
EMNLP 2020 프리뷰
EMNLP 2020의 주요 키워드와 자연어 생성·대화·지식 활용 연구 흐름을 정리했습니다. 응답 생성, 임베딩, 상식 질의응답 등 7편의 논문 핵심 아이디어를 리뷰했습니다.
새로운 기술 블로그가 추가되었어요

EMNLP 2020의 주요 키워드와 자연어 생성·대화·지식 활용 연구 흐름을 정리했습니다. 응답 생성, 임베딩, 상식 질의응답 등 7편의 논문 핵심 아이디어를 리뷰했습니다.

준지도학습의 기본 개념과 주요 가정, 대표 기법들을 정리한 소개 글입니다. 레이블 부족 문제를 줄이는 방법이지만, 데이터와 모델 특성에 맞는 선택이 중요했습니다.

GPT-3를 57개 분야 문제로 평가한 벤치마크와 43.9% 정답률을 살펴봤습니다. 모델 규모와 과제 특화 학습이 성능·효율에 미치는 영향을 정리했습니다.

AI PLUS 2020은 유튜브 스트리밍으로 진행된 온라인 AI 컨퍼런스였습니다. 다양한 산업의 AI 적용 사례와 실시간 Q&A를 공유했습니다.

루다는 자유 대화와 이벤트 대화를 결합해 사용자와의 친밀한 관계 형성을 설계했습니다.\nPingpong FLOW의 한계는 페르소나·주제 전환·개인화 시나리오로 보완했습니다.


PyTorch와 MNIST로 지도학습 Trainer의 필수 구성 요소와 학습 흐름을 설명했습니다.\n학습·평가 루프와 정확도 측정, 모델 체크포인트 저장 예시를 제공했습니다.

NER은 비정형 텍스트에서 개체명을 분류해 문맥에 맞는 검색·뉴스 분류에 활용하는 기술입니다. 포털 사례를 바탕으로 임베딩, BiLSTM, CRF로 구현 흐름을 설명했습니다.

핑퐁팀의 2020년 여름 머신러닝 세미나 발표자료를 모아 공유했습니다. NLP 표현·평가와 검색, 편향, 대조 학습 관련 연구를 다뤘습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Multi-label 분류에서 Prec@k와 Rec@k를 높이는 최적 점수 순위의 차이를 설명했습니다.\n목표 지표에 따라 OVA·PAL 또는 정규화 reduction을 선택해야 함을 정리했습니다.


객체 탐지용 이미지 증강에서 Bounding Box를 함께 변환하는 좌표 연산을 설명했습니다. Resize·반전·회전별 계산과 회전 후 경계 보정 방법을 제시했습니다.

ICML 2020 논문으로 범주형 확률에 베이지안 관점을 적용한 분류 학습 방법을 소개했습니다. 오버 컨피던스를 줄이고 예측 불확실성을 더 잘 표현하며 분류 성능도 향상시켰습니다.


화해 데이터팀은 OKR·실험보드·회고를 기반으로 가설 검증과 학습을 반복하는 문화를 소개했습니다. 데이터 플랫폼과 ML 환경을 구축해 전사 데이터 기반 의사결정을 지원합니다.

GPT-3의 과제별 성능, 물리 상식, 모델 규모, 기억 능력의 한계를 살펴봤습니다. 다음 단어 예측이 이해와 사고를 의미하는지에 대한 논쟁도 다뤘습니다.

과학기술정보통신부 주최 인공지능 경진대회 참가기를 소개했습니다. 메트릭러닝과 간단한 보강 전략으로 얼굴 인식 과제 1위를 기록했습니다.