분류 전체보기 (56) 썸네일형 리스트형 알고리즘 9강 (그래프) 학습개요 이번 시간에는 그래프를 활용한 대표적인 응용문제로서, 최소 신장 트리를 구하는 크루스칼 알고리즘과 프림 알고리즘, 그리고 단일 출발점 최단 경로를 구하는 데이크스트라 알고리즘에 대해서 학습한다. 학습목표 최소 신장 트리를 구하는 크루스칼 알고리즘의 개념과 동작을 이해하고 적용할 수 있다. 최소 신장 트리를 구하는 프림 알고리즘의 개념과 동작을 이해하고 적용할 수 있다. 단일 출발점 최단 경로를 구하는 데이크스트라 알고리즘의 개념, 동작 및 특성을 이해하고 적용할 수 있다. 주요용어 최소 신장 트리(minimum spanning tree) - 신장 트리 중에서 간선의 가중치의 합이 가장 작은 것 - 신장 트리 → 가중 무방향 그래프에서 모든 정점을 포함하는 연결된 부분 그래프 중에서 트리인 것 크.. 운영체제 8강 (메모리 관리) 학습개요 메모리(주기억장치)의 구성과 관리는 운영체제의 설계에 가장 중요한 영향을 미치는 요인 중 하나로서, 실제로 시스템의 성능은 사용 가능한 메모리의 용량과 프로세스 처리 중 메모리를 얼마나 효과적으로 사용하는가와 관련이 큽니다. 이번 강의에서는 컴퓨터 시스템의 메모리 관리와 관련된 기초적인 개념을 다룹니다. 프로세스와 메모리의 관계, 기억장치의 구성, 프로그래밍 환경에 따른 메모리 할당과 보호, 메모리 배치기법 등의 기초적인 사항에 대해 살펴봅니다. 학습목표 프로세스와 메모리의 관계를 설명할 수 있다. 기억장치 계층구조를 설명할 수 있다. 다중 프로그래밍의 의미를 설명할 수 있다. 고정 분할과 동적 분할을 설명할 수 있다. 메모리 배치기법을 이해하고 적용할 수 있다. 정리하기 프로세스가 실행되기 위.. 인공지능 8강 (컴퓨터 시각과 패턴인식) 학습개요 시각은 인간이 정보를 취득하는 매우 중요한 감각 능력이다. 컴퓨터 시각은 사람이 가지고 있는 시각 능력을 컴퓨터에게 부여하기 위한 연구 분야이다. 컴퓨터 시각을 구현하려면 광학, 신호처리, 지능적 정보처리 등 여러 분야의 지식이 필요하다. 이번 강의에서는 컴퓨터 시각 시스템의 전반적 구성 및 디지털 영상의 처리를 위한 기본적 이론을 다루려고 한다. 학습목표 컴퓨터 시각 시스템의 전반적인 처리흐름을 이해한다. 디지털 영상의 입력을 위한 표본화 및 양자화의 개념을 설명할 수 있다. 기본적인 영상 필터링을 구현할 수 있다. 이진화를 위한 처리과정에 대해 설명할 수 있다. 분할과 합병의 기본 개념을 설명할 수 있다. 경계검출을 위한 연산자를 구현할 수 있다. 주요용어 컴퓨터 시각(computer vis.. 알고리즘 8강 (그래프) 학습개요 이번 강의에서는 그래프와 관련된 기본 개념(정의, 종류, 용어, 구현 방법)을 우선 살펴본 후, 그래프에 대한 기본 연산으로 사용되는 그래프 순회 방법을 학습한다. 또한 그래프 순회를 활용해서 위상 정렬, 연결 성분, 강연결 성분을 구하는 방법에 대해서도 함께 살펴본다. 학습목표 그래프의 개념, 주요 용어 그리고 구현 방법을 이해할 수 있다. 그래프의 순회 방법으로 깊이 우선 탐색과 너비 우선 탐색을 이해하고 적용할 수 있다. 그래프 순회 방법을 적용하여 위상 정렬, 연결 성분, 강연결 성분을 구할 수 있다. 주요용어 그래프(graph) - 연결할 객체를 나타내는 정점(vertex)의 집합과 정점을 연결하는 간선(edge)의 집합으로 구성된 비선형 자료구조 인접 행렬(adjacency matri.. Stable Diffsuion TEST Prompt : python scripts/txt2img.py --prompt "a photograph of an astronaut riding a horse" --plms Stable Diffusion v1-4 Model Stable Diffusion v1-5 Model Stable Diffusion v2-1-unclip Model 생성형 AI의 일관성을 위한 사전 자료조사 잠재 일관성 모델(Latent Consistency Models, LCMs)은 이미지나 텍스트와 같은 데이터를 처리할 때 사용되는 딥러닝 모델의 한 종류입니다. 전통적인 딥러닝 모델이 반복적인 과정을 통해 점차적으로 결과를 개선해 나가는 반면, LCM은 데이터의 잠재적인 특성을 활용하여 한 번의 계산으로 높은 품질의 결과를 얻을 수 있는 것이 특징입니다. LCM의 핵심 아이디어는 데이터를 잠재 공간(latent space)에 매핑하고, 이 공간에서의 일관성을 유지하면서 원하는 변환을 수행하는 것입니다. 이 방식은 특히 이미지나 텍스트 생성, 스타일 변환, 데이터 복원과 같은 분야에서 유용하게 적용될 수 있습니다. LCM의 주요 구성 요소: 잠재 공간(Latent Space): 데이터의 핵심적인 특성을 압.. 생성형 AI 일관성 유지 1. 잠재 일관성 모델 (Latent Consistency Models, LCM) 정의와 기본 원리: LCM은 데이터의 잠재적 특성을 활용하여 한 번의 계산으로 고품질의 결과를 얻을 수 있는 딥러닝 모델입니다. 이 모델은 데이터를 잠재 공간에 매핑하고, 해당 공간에서 일관성을 유지하며 변환을 수행합니다. 적용 예: 이미지 생성 및 복원, 스타일 변환, 데이터 생성 등에서 사용됩니다. 2. Instant ID 사용 개념: Instant ID는 단일 이미지를 기반으로 얼굴의 일관성을 유지하면서 새로운 이미지를 생성하는 기술입니다. 이 방법은 추가적인 학습이 필요 없이 빠르게 결과를 제공합니다. 기술 구성: Instant ID는 Face Encoder를 통해 ID embedding을 추출하고, Text emb.. 운영체제 7강 (교착상태) 학습개요 병행 프로세스의 교착상태를 처리하는 기법 중 교착상태 예방은 지난 강의에서 살펴보았습니다. 하지만 교착상태의 필요조건은 제거하지 못하는 경우도 있고 제거할 수는 있지만 자원이용률이 낮아지는 경우도 있습니다. 특히 환형대기 조건을 제거하는 방법은 적용에 어려움이 존재합니다. 교착상태를 처리하는 다른 기법인 교착상태 회피는 안전순서열이라는 개념을 이용하여 교착상태를 피하는 방법이고, 교착상태 탐지 및 복구는 교착상태가 발생하면 사후처리를 하는 방법입니다. 이번 강의에서는 교착상태를 회피하는 방법을 자세히 알아보고, 교착상태를 탐지 및 복구하는 방법에 대해서도 살펴봅니다. 학습목표 교착상태를 회피하는 방법을 설명할 수 있다. 교착상태를 탐지하고 복구하는 방법을 설명할 수 있다. 정리하기 교착상태 회피.. 이전 1 2 3 4 5 ··· 7 다음
