Create Customer Value with Google Cloud AI (Next Rewind ’18)

연사 : 다음 2018 년에 300 회 이상의 세션이 있으며, 너는 그들 모두에게 다가 갈 수 없다는 것은 이해할 만하다 따라서 고객 생성이 표시되지 않은 경우 Google 클라우드 AI로 가치를 얻은 다음 계속 조정합니다

왜냐하면 여기에 되감기가 있기 때문입니다 [음악 재생] 가장 일반적인 과제 중 하나 기계 학습으로 얻고있다 커다란 위협적인 과정에서 실제로 귀하의 비즈니스에 도움이됩니다 혹시이 문제와 씨름 해 본 적이 있다면 너 자신, 그럼 좋은 소식 클라우드 고객에게 제공하는 몇 가지 조언이 있습니다

그들이 시작하는 동안 아마 당신도 유용 할 것입니다 첫째, 간단하게 시작하십시오 한 번에자가 운전 차량을 만들 필요가 없습니다 대신, 가장 간단한 문제부터 시작하십시오

당신은 기계 학습으로 태클을 할 수 있습니다 실제로 복잡한 응용 프로그램처럼 보입니다 보통 별도의 컬렉션으로 시작합니다 구성 요소 둘째, 비즈니스 문제를 파악하십시오

기계 학습을 시도하기 전에 비즈니스에 미치는 영향을 파악해야합니다 당신의 신청서는 가질 것이다 그렇지 않으면, 그냥 잡힐 수도 있습니다 문제에 대한 해결책의 차가움에 어떤 해결이 필요하지 않습니다 셋째, 애플리케이션에 완벽하게 통합 할 수 있습니다

가능한 한 최종 사용자 인 최종 사용자 기계 학습이나 인공 지능으로 작동하는지 상관하지 않습니다 또는 무엇이든 그들은 기능을 살펴 봅니다 넷째, 기계 학습이 당신을 열 수 있습니다 새로운 사용자 상호 작용 패러다임에 이전에 당신에게 제공되었습니다

과도한 집중으로 새로운 기회를 놓치지 마십시오 오래된 문제들 그리고 마침내, 비록 그것이 발발을 느끼더라도, 당신은 큰 생각을해야합니다 AI 그 혁명적 인 기술은 인터넷과 마찬가지로 모든 사업을 변화시킬 것입니다 25 년 전 20 년 전 세계를 변화 시켰습니다

그러나 한 입 크기의 덩어리로 생각하면됩니다 우리가 고객과 함께 일할 때, 우리는 당신은 그 큰 비전을 가지고 있습니다 그러나 우리는 당신과 함께 일할 것을 확신합니다 다루기 쉬운 조각으로 그리고 이것은 시험되지 않은 조언이 아닙니다 우리가 가지고있는 거대한 고객 목록이 있습니다

기계 학습의 성공을 도왔으며, 이야기는 그들의 이야기 중 많은 부분으로 밀집되어 있습니다 고객 사례 및 실질적인 조언 인 경우 당신이 찾고있는, 전체 이야기를 확인해보십시오 그리고 그것이 당신이 볼 수있는 전부는 아닙니다 AI 회사가되는 과정에서 배운 교훈을들을 수 있습니다 기술에 대한 조언을 찾을 수 있습니다

우리가 기계를 배우기 위해 만든 것 프레스에서 뜨거운 것들을 포함하여 더 쉽게 여행 할 수 있습니다 우리는 기술 격차를 어떻게 해결할 수 있는지 살펴 봅니다 데이터 과학의 문제 세계에는 2 천 1 백만 명의 개발자가 있으며, 그 중 단지 몇 천 명만이 깊은 학습 모델을 구축하는 데 능숙합니다 그것에 대해 무엇을해야할까요? 전체 발표에서 찾아보십시오

그리고 발표가 마음에 들면,이 이야기는 당신에게 큰 세 가지를 가져다줍니다 첫째, Contact Center AI; 둘째, Iron Mountain과의 새로운 파트너십 우리의 자연 언어 이해를 사용할 수있게 해줍니다 플랫폼 내 기술 그리고 스피드에 대한 필요성이 있다면 좋아하는 것, 강력하고 새로운 알파 TPU 하드웨어 그리고 맨 위에있는 체리는 프랑스 인이있는 AutoML 데모보기 당신과 AI에게 부드럽고 둥근 치즈를 알려주고 있습니다 그리고 속지 마라, 그들은 모두 브리가 아니라는 것을 알게된다

