SAS Korea
데이터를 넘어 인텔리전스 세상으로 향하는 SAS 코리아의 여정에 함께 하세요.
지난 포스팅에서 컴퓨터 비전의 과거와 CNN(Convolution Neural Network)의 구성 요소, 퍼셉트론, 합성곱층에 대해 알아보았습니다. 합성곱층과 함께 풀링, 활성화 함수, 드랍아웃 등 다양한 요소를 활용한다면 모델의 성능을 더욱 향상시킬 수 있습니다. 오늘 포스팅에서는 CNN에서 사용될 수 있는 다양한 기법들과 함께 CNN의 학습이 어떤 방식으로 이루어지는지 살펴보도록 하겠습니다. 1. CNN의 구성요소 <그림
금융 사기 설문 응답자 3분의 2가 금융 사기 경험이 있거나 더 철저한 보안을 원할 경우 이용 업체를 전환하겠다고 응답 보안 인증에 생체정보 활용 선호, 보안 강화 위해 개인 정보 공유 허용 SAS가 최근 16개국 13,500명의 소비자를 대상으로 한 설문조사(Faces of Fraud: Consumer Experiences with Fraud and What It Means for
컴퓨터가 인간보다 잘 하는 몇 가지 분야가 있는데, 그 중 하나가 바로 이미지 인식입니다. 2012년 알렉스넷이 개발된 이후 컴퓨터 비전 분야는 급속도로 성장하여 우리 일상에 자연스럽게 스며들었습니다. 오늘 포스팅에서는 컴퓨터가 이미지를 어떻게 인식할 수 있는지 이론을 중심으로 살펴보도록 하겠습니다. 1. 컴퓨터 비전의 과거 우리가 모니터를 통해 바라보는 이미지의 구조부터 알아보겠습니다.
자금 세탁 방지와 사기 방지 환경의 통합 접근 방안 금융 범죄의 현황과 대응 금융 범죄(Financial Crimes)라 함은 개인적 사용 및 사익을 위해 불법적으로 재산의 소유권을 전환하는 모든 불법 행위를 포함하는 광범위한 용어입니다. 금융 범죄는 다양한 유형의 사기(Fraud), 절도(Theft), 스캠(Scam), 탈세(Tax Evasion), 뇌물 수수(Bribery), 횡령(Embezzlement), 신원 도용(Identity Theft), 위조(Forgery) 등에 의해