 절이 다른 절의 한 성분으로 참여하는 방식을 가리킵니다. 이때 안고 있는 절을 모절, 주절, 상위절 이라 하고, 안겨 있는 절을 내포절, 종속절, 하위절 이라고 합니다. 안겨 있는 절이 명사 역할을 할 경우 명사절, 관형사 역할일경우 관형사절
RNN과 LSTM을 이해해보자! · RATSGO'S BLOGTRANSLATE THIS PAGE 이번 포스팅에서는 Recurrent Neural Networks (RNN) 과 RNN의 일종인 Long Short-Term Memory models (LSTM) 에 대해 알아보도록 하겠습니다. 우선 두 알고리즘의 개요를 간략히 언급한 뒤 foward, backward compute pass를 천천히 뜯어보도록 할게요. 이번 포스팅은 기본적으로 미국스탠포드
LANGUAGE MODEL
숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델 (language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를 수행합니다. 이 언어모델은 세부 태스크의 성능을 좌우하는데요. 요즘 들어서는 MFCCS - RATSGO'S SPEECHBOOKTRANSLATE THIS PAGE Raw Wave Signal 그럼 이제부터 MFCC 피처를 만드는 과정을 차례대로 살펴보겠습니다. 이 글에 소개된 MFCC 관련 파이썬 코드는 Speech Processing for Machine Learning: Filter banks, Mel-Frequency Cepstral Coefficients (MFCCs) and What’s In-Between에서 그대로 인용한 것임을 미리 밝혀둡니다. BERT & GPT - RATSGO'S NLPBOOKTRANSLATE THIS PAGE BERT (Bidirectional Encoder Representations from Transformers)는 마스크 언어모델 (Masked Language Model)입니다. 문장 중간에 빈칸을 만들고 해당 빈칸에 어떤 단어가 적절할지 맞추는 과정에서 프리트레인합니다. 빈칸 앞뒤 문맥을 모두 살필 수 있다는 점에서 양방향(bidirectional
VARIATIONAL AUTOENCODER · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 한국어의 피동 표현 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
RNN과 BEAM SEARCH · RATSGO'S BLOGTRANSLATE THIS PAGE RNN과 Beam search 26 Jun 2017 | Recursive Neural Networks. 이번 글에서는 Recursive Neural Network(RNN)의 학습 과정에서 트리 탐색 기법으로 쓰이는 Beam seach에 대해 살펴보도록 하겠습니다. beam search는 RNN 말고도 자연언어처리 분야에서 자주 쓰인다고 하니 이 정렬 알고리즘 비교 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
LANGUAGE MODEL
숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델 (language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를 수행합니다. 이 언어모델은 세부 태스크의 성능을 좌우하는데요. 요즘 들어서는 MFCCS - RATSGO'S SPEECHBOOKTRANSLATE THIS PAGE Raw Wave Signal 그럼 이제부터 MFCC 피처를 만드는 과정을 차례대로 살펴보겠습니다. 이 글에 소개된 MFCC 관련 파이썬 코드는 Speech Processing for Machine Learning: Filter banks, Mel-Frequency Cepstral Coefficients (MFCCs) and What’s In-Between에서 그대로 인용한 것임을 미리 밝혀둡니다. BERT & GPT - RATSGO'S NLPBOOKTRANSLATE THIS PAGE BERT (Bidirectional Encoder Representations from Transformers)는 마스크 언어모델 (Masked Language Model)입니다. 문장 중간에 빈칸을 만들고 해당 빈칸에 어떤 단어가 적절할지 맞추는 과정에서 프리트레인합니다. 빈칸 앞뒤 문맥을 모두 살필 수 있다는 점에서 양방향(bidirectional
VARIATIONAL AUTOENCODER · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 한국어의 피동 표현 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
RNN과 BEAM SEARCH · RATSGO'S BLOGTRANSLATE THIS PAGE RNN과 Beam search 26 Jun 2017 | Recursive Neural Networks. 이번 글에서는 Recursive Neural Network(RNN)의 학습 과정에서 트리 탐색 기법으로 쓰이는 Beam seach에 대해 살펴보도록 하겠습니다. beam search는 RNN 말고도 자연언어처리 분야에서 자주 쓰인다고 하니 이 정렬 알고리즘 비교 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