가득 찬 이야기를보고 싶다면, 아래 설명에서 링크를 확인하십시오 그리고 Cloud YouTube에 가입하는 것을 잊지 마십시오 더 나은 다음 되감기 콘텐츠를위한 채널 지켜봐 줘서 고마워 [음악 재생]

Future of Hearing Aids in Background Noise with Google Ai (Artificial Intelligence)

-이 비디오에서는 최근 연구에 대해 이야기하고 있습니다 극적으로 향상시킬 수있는 보청기가 백그라운드 소음에서 수행하는 방식

오고있어 (낙관적 인 음악) 안녕 얘들 아 클리프 올슨, 청력의 의사 응용 청력 솔루션의 창시자 Anthem, 애리조나 그리고이 채널에서, 나는 많은 정보를 듣는다 당신에게 더 많은 정보를 제공하는 소비자가되도록 돕습니다

그래서 당신이 그것에 있다면, 구독 버튼을 누르십시오 그리고 벨을 클릭하는 것을 잊지 마세요 통보를 받는다 새로운 비디오를 발표 할 때마다 청력을 상실한 사람들을위한 성배 분리 할 수있는 능력이다 배경 잡음으로부터의 연설

당신이 한 사람과 이야기하든, 또는 당신이 사람들의 그룹과 이야기하고 있는지 여부 최근에 저는 비디오를 보았습니다 Google AI 블로그에서 능력을 보여주는 분리 할 수있다 당신이 듣고 싶은 사람, 그 개인을 보아서 그리고이 소프트웨어의 내부 그들이 만든, 실제로는 꽤 인상적입니다

내가 너에게 설명하려고하는 대신에, 내가 너에게 보여 줄게 – 나는 비행의 팬이 아니다, 나는 그것을 싫어한다 비행기에있는 것이 싫어 – 일반적으로 – 너무 많은 소음 – 내 줄무늬가 단단 해

내가 무슨 뜻인지 알지 나는 화장실을 내리지 않을 것이다 비행기에 – 어 – 오, 말하는 얼룩말 – 소음 때문에, 그것은 무서워 너는 가라 앉는다, 너는 내 치다

너 돌아서, 5 초 동안 아무 일도 일어나지 않습니다 그럼 아무 데나 (시끄러운 소리) 세상에, 비행기에 구멍을 뚫어 놓고 – 시내 버스가 싫어하지 않아

그것은 유엔 – 등급 고래의 짐과 같습니다 당신이 그것을 얻을 때마다 우리 모두는 같은 문을 걸어 다닙니다 우리 모두는 같은 가격을 지불합니다 – 네가 내게 묻는다면 꽤 인상적이야 그러나 가장 어려운 듣기 상황 대부분의 사람들이 만나는 곳은 시끄러운 식당입니다

그래서이 다음 클립에서, 나는 그들의 능력을 보여줄거야 음성과 배경 소음을 분리하는 것 카페테리아 환경에서 – 그럼, 그 일은 당신이 말하는 것을 본 사람에게 비디오가 주어지면, 그들의 오디오가 정리된다 다른 모든 것들은 억압됩니다 – 그 일은 당신이 말하는 것을 본 사람에게 비디오가 주어지면, 그들의 오디오가 정리된다

다른 모든 것들은 억압됩니다 – 이제 너에 대해서 모르겠다 하지만이 기술이 보청기 내부에 있다고 느낍니다 완전한 게임 체인저가 될 것입니다 그래서 전 기사를 다운로드했습니다

얼마나 많은 생존력을보기 위해 그것을 읽어야하는지 이것은 미래 세대의 보청기에있을 것입니다 이 기사의 제목은 "Looking to Listen"입니다 칵테일 파티에서 : 연사 독립 음성 분리를위한 시청각 모델 " 그리고 이것은 많은 Google 연구원이 저술했습니다 다음은이 기사에서 다룬 몇 가지 요점입니다

1 위 :이 연구자들은 기존의 비디오, 그들은 그것을 실시간으로하지 않았 음을 의미합니다 그래서 흥분하기 전에 단지이 소프트웨어를 사용하는 것에 대해서, 보청기에 넣고, 저자가 말한 것을 들어라 "우리의 방법은 효과가 없다는 것을 알아야한다 실시간으로, 그리고 현재의 형태로, 우리의 말하기 기능 향상이 더 적합합니다 비디오 편집의 후 처리 단계에 사용됩니다

