총 1,437개
-
대구가톨릭대학교 파이썬프로그래밍기초 4주차 솔루션2025.05.031. 1차원 리스트 인덱싱 및 슬라이싱 1차원 리스트에 대한 인덱싱과 슬라이싱을 수행한 결과를 확인하고, 양수 인덱스와 음수 인덱스를 사용하여 동일한 출력 결과를 얻는 방법을 실습하였습니다. 2. 2차원 리스트 인덱싱 및 슬라이싱 2차원 리스트에 대한 인덱싱과 슬라이싱을 수행한 결과를 확인하고, 양수 인덱스와 음수 인덱스를 사용하여 동일한 출력 결과를 얻는 방법을 실습하였습니다. 3. 삼중 구조 리스트 인덱싱 삼중 구조 리스트에 대한 인덱싱을 수행한 결과를 확인하고, 양수 인덱스와 음수 인덱스를 사용하여 동일한 출력 결과를 얻는 방...2025.05.03
-
[A+ 레포트] 멀티미디어개론_JPEG의 압축 과정에 대해 단계별(색상변환, 샘플링, DCT 변환, 양자화, 부호화)로 설명하시오.2025.01.141. JPEG 압축 과정 JPEG 압축 과정은 색상 변환, 샘플링, DCT 변환, 양자화, 부호화의 5단계로 구성됩니다. 색상 변환 단계에서는 RGB 색상 공간을 YCbCr 색상 공간으로 변환하여 인간의 시각적 특성을 활용합니다. 샘플링 단계에서는 색상 정보인 Cb와 Cr 채널의 해상도를 낮추어 데이터량을 줄입니다. DCT 변환 단계에서는 이미지를 공간 영역에서 주파수 영역으로 변환하여 중요하지 않은 정보를 제거할 수 있습니다. 양자화 단계에서는 DCT 변환된 주파수 성분의 값을 소수점 없이 간단한 정수로 변환하여 데이터량을 크게 ...2025.01.14
-
현재 생성 모델 (generative model) 의 발전 현황2025.01.181. 생성 모델의 개요 생성 모델은 주어진 데이터 분포를 학습하여 새로운 데이터를 생성할 수 있는 모델을 의미합니다. 주로 이미지, 텍스트, 오디오와 같은 데이터의 새로운 샘플을 생성하는 데 사용됩니다. 이러한 모델들은 데이터의 복잡한 구조를 학습하고, 그로부터 창의적이거나 유용한 결과물을 만들어냅니다. 2. 주요 생성 모델 GAN, VAE, Autoregressive Models, Diffusion Models 등 다양한 생성 모델이 개발되었으며, 각각의 특징과 장단점이 있습니다. 이들 모델은 이미지, 텍스트, 오디오 등 다양한 ...2025.01.18
-
빅데이터의 개념과 특징 및 기업의 활용 사례2025.01.241. 빅데이터의 개념과 특징 빅데이터는 데이터의 크기(volume), 데이터의 입출력 속도(velocity), 그리고 데이터의 다양한 형태(variety)가 3대 요소이다. 데이터의 속도란 기존 아날로그 데이터 환경에서와 달리 디지털화되고 정형 데이터화되는 속도 면에서 향상되는 정도를 의미한다. 형태란 정형, 비정형, 반정형 등 다양한 데이터의 구성 형식을 말한다. 빅데이터는 대용량 데이터를 활용, 분석하여 가치 있는 정보를 추출하고, 생성된 지식을 바탕으로 능동적으로 대응하거나 변화를 예측하기 위한 정보화 기술이다. 2. 빅데이터...2025.01.24
-
IT와경영정보시스템1공통 인공지능AI 학습고안된 LLM Large Language Model 대규모언어모형과 LMMLarge Multimodal Mode 대규모멀티모달모형 비교하시오002025.01.261. LLM (Large Language Model; 대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 처리(NLP) 작업에 초점을 맞춥니다. 이러한 모델은 대량의 텍스트 데이터를 통해 언어의 구조, 의미 및 맥락을 이해하고 생성하는 능력을 가지고 있습니다. 예시로는 GPT(Generative Pre-trained Transformer), BERT(Bidirectional Encoder Representations from Transformers) 등이 있습니다. 2. LMM (Large Multim...2025.01.26
