Portfolio
- ACRCloud.com → ACRCloud.com/kr
- An audio fingerprint is generated by the unique features of the content itself. It’s very much like a human fingerprint, which is able to identify the person as a unique entity. An audio fingerprint is data extracted from content, based on a few seconds of audio, which is then used to identify the content uniquely. Together, with frame-based picture identification technology, our proprietary solution is able to identify millions of hours of content in both a manageable and efficient manner. ACR’s fingerprint library includes 50 million audio tracks, which is one of the biggest in the world.
- '오디오 지문'은 오디오 신호가 갖고 있는 고유의 특징을 의미합니다. 사람의 지문으로 그 사람이 누구인지를 판별할 수 있듯이 오디오 지문을 이용하면 오디오 신호가 어떤 것인지를 판별해낼 수 있습니다. 오디오 지문은 해당 콘텐츠의 오디오 신호에서 추출하며 대체로 몇 초 정도의 길이면 충분합니다. ACR클라우드의 독자 기술은 오디오 지문을 영상 인식 기술과 같이 활용하여 인식 성능을 극대화하였으며 수백만시간이 넘는 대형 콘텐츠 데이터 베이스를 빠르게 검색할 수 있습니다. 저희 ACR 클라우드가 보유중인 세계 최대 규모의 오디오 지문 라이브러리는 5천만 개가 넘는 오디오 파일을 보유하고 있습니다.
- Deeplearning.org → http://deeplearning4j.org/kr-index.html
- Backends are what power the linear algebra operations behind DL4J's neural nets. Backends vary by chip. CPUs work fastest with x86; GPUs with Jcublas. You can find all backends on [Maven Central](https://search.maven.org); click the linked version number under "Latest Version"; copy the dependency code on the left side of the subsequent screen; and paste it into your project root's pom.xml in IntelliJ.
- 백엔드의 역할은 DL4J 신경망 내부에 필요한 선형 대수 및 행렬 연산을 실제로 수행하는 것 입니다. 백엔드의 성능은 실제로 연산에 사용되는 하드웨어에 따라 달라집니다. CPU를 사용한 연산은 x86 백엔드를, GPU를 사용한 연산은 Jcublas를 사용할 경우 가장 빠르게 작동합니다. [Maven Central 페이지](https://search.maven.org)를 방문하시면 사용 가능한 백엔드 목록을 볼 수 있습니다; “Latest Version" 에 링크된 가장 최신 버전을 클릭하고 그 다음에 나오는 화면의 좌측의 디펜던시 코드를 복사한 뒤 그 코드를 IntelliJ에서 여러분의 프로젝트 루트의 pom.xml 파일에 붙여 넣으십시오.
- Everyone's heard of big data. By releasing these open-source deep-learning tools, we hope to usher business into an era of smart data, which is why we chose to implement this framework in Java. By using these tools, data scientists can begin to see the power of the scalable deep-learning algorithms already employed by Google, Facebook, Microsoft, Baidu and Netflix, all of which have dedicated deep-learning teams.
- 다들 빅 데이터(big data)라는 단어를 들어보았을 것 입니다. 저희는 Deeplearning4j를 통해 여러분을 본격적인 스마트 데이터 시대로 안내하고자 합니다. 그렇기 때문에 저희는 이 프레임워크를 자바에서 구현하고 있습니다. 이 프레임워크를 이용하면 누구나 구글, 페이스북, 마이크로소프트, 바이두, 넷플릭스 등의 딥러닝 연구팀에서 개발한 강력한 알고리즘을 직접 사용할 수 있습니다.
- [ND4J is the Java-based scientific computing engine](http://nd4j.org/) powering our matrix operations. On large matrices, our benchmarks show [it runs roughly twice as fast as Numpy](http://nd4j.org/benchmarking).
- [ND4J는 저희가 사용하는 자바 기반 연산 엔진입니다](http://nd4j.org/). 크기가 큰 행렬을 다루는 경우 벤치마크에서 [ND4J는 Numpy 대비 대략 두 배 가까이 빠른 연산성능](http://nd4j.org/benchmarking)을 보여줍니다.
Profile
I'm Korean and doing my PhD student in Computer Science, Queen Mary University of London, UK, on Music Signal Processing and Machine Learning. More information in my research blog. Translation available for subjects in Computer Science, machine learning, music and audio signal processing, music information retrieval, and related areas.Contact
