전체 글68 Part 2. Explainable AI (XAI) Module 4. 설명 가능한 AI 서울대학교 문태섭 교수님이 강의를 하셨고 Module 4에 관한 모든 내용은 LG Aimers 및 서울대학교 문태섭 교수님으로부터 나왔다. Explainable AI (XAI) Saliency map-based 기반 설명 방법 CAM(Calss Activation Map) -> GAP(Global Average Pooling)이란 특정한 layer를 만든 후 이 layer와 activation을 합쳐서 설명하는 방법 -> CAM을 이용한 CNN의 최종 layer의 해상도는 비교적 낮기 때문에 upsampling을 통해 개선함 -> GAP Layer = 각 activation map의 모든 activation들의 평균 CAM의 장단점 - 장점 : 모델이 집중하는 obje.. 2022. 7. 31. Part 3. Radar 제조 공정 Module 6. 자율주행과 레이더 센서의 이해는 LG이노텍 김경석 연구위원님이 강의를 하셨고 Module 6에 관한 모든 내용은 LG Aimers 및 LG이노텍 김경석 연구위원님으로부터 나왔다. Radar 제조 공정 In-Cabin Radar (현대자동차 ROA 레이더) - Rear Occupant Alert -> 차량내에 장착하여 후석 승객유무 감지 Process Flow - TIM DISPENSING -> TIM : 일부 부품의 발열을 확산시켜 열을 낮춤 PRESS FIT - 케이스에 있는 PIN과 PCB를 연결하는 공정으로 체결 압력에 따라 PCB 평탄도에 영향 Screw 체결 Randome Assembly Calibration & Test 2022. 7. 29. Part 2. Radar 제품 이해 Module 6. 자율주행과 레이더 센서의 이해는 LG이노텍 김경석 연구위원님이 강의를 하셨고 Module 6에 관한 모든 내용은 LG Aimers 및 LG이노텍 김경석 연구위원님으로부터 나왔다. Radar 제품 이해 - Radar = Radio Detection And Ranging - 차량 Radar는 인식물과 차량과의 거리, 상대속도, 각도, 높이 등의 정보를 수집 - Radar 기본 동작 원리는 송신 전자파 신호와 타깃을 맞고 반사돼서 돌아오는 수신 전자파 신호의 시간 차이, 즉 ToF와 도플러 주파수 변화량을 이용해 상대 물체와의 거리와 상대속도를 측정하는 원리 Pulsed Radar(구형파) - 군사용 FMCW Radar(연속적 삼각파) - 차량용 - 장점 : 사각지대 X : 낮은 출력 전력 .. 2022. 7. 29. Part 1. 자율주행 시장동향 Module 6. 자율주행과 레이더 센서의 이해는 LG이노텍 김경석 연구위원님이 강의를 하셨고 Module 6에 관한 모든 내용은 LG Aimers 및 LG이노텍 김경석 연구위원님으로부터 나왔다. 자율주행 시장동향 미래 모빌리티 메가 트렌드 = ACE - A(Autonomous driving) : 운전자 개입 없이 스스로 안전하게 주행이 가능한 자율주행 고도화 - C(Connectivity) : 고도화된 연결형 자율주행을 통한 탑승자의 안전 및 교통관리 효과성 극대화 - E(Electrification) : 높은 에너지 효율성 기반 1회 충전으로 최대 주행거리 확보 자율주행 단계 고도화 - 0단계 : 수동 운전(No system) - 1단계 : 주행 보조(Feet-off) - 2단계 : 부분적 자율주행(.. 2022. 7. 29. Part 3. Modern Identification Module 5. 인과추론은 서울대학교 이상학 교수님이 강의를 하셨고 Module 5에 관한 모든 내용은 LG Aimers 및 서울대학교 이상학 교수님으로부터 나왔다. Modern Identification Generalized Identification - 여러 데이터가 한 도메인에 주어져 있을 때 그것을 활용해서 원하는 인과 효과를 계산하는 것 - Do-calculus를 이용 -> 여러 가지 데이터를 활용해도 인과 효과 계산 가능 - General Identifiability : 여러 데이터가 한 도메인에 주어져 있을 때 활용하여 원하는 인과 효과를 계산하는 것 Transportability - 주어져있는 데이터의 소스와 우리가 인과 효과를 계산하고자 하는 타깃이 서로 다른 도메인일 때의 인과 추론을.. 2022. 7. 29. Part 2. Causal Effect Identification Module 5. 인과추론은 서울대학교 이상학 교수님이 강의를 하셨고 Module 5에 관한 모든 내용은 LG Aimers 및 서울대학교 이상학 교수님으로부터 나왔다. Causal Effect Identification Computing Causal Effects from Observational Data - Z : X와 Y에 서로 영향을 미치는 교란변수 - W : X와 Y의 중간에 있는 변수, mediator - 간단하게 식을 전개한 후 그 결합분포에서부터 중재하고 있는 변수, 그 변수와 관련된 조건부 확률을 제거하여 인과효과를 계산 Back-door Criterion - X와 Y의 전체 상관성은 직접 연결관계, 교란 변수에 의한 연결관계 두 가지 - 인과효과 계산 = X가 변하면 Y가 어떻게 변하는지.. 2022. 7. 29. Part 1. Causality Module 5. 인과추론은 서울대학교 이상학 교수님이 강의를 하셨고 Module 5에 관한 모든 내용은 LG Aimers 및 서울대학교 이상학 교수님으로부터 나왔다. Causality(인과성) 인과성과 AI, ML, DS는 어떤 관계인가? 1. AI - 주어진 상황에서 어떤 행동을 취할지 학습(ex, 강화학습) -> 환경에 변화를 줘서 원하는 상태로 변화시키는 인과관계로 해석 가능 2. ML(Machine Learning) - 데이터의 상관성 학습 3. DS(Data Science) - 상관성과 인과성 모두 복합적으로 고려 Pearl's Causal Hierarchy Level 1 : 관측 계층(Associational or Observational) - 시스템을 구성하고 있는 변수들의 상관성 파악 가.. 2022. 7. 29. Module 6. 자율주행과 레이더센서의 이해 Module 6. 자율주행과 레이더센서의 이해는 LG이노텍 김경석 연구위원님이 진행하셨다. LG 해커톤 문제를 풀기위한 도메인 지식 함양을 위해 Module 6 자율주행과 레이더 센서의 이해는 자율주행 자동차 시장의 동향 및 자율주행을 위해 필요한 센서에 대한 기본적인 개념 및 공정과정에 대한 이해를 목표로 한다. 2022. 7. 29. 이전 1 2 3 4 5 6 7 ··· 9 다음