-
벡터 데이터베이스2025.05.081. 벡터 데이터베이스 벡터 데이터베이스는 복합 비정형 데이터를 효과적이고 효율적으로 저장하고 검색하기 위한 기술입니다. 단어나 문장과 같은 정보를 숫자로 변환하여 숫자와 유사한 것을 찾는 방식의 데이터베이스입니다. 기존 데이터베이스는 텍스트 기반 검색을 사용했지만, 벡터 데이터베이스는 숫자 기반 검색을 사용합니다. 이를 통해 비정형 데이터와 벡터 데이터를 효율적으로 저장할 수 있습니다. 이 기술의 배경에는 뉴럴 네트워크(CNN)의 발달로 복합 비정형 데이터를 정확하게 임베딩하여 숫자(벡터)로 표현할 수 있게 된 것이 있습니다. 예...2025.05.08
-
디지털통신시스템설계 프로젝트 과제2025.05.101. BPSK 및 QPSK 변조 및 복조 첫 번째 프로젝트에서는 BPSK 또는 QPSK로 변조된 이미지 데이터를 복조하고 채널의 SNR(Eb/No)을 계산하는 과제였습니다. BPSK 복조는 실수부의 부호만 판단하여 1, 0으로 매칭하였고, QPSK 복조는 실수부와 허수부를 각각 판단하여 다시 합친 후 전치하였습니다. 복원된 이미지를 확인한 결과 BPSK 복조에서 이미지가 제대로 출력되었고, QPSK 복조는 제대로 출력되지 않아 project_1 파일은 BPSK로 변조된 이미지라는 것을 알 수 있었습니다. 채널의 SNR은 원본 이미지...2025.05.10
-
머신 러닝 학습을 위한 데이터 증량하기2025.05.081. 데이터 증강 데이터 증강(Data Augmentation)은 현대 머신러닝과 딥러닝 분야에서 핵심 개념이 되었습니다. 데이터의 양과 질은 모델의 성능과 일반화 능력에 큰 영향을 미치지만, 현실적인 제약으로 인해 충분한 양의 고품질 데이터를 수집하기 어려운 문제를 해결하기 위해 데이터 증강이 등장하였습니다. 데이터 증강은 기존의 데이터를 변형하여 새로운 데이터를 생성하는 과정으로, 모델의 학습과 예측 능력을 향상시킬 수 있습니다. 2. 데이터 증강 기법 다양한 데이터 증강 기법이 개발되어 있으며, 이를 통해 다양한 유형의 데이터...2025.05.08
-
어댑터 뷰의 이해와 활용2025.05.131. 어댑터 뷰 어댑터 뷰(Adapter View)는 안드로이드 플랫폼에서 사용자 인터페이스(UI)를 구성하는 뷰(View) 그룹 중 하나로, 일반적으로 리스트(List) 혹은 그리드(Grid) 형태의 데이터를 표시하는 데 사용됩니다. 이는 많은 양의 데이터를 화면에 효율적으로 표시하고 스크롤 가능한 목록 혹은 그리드 형태로 제공하기 위한 도구입니다. 어댑터 뷰는 MVC (Model-View-Controller) 패턴을 기반으로 한 디자인 패턴의 일부인 MVP (Model-View-Presenter) 패턴을 따릅니다. 2. List...2025.05.13
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.261. LLM(대규모 언어 모형) LLM은 자연어 처리(NLP) 분야에서 필수적인 역할을 하는 인공지능 시스템입니다. LLM은 인간의 언어 이해 및 해석 방식을 모방하여, GPT-4나 BERT와 같은 대표적인 AI 모델을 만들어냈습니다. 이러한 모델들은 문장 생성, 번역, 요약 등에서 강력한 성능을 발휘하며, 마치 언어 전문가가 문법과 의미를 분석하는 것과 유사한 방식으로 작동합니다. 2. LMM(대규모 멀티모달 모형) LMM은 언어뿐만 아니라 이미지, 소리, 영상 등 다양한 형태의 데이터를 동시에 처리할 수 있는 인공지능입니다. 이...2025.01.26
4 / 144