CATEGORIES · RATSGO'S BLOGTRANSLATE THIS PAGE Categories. daily Natural Language Processing From frequency to semantics Linear Algebra Korean Linguistics Machine Learning Deep Learning Statistics Information Retrieval Data structure&Algorithm generative model Convex optimization. REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGE Representation Learning 25 Apr 2017 | Representation Learning. 이번 글에서는 representation learning 개념에 대해 살펴보도록 하겠습니다. 딥뉴럴네트워크가 높은 성능을 내는 배경에는 복잡한 데이터 공간을 선형 분류가 가능 정도로 단순화해 표현하기 때문이라는 이론인데요. 동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGE 동사(Verb), 형용사(Adjective)란 무엇인가 09 May 2017 | word class. 이번 글에서는 동사(Verb)와 형용사(Adjective)와 관련된 여러 개념들을 살펴보도록 하겠습니다.이번 글은 경희대 이선웅 교수님 강의와 표준국어문법론을 정리하였음을 먼저 밝힙니다. 한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGE 시제. 시제 (tense)란 절이나 문장이 나타내는 사태가 발생한 시간적 위치를 문법적 수단을 통해 나타난 것을 가리킵니다. 사태의 발생 시점을 나타내는 언어적 수단 가운데는 어휘적 수단도 있고 문법적 수단도 있을 수 있는데, 이 가운데 문법적 수단에의한
머신러닝 기법 간 비교 · RATSGO'S BLOGTRANSLATE THIS PAGE 선형회귀 vs K-NN. 선형회귀는 모수적 기법 (parametric method) 입니다. 1차 선형식 모델을 가정하기 때문이죠. 명시적인 함수 형태의 모델을 가정하지 않는 비모수적 기법 (non-parametric method)도 있습니다. 대표적인 것이 K-nearest Neighbors Regression 기법 (K-NN)이있습니다
CNN의 역전파(BACKPROPAGATION) · RATSGO'S BLOGTRANSLATE THIS PAGE CNN의 역전파(backpropagation) 05 Apr 2017 | Convolutional Neural Networks. 이번 포스팅에서는 Convolutional Neural Networks(CNN)의 역전파(backpropagation)를 살펴보도록 하겠습니다.많이 쓰는 아키텍처이지만 그 내부 작동에 대해서는 제대로 알지 못한다는 생각에 저 스스로도 정리해볼 생각으로 이번 글을 쓰게됐습니다.
변분추론(VARIATIONAL INFERENCE) · RATSGO'S BLOGTRANSLATE THISPAGE
변분추론(Variational Inference) 19 Dec 2017 | Variational Inference. 이번 글에서는 Variational Inference(변분추론, 이하 VI)에 대해 살펴보도록 하겠습니다.이 글은 전인수 서울대 박사과정이 2017년 12월에 진행한 패스트캠퍼스 강의와 위키피디아 등을 정리했음을 먼저 밝힙니다. WORD2VEC으로 문장 분류하기 · RATSGO'S BLOGTRANSLATE THIS PAGE 이번 포스팅에선 요즘 인기를 끌고 있는 단어 임베딩 방법론 가운데 하나인 Word2Vec을 활용해서 문장을 분류하는 방법에 대해 이야기해보려고 합니다. 우선은 뽐뿌, 클리앙, 세티즌 등 휴대폰 리뷰사이트에 있는 스마트폰 리뷰들을 분석해 보려고 하는데요. 어떤 한국어 명사절/관형사절 내포 · RATSGO'S BLOGTRANSLATE THISPAGE
내포 란 하나의 절이 다른 절의 한 성분으로 참여하는 방식을 가리킵니다. 이때 안고 있는 절을 모절, 주절, 상위절 이라 하고, 안겨 있는 절을 내포절, 종속절, 하위절 이라고 합니다. 안겨 있는 절이 명사 역할을 할 경우 명사절, 관형사 역할일경우 관형사절
RNN과 LSTM을 이해해보자! · RATSGO'S BLOGTRANSLATE THIS PAGE 이번 포스팅에서는 Recurrent Neural Networks (RNN) 과 RNN의 일종인 Long Short-Term Memory models (LSTM) 에 대해 알아보도록 하겠습니다. 우선 두 알고리즘의 개요를 간략히 언급한 뒤 foward, backward compute pass를 천천히 뜯어보도록 할게요. 이번 포스팅은 기본적으로 미국스탠포드
LANGUAGE MODEL
숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델 (language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를 수행합니다. 이 언어모델은 세부 태스크의 성능을 좌우하는데요. 요즘 들어서는 REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IOREPRESENTATION LEARNING A REVIEWREPRESENTATION LEARNING A STATISTICAL PERSPE…REPRESENTATION LEARNING ON GRAPHSREPRESENTATION LEARNING PDFDEEP REPRESENTATION LEARNING 동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 한국어의 피동 표현 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
강연결요소 · RATSGO'S BLOGTRANSLATE THIS PAGE 강연결요소 23 Nov 2017 | Strongly Connected Components SCC Graph. 이번 글에서는 그래프(Graph)의 강연결요소(Strongly Connected Components, SCC)를 찾아내는 기법을 살펴보도록 하겠습니다. 이 글은 고려대 김황남 교수님과 역시같은 대학의
한국어의 조사 · RATSGO'S BLOGTRANSLATE THIS PAGE 한국어의 조사 15 Mar 2017 | grammartical words. 이번 글에서는 한국어의 조사에 대해 알아보도록 하겠습니다. 자연언어처리 분야에서 한국어 조사는 분석의 까다로움 때문에 전처리 때 아예 제거되는 불용어(stopwords) 취급을 받고 있는데요. 사실 한국어 주체경어법 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
정렬 알고리즘 비교 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
한국어의 문장유형과 종결어미 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IOLANGUAGE MODEL
숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델 (language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를 수행합니다. 이 언어모델은 세부 태스크의 성능을 좌우하는데요. 요즘 들어서는 REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IOREPRESENTATION LEARNING A REVIEWREPRESENTATION LEARNING A STATISTICAL PERSPE…REPRESENTATION LEARNING ON GRAPHSREPRESENTATION LEARNING PDFDEEP REPRESENTATION LEARNING 동사(VERB), 형용사(ADJECTIVE)란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IO 한국어의 피동 표현 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
강연결요소 · RATSGO'S BLOGTRANSLATE THIS PAGE 강연결요소 23 Nov 2017 | Strongly Connected Components SCC Graph. 이번 글에서는 그래프(Graph)의 강연결요소(Strongly Connected Components, SCC)를 찾아내는 기법을 살펴보도록 하겠습니다. 이 글은 고려대 김황남 교수님과 역시같은 대학의
한국어의 조사 · RATSGO'S BLOGTRANSLATE THIS PAGE 한국어의 조사 15 Mar 2017 | grammartical words. 이번 글에서는 한국어의 조사에 대해 알아보도록 하겠습니다. 자연언어처리 분야에서 한국어 조사는 분석의 까다로움 때문에 전처리 때 아예 제거되는 불용어(stopwords) 취급을 받고 있는데요. 사실 한국어 주체경어법 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
정렬 알고리즘 비교 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MOREON RATSGO.GITHUB.IO
한국어의 시제 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ONRATSGO.GITHUB.IO
한국어의 문장유형과 종결어미 · RATSGO'S BLOGTRANSLATE THIS PAGESEE MORE ON RATSGO.GITHUB.IOLANGUAGE MODEL
pratical tips for Natural Language Processing. 숫자 세계로 떠난 자연어. 최근의 자연어 처리는 다량의 말뭉치의 의미, 문맥을 학습한 거대한 언어모델(language model)을 활용해 문서 분류, 개체명 인식 등 각종 태스크를수행합니다.