" 두 번째로이 기술 오디오 – 비주얼 프로세싱을위한 거대한 도약입니다 이전 세대의 소프트웨어 소프트웨어를 특정 음성으로 훈련해야했습니다 의미, 만약 네가 식당에 간다면 특정 친구와 그 친구의 목소리 소프트웨어에 프로그래밍되어야한다 그래서 실제로 찾아야 할 부분을 알고 있습니다 이 특별한 소프트웨어에서는, 그들은 실제로 일반화 된 음성 형식으로 작동합니다

어떤 상황에있는 개인과도 일반화 된 환경에서 더 실용적입니다 당신이 어디든 갈 수 있다는 뜻 누구와도 의사 소통 이 특정 기술을 사용하십시오 연구 기사에서 세 번째로 얻은 것 그들이 시끄러운 술집 상황에서 이것을했을 때였습니다 그들은 배경 소음을 제거 할 수 있었고, 그러나 그것은 연설을 현저하게 저하시켰다

그들이 듣고 자하는 개인의 이는 제한 사항과 매우 유사합니다 우리는 오늘 보청기 기술을 가지고 있습니다 다양한 음성 소스를 제거 할 수 있습니다 다른 말하기 소스는 매우 어려울 수 있습니다 그래서 그들이 이걸 만들면 보청기 내에서 실행 가능한 제품, 그들은 그것을 고쳐야 만 할 것입니다

이 연구 조사에서 네 번째로 얻은 것 시각적 정보가 필요하다는 것입니다 이 시청각 분리를 할 수 있어야한다 물론 보청기에는 시각적 정보가 없습니다 적어도 아직은 보시다시피, 그들은 실제로 작업하고 있습니다

뇌 활동을 감지 할 수있는 보청기 기술 눈 운동과 그들이 할 수 있다면 이 오디오 정보와 결합하면, 그들은 실제로 결정할 수 있습니다 당신이 찾고있는 곳을 기반으로 듣고 싶은 사람 이러한 유형의 기술은 아직 제공되지 않지만 보청기 안쪽에, 이것과 같은 연구입니다 청력을 잃은 사람들에게 희망을 안겨주는 배경 소음 상황에서 그 투쟁 미래 연구를위한 길을 열어줍니다 보청기로 진입 할 기술에 대한 것입니다

한편, 가장 좋은 방법 중 하나 연설을 이해하는 능력을 향상시키는 것 배경 잡음 상황에서 보청기에서 수행되는 실제 귀 측정 이제 실제 귀의 측정이 무엇인지 모르는 경우, 내 비디오를보기를 강력히 추천합니다 카드에 여기에 연결될 것입니다 그리고 아래의 설명에서 극적으로 능력을 향상시키는 또 다른 방법 배경 잡음 상황에서 말을 이해하는 법 현재 순간에 보조 된 청취 장치, 로저 펜, Roger Select 또는 리모트 마이크

이러한 유형의 장치는 연설이 필요하기 때문에 배경 소음 너가 듣고 싶은 사람의 보청기에 바로 보냅니다 이 동영상 용입니다 만약 질문이 있다면, 아래 댓글란에 남겨 둡니다 동영상을 좋아한다면 공유해주세요 이 동영상과 다른 동영상을보고 싶다면 구독 버튼을 누르십시오

다음에 또 봐 (낙관적 인 음악)

태국 빠이에 ‘한식당’이 있다고?! / 태국 빠이 맛집 ‘소설’

안녕하세요, 저는 이겼습니다 나는 지금 태국 파이에있다

그녀는이 레스토랑의 주인입니다 Pai로 여행 할 때 꼭해야 할 일입니다 우리는 먼저 여기 와야합니다 대화가 작동하지 않는 경우 곤경에 처했을 때나 맛있는 음식을 먹고 싶을 때 Pai의 'SOSEOL'에 오세요 오늘의 메뉴는? 자장면 식사는 메뉴 판에없는 요리입니다

