주도적으로 데이터 플레이를 이끄는 전문가 되기
야놀자클라우드 데이터 엔지니어링 팀의 데이터 인프라와 권한 관리 업무를 소개했습니다. 데이터 활용 과제를 제안부터 구축까지 주도하는 업무 문화를 설명합니다.
#데이터 엔지니어링#데이터 인프라
2500
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
인공지능 음성 생성 연구 - 음성 분류 솔루션
인공지능 음성 생성 연구 - 음성 분류 솔루션
재난 상황 음성 분류 문제를 드론 소음 환경에 맞게 이미지 분류 방식으로 풀었습니다. AI Hub 데이터와 전이학습을 활용해 2021 인공지능 그랜드 챌린지 1위를 달성했습니다.
#ML#음성 생성
400
.png)
12일 안에 세그멘테이션 따라잡기
12일간 헤어스타일 세그멘테이션 경진대회에서 모델 튜닝과 오류 분석을 수행했습니다.\n단일 polygon 제약에 맞춘 후처리와 TTA로 최종 1위를 달성했습니다.
#ML#semantic segmentation
1300
카카오페이 유저 프로파일링, 페이프로파일
카카오페이는 이용 이력을 Feature·모델·세그먼트로 가공하는 페이프로파일 구조를 소개했습니다. 분류·NLP·GNN 기술로 개인화 서비스와 마이데이터 활용을 고도화합니다.
#ML#NLP
1600
감성 분석에서 기업이 배울 수 있는 것
감성 분석의 개념과 규칙 기반·머신러닝 기반 분류 방식을 설명했습니다. 브랜드, 제품, 고객 지원 분석 활용과 문맥·윤리 문제를 짚었습니다.
#NLP#ML
1400
#02 그 많은 화해 데이터는 어떻게 사용되나요?
화해 AI 파트가 650만 건 이상의 화장품 리뷰를 분석해 리뷰토픽 기반 서비스로 활용하는 방식을 소개했습니다. 리뷰토픽 고도화와 제품 인식을 위한 컴퓨터 비전 연구 계획을 공유했습니다.
#리뷰토픽#컴퓨터 비전
000
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
선형 모델과 회귀분석의 직관적 이해 (1)
선형 모델은 입력식 모양이 아니라 추정 파라미터에 대한 선형성으로 판단함을 설명했습니다. 회귀분석은 정보에 따른 조건부 기댓값으로 잔차 분산을 줄이는 방법임을 소개합니다.
#선형 모델#회귀분석
2200
BentoML 을 활용하여 딥러닝 모델 API 서빙하기
BentoML 을 활용하여 딥러닝 모델 API 서빙하기
BentoML로 딥러닝 모델을 API 형태로 서빙한 경험과 패키징, 도커라이징 과정을 정리했습니다.\nSwagger UI 제공과 성능 개선, 운영 편의성 측면의 장단점도 함께 공유했습니다.
#BentoML#ML
900
생성 모델의 새로운 흐름 확산 모델(Diffusion model)에 관하여
생성 모델의 새로운 흐름 확산 모델(Diffusion model)에 관하여
확산 모델의 기본 개념과 생성 모델 내 위치를 정리했습니다. 점수 기반 모델, SDE, 샘플러까지 이어지는 발전 흐름도 함께 설명했습니다.
#ML#생성형 AI
300
2021 인공지능 경진대회 참가기
2021 인공지능 경진대회 참가기
2021 인공지능 경진대회 참가기를 통해 전력 품질 예측 문제를 XGBoost와 앙상블로 해결한 과정을 소개했습니다. 수치해석 분야 1위를 달성한 전략과 향후 금융 위험도 분류 적용 가능성도 함께 정리했습니다.
#ML#XGBoost
600
추천시스템 평가 지표 - 1 (Precision@K / Recall@K)
추천시스템의 Precision@K와 Recall@K 정의 및 계산 예시를 설명했습니다. 사용자별 상위 추천 결과를 집계하는 평가 코드 구현 흐름을 소개했습니다.
#추천시스템#Precision@K
1800
딥러닝 ‘생성모델’과 ‘잠재 벡터’에 관하여
딥러닝 ‘생성모델’과 ‘잠재 벡터’에 관하여
생성모델이 인식모델과 어떻게 다른지, 그리고 잠재 벡터가 어떤 역할을 하는지 설명했습니다. 오토인코더, GAN, Flow-based 모델을 예로 들어 생성 원리를 정리했습니다.
#ML#생성형 AI
400
그래프 활용한 노드 간 관계 분석기술로 고도화된 지식추적모델 GKT(Graph-Based Knowledge Tracing)
GNN 기반 GKT의 집계·업데이트·예측 구조와 그래프 구성 방식을 소개했습니다.\n공개 데이터셋에서 DKT보다 높은 AUC와 학습 개념 관계의 해석 가능성을 확인했습니다.
#GKT#GNN
3100
딥러닝 모델을 활용하여 미응대 상담 알리미 개발하기
미응대 상담을 중요도별로 분류해 Slack으로 알리는 시스템을 구축했습니다. KoELECTRA의 높은 재현율을 바탕으로 중요한 상담을 우선 처리하도록 지원합니다.
#KoELECTRA#ML
2000