REPRESENTATION LEARNING · RATSGO'S BLOGTRANSLATE THIS PAGE Representation Learning 25 Apr 2017 | Representation Learning. 이번 글에서는 representation learning 개념에 대해 살펴보도록 하겠습니다. 딥뉴럴네트워크가 높은 성능을 내는 배경에는 복잡한 데이터 공간을 선형 분류가 가능 정도로 단순화해 표현하기 때문이라는 이론인데요. VARIATIONAL AUTOENCODER · RATSGO'S BLOGTRANSLATE THIS PAGE Variational AutoEncoder 27 Jan 2018 | VAE. 이번 글에서는 Variational AutoEncoder(VAE)에 대해 살펴보도록 하겠습니다.이 글은 전인수 서울대 박사과정이 2017년 12월에 진행한 패스트캠퍼스 강의와 위키피디아, 그리고 이곳 등을 정리했음을 먼저 밝힙니다. PyTorch 코드는 이곳을 참고하였습니다. 한국어 임베딩 · RATSGO'S BLOGTRANSLATE THIS PAGE 한국어 임베딩 12 Sep 2019 | embedding. 임베딩(embedding)은 자연어를 숫자의 나열인 벡터로 바꾼 결과 혹은 그 일련의 과정 전체를 가리키는 용어입니다.단어나 문장 각각을 벡터로 변환해 벡터 공간에 ‘끼워 넣는다(embed)’는 취지에서 임베딩이라는 이름이붙었습니다.
자기조직화지도(SELF-ORGANIZING MAP) · RATSGO'S BLOGTRANSLATETHIS PAGE
자기조직화지도(Self-Organizing Map) 01 May 2017 | Clustering. 이번 글에서는 차원축소(dimensionality reduction)와 군집화(clustering)를 동시에 수행하는 기법인 자기조직화지도(Self-Organizing Map, SOM)를 살펴보도록 하겠습니다.이번 글 역시 WORD2VEC으로 문장 분류하기 · RATSGO'S BLOGTRANSLATE THIS PAGE 이번 포스팅에선 요즘 인기를 끌고 있는 단어 임베딩 방법론 가운데 하나인 Word2Vec을 활용해서 문장을 분류하는 방법에 대해 이야기해보려고 합니다. 우선은 뽐뿌, 클리앙, 세티즌 등 휴대폰 리뷰사이트에 있는 스마트폰 리뷰들을 분석해 보려고 하는데요. 어떤 CNN으로 문장 분류하기 · RATSGO'S BLOGTRANSLATE THIS PAGE CNN으로 문장 분류하기 19 Mar 2017 | Convolutional Neural Networks. 이번 포스팅에서는 Convolutional Neural Networks(CNN)로 문장을 분류하는 방법에 대해 살펴보겠습니다.이번 포스팅의 아키텍처와 코드는 각각 Yoon Kim(2014)과 이곳을 참고했음을 먼저 밝힙니다. 그럼 시작하겠습니다. 한국어의 복문 · RATSGO'S BLOGTRANSLATE THIS PAGE 한국어의 복문 14 Sep 2017 | syntax. 이번 글에서는 한국어 복문(複文)에 대해 살펴보도록 하겠습니다.이번 글은 고려대 정연주 선생님 강의와 ‘한국어문법총론1(구본관 외 지음, 집문당 펴냄)’을 정리했음을 먼저 밝힙니다. 한국어의 문장유형과 종결어미 · RATSGO'S BLOGTRANSLATETHIS PAGE
문장유형. 문장유형은 화행 중 특별히 자주 쓰이 긴요해 그 구별이 문법적 장치를 통해 나타난 것을 말합니다. 가령 진술, 질문 등의 화행이 관습적으로 각기 특정한 문법적 형식에 의해 표시된다면 그러한 문장은 일정한 문장 유형에 속한다고 할 수 있습니다 형태소란 무엇인가 · RATSGO'S BLOGTRANSLATE THIS PAGE 형태소란 무엇인가 20 Mar 2017 | morpheme. 이번 포스팅에서는 언어학과 자연언어처리 분야 기본 중 하나인 형태소(形態素morpheme)에 대해 다뤄보려 합니다.형태소 정의와 분석방법 등에 보물찾기 그리운 마을, 그 먼 바다에 이르기까지 Follow me : __ | __| __
| __
Home Contents Categories TagsAbout
2019 ratsgo. This work is liscensed under CC BY-NC 4.0.
Powered by jekyll
FOR TEXTMINING
Original Artwork © Pablo Picasso. Girl before a Mirror. Boisgeloup, March 1932. Oil on canvas×
SEARCH
Details
Copyright © 2024 ArchiveBay.com. All rights reserved. Terms of Use | Privacy Policy | DMCA | 2021 | Feedback | Advertising | RSS 2.0