우리는 Pai 에의 여행을 갔다 그리고 주인은 특별한 접시를 요리했다 이 식당에서 우리는 어떤 음식을 먹을 수 있습니까? 잘 탕수유 질곡 목 김치지 (김치 찌개) 예약하면 음식을 먹을 수 있습니다 예약하면 뭐든지 먹을 수 있어요 이 식당은 좋은 식당입니다

김치가 맛있기 때문에 김치 태국에서 만든 김치는 훌륭합니다 Pai에 오면 SOSEOL에 오세요 나는 자장면을 먹을거야 당신이 한국에서 먹은 맛과 같을까요? Paj에서 장자면을 얼마나 오래 만들었습니까? Pai에서 처음입니다 왜 오늘 특별 식사를 선택하셨습니까? 네가 좋아할 것 같아

요리한지 얼마 동안 있니? 매일 요리가 이루어집니다 이 가게는 한국 음식 만 만들까요? 좋은 음식 이 동네에있는 당신의 별명은 무엇입니까? 잘 염 또는 정 이 가게를 찾을 수 없다면, 전 또는 정을 찾으십시오 설정 도움말 수제 김치 너무 맛있다 한국 고추도 들어갔다 맛있는 음식을 만드는 비결은 무엇입니까? 맛있는 음식을 먹을 의지 정말 맛있어요

중국어입니까? 김치와 함께 먹을 때 더 맛있습니다 손님이오고 있습니다 like AND subscribe 이 게스트는 피아니스트입니다 맛있는 김치를 먹을 때 더 맛있습니다

연세대, ‘가장 미국적인 소설을 쓰는 작가’ 리처드 포드 초청강연회 개최

연세대, '가장 미국적인 소설을 쓰는 작가' 리처드 포드 초청강연회 개최 사진 제공 = 연세대학교 [인사이트] 디지털뉴스팀 = '가장 미국적인 소설을 쓰는 작가'라고 평가받는 리처드 포드(Richard Ford)가 한국에 와 강연을 한다

24일 연세대학교는 토지문화재단과 공동 주최하는 2018 박경리문학상 수상자 초청강연회를 오는 30일 오후 2시 연세대 연세·삼성학술정보관 7층 장기원 국제회의실에서 연다고 밝혔다 박경리문학상의 8번째 수상자인 리처드 포드는 1944년 미국 미시시피주 잭슨에서 태어났으며, 동시대 미국 사회를 날카롭고 냉정한 시선으로 치밀하게 그려내 '가장 미국적인 소설을 쓰는 작가'라 평가를 받고 있다 사진 제공 = 연세대학교 그는 이번 강연회에서 '회고록에 대한 단상들(Some Thoughts about Memoir)'이라는 제목으로 이야기할 예정이다 '기억'하고 '기록'한다는 행위의 의미, '사실'과 '진실' 간 차이와 접점에 대해 고찰한 후, 이를 통해 '집단'과 '개인'의 관계가 오늘날의 '현실'과 다가올 '미래' 속에서 어떻게 살아 숨 쉬는지 논의하는 것이다

한편 박경리문학상은 작가 박경리(1926~2008)를 기려 2011년 토지문화재단이 제정했다 문학을 통해 인류 평화와 세계 문학 교류에 이바지하고자 했다 사진=고대현 기자 daehyun@ 이는 단순히 하나의 우수한 작품에 주어지는 작품상이 아니라 전 생애에 걸쳐 이룩한 문학적 업적에 주어지는 작가상이다 2018년 박경리문학상은 일상의 사실주의적 재현을 통해 인간다움을 잃지 않는 삶의 길을 추구해 온 리처드 포드에게 돌아갔다

Getting Started with Keras (AI Adventures)

YUFENG GUO : Keeras? 카이리스? 크라스? 케라? 당근? Keras Keras 란 무엇이며 어떻게 사용할 수 있습니까? 자신의 기계 학습 모델을 만들기 시작 했습니까? 알아 내기 위해 계속 지켜봐주십시오

[전자음] Cloud AI Adventures에 오신 것을 환영합니다 우리는 예술, 과학 및 기계 학습 도구를 탐구합니다 내 이름은 Yufeng Guo입니다 그리고 AI Adventures의이 에피소드에서, 가장 빠른 방법으로 Keras를 시작하는 방법을 알려 드리겠습니다 가능한

Keras로 시작하는 것이 더 쉬워 진 적은 없습니다 Keras가 TensorFlow에 내장되었을뿐만 아니라 tensorflowkeras를 통해, 심지어 당신도하지 않습니다 아무것도 설치하거나 구성해야합니다 당신이 Kaggle Kernels와 같은 도구를 사용한다면

