신용평가에서 사용해보는 머신러닝
신용평가를 분류 문제로 보고 CB 데이터와 전처리, 변수 선택, 여러 모델을 비교한 내용을 소개했습니다. 탭уляр 데이터에서는 XGBoost가 신경망보다 성능이 좋았고, Transformer 변형이 신경망 중 가장 나았습니다.
#ML#신용평가
12005분
필터 1
나의 하루를 읽어주는 AI, mini 일기 서비스 개발기
Azure OpenAI ChatGPT로 mini 고객용 일기형 응원 서비스를 개발한 사례를 소개했습니다. 생성 기능 구현, 성능 분석, 서비스 적용 인사이트를 함께 다뤘습니다.
#ChatGPT#Azure
57005분
이미지 분류 모델 개발, 아직도 데이터만 기다려?
X
#ML#Kotlin
18005분
토스뱅크가 AI로 보안과 효율도 챙기는 방법
토스뱅크는 ML 모델로 신분증 사본 품질을 검사해 반려와 경고를 자동화했습니다. 임계값과 A/B 테스트로 고객 불편을 줄이면서 수기 검토 효율도 높였습니다.
#ML#A/B 테스트
35005분
오픈챗 해시태그 예측을 위한 다중 레이블 분류 모델 개발하기
오픈챗 이름과 설명을 바탕으로 해시태그를 예측하는 다중 레이블 분류 모델 개발 과정을 소개했습니다. 또한 MMR과 임계치 조정으로 실시간 추천과 오프라인 태깅의 요구를 각각 맞췄습니다.
#ML#multi-label classification
23005분
![[6월 2주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요!](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjNGleuvh_5ifDsOtW0kzXLCkvY7XYc-F06GUikEOdMjiDeZsbnDjz7RhXeyMREp6l4AX_VrQECkz67VDXvH2KJwDtPG8qlSCJiMy9yu3ttxNDMKwl8e_ukSr63dHzE44eKCWEslxqyNog/s1600/lockup_google_developers_horizontal_knockout_wht.png)
[6월 2주차 위클리 업데이트] 이번 주 발표된 Google for Developers 최신 소식을 확인하세요!
Google for Developers의 6월 2주차 주요 업데이트를 제품별로 정리해 소개했습니다. AI, Android, Google Play 등 최신 소식과 관련 글을 한눈에 볼 수 있습니다.
#ML#Android
10005분
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
Google Cloud Next '24 방문기
Google Cloud Next '24 현장 방문기를 통해 최신 클라우드 기술과 AI 에이전트, Axion 발표를 살펴보았습니다. 데이터 플랫폼 마이그레이션 실무 관점에서 세션과 사례를 통해 얻은 인사이트도 함께 정리했습니다.
#GCP#cloud
13005분
LINE 앱의 잡음 제거 기술 성능 측정 방법
LINE 앱의 잡음 제거 성능을 정량적으로 측정하는 방법을 소개했습니다. 48kHz 음성 데이터와 다양한 잡음 조건을 3QUEST의 S-MOS, N-MOS로 평가했습니다.
#ML#모니터링
26005분
ChatGPT로 암호화폐 가격 예측하기
암호화폐 시장에서 LLM과 뉴스 데이터를 활용해 가격 예측 연구를 소개했습니다. 한국과 글로벌 뉴스 감성 분석으로 가격 변동성과의 상관관계를 살펴봤습니다.
#ChatGPT#LLM
27005분
머신러닝 엔지니어가 퍼즐 게임을 더 재미있게 만드는 방법
퍼즐봇과 유저 행동 데이터를 바탕으로 퍼즐 스테이지의 품질을 수치화하는 지표를 설계했습니다.\n폴리싱 효율을 높이기 위해 총 미션 수 구간별 기준을 달리 적용하고 사내 테스트로 검증했습니다.
#ML#강화학습
18005분
함께 구매하면 좋은 상품이에요! - 장바구니 추천 개발기 1부
장바구니 바텀시트에 맞는 보완재 추천 모델을 개발하고, NPMI 정제와 셔플링 후처리로 추천 품질을 개선했습니다. A/B 테스트에서 전환과 담은 상품 수, 금액이 유의미하게 상승해 실제 서비스에 적용했습니다.
#ML#BERT4Rec
46005분
딥러닝 추천 모델에 인과추론 접목시켜 전환율 예측 성능을 향상시키자!
추천시스템에서 상관관계만 학습할 때 생기는 편향과 누락 문제를 인과추론 관점에서 설명했습니다. 전환율 예측에서는 MTL과 IPW, DR을 결합한 방법으로 성능을 높이는 흐름을 소개했습니다.
#ML#추천시스템
6005분