인기 데이터 스토리
데이터 크리에이터가 직접 선정한 인기 스토리 입니다.

KoELECTRA로 매우 간단히 NER 해보기
KoELECTRA의 개발자인 [monologg](https://github.com/monologg) 님은 [KoELECTRA-Pipeline](https://github.com/monologg/KoELECTRA-Pipeline)을 통해 매우 쉽게 NSMC, Naver-NER, KorQuad를 수행할 수 있도록 코드를 공개해 놓았습니다. 이 스토리에서는 [Naver-NER](https://github.com/naver/nlp-challenge)로 학습된 NER(Named Entity Recognition, 개체명 인식)을 손쉽게

KoELECTRA로 매우 간단히 MRC 해보기
KoELECTRA의 개발자인 [monologg](https://github.com/monologg) 님은 [KoELECTRA-Pipeline](https://github.com/monologg/KoELECTRA-Pipeline)을 통해 매우 쉽게 NSMC, Naver-NER, KorQuad를 수행할 수 있도록 코드를 공개해 놓았습니다. 이 스토리에서는 **MRC**(Machine Reading Comprehension, 기계독해)를 손쉽게 수행하는 매우 간단한 예제 2개를 보여드리겠습니다.


네 가지 형태의 오토인코더
다음의 **오토인코더**들을 설명합니다. - 바닐라 오토인코더 (Vanilla autoencoder) - 다중 레이어 오토인코더 (Multilayer autoencoder) - 콘볼루션 오토인코더 (Convolutional autoencoder) - 정규화된 오토인코더 (Regularized autoencoder)

오토인코더 튜토리얼
Keras를 이용해 기본적인 오토인코더를 만들어 보고, 노이즈 제거, 이상 감지를 학습해 봅니다. - 기본 오토인코더 (FashonMNIST) - 이미지 노이즈 제거 (FashonMNIST) - 이상 감지 (ECG5000)

Keras로 Fashion-MNIST 학습하기 (CNN)
CNN으로 Fashion-MNIST를 학습해 봅니다. CNN의 Activation도 시각화하여 학습한 모델의 내부 탐색도 해보겠습니다.