필요한 경우 Kaggle 계정을 생성하기 만하면됩니다 로그인합니다 그런 다음 Keras가 제공하는 모든 것에 액세스 할 수 있습니다 Keras는 독립 실행 형 라이브러리로도 존재하지만, TensorFlow 버전은 완전히 동일한 API를 가지고 있습니다 및 몇 가지 추가 기능

Kaggle Kernel으로 가보자 지금 Keras를 사용하는 방법을 알려 드리겠습니다 이전 에피소드에서 우리는 기계 학습을했습니다 데이터 세트 Fashion-MNST에서 유행 아이템 10 가지 유형의 데이터 세트입니다

바지와 셔츠에서 구두와 핸드백, 모두 28 by 28 픽셀 그레이 스케일로 표시됩니다 음, 그레이 스케일 오늘 우리는 Keras를 사용하여 비슷한 분석을 할 것입니다 따라서 Keras를 사용하기 위해 평소처럼 TensorFlow를 가져옵니다 이러한 수입은 실제로 우리는 전에했다

그리고 우리는 numpy와 pandas와 natplotlib을 끌어 들일 것입니다 우리가 평상시대로 그리고 우리는 일반적인 방식으로 계속 작동합니다 CSV를 테스트하고 테스트 해 보겠습니다 팬더에 올려서 살펴보세요

그들이 어떻게 생겼는지 맨 왼쪽에 라벨 열이 있습니다 0부터 9까지의 숫자가 있습니다 그리고 우리는 픽셀을 가지고 있습니다 픽셀 1, 2, 3에서부터 픽셀 784까지

전처리 할 함수가 있습니다 우리의 데이터는 조금 있습니다 우리가 이전에했던 것과 비슷합니다 방금 청소하고 좀 더 간결하게 만들었습니다 나는이 기능들을 꺼내 255로 나눈다

그래서 우리는 모든 그레이 스케일 값을 정규화합니다 0과 1 사이에 있어야합니다 그리고 라벨도 뽑을거야 둘 다 numpy 배열로 표시되도록하십시오 우리는 그 기능을 사용하여 훈련과 테스트를 철회합니다 데이터 프레임의 데이터를 연결하고 연결합니다

명시적인 변수들 – train_features 및 train_labels, test_features 및 test_labels 그리고 우리는이 변수의 최종 형태가 정확히 우리가 기대할 수있는 것입니다 784 개의 열을 가진 60,000 개의 예제 그리고 우리의 레이블은 단지 6 만개의 값입니다 그리고 우리는 그들 중 한 명을 들여다 볼 것입니다

이것은 우리의 20 번째 training_feature입니다 그리고 중간에있는 픽셀들 중 일부는 실제로 0과 1 사이의 값이라는 것을 알 수 있습니다 또한 시각화 할 수도 있습니다 여기에 우리는 셔츠가있어, 정확하게 보입니다 네가 기대하는대로 낟알과 그레이 스케일의 종류

자, Keras는이 특별한 경우에, 우리는 데이터를 핫 핫 인코딩해야합니다 그것이 의미하는 바는 우리가 훈련을받을 것입니다 예전에는 0, 3, 7, 그들을 돌려 보내라 각각 길이 10의 배열로 배열의 모든 10 개 값은 하나의 값을 제외하고는 0입니다

그 하나의 값은 1이 될 것입니다 그래서 이것이 바로 한 – 핫 인코딩 (one-hot encoding)입니다 저기있는 곳은 어디입니까? 정확히 그 숫자가 될 것입니다 예를 들어 값이 7 일 경우, 일곱 번째 0은 하나가됩니다 숫자가 4라면 4 번째 영점은 하나가 될 것입니다 – 따라서 one-hot 인코딩

그래서 우리는 Keras wtilsto_categorical을 실행할 것입니다 이 작업을 수행 할 수있는 편리한 유틸리티 기능입니다 우리를 위해 기차 표식이 지금 6 만 줄의 숫자로 바뀌다

10 개의 열과 60,000 개의 행 그리고 우리가 실제로 볼 수있는 것과 같은 예제 레이블에서 볼 수 있습니다 지금까지 보았을 때, 0 번째 인덱스는 1, 나머지는 모두 0입니다 그리고 이제는 Keras로 작업하는 데 정말 재미있는 부분이 있습니다 우리의 모델을 만듭니다 Keras는 정말 쉽고 직관적 인 방법을 제공합니다

모델을 처음부터 다시 빌드하십시오 이 경우 순차적 모델을 만들겠습니다 그 위에 레이어를 추가하십시오 첫 번째 문자는 노드가 30 개입니다 정류 된 선형 유닛의 활성화 기능을 갖는다 우리가 이전에 사용한 TensorFlow의 경우에는 relu를 위해, 기본 활성화 기능이었습니다

그런 다음 완전히 연결된 다른 레이어가 생깁니다 또는 20 개의 뉴런을 가진 조밀 한 층 또한 relu 함수와 함께 마지막으로 우리는 10 개의 출력으로 최종 매핑을 할 것입니다 값은 0부터 9까지이며 활성화되어 있습니다 기본적으로 배포하는 softmax의 10 가지 버킷 전체에 걸쳐 전력 확률

이제 모델을 컴파일 할 준비가되었습니다 Keras는이 컴파일 표기법을 사용합니다 뭔가를 할 때와 비슷한 모델 끈 제작자 또는 다만 말하는 것을 무언가 같이, 나는 행해진 다 모두 나를 위해 그것을 넣어 손실, 최적화 도구 및 통계를 제공합니다

우리가 얻고 자하는 가치의 종류, 최상의 가치를 위해 최적화 할뿐만 아니라 우리가 손실을 측정하는 방법 이 경우 카테고리 간 엔트로피를 사용합니다 우리의 산출물이 범주 적이기 때문입니다 그리고이 경우 크로스 엔트로피는 좋은 방법입니다 우리의 손실이나 오류를 측정합니다

모델이 생성되면 교육을받을 준비가되었습니다 Keras를 사용한 교육은 fit를 호출하는 것처럼 쉽습니다fit이라고 부를 때, 우리가 제공해야하는 것은 training_features 및 training_labels

또한 에포크와 batch_size를 제공하는 것도 좋은 생각입니다 그래서 우리는 좀 더 훈련을 제어 할 수 있습니다 이 경우 우리는 신기원을 제공했습니다 두 개입니다 즉, 전체 데이터 세트를 살펴볼 것입니다

두 번 이상 그리고 우리는 128의 batch_size를 제공 ​​할 것입니다 이것은 각 훈련 단계에서, 모델은 가이드를 도울 128 가지 예제를 볼 것입니다 그것의 매개 변수를 조정합니다 그래서 우리는 Keras가 정말 유용한 무기를 가지고 있다는 것을 알 수 있습니다

훈련이 일어나고 우리에게주는 것처럼 진행의 감각 또한 손실 및 정확성을 인쇄합니다 각 시대의 끝에 그러나 훈련이 끝날 때 최종 손실의 정확성을 확인하십시오 평가만큼이나 유용하지는 않습니다

실제 테스트에 대한 정확성을 확인해야합니다 데이터 세트 이제 modelevaluate 함수를 호출 해 봅시다 이번에는 test_features와 test_labels에 전달됩니다

이것은 우리에게 정확성을 줄 것이며 우리는 그것을 밖으로 인쇄하고보십시오 847 %의 정확도를 볼 수 있습니다 물론, 우리는 확실히 증가 된 신기원을 가진 그것보다 나아지고, 보다 정교한 모델 및 기타 접근 방식을 제공합니다 그러나 이것은 Keras의 소개 일뿐입니다

그리고 희망적으로 이것은 당신에게 좋은 출발점을 줄 것입니다 Keras로 놀기 시작하다 Keras가 할 수있는 모든 것을 볼 수 있습니다 Keras에는 놀라운 커뮤니티와 많은 것들이 있습니다 샘플을 결합 할 때 Kaggle의 커뮤니티에서 당신을 올바른 방향으로 이끌어 줄 진정한 서사시적인 자원입니다

클라우드 AI 모험 에피소드를 시청 해 주셔서 감사합니다 그리고 그것을 즐긴다면, 그것을 좋아하십시오 모든 최신 에피소드를 바로 구독하려면 반드시 구독해야합니다 그들이 나올 때 자, 뭘 기다리고 있니? Kaggle로 가서 Keras로 놀아보기 시작하십시오

오늘